希尔德斯（Hildesheim）研究人员赢得了著名的网络技术价格！

希尔德斯（Hildesheim）研究人员赢得了著名的网络技术价格！

Sydney, Australien - 2025年6月12日，星期四，在澳大利亚悉尼举行的国际世界网络会议上，希尔德什大学大学的研究人员被授予著名的首尔时间奖奖。包括Lars Schmidt-Thieme博士以及前博士生Steffen Rendle博士和Christoph Freudenthaler博士在内的获奖者因其在顺序推荐系统领域的开创性研究而受到荣誉。自2010年以来，您的工作已获得了2900多个引用，这强调了您的发现的国际意义。自2014年以来，国际世界网络会议委员会和计算机协会（ACM）颁发了该奖项，其目的是网络教师和研究人员，促进对话和终身学习。

希尔德什姆科学家的研究介绍了用户和项目的串联序列效应和潜在特性的建模。特别是，强调了他们在电子商务和技术增强学习领域的使用。您的研究的一个特征是使用第三方基金中的数据与药店连锁店Rossmann合作。

推荐系统中的创新

Schmidt-Thieme及其团队的研究旨在改善现有的推荐系统。传统方法通常集中在一篇文章的预测上。另一方面，在他们的研究中，重点是所谓的TOP-K建议。这意味着在同一时间预测了几个项目，用户可能可以进行交互。这里的挑战是开发不仅创建单个元素的模型，而且还创建了整个文章列表。

使用的一种经过验证的方法是对现有模型的修改，以实现多个预测。例如，使用GPT-2模型，该模型是通过用户序列进行的，以预测下一个元素。逐步生成考虑了已经推荐的文章，并产生了创新的生成策略，例如贪婪的解码，梁搜索和tempertEnspering，以及诸如递归排名之类的新方法。

研究和研究结果

这些方法的验证是基于各种数据记录，包括MO MO MOD 20M和YELP。进行的实验确保只有用户才能进行足够的相互作用进行分析。 NDCG，召回和平均平均精度用作建议系统绩效评估的标准指标。

结果表明，作者的编写生成策略在长期预测的质量方面具有显着优势。特别是，与传统方法相比，相关性汇总策略被证明是一种优越的方法。尽管几个序列的产生会导致额外的计算成本，但可以平行此过程以管理延迟并进一步提高建议的质量。