ベストアンサー
Joachims教授は、機械学習と情報の分野で多くの重要な/重要な貢献をしてきました。検索。彼は、単著としての3つを含む、ばかげた4つの時間テスト賞を受賞しました。 (免責事項:私は彼の学生の1人だったので、この一部は恥知らずな自己宣伝のように聞こえます。)
- SVM-Light は、このような学習アルゴリズムをテキスト分類などに適用できることを多くの人に納得させた最初の「高速」SVMソルバーの1つでした。 1990年代には、これは明らかではありませんでした。この初期の論文を参照してください。彼の後のトレーニングに関する作業線形時間の線形SVM はKDD2017 Test-of-Time賞を受賞しました。
- 1999年に、彼はトランスダクティブSVMに関する論文を発表しました ICML2009でベスト10年テストオブタイム賞を受賞しました。
- SVM-Struct は最初の非常に構造化サポートベクターマシンを開発するための一般的なプラットフォーム構造化予測。これが元の論文。これはジャーナルバージョンです。構造SVMは現在、多くの研究分野で広く使用されています。 、コンピュータビジョンと自然言語処理を含みます。
- 彼は、構造化予測を行うことの意味に限界を押し広げました。長い間、構造化された予測は大きかったグラフィカルモデルの推論として自然にモデル化された問題に限定されます。彼は、他の問題を構造化された予測問題としても考える方法を示しました。例としては、ランキング(これ)、クラスタリング、タンパク質アラインメント、多様性の最大化(例: ドキュメントの要約)。
- 彼は、ユーザーのフィードバックに基づいて情報検索とレコメンダーシステムをトレーニングする方法を最初に研究した人の1人です。 Web検索を使用するときにクリックするものとして)。信じられないかもしれませんが、これは1990年代後半から2000年代初頭にかけては明らかではありませんでした。これらの 2つの 論文をご覧ください。最初の論文はKDD2012 Test-of-Timeを受賞しました。
- 彼は、情報検索およびレコメンダーシステムにおける人間のフィードバックから学ぶことの偏りを研究した最初の一人でした。たとえば、ユーザーが検索結果をクリックしても、その結果が絶対的なレベルで「良好」であることを意味するのではなく、上位の結果よりも優れていることを意味することがよくあります。 SIGIR 2016 Test-of-Time賞を受賞したこのジャーナルペーパーをご覧ください。参照:人間の相互作用を通じて学習する自己改善システム
- 彼はを発明しましたクリックデータなどの暗黙のフィードバックから信頼できる設定を引き出すためのインターリーブアプローチ。インターリーブは現在、GoogleやBingなどの主要な検索エンジンを含む多くの商用環境で広く採用されています。 以前の の論文をいくつか紹介します。参照:人間の相互作用を通じて学習する自己改善システム
- 彼は、レコメンダーシステムがどのように機能するかを特徴付ける複数のインタラクティブ/オンライン学習定式化を提案しましたユーザーのフィードバックから「オンザフライ」で学びます。これには、決闘の盗賊問題と協調学習が含まれます。どちらも前述のことを考慮に入れています。ユーザーがフィードバックを提供する方法のバイアス。このアプローチの高度なバージョンは、 arXiv.org に数か月間導入されました。参照:人間の相互作用を通じて学習する自己改善システム
- 彼はを提案しました反事実的リスク最小化フレームワーク、および反事実的評価とログに記録された盗賊のフィードバックからの学習における他のいくつかの重要な進歩。ユーザーログから学習するには反事実について推論する必要があるため、ほとんどの商用アプリケーションでは反事実推論が非常に重要です(たとえば、実際には表示されていないこの他のアイテムが推奨された場合、ユーザーはどのように行動したでしょうか?)。詳細については、このチュートリアルを参照してください:反事実的評価と学習
- 彼は素晴らしいアドバイザーです。
回答
彼は新しい音楽レコメンダーを開発しました