Migliore risposta
Il professor Joachims ha fornito una serie di contributi importanti / seminali nel campo dellapprendimento automatico e dellinformazione recupero. Ha vinto un assurdo 4 premi alla prova del tempo, di cui 3 come autore unico! (Dichiarazione di non responsabilità: ero uno dei suoi studenti, quindi una piccola parte suonerà come unauto-pubblicità spudorata)
- SVM-Light è stato uno dei primi risolutori SVM “veloci” che ha convinto molte persone che tali algoritmi di apprendimento potevano essere applicati a cose come la classificazione del testo. Negli anni 90 questo non era ovvio. Consulta questo primo articolo . Il suo ultimo lavoro sulla Formazione Linear SVMs in Linear Time ha vinto il premio Test-of-Time KDD 2017.
- Nel 1999, ha pubblicato un articolo su SVM trasduttive che ha vinto il premio Best 10-year Test-of-Time allICML 2009.
- SVM-Struct è il primo piattaforma generale per lo sviluppo di approcci macchina vettoriale di supporto strutturato alla previsione strutturata . Questo è il documento originale , e questa è la versione rivista . Le SVM strutturali sono ora ampiamente utilizzate in molte aree di ricerca , compresa la visione artificiale e lelaborazione del linguaggio naturale.
- Ha oltrepassato i limiti su cosa significa fare Previsione strutturata . Per molto tempo, la previsione strutturata era ampia limitato a problemi che sono stati modellati naturalmente come inferenza su modelli grafici. Ha mostrato come possiamo pensare ad altri problemi anche come problemi di previsione strutturata. Gli esempi includono ranking (anche questo ), clustering , allineamento delle proteine e massimizzazione della diversità (come per riepilogo del documento ).
- È stato uno dei primi a studiare come addestrare il recupero delle informazioni e i sistemi di raccomandazione basati sul feedback degli utenti (come come ciò su cui le persone fanno clic quando utilizzano la ricerca web). Che ci crediate o no, questo non era ovvio alla fine degli anni 90 e allinizio degli anni 2000. Consulta questi due documenti , il primo dei quali ha vinto il KDD 2012 Test-of-Time premio.
- È stato uno dei primi a studiare i pregiudizi nellapprendimento dal feedback umano nel recupero delle informazioni e nei sistemi di raccomandazione. Ad esempio, quando un utente fa clic su un risultato di ricerca, spesso non significa che il risultato sia “buono” a un livello assoluto, ma solo che è migliore dei risultati classificati più in alto. Consulta questo articolo di rivista , che ha vinto il premio Test-of-Time SIGIR 2016. Vedi anche: Sistemi di auto-miglioramento che apprendono attraverso linterazione umana
- Ha inventato il approccio interleaving per ottenere preferenze affidabili da feedback impliciti come i dati sui clic. Linterleaving è ora ampiamente adottato in molte impostazioni commerciali, inclusi i principali motori di ricerca come Google e Bing. Ecco alcuni precedenti articoli . Vedi anche: Sistemi di auto-miglioramento che apprendono attraverso linterazione umana
- Ha proposto molteplici formulazioni di apprendimento interattivo / online per caratterizzare come potrebbe un sistema di raccomandazione imparare “al volo” dal feedback degli utenti. Questi includono il Dueling Bandits Problem e Coactive Learning , che tengono entrambi conto del suddetto pregiudizi nel modo in cui gli utenti forniscono feedback. Una versione avanzata di questo approccio è stata distribuita per mesi su arXiv.org . Vedi anche: Sistemi di auto-miglioramento che apprendono attraverso linterazione umana
- Ha proposto il framework di minimizzazione del rischio controfattuale , insieme a molti altri importanti progressi nella valutazione controfattuale e nellapprendimento dal feedback registrato sui banditi. Il ragionamento controfattuale è estremamente importante nella maggior parte delle applicazioni commerciali perché lapprendimento dai registri degli utenti richiede un ragionamento sui controfattuali (ad esempio, come si sarebbe comportato lutente se le fosse stato consigliato questo altro elemento che non ha effettivamente visto?). Consulta questo tutorial per maggiori dettagli: Valutazione e apprendimento controfattuali
- È un consulente straordinario.
Risposta
Ha sviluppato un nuovo consigliere musicale
Suggerimenti musicali e incorporamento della metrica logistica