Nous sommes heureux de féliciter Xiao Yu, ingénieur en apprentissage automatique de Roblox, et ses co-auteurs pour avoir reçu le prix Test of Time au 17e Conférence internationale de l'ACM sur la recherche Web et l'exploration de données (WSDM 2024). Le prix Test of Time est une marque d’impact historique et une reconnaissance du fait que la recherche a changé les tendances et l’orientation de la discipline. Il récompense une publication de recherche datant d'il y a 10 ans qui a eu une influence durable.
Le journal gagnant, “Recommandation d'entité personnalisée : une approche de réseau d'information hétérogène» a été présenté pour la première fois au WSDM 2014, alors que Yu était chercheur à l'Université de l'Illinois à Urbana-Champaign. Yu a rejoint Roblox en 2022 et a travaillé sur le langage naturel, la vision par ordinateur, les grands modèles de langage et l'IA générative, y compris nos récents travaux sur traduction de chat IA en temps réel et modération vocale en temps réel.
Yu dit que l'article primé « jenintroduit le concept de fonctionnalités latentes basées sur des méta-chemins en tant que représentations des utilisateurs et des éléments. C'était avant que l'apprentissage des représentations ne devienne l'état de l'art pour les systèmes de recommandation. Bien qu’elles soient antérieures à l’utilisation généralisée des intégrations dans les réseaux hétérogènes et les systèmes de recommandation, les observations et la philosophie présentées dans cet article ont inspiré de nombreux chercheurs à réexaminer ce problème et ont déclenché une vague de recherches innovantes dans ce domaine.
La recherche publiée par Yu et ses collègues a acquis une reconnaissance significative au cours de la dernière décennie, alors que les moteurs de recommandation sont devenus de plus en plus omniprésents. « En incorporant diverses informations sur les relations, notre méthode personnalise davantage les recommandations, conduisant à des suggestions plus précises, pertinentes et personnalisées pour les utilisateurs. C'est crucial dans le scénario actuel de surcharge d'informations, où les gens sont bombardés de recommandations non pertinentes », explique Yu.
« Avant cet article, les systèmes de recommandation hybrides basés sur des graphiques utilisaient souvent un seul type de relation, par exemple si un utilisateur avait déjà acheté un certain article. Ce fut l’une des premières approches permettant de tirer parti de l’hétérogénéité des relations au sein d’un réseau. En modélisant diverses relations, le système de recommandation proposé peut capturer une compréhension plus riche et plus nuancée des préférences des utilisateurs et des caractéristiques des articles.
Découvrez les recherches récentes sur l’IA chez Roblox ici.
