Cercetătorii Hildesheim câștigă preț prestigios de tehnologie web!

Cercetătorii Hildesheim câștigă preț prestigios de tehnologie web!

Sydney, Australien - Joi, 12 iunie 2025, Conferința Internațională de Web World World Wide din Sydney, Australia, cercetător la Universitatea din Hildesheim a primit renumitul premiu Seul Test of Time din Seul. Câștigătorii, inclusiv prof. Dr. Dr. Lars Schmidt-Thieme și foștii doctoranzi Dr. Steffen Rendle și Dr. Christoph Freudenthaler au fost onorați pentru cercetarea lor de pionierat în domeniul sistemelor de recomandare secvențială. Lucrările dvs. au obținut peste 2.900 de citații din 2010, ceea ce subliniază relevanța internațională a constatărilor dvs. Acest premiu a fost acordat de Comitetul Internațional al Conferinței Web Web și de Asociația pentru Mașini de Calculare (ACM) din 2014, al cărui obiectiv este pentru profesorii de rețea și cercetători și pentru a promova dialogul, precum și învățarea pe tot parcursul vieții.

Cercetarea oamenilor de știință Hildesheim se ocupă de modelarea efectelor secvenței de serie și a proprietăților latente ale utilizatorilor și articolelor. În special, este accentuată utilizarea rezultatelor lor în domeniile comerțului electronic și al învățării îmbunătățite a tehnologiei. O caracteristică specială a studiilor dvs. este utilizarea datelor dintr -un al treilea fond de part în cooperare cu lanțul de droguri Rossmann.

inovații în sistemele de recomandare

Cercetarea lui Schmidt-Thieme și a echipei sale își propun să îmbunătățească sistemele de recomandare existente. Abordările tradiționale se concentrează adesea pe predicția unui singur articol. În studiile lor, pe de altă parte, accentul este pus pe așa-numitele recomandări de top-K. Aceasta înseamnă că mai multe articole sunt prezise în același timp cu care utilizatorii ar putea interacționa probabil. Provocarea de aici este de a dezvolta modele care nu numai că creează un singur element, dar și o listă întreagă, clasificată de articole.

O abordare dovedită care este utilizată este modificarea modelelor existente pentru a permite mai multe prognoze. De exemplu, se folosește modelul GPT-2, care a fost special instruit într-o secvență de utilizator pentru predicția următorului element. Generația pas cu pas ia în considerare articolele recomandate deja și produce strategii de generare inovatoare, cum ar fi decodarea lacomă, căutarea fasciculului și tempertensamplarea, împreună cu noi metode, cum ar fi clasamentul recursiv.

Măsurarea și rezultatele cercetării

Validarea acestor metode s -a bazat pe diverse înregistrări de date, inclusiv MO Mulți 20m și Yelp. Experimentele efectuate s -au asigurat că numai utilizatorii au fost folosiți pentru analiză cu interacțiuni suficiente. NDCG, rechemarea și precizia medie medie au fost utilizate ca valori standard pentru evaluarea performanței sistemelor de recomandare.

Rezultatele arată că autorul -strategiile de generare comprimă oferă avantaje semnificative în calitatea predicțiilor pe termen lung. În special, strategia de agregare a relevanței s -a dovedit a fi o metodă superioară în comparație cu abordările tradiționale. Deși generarea mai multor secvențe provoacă costuri suplimentare de calcul, acest proces poate fi paralelizat pentru a gestiona latența și pentru a crește în continuare calitatea recomandărilor.