(相关资料图)
近日,第31届国际计算机学会信息与知识管理大会(The 31th ACM International Conference on Information and Knowledge Management,CIKM 2022)论文接收结果公布。
CIKM是信息检索和数据挖掘领域顶级学术会议之一。在CIKM放榜之后,国内诸多企业和高校相继公布了入围本届顶会的论文情况。从目前公布的消息(不完全统计)来看,阿里妈妈团队入围10篇,金融科技企业度小满入围3篇,腾讯IEG增长中台技术团队入围2篇。在高校方面,中科院网络数据重点实验室7篇论文入围,清华大学计算机科学与技术系信息检索课题组2篇,华科大认知计算与智能信息处理实验室3篇,吉林大学人工智能学院1篇。
从今年入选的论文中,有哪些前沿研究趋势值得关注呢?
从度小满入围的三篇论文来看,分别是ExpertBert: Pretraining Expert Finding(ExpertBert)、Efficient Non-sampling Expert Finding(ENEF)和Deep View-Temporal Interaction Network for News Recommendation(DeepVT)。它们均是聚焦在自然语言处理(NLP)领域,但所处理的子任务却各有不同,分别是聚焦在预训练模型、用户表示、序列建模。
以ExpertBert为例,度小满团队在研究中便提出了专家发现预训练语言模型,可以在预训练阶段将文本表示、用户建模和下游任务做了有效地统一,如此一来便让预训练目标更接近下游任务。不仅如此,度小满已经将该技术应用到了金融领域中的信贷业务场景中,使得平台更精准获客,更有效地触达潜在客群。据了解,ExpertBert是第一个在社区问答(CQA)领域探索专家发现预训练语言模型的方法,而且在实际应用过程中也证明了模型在真实数据集上的有效性和性能的优越性。
DeepVT这项研究同样也是基于度小满在金融科技领域中的业务痛点出发。通过聚焦用户建模的视图级信息,有效解决了用户画像建模中仅关单一的视图交互或时序信息的问题。具体而言,研究构建了2D半因果卷积神经网络(SC-CNN)和多算子注意力(MoA)两个模块,可以做到高效地合成视图级别的交互信息和项目级别的时间信息,并且达到避免注意力偏差、增强鲁棒性的效果。
而腾讯IEG增长中台技术团队的两篇研究,则是聚焦在广告精排和智能出价方面,提出了新颖而有效的算法,在实际业务中取得了效果上的显著提升;阿里妈妈的研究关注的是大规模推荐算法、电商及直播领域相关的算法研究。
可以看出,人工智能研究越发聚焦在实际场景应用,通过算法研究来提升实际业务操作过程中的效率。由此可见,AI技术的应用越来越深入。
