新闻中心

排序方式

SIGIR 2020 | 知识图谱上推荐推理的模仿学习框架

尽管知识图谱推理的发展前景广阔,但在收敛性和可解释性上仍存在一定的问题。微软亚洲研究院的研究员利用一个基于元启发式方法的示例路径抽取方法来以较低的标记代价提取示例路径集合,进而提出了一个对抗的 Actor-Critic 模型来进行示例路径指导下的路径搜索。实验结果表明,这一方法在推荐准确性和可解释性方面均优于最新的基线方法。

发布时间:2020-07-29 类型:深度文章

ACL 2020 | 微软发布大规模新闻推荐数据集MIND,开启新闻推荐比赛

个性化新闻推荐技术是诸多在线新闻网站和应用的关键技术,可以提升用户的新闻阅读体验并减轻信息过载。目前,许多有关新闻推荐的研究是在私有数据集上开展的,而已有的公开数据集往往规模较小,或者基于英语之外的其它语言。高质量基准数据集的缺乏限制了新闻推荐领域的研究进展。因此,微软亚洲研究院联合微软新闻产品团队在 ACL 2020上发布了一个大规模的英文新闻推荐数据集 MIND,并将于近日举办 MIND 新闻推荐比赛。

发布时间:2020-07-13 类型:深度文章

WWW 2020 | 内存压缩两个量级!中国科大与微软联合推出轻量高效推荐系统

在推荐模型的计算和存储开销都越来越大的今天,我们如何构筑轻量级推荐系统来使搜索变得更高效呢?中国科学技术大学青年教师、铸星学者连德富老师在微软亚洲研究院访问期间,与社会计算组研究员们合作探索了针对內积函数设计神经网络的方法,来实现轻量而高效的推荐系统。该研究成果发表在了 WWW 2020上。

发布时间:2020-04-27 类型:深度文章