Roblox ML Engineer Xiao Yu Menerima Penghargaan Test of Time
Dengan bangga kami mengucapkan selamat kepada Roblox machine learning engineer, Xiao Yu, dan rekan-rekan penulisnya yang telah menerima penghargaan Test of Time pada Konferensi Internasional ACM ke-17 tentang Pencarian Web dan Penambangan Data (WSDM 2024). Penghargaan Test of Time adalah penghargaan yang mengakui dampak historis dan pengaruh signifikan dari penelitian ini, yang telah mengubah tren dan arah dalam disiplin ilmu tersebut. Penghargaan ini diberikan kepada publikasi penelitian yang telah diterbitkan 10 tahun lalu dan memiliki dampak yang bertahan lama.
Makalah pemenang, “Rekomendasi Entitas yang Dipersonalisasi: Pendekatan Jaringan Informasi Heterogen” pertama kali dipresentasikan di WSDM 2014, saat Yu masih menjadi peneliti di University of Illinois di Urbana-Champaign. Yu bergabung dengan Roblox pada tahun 2022 dan telah bekerja di bidang bahasa alami, visi komputer, model bahasa besar, dan AI Generatif, termasuk proyek terbaru kami tentang terjemahan chat AI real-time dan moderasi suara real-time.
Yu mengatakan bahwa makalah yang memenangkan penghargaan ini “memperkenalkan konsep fitur laten berbasis meta-path sebagai representasi pengguna dan item. Ini terjadi sebelum pembelajaran representasi menjadi tren utama dalam pengembangan sistem rekomendasi. Meskipun mendahului penggunaan embedding secara luas dalam jaringan heterogen dan sistem rekomendasi, pengamatan dan filosofi yang disajikan dalam makalah ini mengilhami banyak peneliti untuk meneliti kembali masalah ini dan memicu gelombang penelitian inovatif dalam domain ini.”
Penelitian yang dipublikasikan oleh Yu dan rekan-rekannya telah menerima pengakuan luas selama dekade terakhir, seiring dengan semakin umum dan pentingnya mesin rekomendasi dalam berbagai bidang. “Dengan menggabungkan berbagai informasi hubungan, metode kami dapat mempersonalisasi rekomendasi secara lebih mendalam, menghasilkan saran yang lebih akurat, relevan, dan sesuai dengan kebutuhan pengguna. Hal ini sangat penting dalam situasi kelebihan informasi saat ini, di mana orang-orang sering dibanjiri dengan rekomendasi yang tidak relevan,” kata Yu.
“Sebelum makalah ini, sistem rekomendasi hibrida berbasis grafik sering kali menggunakan satu jenis hubungan, seperti apakah pengguna pernah membeli barang tertentu sebelumnya. Ini adalah salah satu pendekatan pertama untuk memanfaatkan heterogenitas hubungan dalam suatu jaringan. Dengan memodelkan berbagai hubungan, sistem rekomendasi yang diusulkan dapat menangkap pemahaman yang lebih kaya dan lebih bernuansa tentang preferensi pengguna dan karakteristik item.”
Pelajari tentang penelitian AI terbaru di Roblox di sini.