Hildeheim pētnieki iegūst prestižo tīmekļa tehnoloģiju cenu!

Hildeheim pētnieki iegūst prestižo tīmekļa tehnoloģiju cenu!

Sydney, Australien - Ceturtdien, 2025. gada 12. jūnijā, Starptautiskajā pasaules tīmekļa konferencē Sidnejā, Austrālijā, Hildesheimas universitātes pētniekam tika piešķirta slavenā Seulas laika testa balva. Uzvarētāji, tostarp prof. Dr. Dr. Larss Šmits-Teme un bijušie doktoranti Dr Steffen Rendle un Dr. Christoph Freudeenthaler tika pagodināti par viņu novatoriskajiem pētījumiem secīgu ieteikumu sistēmu jomā. Jūsu darbs kopš 2010. gada ir sasniedzis vairāk nekā 2900 citātu, kas uzsver jūsu atklājumu starptautisko atbilstību. Šo balvu ir piešķīrusi Starptautiskā pasaules tīmekļa konferences komiteja un skaitļošanas tehnikas asociācija (ACM) kopš 2014. gada, kuras mērķis ir tīkla skolotāji un pētnieki un veicināt dialogu, kā arī mācīšanos mūža garumā.

Hildesheima zinātnieku pētījumi nodarbojas ar sēriju secības efektu modelēšanu un lietotāju un priekšmetu latentajām īpašībām. Jo īpaši tiek uzsvērta to rezultātu izmantošana e-komercijas un tehnoloģiju uzlabotās mācīšanās jomās. Īpaša jūsu pētījumu iezīme ir datu izmantošana no trešās daļas fonda sadarbībā ar aptieku ķēdi Rossmann.

Inovācijas ieteikumu sistēmās

Schmidt-Thieme un viņa komandas pētījums mērķis ir uzlabot esošās ieteikumu sistēmas. Tradicionālās pieejas bieži koncentrējas uz viena raksta prognozēšanu. No otras puses, viņas pētījumos galvenā uzmanība tiek pievērsta tā sauktajiem Top-K ieteikumiem. Tas nozīmē, ka vienlaikus tiek prognozēti vairāki priekšmeti, ar kuriem lietotāji, iespējams, varētu mijiedarboties. Šeit izaicinājums ir izstrādāt modeļus, kas ne tikai izveido vienu elementu, bet arī veselu, ierindotu rakstu sarakstu.

Izmantotā pierādīta pieeja ir esošo modeļu modifikācija, lai iespējotu vairākas prognozes. Piemēram, tiek izmantots GPT-2 modelis, kas bija īpaši apmācīts lietotāja secībā nākamā elementa prognozēšanai. Pakāpeniski paaudzē tiek ņemti vērā jau ieteiktie raksti un tiek veidotas novatoriskas paaudzes stratēģijas, piemēram, alkatīga dekodēšana, staru meklēšana un temperatūras paraugu ņemšana, kā arī jaunas metodes, piemēram, rekursīvā ranžēšana.

Pētniecības mērīšana un rezultāti

Šo metožu validācija tika balstīta uz dažādiem datu ierakstiem, ieskaitot daudzus 20 m un yelp. Veiktie eksperimenti nodrošināja, ka analīzei ar pietiekamu mijiedarbību tika izmantoti tikai lietotāji. NDCG, atsaukšanas un vidējā vidējā precizitāte tika izmantoti kā standarta metrika ieteikumu sistēmu veiktspējas novērtēšanai.

Rezultāti rāda, ka autora kompresīvās paaudzes stratēģijas piedāvā ievērojamas priekšrocības ilgtermiņa prognožu kvalitātē. Jo īpaši atbilstības apkopošanas stratēģija izrādījās augstāka metode, salīdzinot ar tradicionālajām pieejām. Lai arī vairāku secību ģenerēšana rada papildu skaitļošanas izmaksas, šo procesu var paralēlot, lai pārvaldītu latentumu un vēl vairāk palielinātu ieteikumu kvalitāti.