Nos complace felicitar a Xiao Yu, ingeniero de aprendizaje automático de Roblox, y a sus coautores por recibir el premio Test of Time en la 17ª Conferencia Internacional ACM sobre Búsqueda en la Web y Minería de Datos. (WSDM 2024). El premio Test of Time es una marca de impacto histórico y un reconocimiento de que la investigación cambió las tendencias y la dirección de la disciplina. Reconoce una publicación de investigación de hace 10 años que tenga una influencia duradera.

El artículo ganador, "Personalized Entity Recommendation: A Heterogeneous Information Network Approach", se presentó por primera vez en la WSDM 2014, mientras Yu era investigador en la Universidad de Illinois en Urbana-Champaign. Yu se unió a Roblox en 2022 y trabajó en lenguaje natural, visión por ordenador, grandes modelos de lenguaje e IA generativa, incluido nuestro reciente trabajo en traducción de chat en tiempo real con IA y moderación por voz en tiempo real.

Yu afirma que el artículo premiado "introduce el concepto de características latentes basadas en meta-trayectorias como representaciones de usuarios y elementos. Esto fue antes de que el aprendizaje de representación se convirtiera en la tecnología más avanzada para los sistemas de recomendación. Aunque es anterior al uso generalizado de las incrustaciones en redes heterogéneas y sistemas de recomendación, las observaciones y la filosofía presentadas en este artículo inspiraron a muchos investigadores a reexaminar este problema y desencadenaron una oleada de investigación innovadora en este ámbito".

La investigación publicada por Yu y sus colegas obtuvo un reconocimiento significativo en la última década, a medida que los motores de recomendación se hacen cada vez más omnipresentes. "Al incorporar información diversa sobre las relaciones, nuestro método personaliza en mayor medida las recomendaciones, lo que da lugar a sugerencias más precisas, pertinentes y personalizadas para los usuarios. Esto es crucial en el actual escenario de sobrecarga de información, donde la gente es bombardeada con recomendaciones irrelevantes", menciona Yu.

"Antes de este artículo, los sistemas de recomendación híbridos basados en grafos solían utilizar un único tipo de relación, como si un usuario había comprado antes un determinado artículo. Este fue uno de los primeros enfoques para aprovechar la heterogeneidad de las relaciones dentro de una red. Al modelar diversas relaciones, el sistema de recomendación propuesto puede captar una comprensión más rica y matizada de las preferencias de los usuarios y las características de los artículos".

Más información sobre las últimas investigaciones sobre IA en Roblox aquí.