Die 47. jährliche ACM SIGIR-Konferenz für Forschung und Entwicklung im Bereich Information Retrieval (SIGIR 2024) hat kürzlich ihre Preisträger bekannt gegeben. Unter den Empfängern erhielten Teams der Abteilung für Informatik der Tsinghua-Universität zwei wichtige Auszeichnungen:
-
Der Test of Time Award ging an ein 2014 veröffentlichtes Paper mit dem Titel "Explicit factor models for explainable recommendation based on phrase-level sentiment analysis". Dieses Paper wurde von Zhang Yongfeng, Lai Guokun und anderen unter der Leitung der Professoren Zhang Min, Liu Yiqun und Ma Shaoping verfasst. Die Forschung definierte erstmals das Problem der "erklärbaren Empfehlung" und entwarf entsprechende Sentimentanalyse-Algorithmen, um diese technische Herausforderung anzugehen. Seit seiner Veröffentlichung hat es eine führende Rolle bei der Gestaltung und Implementierung von Internet-Empfehlungssystemen gespielt.
-
Der Best Paper Award ging an "Scaling Laws For Dense Retrieval" von Fang Yan, Zhan Jingtao, betreut von Assistant Professor Ai Qingyao und Professor Liu Yiqun. Dies ist das erste Mal, dass eine Forschungseinrichtung aus Festlandchina ein Paper angeführt hat, das diesen Preis gewonnen hat. Die Studie untersuchte die Anwendbarkeit von Skalierungsgesetzen im dichten Information Retrieval, was wichtige Implikationen für die Gestaltung von Suchmaschinen, Empfehlungssystemen und anderen Information Retrieval-Systemen hat.
Zusätzlich erhielt Assistant Professor Ai Qingyao von der Informatik-Abteilung der Tsinghua-Universität den Early Career Award, was das erste Mal ist, dass ein Forscher aus Festlandchina diesen Preis gewonnen hat.
Zu den weiteren Preisträgern gehören:
- Early Career Award: Bhaskar Mitra (Microsoft Research), Harrie Oosterhuis (Radboud University) und Xiang Wang (University of Science and Technology of China)
- Community Awards und DEI Awards wurden ebenfalls an drei Empfänger verliehen
Die Konferenz erhielt 1148 Einreichungen, mit 791 gültigen Einreichungen und 159 akzeptierten Vollpapieren, was zu einer Akzeptanzrate von 20,1% führte.
Ein Paper mit dem Titel "Generative Retrieval as Multi-Vector Dense Retrieval" von Forschern der Shandong University, der Universität Leiden und der Universität Amsterdam erhielt eine ehrende Erwähnung für das beste Paper.
[Links zu den Papers: