KDD 2020最佳论文奖出炉!谷歌、北航获奖
KDD 2020最佳论文奖出炉!谷歌、北航获奖第 26 届 ACM SIGKDD 知识发现和数据挖掘会议(KDD 2020)已于太平洋标准时间 8 月 23 日 - 27 日以虚拟
第 26 届 ACM SIGKDD 知识发现和数据挖掘会议(KDD 2020)已于太平洋标准时间 8 月 23 日 - 27 日以虚拟线上方式召开。今年 KDD 收集了 338 篇论文(研究和应用轨道),34 个研讨会,45 个教程(讲座和实践),使其成为计算机科学中最大的应用研究会议之一。
在继时间检验奖,新星奖,创新奖,论文奖,服务奖等奖项公布之后,最佳论文奖也已出炉,其中最佳论文奖由谷歌研究院的 Walid Krichene 和 Steffen Rendle 摘得,最佳学生论文奖由杜克大学的 Ang Li、Huanrui Yang、陈怡然和北航段逸骁、杨建磊获得。
最佳论文奖
最佳论文奖由来自谷歌研究院的 Walid Krichene 和 Steffen Rendle 获得,获奖题目为《On Sampled Metrics for Item Recommendation》
简介:项目推荐的任务需要在给定上下文的情况下对大量的项目进行排序。项目推荐算法是使用依赖于相关项目位置的排名指标来评估的。为了加速度量的计算,最近的工作经常使用抽样的度量,其中只有一组较小的随机项和相关项被排序。
本文对抽样指标进行了更详细的研究,发现它们与精确的度量值不一致,因为它们没有保留相关的语句,例如,说推荐者 A 优于 B 时甚至连期望值也没有。而且,抽样规模越小,指标之间的差异就越小,另外对于非常小的抽样规模,所有指标都会坍缩为 AUC 度量。
作者证明了通过应用一个修正项来提高抽样指标的性能是可行的:通过最小化不同的标准,如偏差或均方误差。最后,对原始抽样指标及其修正变量进行了实证评估。综上所述,作者建议在度量计算中应避免抽样,但是如果实验研究需要抽样,那么作者所提出的修正项可以提高估计的质量。
Walid Krichene
Walid Krichene 是谷歌研究所激光小组的成员,从事机器学习和推荐。他还致力于开发使用连续时间和随机动力学的优化方法。他也是 Google 开源 ML 课程推荐系统课程的合著者,在 ML@ 资本。
Steffen Rendle
Steffen rendle 是谷歌的一位研究科学家。在此之前,他是德国康斯坦茨大学的助理教授。Steffen 的研究兴趣是使用因子分解模型进行大规模机器学习。他的研究获得了 2010 年 WWW 网站的最佳论文奖和 WSDM 2010 年的最佳学生论文奖。Steffen 将他的研究应用于各种机器学习竞赛,在 2009 年和 2013 年的 ECML 发现挑战赛中获奖。
3 首页 下一页 上一页 尾页上一篇:CNC车床之夹头应用
-
康乃德完成1.15亿美元C轮融资,推进临床开发并启动新研究2020-08-26
-
全新的试验性研究表明,Niagen可能减少心力衰竭晚期患者体内的炎症细胞因子2020-08-24
-
研究:激光选区熔化金属3D打印,飞溅与剥蚀的数值模拟2020-08-23
-
研究发现自动化与不平等之间的紧密联系2020-08-23
-
腾讯医疗健康携手微众银行成立联合实验室,联邦学习破解隐私难题2020-08-23
-
研究人员使用3D打印的生物材料制作面部骨移植术2020-08-23
-
论文:用于3D生物打印骨组织的纳米骨诱导生物墨水2020-08-23
-
瑞典研究人员4D打印微米级软体机器人2020-08-23
-
光子张量CPU:迸发5G机器学习新活力2020-08-23
-
摘译:认知体系研究综述|深兰科技2020-08-23
-
西奈山的研究人员发现了一种可以预防阿尔茨海默病的蛋白质2020-08-23
-
写不完的论文,看不完的文献 AI视频神器助力科研人员解读论文2020-08-23
-
研究人员利用人工智能算法开发更坚固的3D打印水泥2020-08-23
-
囊括中英海量词典,63种语言互译,糖猫词典笔打造极致学习体验2020-08-23
-
清华大学研究团队获KDD 2020首届时间检验应用科学奖2020-08-23