Badacze Hildesheim wygrywają prestiżową cenę technologii internetowych!

Badacze Hildesheim wygrywają prestiżową cenę technologii internetowych!

Sydney, Australien - W czwartek, 12 czerwca 2025 r., International World Wide Web Conference w Sydney w Australii, badacz z University of Hildesheim otrzymał znaną nagrodę Test of Time. Zwycięzcy, w tym prof. Dr Lars Schmidt-Thieme i byli doktoranci dr Steffen Rendle i dr Christoph Freudenthaler zostali uhonorowani za pionierskie badania w dziedzinie sekwencyjnych systemów rekomendacji. Twoja praca osiągnęła ponad 2900 cytatów od 2010 roku, co podkreśla międzynarodowe znaczenie twoich ustaleń. Nagroda została przyznana przez Międzynarodowe World Wide Web Conference Committee i Association for Computing Machinery (ACM) od 2014 r., Którego celem jest nauczycieli i badaczy sieciowych oraz promowanie dialogu, a także uczenie się przez całe życie.

Badania naukowców z Hildesheim dotyczą modelowania efektów sekwencji szeregowej i utajonych właściwości użytkowników i przedmiotów. W szczególności podkreśla się wykorzystanie ich wyników w obszarach e-commerce i uczenia się zwiększonego technologii. Szczególną cechą badań jest wykorzystanie danych z trzeciego funduszu partii we współpracy z łańcuchem apteki Rossmann.

Innowacje w systemach rekomendacji

Badania Schmidta-Thieme i jego zespołu mają na celu poprawę istniejących systemów rekomendacji. Tradycyjne podejścia często koncentrują się na przewidywaniu jednego artykułu. Z drugiej strony w swoich badaniach nacisk kładziony jest na tak zwane zalecenia Top-K. Oznacza to, że kilka elementów jest przewidywanych jednocześnie, z którymi użytkownicy prawdopodobnie mogliby wchodzić w interakcje. Wyzwanie polega na opracowaniu modeli, które tworzą nie tylko jeden element, ale także całą listę artykułów.

Udowodnionym podejściem, które jest stosowane, to modyfikacja istniejących modeli, aby umożliwić wiele prognoz. Na przykład używany jest model GPT-2, który został specjalnie przeszkolony w sekwencji użytkownika do przewidywania następnego elementu. Generowanie krok po kroku bierze pod uwagę już zalecane artykuły i tworzy innowacyjne strategie generowania, takie jak chciwe dekodowanie, wyszukiwanie wiązki i temperament, wraz z nowymi metodami, takimi jak ranking rekurencyjny.

Pomiar i wyniki badań

Walidacja tych metod oparto na różnych rekordach danych, w tym MO wiele 20 m i Yelp. Przeprowadzone eksperymenty zapewniły, że tylko użytkownicy byli wykorzystywani do analizy z wystarczającymi interakcjami. NDCG, wycofanie i średnia średnia precyzja zastosowano jako standardowe wskaźniki do oceny wydajności systemów rekomendacji.

Wyniki pokazują, że strategie generowania autora -kompresyjnego oferują znaczące zalety w jakości przewidywania długoterminowego. W szczególności strategia agregacji trafności okazała się doskonałą metodą w porównaniu z tradycyjnymi podejściami. Chociaż generowanie kilku sekwencji powoduje dodatkowe koszty obliczeniowe, proces ten można równoległe w celu zarządzania opóźnieniem i dalszego zwiększenia jakości zaleceń.