某机构学者George Karypis荣获ICDM十年最高影响力奖

明尼苏达大学双城分校杰出教授兼某机构学者George Karypis在2020年IEEE数据挖掘大会（ICDM）上获得十年最高影响力奖项。获奖论文由ICDM奖项委员会评选，于2020年11月19日在会议上正式公布。

该奖项每年颁发给十年前在ICDM发表的论文作者，旨在表彰对数据挖掘领域产生重大影响的研究工作。Karypis与现任俄亥俄州立大学生物医学信息学与计算机科学工程系副教授Xia Ning共同完成了这篇论文，当时Ning是Karypis指导的博士研究生。

稀疏线性方法的创新突破

获奖论文《SLIM：Top-N推荐系统的稀疏线性方法》提出了一种创新算法，能够高速生成高质量的电商产品推荐。该方法使算法能够根据用户的交互历史，精准识别电商客户最可能感兴趣的商品子集。

为实现计算可扩展的理想产品推荐，论文提出全新方法类别，通过从数据中学习稀疏的物品-物品相似度矩阵（SLIM）。这些方法在传统基于物品的邻域方案基础上进行改进，采用统计学习技术直接从数据中估计相似度矩阵。

经久不衰的技术价值

Karypis指出：“十年前开展的研究在2020年显得尤为重要，如今消费者在线浏览的商品数量达到数十亿规模。最初在ICDM 2011展示的结果表明，SLIM在计算效率方面优于所有已发表的方法。事实上，2019年ACM推荐系统会议最佳论文获奖作品也证实，SLIM的性能至今仍具有极强竞争力。”

图神经网络框架的延伸应用

在职业生涯中，Karypis专注于数据挖掘、推荐系统、学习分析和高性能计算等领域的研究，重点开发具有实际应用价值的创新算法和软件。其研究成果之一是基于串行和并行计算机的图与超图划分软件工具集的开发与持续优化。

目前在某机构，Karypis团队正致力于开发Deep Graph Library（DGL）——一个易于使用、高性能且可扩展的图深度学习Python包。DGL作为框架允许开发者编程实现图神经网络（GNN）这类机器学习模型，通过补充TensorFlow、PyTorch和MXNet等现有张量框架，支持快速发展的深度图学习领域。

学术与工业的深度融合

Karypis表示：“很荣幸在职业生涯中能与Xia Ning等合作者共事，感谢ICDM奖项委员会对我们工作的认可。“该研究成果体现了学术界与工业界在技术创新方面的深度融合，为推荐系统领域的发展奠定了重要基础。