TLDR: 为了缓解多模态推荐存在的效率问题,本文提出一种高效适配多模态表征的序列推荐方法,并提出了一种更加全面的效率衡量指标TPME,最后从实验和理论方面证实了该方法的优越性。该成果已被SIGIR 2024接收。 论文:arxiv.org/pdf/2404....
分享一篇SIGIR2024最佳论文，探讨密集检索的Scaling Laws。论文发现，模型与数据规模越大，性能越好，研究包含评估协议、不同数据标注方法、预算分配的深刻见解。论文题目：Scaling Laws For Dense Retrieval，来源：SIGIR2024/清华。方向：文本检索。摘要指出，Scaling Laws在语言生成任务中被广泛观察，大型语言模...
青年学者奖 ACM SIGIR 青年学者奖旨在表彰在信息检索研究、学者社区建设、推进学术公平等方面发挥重要作用的研究人员,要求授予获得博士学位 7 年以内的青年研究学者。来自清华大学计算机系的助理教授艾清遥、来自中国科学技术大学网络空间安全学院、大数据学院教授、博士生导师王翔获得了 SIGIR 2024 青年学者奖。 艾清遥 艾...
SIGIR 2024 顶会传送第六期 | M3oE: 多域多任务混合专家推荐框架 中国中文信息学会信息检索专委会 2024年07月09日 10:58 河北 以下文章来源于机器学习与推荐算法 ,作者ML_RSer 机器学习与推荐算法 . 专注于分享经典的推荐技术,...
发表:SIGIR2024 2.问题背景 基于图神经网络(GNN)的协同过滤(CF)的早期研究 [4, 24, 32, 52] 通常将性能下降归因于过平滑(over-smoothing)问题:随着网络层数的增加,节点表示趋向于相似,导致区分性降低。然而,重要的是要注意,导致性能下降的另一个关键因素是特征过度相关(over-correlation)问题:随着 GNN 层数量的...
近日,张怀文研究员团队最新研究成果被2024年的计算机信息检索领域国际顶级会议(International ACM SIGIR Conference on Research and Development in Information Retrieval, CCF-A)录用,题为" Hierarchical Semantics Alignment for 3D human motion retrieval"。文章作者均来自我校计算机学院(软件学院),包括2021级博士生杨洋...
2014年发表的论文斩获SIGIR 2024唯一「时间检验奖」,另一篇论文获得「最佳论文奖」。 网友对此表示热烈祝贺,「实至名归」! 另外,CS系助理教授艾清遥还获得了「青年学者奖」,这也是中国大陆研究学者首次拿下该奖项。 除清华艾清遥之外,还有微软研究院Bhaskar Mitra、拉德堡德大学Harrle Oosterhuis,以及中科大Xiang Wang...
TLDR:为了缓解多模态推荐存在的效率问题,本文提出一种高效适配多模态表征的序列推荐方法,并提出了一种更加全面的效率衡量指标TPME,最后从实验和理论方面证实了该方法的优越性。该成果已被SIGIR 2024接收。 论文:arxiv.org/pdf/2404.02059 代码:github.com/GAIR-Lab/IISAN ...
SIGIR2024 | OpenP5: 大模型推荐评测平台 TLDR:本文介绍了一个开源大模型推荐评测平台OpenP5,旨在促进用于研究的基于大模型生成式推荐系统的开发、训练和评估。 论文:https://arxiv.org/abs/2306.11134 代码:https://github.com/agiresearch/OpenP5 近年来,将大语言模型集成到推荐系统中引起了工业界和研究人员的...
SIGIR 2024 : The 47th International ACM SIGIR Conference on Research and Development in Information Retrieval