近日,第31屆國際計算機學會信息與知識管理大會(The 31th ACM International Conference on Information and Knowledge Management,CIKM 2022)論文接收結果公布。

CIKM是信息檢索和數據挖掘領域頂級學術會議之一。在CIKM放榜之后,國內諸多企業和高校相繼公布了入圍本屆頂會的論文情況。從目前公布的消息(不完全統計)來看,阿里媽媽團隊入圍10篇,金融科技企業度小滿入圍3篇,騰訊IEG增長中臺技術團隊入圍2篇。在高校方面,中科院網絡數據重點實驗室7篇論文入圍,清華大學計算機科學與技術系信息檢索課題組2篇,華科大認知計算與智能信息處理實驗室3篇,吉林大學人工智能學院1篇。

從今年入選的論文中,有哪些前沿研究趨勢值得關注呢?

從度小滿入圍的三篇論文來看,分別是ExpertBert: Pretraining Expert Finding(ExpertBert)、Efficient Non-sampling Expert Finding(ENEF)和Deep View-Temporal Interaction Network for News Recommendation(DeepVT)。它們均是聚焦在自然語言處理(NLP)領域,但所處理的子任務卻各有不同,分別是聚焦在預訓練模型、用戶表示、序列建模。

以ExpertBert為例,度小滿團隊在研究中便提出了專家發現預訓練語言模型,可以在預訓練階段將文本表示、用戶建模和下游任務做了有效地統一,如此一來便讓預訓練目標更接近下游任務。不僅如此,度小滿已經將該技術應用到了金融領域中的信貸業務場景中,使得平臺更精準獲客,更有效地觸達潛在客群。據了解,ExpertBert是第一個在社區問答(CQA)領域探索專家發現預訓練語言模型的方法,而且在實際應用過程中也證明了模型在真實數據集上的有效性和性能的優越性。

DeepVT這項研究同樣也是基于度小滿在金融科技領域中的業務痛點出發。通過聚焦用戶建模的視圖級信息,有效解決了用戶畫像建模中僅關單一的視圖交互或時序信息的問題。具體而言,研究構建了2D半因果卷積神經網絡(SC-CNN)和多算子注意力(MoA)兩個模塊,可以做到高效地合成視圖級別的交互信息和項目級別的時間信息,并且達到避免注意力偏差、增強魯棒性的效果。

而騰訊IEG增長中臺技術團隊的兩篇研究,則是聚焦在廣告精排和智能出價方面,提出了新穎而有效的算法,在實際業務中取得了效果上的顯著提升;阿里媽媽的研究關注的是大規模推薦算法、電商及直播領域相關的算法研究。

可以看出,人工智能研究越發聚焦在實際場景應用,通過算法研究來提升實際業務操作過程中的效率。由此可見,AI技術的應用越來越深入。