La 47e Conférence annuelle ACM SIGIR sur la Recherche et le Développement en Recherche d'Information (SIGIR 2024) a récemment annoncé ses lauréats. Parmi les récipiendaires, des équipes du Département d'Informatique de l'Université Tsinghua ont reçu deux prix majeurs :
-
Le Prix Test of Time a été décerné à un article de 2014 intitulé "Explicit factor models for explainable recommendation based on phrase-level sentiment analysis". Cet article a été rédigé par Zhang Yongfeng, Lai Guokun, et d'autres sous la direction des Professeurs Zhang Min, Liu Yiqun, et Ma Shaoping. La recherche a défini pour la première fois le problème de la "recommandation explicable" et a conçu des algorithmes d'analyse de sentiment correspondants pour relever ce défi technique. Depuis sa publication, il a joué un rôle de premier plan dans la conception et la mise en œuvre des systèmes de recommandation sur Internet.
-
Le Prix du Meilleur Article a été attribué à "Scaling Laws For Dense Retrieval" par Fang Yan, Zhan Jingtao, et supervisé par le Professeur Assistant Ai Qingyao et le Professeur Liu Yiqun. C'est la première fois qu'une institution de recherche de Chine continentale dirige un article remportant ce prix. L'étude a examiné l'applicabilité des lois d'échelle dans la recherche d'information dense, ce qui a des implications importantes pour la conception des moteurs de recherche, des systèmes de recommandation et d'autres systèmes de recherche d'information.
De plus, le Professeur Assistant Ai Qingyao du département d'informatique de Tsinghua a reçu le Prix de Début de Carrière, marquant la première fois qu'un chercheur de Chine continentale remporte ce prix.
Les autres lauréats comprennent :
- Prix de Début de Carrière : Bhaskar Mitra (Microsoft Research), Harrie Oosterhuis (Université Radboud), et Xiang Wang (Université des Sciences et Technologies de Chine)
- Des Prix Communautaires et des Prix DEI ont également été décernés à trois récipiendaires
La conférence a reçu 1148 soumissions, avec 791 soumissions valides et 159 articles complets acceptés, résultant en un taux d'acceptation de 20,1%.
Un article intitulé "Generative Retrieval as Multi-Vector Dense Retrieval" par des chercheurs de l'Université de Shandong, de l'Université de Leiden et de l'Université d'Amsterdam a reçu une Mention Honorable du Meilleur Article.
[Liens vers les articles :