É com muito prazer que parabenizamos o engenheiro de aprendizado de máquina da Roblox Xiao Yu e seus coautores pelo Prêmio Teste do Tempo, da 17th ACM International Conference on Web Search and Data Mining (WSDM 2024). O Prêmio Teste do Tempo é um marco do impacto histórico e do reconhecimento de que a pesquisa mudou as tendências e a direção da disciplina. Ele reconhece a publicação de uma pesquisa de 10 anos atrás que teve uma influência duradoura.

O artigo vencedor, "Personalized Entity Recommendation: A Heterogeneous Information Network Approach" teve a sua primeira apresentação na WSDM 2014, quando Yu era pesquisador da Universidade de Illinois, em Urbana-Champaign. Yu começou a trabalhar para a Roblox em 2022, e já trabalhou em linguagem natural, visão de computador, modelos de linguagem de grandes escala e IA generativa, incluindo no nosso projeto recente em tradução de chat por IA em tempo real e moderação de voz em tempo real.

Yu diz que o artigo premiado "introduz o conceito de funcionalidades latentes baseadas em caminhos de meta como representações de usuários e itens. Isso foi antes de a aprendizagem de representações ter se tornado o sistema de recomendação mais usado. Embora seja anterior ao amplo uso de incorporações em redes heterogêneas e sistemas de recomendação, as observações e a filosofia apresentadas no artigo inspiraram muitos pesquisadores a reexaminarem o problema, dando origem a uma onda de pesquisas inovadoras sobre o tema."

A pesquisa publicada por Yu e seus colegas ganhou um reconhecimento considerável na última década, à medida que as máquinas de recomendação se disseminaram. "Ao incorporar diversas informações de relacionamento, nosso método personaliza mais as recomendações, resultando numa sugestão mais precisa, relevante e personalizada para os usuários. Isso é crucial no cenário atual de sobrecarga de informações, onde as pessoas são bombardeadas com recomendações irrelevantes", Acrescenta Yu.

"Antes desse arquivo, os sistemas de recomendação híbrida baseados em gráficos utilizavam um único tipo de relacionamento, a exemplo de se um usuário havia comprado certo item antes. Essa foi uma das primeiras abordagens a lançar mão da heterogeneidade do relacionamento dentro de uma rede. Ao modelar vários relacionamentos, o sistema de recomendação proposto pode capturar uma compreensão mais rica e nuançada de preferências do usuário e características do item."

Aprenda sobre a pesquisa recente sobre IA da Roblox aqui.