所有文章 > 正文

SIGIR 2020|乘风破浪的AI华人学者们

作者: 牛土豆

时间: 2020-07-24 14:00

乘风破浪的AI华人学者们,你pick谁呢?

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?

2-1-QSdKYHQ1GV.png

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📣📣📣!

2-1-8ZsUhZeqA3.png

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。

2-2-kV2imBh5qk.png

下图为入选 5 篇以上的华人学者名单。

qq图片20200717163448-sQMW7pc26K.png

SIGIR 2020 上的华人明星

🎙️🎙️🎙️是时候展现真正的实力了!

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?

2-3-DJNQV2bof4.png

何向南
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”。

入选论文

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

2-4-kDHFRNDuH1.png

刘奕群
共有8篇论文入选
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

2-5-OyiFAofaVB.png

张敏

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

2-6-p4al2PZmEF.png

何秀强

共有8篇论文入选

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。

入选论文
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

2-9-BjYpJG1QbX.png

马少平

共有7篇论文入选
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

2-8-HqDAbIVF3a.png

汪萌

共有6篇论文入选
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。

入选论文
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

2-7-XMT9axAj1e.png

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

SIGIR 2020 涌现的学术新星

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)

1-rZyInkAoNd.png

2-VFDFSR1ebc.png

3-dJ82v1HzMN.png

4-pKk1yasKll.png

5-ZU6UFQNsm2.png

6-z5QbkwqGm4.png

7-ZBW33ZtlSk.png

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。

1-0sDPa87YkR.png

2-4xphO4kiyU.png

3-3i5gcch8ta.png

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!

5-kdYbCkwjh3.png

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。

相关阅读:

SIGIR 2020 开幕在即,一文详解过去五年引用量TOP论文

SIGIR 2020 | MOOC异构信息网络中基于图卷积网络的知识点推荐

ICML 2020 |北大本科生提出基于图到图翻译的分子逆合成预测框架

[关于转载]:本文为“AMiner”官网文章。转载本文请联系原作者获取授权,转载仅限全文转载并保留文章标题及内容,不得删改、添加内容绕开原创保护,且文章开头必须注明:转自“AMiner”官网。谢谢您的合作。

推荐阅读 更多