信息2017/0127/197472.html">检索顶会SIGIR 2017奖项公布：微软最佳论文、清华最佳学生论文

2017-08-10 00:35 来源:机器之心

原标题：信息检索顶会SIGIR 2017奖项公布：微软最佳论文、清华最佳学生论文

机器之心报道

机器之心编辑部

ACM SIGIR 是国际计算机学会主办的信息检索领域最重要的学术会议，今年已是第四十届。据统计，SIGIR 2017 共收到稿件 760 篇（其中长文投稿 362 篇，长文录用仅为 78 篇），会议参会人数达到 900 人以上。

今日，SIGIR 2017 公布最佳论文奖、最佳学生论文奖、最佳短论文奖、Test of Time Award 四大奖项，获奖论文如下：

最佳论文：BitFunnel: Revisiting Signatures for Search

作者：Bob Goodwin、Michael Hopcroft、Dan Luu、Alex Clemmer、Mihaela Curmei、Sameh Elnikety、Yuxiong He（微软与 Heptio）

最佳学生论文：Evaluating Web Search with a Bejeweled Player Model

作者：Fan Zhang、刘奕群、Xin Li 、张敏、Yinghui Xu、马少平（清华大学与阿里巴巴）

最佳短论文：LiveMaps – Converting Map Images into Interactive Maps

作者：Michael R Evans 、Dragomir Yankov 、Pavel Berkhin 、Pavel Yudin 、Florin Teodorescu 、Wei Wu（微软）

Test of Time Award：Personalizing search via automated analysis of interests and activities

作者：Jaime Teevan、Susan T. Dumais、Eric Horvitz（SIGIR 2005）

以下为机器之心对四篇获奖论文的摘要介绍。每个奖项之后还附上了该奖项的 Honourable Mentions 论文。

SIGIR 2017 最佳论文

论文：BitFunnel: Revisiting Signatures for Search

地址：?doid=3077136.3080789

摘要：自上世纪 90 年代中期以来，人们普遍认为签名文件要比用于文本索引的倒排文件（inverted files）更差。近年来，Bing 搜索引擎已经开发和部署了一个基于位片签名（bit-sliced signatures）的索引；这个被称为 BitFunnel 的索引代替了现有的基于倒排索引的生产系统。远离倒排索引的背后驱动因素是操作成本的节省。该论文描述了云计算领域的算法创新和改变，这促使我们重新思考并最终实现了曾经被认为无用的技术。BitFunnel 算法直接解决了位片块签名中的 4 个根本局限。同时，我们在集群上的算法映射为避免与签名相关的其他成本提供了机遇。我们证明这些创新相比于经典的位片签名有着显著的效率提升，并对 BitFunnel 与 Partitioned Elias-Fano Indexes、MG4J 和 Lucene 作了对比。

Honourable Mentions

论文：IRGAN: A Minimax Game for Unifying Generative and Discriminative Information Retrieval Models

作者：Jun Wang (英国伦敦大学)、Lantao Yu (上海交通大学)、Weinan Zhang (上海交通大学)、Yu Gong (阿里巴巴)、Yinghui Xu (阿里巴巴)、Benyou Wang (天津大学)、Peng Zhang (天津大学)、Dell Zhang (伦敦大学伯克贝克学院)

地址：?doid=3077136.3080786

对该论文的详细解读，参见：学界 | SIGIR2017 满分论文：IRGAN。

论文：Classification by Retrieval: Binarizing Data and Classifiers

作者：Fumin Shen (电子科技大学)、Yadong Mu (北京大学)、Yang Yang (电子科技大学)、Wei Liu (Tencent AI Lab)、Li Liu (码隆科技)、Jingkuan Song (电子科技大学)、Heng Tao Shen (电子科技大学)

地址：?doid=3077136.3080767

SIGIR 2017 最佳学生论文

论文：Evaluating Web Search with a Bejeweled Player Model

地址：?doid=3077136.3080841

摘要：Web 搜索评估指标的设计与用户的交互过程如何建模相关度很高。每个行为模型都会导致搜索评估表现的不同。在这些模型中和用户行为假设背后，用户结束搜索会话是首要关注点之一，因为它与收益和成本估算相关。目前的指标设计通常使用简单的方法来选择停止时间点：1）收益的上限（如 RR、AP）；2）成本的上限（如 Precision@N、DCG@N）。然而，在很多实际搜索会话（如探索性搜索）中，停止标准会比这些简单形式复杂得多。我们发现停止条件随搜索任务而变化，通常受到收益与成本因素的双重影响。受流行游戏《宝石迷阵》的启发，我们提出了宝石迷阵玩家模型（Bejeweled Player Model，BPM）来模拟用户的搜索交互过程并评估其搜索性能。