SIGIR是人工智能领域智能信息检索方向最权威的国际会议。最新组委会公布了一系列最佳论文。其中来自荷兰Radboud大学-Harrie Oosterhuis独自署名的论文获得最佳论文,山东大学聂礼强组获得最佳学生论文。

第44届国际计算机学会信息检索大会(The 44rd International ACM SIGIR Conference on Research and Development in Information Retrieval, SIGIR 2021)于2021年7月11日-7月15日以线上会议形式召开。这次会议共收到720篇长文投稿,仅有151篇长文被录用,录用率约21%。

最佳论文

Computationally Efficient Optimization of Plackett-Luce Ranking Models for Relevance and Fairness

Harrie Oosterhuis

地址: https://www.zhuanzhi.ai/paper/8115d7d2f9546fdb76d900da6c5ebee6

最近的研究提出了随机Plackett-Luce (PL)排序模型,作为优化相关性和公平性指标的稳健选择。与需要启发式优化算法的确定性模型不同,PL模型是完全可微的。理论上,它们可以通过随机梯度下降来优化排序指标。然而,在实践中,梯度的计算是不可行的,因为它需要迭代所有可能的项目排列。因此,实际应用依赖于通过采样技术来近似梯度。本文介绍了一种新的PL- rank算法,它估计了PL排序模型的相关度和公平性。与基于策略梯度的现有方法不同,PL- rank利用了PL模型和排名度量的特定结构。我们的实验分析表明,PL-Rank比现有策略梯度具有更大的样本效率和更低的计算代价,从而在更高的性能下更快地收敛。PL- rank进一步使行业能够将PL模型用于更相关和更公平的现实排序系统。

最佳学生论文

图像-文本检索是信息检索的基础和关键分支。尽管在衔接视觉和语言方面取得了很大进展,但由于模态内推理和跨模态对齐的困难,这仍然是一个挑战。现有的模态交互方法在公共数据集上取得了令人印象深刻的效果。然而,他们在交互模式的设计上严重依赖于专家经验和经验反馈,因此缺乏灵活性。针对这些问题,我们提出了一种新的基于路由机制的模态交互建模网络,这是第一个统一的、动态的多模态交互框架用于图像-文本检索。特别的是,我们首先设计了四种类型的细胞作为基本单元,探索不同层次的形态相互作用,然后将它们密集地连接起来,构建一个路径空间。为了使模型具有路径决策的能力,我们在每个单元中集成了一个动态路由器来进行模式探索。由于路由器以输入为条件,我们的模型可以动态学习不同数据的激活路径。在Flickr30K和MS-COCO两个基准数据集上的大量实验,验证了我们的模型与几个最先进的基准相比的优越性。

https://dl.acm.org/doi/10.1145/3404835.3462829

成为VIP会员查看完整内容
23

相关内容

字节跳动今斩获最佳论文,ACL 2021各大奖项揭晓
专知会员服务
48+阅读 · 2021年7月7日
专知会员服务
37+阅读 · 2021年4月27日
近期必读的6篇顶会WWW2020【推荐系统】相关论文-Part3
专知会员服务
57+阅读 · 2020年4月14日
【基于元学习的推荐系统】5篇相关论文
专知
9+阅读 · 2020年1月20日
AAAI 2019 四个杰出论文奖论文揭晓
算法与数学之美
5+阅读 · 2019年5月11日
Arxiv
0+阅读 · 2021年9月15日
Arxiv
9+阅读 · 2021年3月8日
Arxiv
6+阅读 · 2020年12月8日
VIP会员
微信扫码咨询专知VIP会员