Ci congratuliamo con l'ingegnere di apprendimento automatico di ROBLOX, Xiao Yu, e i suoi coautori per aver ricevuto il premio Test of Time alla 17a Conferenza Internazionale ACM sulla Ricerca Web e il Data Mining (WSDM 2024). Il premio Test of Time è un riconoscimento che attesta l'impatto storico di una ricerca e ne sancisce il contributo nel modificare le tendenze e l'orientamento della disciplina. Riconosce una pubblicazione di ricerca di 10 anni fa che ha avuto un'influenza duratura.

La ricerca vincitricePersonalized Entity Recommendation: A Heterogeneous Information Network Approach è stata presentata per la prima volta al WSDM 2014, quando Yu era un ricercatore presso l'Università dell'Illinois a Urbana-Champaign. Yu è entrato a far parte di Roblox nel 2022 e ha lavorato su linguaggio naturale, visione artificiale, modelli di linguaggio di grandi dimensioni e intelligenza artificiale generativa, incluso il nostro recente lavoro sulla traduzione di chat AI in tempo reale e sulla moderazione vocale in tempo reale.

Yu afferma che la ricerca pluripremiata introduce il concetto di funzionalità latenti basate su meta-path come rappresentazioni per utenti e articoli. Questo avveniva prima che l'apprendimento delle rappresentazioni diventasse lo stato dell'arte per i sistemi di raccomandazione. Sebbene preceda l'uso diffuso di incorporamenti in reti eterogenee e sistemi di raccomandazione, le osservazioni e la filosofia presentate in questa ricerca hanno ispirato molti studiosi a riesaminare questo problema e hanno scatenato un'ondata di ricerca innovativa in questo settore.

La ricerca pubblicata da Yu e dai suoi colleghi ha ottenuto un riconoscimento significativo negli ultimi dieci anni poiché i motori di raccomandazione sono diventati sempre più onnipresenti. Incorporando diverse informazioni sulle relazioni, il nostro metodo personalizza le raccomandazioni in misura maggiore, fornendo suggerimenti più accurati, pertinenti e personalizzati per gli utenti. Questo è fondamentale nello scenario di sovraccarico di informazioni odierno, in cui le persone sono bombardate da raccomandazioni irrilevanti, afferma Yu.

Prima di questo documento, i sistemi di raccomandazione ibridi basati sui grafici utilizzavano spesso un singolo tipo di relazione, ad esempio se un utente aveva acquistato un determinato articolo in precedenza. Questo è stato uno dei primi approcci a sfruttare l'eterogeneità delle relazioni all'interno di una rete. Modellando varie relazioni, il sistema di raccomandazione proposto può acquisire una comprensione più ricca e dettagliata delle preferenze dell'utente e delle caratteristiche degli articoli.”

Scopri le recenti ricerche sull'intelligenza artificiale presso Roblox qui.