La 47ª Conferencia Anual ACM SIGIR sobre Investigación y Desarrollo en Recuperación de Información (SIGIR 2024) anunció recientemente sus ganadores de premios. Entre los galardonados, equipos del Departamento de Ciencias de la Computación de la Universidad de Tsinghua recibieron dos premios importantes:
-
El Premio Test of Time fue otorgado a un artículo de 2014 titulado "Explicit factor models for explainable recommendation based on phrase-level sentiment analysis". Este artículo fue escrito por Zhang Yongfeng, Lai Guokun y otros bajo la guía de los Profesores Zhang Min, Liu Yiqun y Ma Shaoping. La investigación definió por primera vez el problema de la "recomendación explicable" y diseñó algoritmos de análisis de sentimientos correspondientes para abordar este desafío técnico. Desde su publicación, ha desempeñado un papel destacado en el diseño e implementación de sistemas de recomendación de internet.
-
El Premio al Mejor Artículo fue para "Scaling Laws For Dense Retrieval" de Fang Yan, Zhan Jingtao, y supervisado por el Profesor Asistente Ai Qingyao y el Profesor Liu Yiqun. Esta es la primera vez que una institución de investigación de China continental lidera un artículo ganador de este premio. El estudio investigó la aplicabilidad de las leyes de escalado en la recuperación de información densa, lo que tiene importantes implicaciones para el diseño de motores de búsqueda, sistemas de recomendación y otros sistemas de recuperación de información.
Además, el Profesor Asistente Ai Qingyao del departamento de CS de Tsinghua recibió el Premio Early Career, marcando la primera vez que un investigador de China continental gana este premio.
Otros galardonados incluyen:
- Premio Early Career: Bhaskar Mitra (Microsoft Research), Harrie Oosterhuis (Universidad de Radboud) y Xiang Wang (Universidad de Ciencia y Tecnología de China)
- Los Premios Comunitarios y Premios DEI también fueron otorgados a tres destinatarios
La conferencia recibió 1148 presentaciones, con 791 presentaciones válidas y 159 artículos completos aceptados, resultando en una tasa de aceptación del 20.1%.
Un artículo titulado "Generative Retrieval as Multi-Vector Dense Retrieval" de investigadores de la Universidad de Shandong, la Universidad de Leiden y la Universidad de Ámsterdam recibió una Mención Honorífica al Mejor Artículo.
[Enlaces a los artículos: