Web Search and Data Mining会议"极其精选"——仅15%提交论文被接收

2020年1月28日 · 作者：Larry Hardesty

Web Search and Data Mining（WSDM）会议将于下周在休斯顿召开。某中心作为会议金牌赞助商，有七名科学家担任会议委员会成员，并有四篇论文被接收。

WSDM会议联合创始人、某机构研究副总裁指出：“该会议的特点是采用大规模、原则性方法。‘原则性’至关重要：必须基于理论——非常严谨的数学方法，同时要能扩展到网络级别规模。其他会议可能只对20名用户进行研究，而WSDM的研究规模应达到数十万甚至数百万级别。”

技术论文精选

《AutoBlock：实体匹配的无干预阻断框架》

提出自动化阻断技术，通过将文本数据映射到几何空间实现嵌入表示，使相似文本字符串聚集在一起。研究人员提出高效的空间搜索算法，可轻松处理包含数百万条记录的数据库。

《电商平台产品搜索的语言无关表示学习》

展示通过多语言数据训练单一机器学习模型可提升所有语言性能。关键技术是将相同产品和客户查询映射到表示空间的相同区域，而不考虑源语言。

###《通过校准多元扰动实现隐私与效用保护的文本分析》 采用度量差分隐私变体，为语音转录数据集提供隐私保障。研究人员设计了一种系统，用语义相关词替换每个转录语句中的单词，生成在降低隐私泄露风险的同时仍能进行有效分析的重新表述。

###《为什么人们在语音产品搜索中购买看似无关的商品？》 对语音搜索客户购买看似不相关商品的情况进行详细统计分析，为改进产品发现模型提供建议。

技术标签

• 多任务学习
• 差分隐私
• 语音助手
• WSDM

封面图片来源：某机构研究团队提供的嵌入表示可视化示意图