We feliciteren Roblox machine learning-ingenieur Xiao Yu en zijn co-auteurs met het ontvangen van de Test of Time-prijs op de 17e ACM Internationale Conferentie over internetzoekopdrachten en datamining (WSDM 2024). De Test of Time Award is een teken van historische impact en erkenning dat het onderzoek de trends en richting van het vakgebied heeft veranderd. Het erkent een onderzoekspublicatie van 10 jaar geleden die een blijvende invloed heeft gehad.

Het winnende artikel, “Gepersonaliseerde entiteitsaanbeveling: een heterogene informatienetwerkbenadering” werd voor het eerst gepresenteerd op WSDM 2014, terwijl Yu onderzoeker was aan de Universiteit van Illinois in Urbana-Champaign. Yu kwam in 2022 bij Roblox en heeft gewerkt aan natuurlijke taal, computervisie, grote taalmodellen en generatieve AI, inclusief ons recente werk op het gebied van realtime AI-chatvertaling en realtime stemmoderatie. 

Yu zegt dat het bekroonde artikel “iIntroduceert het concept van op metapaden gebaseerde latente kenmerken als representaties voor gebruikers en items. Dit was voordat representatieleren state-of-the-art werd voor aanbevelingssystemen. Hoewel het dateert van vóór het wijdverbreide gebruik van inbedding in heterogene netwerken en aanbevelingssystemen, inspireerden de observaties en filosofie die in dit artikel worden gepresenteerd veel onderzoekers om dit probleem opnieuw te onderzoeken en leidden tot een golf van innovatief onderzoek op dit gebied.

Het door Yu en collega's gepubliceerde onderzoek heeft de afgelopen tien jaar aanzienlijke erkenning gekregen, omdat aanbevelingsmotoren steeds alomtegenwoordiger zijn geworden. “Door diverse relatie-informatie op te nemen, personaliseert onze methode aanbevelingen in grotere mate, wat leidt tot nauwkeurigere, relevantere en op maat gemaakte suggesties voor gebruikers. Dit is van cruciaal belang in het huidige scenario van een overdaad aan informatie, waarin mensen worden gebombardeerd met irrelevante aanbevelingen”, zegt Yu.

“Vóór dit artikel maakten op grafieken gebaseerde hybride aanbevelingssystemen vaak gebruik van één type relatie, bijvoorbeeld of een gebruiker een bepaald item eerder had gekocht. Dit was een van de eerste benaderingen om de heterogeniteit van relaties binnen een netwerk te benutten. Door verschillende relaties te modelleren, kan het voorgestelde aanbevelingssysteem een ​​rijker en genuanceerder inzicht krijgen in gebruikersvoorkeuren en itemkenmerken.”

Lees meer over recent AI-onderzoek bij Roblox hier.