Nos complace felicitar al ingeniero de aprendizaje automático de Roblox, Xiao Yu, y a sus coautores por recibir el premio Test of Time en 17a Conferencia Internacional ACM sobre Búsqueda Web y Minería de Datos (WSDM 2024). El premio Test of Time es una marca de impacto histórico y reconocimiento de que la investigación ha cambiado las tendencias y la dirección de la disciplina. Reconoce una publicación de investigación de hace 10 años que ha tenido una influencia duradera.
El periódico ganador, “Recomendación de entidad personalizada: un enfoque de red de información heterogénea” se presentó por primera vez en WSDM 2014, cuando Yu era investigador en la Universidad de Illinois en Urbana-Champaign. Yu se unió a Roblox en 2022 y ha trabajado en lenguaje natural, visión por computadora, modelos de lenguaje grandes e inteligencia artificial generativa, incluido nuestro trabajo reciente en traducción de chat AI en tiempo real et moderación de voz en tiempo real.
Yu dice el artículo premiado “YoIntroduce el concepto de características latentes basadas en metarutas como representaciones de usuarios y elementos. Esto fue antes de que el aprendizaje de representación se convirtiera en lo último en sistemas de recomendación. 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 este dominio.
La investigación publicada por Yu y sus colegas ha ganado un reconocimiento significativo durante la última década a medida que los motores de recomendación se han vuelto cada vez más ubicuos. “Al incorporar diversa información sobre relaciones, nuestro método personaliza aún más las recomendaciones, lo que genera sugerencias más precisas, relevantes y personalizadas para los usuarios. Esto es crucial en el escenario actual de sobrecarga de información, donde la gente es bombardeada con recomendaciones irrelevantes”, afirma Yu.
“Antes de este artículo, los sistemas de recomendación híbridos basados en gráficos a menudo usaban solo un tipo de relación, como si un usuario había comprado previamente un determinado artículo. Este fue uno de los primeros enfoques en aprovechar la heterogeneidad de las relaciones dentro de una red. Al modelar varias relaciones, el sistema de recomendación propuesto puede capturar una comprensión más rica y matizada de las preferencias del usuario y las características de los elementos.
Consulte las investigaciones recientes sobre IA en Roblox aquí.
