这个夏天,你是否已经在 CVPR, ICLR, ICML 等众多舞台上领略了人工智能领域内华人学者们的出色研究,为自己钟爱的论文疯狂打着Call?乘风破浪的AI华人学者们,你pick谁呢?
不过,精彩远不止于此。7月28日,SIGIR 2020 便将闪亮登场!
舞台已经搭好,就等“浪花”为学者们加油助力!SIGIR 2020 上华人表现亮眼
SIGIR 2020 上华人学者的表现十分突出。入选的论文中共有 317 位华人学者,其中有 1 人发表 9 篇论文,3 人发表 8 篇,1 人发表 7 篇,2 人发表 6 篇,7 人入选 5 篇,7 人入选 4 篇,15 人入选 3 篇,44 位入选 2 篇论文。
其中一作华人学生共有 55 人。以一作身份发表 2 篇论文的有 7 人。下图为入选 5 篇以上的华人学者名单。
SIGIR 2020 上的华人明星
让我们来详细看看 SIGIR 2020 发文 5 篇及以上的华人学者们都有哪些呢?
此次入选论文数量最多的为来自中国科技大学的何向南教授,共入选9篇论文。
何向南教授于2016年获得新加坡国立大学计算机科学博士学位。他的研究兴趣涵盖信息检索,数据挖掘和应用机器学习。他在60多个顶级会议上发表了60多种出版物,这些会议包括SIGIR,WWW,KDD和MM,以及包括TKDE,TOIS和TNNLS在内的期刊。他在推荐器系统方面的工作在WWW 2018和SIGIR 2016上获得了最佳论文奖荣誉奖。此外,他还担任过CCIS 2019的PC主席,MM 2019和CIKM 2019的区域主席,并且是多个顶级会议的PC成员,包括SIGIR,WWW,KDD等,以及TKDE,TOIS,TMM等期刊的定期审阅者。他具有丰富的教学经验,包括在WWW 2018和SIGIR 2018中提供了“针对搜索和推荐匹配的深度学习”教程, SIGIR 2018中的教程“电子商务中的信息发现”,以及ICMR 2018中的教程“多媒体内容推荐技术”。· Bundle Recommendation with Graph Convolutional Networks
· Hierarchical Fashion Graph Network for Personalized Outfit Recommendation
· How to Retrain a Recommender System
· Parameter-Efficient Transfer from Sequential Behaviors for User Modeling and Recommendation
· Disentangled Representations for Graph-based Collaborative Filtering
· Lightening Graph Convolution Network for Recommendation
· Certifiable Robustness to Discrete Adversarial Perturbations for Factorization Machines
· Multi-behavior Recommendation with Graph Convolution Networks
· Modeling Personalized Item Frequency Information for Next-basket Recommendation刘奕群
现为清华大学计算机系长聘教授。于清华大学计算机科学与技术系获得博士学位,主要研究领域集中在信息检索、互联网搜索技术以及自然语言处理研究方面。担任信息检索领域知名国际期刊Foundations and Trends in IR(SCI 1区)主编、信息检索领域重要会议ACM SIGIR2018(CCF A)程序委员会主席等学术职务。获得科技部科技创新领军人才、北京市科学技术一等奖(第一完成人)、北京智源学者、钱伟长中文信息处理青年创新一等奖等奖励,并作为项目负责人获得国家重点研发计划,国家自然科学基金委优秀青年基金和重点基金支持。入选论文
· Jointly Non-Sampling Learning for Knowledge Graph Enhanced Recommendation
· Make It a CHORUS: Context- and Knowledge-aware Item Modeling for Recommendation
· Investigating reading behavior in Fine-grained Relevance Judgment
· An analysis of BERT in document ranking
· Cascade or Recency: Constructing Better Evaluation Metrics for Session Search
· Beyond User Embedding Matrix: Learning to Hash for Modeling Large-Scale Users in Recommendation
· Preference-based Evaluation Metrics for Web Image Search
· Models Versus Satisfaction: Towards a Better Understanding of Evaluation Metrics
![](//pubimage.360doc.com/wz/default.gif)
共有8篇论文入选
现为清华大学计算机系副教授。2003年于清华大学计算机科学与技术系获得博士学位,主要研究领域集中在信息检索,个性化推荐,用户行为分析和机器学习。
入选论文
· Jointly Non-Sampling Learning for Knowledge Graph Enhanced Recommendation
· Make It a CHORUS: Context- and Knowledge-aware Item Modeling for Recommendation
· Investigating reading behavior in Fine-grained Relevance Judgment
· An analysis of BERT in document ranking
· Cascade or Recency: Constructing Better Evaluation Metrics for Session Search
· Beyond User Embedding Matrix: Learning to Hash for Modeling Large-Scale Users in Recommendation
· Preference-based Evaluation Metrics for Web Image Search
· Models Versus Satisfaction: Towards a Better Understanding of Evaluation Metrics
2010年获得香港大学计算机系博士,现为华为诺亚方舟实验室技术专家,高级研究员,推荐与搜索实验室主任,2020年博士毕业于香港科技大学,2018-2019任职于腾讯,担任专家研究员。
· Interactive Recommender System via Knowledge Graph-enhanced Reinforcement Learning
· Influence Function for Unbiased Recommendation
· Neighbor Interaction Aware Graph Convolution Networks for Recommendation
· A General Knowledge Distillation Framework for Counterfactual Recommendation via Uniform Data
· Multi-Branch Convolutional Network for Context-Aware Recommendation
· Item Tagging for Information Retrieval: A Tripartite Graph Neural Network based Approach
· JIT$^2$R:A Joint Framework for Item Tagging and Tag-based Recommendation
· AutoGroup: Automatic Feature Grouping for Modelling Explicit High-Order Feature Interactions in CTR Prediction![](//pubimage.360doc.com/wz/default.gif)
马少平
现为清华大学计算机系教授,博士生导师。1982年7月毕业于清华大学计算机系,1984年10月获得清华大学计算机系硕士学位后留校任教,1991年7月至1992年7月在日本学习,1997年6月在职获得清华大学计算机系博士学位。主要研究方向为智能信息处理和信息检索。现任中国人工智能学会会士、副理事长,中国中文信息学会副理事长。入选论文
· Jointly Non-Sampling Learning for Knowledge Graph Enhanced Recommendation
· Investigating reading behavior in Fine-grained Relevance Judgment
· An analysis of BERT in document ranking
· Make It a CHORUS: Context- and Knowledge-aware Item Modeling for Recommendation
· Cascade or Recency: Constructing Better Evaluation Metrics for Session Search
· Beyond User Embedding Matrix: Learning to Hash for Modeling Large-Scale Users in Recommendation
· Preference-based Evaluation Metrics for Web Image Search
现为合肥工业大学教授、博士生导师、计算机与信息学院院长。主要研究方向为多媒体信息处理、模式识别。在研究领域发表论文200余篇,入选科睿唯安2016、2017年度“Highly-Cited Researchers”。担任IEEE TKDE、IEEE TCSVT、IEEE TNNLS、IEEE TMM等期刊编委。获得国家杰出青年科学基金及优秀青年科学基金资助。
· Learning to Transfer Graph Embeddings for Inductive Graph based Recommendation
· Joint Item Recommendation and Attribute Inference: An Adaptive Graph Convolutional Network Approach
· Try This Instead: Personalized and Interpretable Substitute Recommendation
· How to Retrain a Recommender System
· Lightening Graph Convolution Network for Recommendation
Tree-augmented Cross-Modal Encoding for Complex-Query Video Retrieval文继荣
共有6篇论文入选
毕业于中国人民大学信息学院计算机科学与技术专业,获得工学学士和硕士学位。1999年于中科院计算所获得博士学位,同年加入微软亚洲研究院,自2008年起担任高级研究员和互联网搜索与数据挖掘组主任。在微软亚洲研究院工作的14年中,获得50多项美国专利,其中一些成果已经被用于重要的微软产品中(如微软搜索引擎Bing)。所领导的研究团队开发出了微软学术搜索(http://academic.research.microsoft.com)、人立方(http://renlifang.msra.cn/)、产品搜索等有影响力的互联网应用。在国际著名会议和期刊上发表了一百多篇论文,担任过许多国际会议和研讨会的程序委员和主席。目前是信息检索领域主要期刊ACM Transactions on Information Systems(TOIS)的副主编。
入选论文
· SetRank: Learning a Permutation-Invariant Ranking Model for Information Retrieval
· Sequential Recommendation with Self-Attentive Multi-Adversarial Network
· DVGAN: A Minimax Game for Search Result Diversification Combining Explicit and Implicit Features
· Encoding History with Context-aware Representation Learning for Personalized Search
· Reinforcement Learning to Rank with Pairwise Policy Gradient
· Employing Personal Word Embeddings for Personalized Search
此次会议中“后浪”们也有着精彩的表现!
共有55名同学有至少一篇的论文。其中,以下同学各有两篇一作论文入选:卡内基梅隆大学计算机科学学院语言技术研究所的博士生Zhuyun Dai、罗格斯大学计算机专业的葛英强(Yingqiang Ge)、马萨诸塞大学阿默斯特分校信息与计算机科学学院的博士生Chen Qu、清华大学计算机科学与技术系博士生张帆(Fan Zhang)、德州农工大学计算机科学与工程系的博士生Ziwei Zhu、武汉大学信息检索与知识挖掘研究所的博士生贺国秀(Guoxiu He), 和伊利诺伊大学香槟分校计算机科学系的博士生庄弘磊(Honglei Zhuang)。
以下三位同学也有三篇论文入选,其中, 罗格斯大学计算机专业的博士生Zuohui Fu,以一作身份发文一篇;德州农工大学计算机科学与工程系的博士生Jianling Wang,以一作身份发文一篇;清华大学的博士生高宸(Chen Gao),以一作身份发文一篇。看了关于SIGIR 2020 上华人学者的介绍,你决定pick谁了吗?快去加油助威吧!
想要查看更多学者的详细信息,可以移步 AMiner 会议智图开放平台 SIGIR 2020 专题全析图(https://www.aminer.cn/conf/sigir2020/homepage),其内容包括论文、作者、华人学者、一作华人学生、论文 PPT 和视频等多维分析服务,是参会学者的会议智能助理。
本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请
点击举报。