우수 답변
Joachims 교수는 기계 학습 및 정보 분야에서 여러 중요 / 상징적 공헌을했습니다. 검색. 그는 단일 저자로 3 명을 포함하여 4 개의 불합리한 시간 테스트 상을 수상했습니다! (면책 조항 : 저는 그의 학생 중 하나 였으므로이 중 일부는 뻔뻔한 자기 광고처럼 들릴 것입니다.)
- SVM-Light 는 이러한 학습 알고리즘이 텍스트 분류와 같은 것에 적용될 수 있음을 많은 사람들에게 확신시킨 최초의 “빠른”SVM 솔버 중 하나였습니다. 1990 년대에는 이것이 분명하지 않았습니다.이 초기 논문 을 참조하세요. 나중에 교육에 대한 작업 선형 시간의 선형 SVM 은 KDD 2017 Test-of-Time 상을 수상했습니다.
- 1999 년에 그는 전환 SVM <에 대한 논문을 발표했습니다. / a> ICML 2009에서 10 년 테스트 최우수상을 수상했습니다.
- SVM-Struct 는 최초의 구조적 예측 에 대한 구조화 된 지원 벡터 머신 접근 방식을 개발하기위한 일반 플랫폼입니다. 이것이 원본 문서 이며 이것은 저널 버전 입니다. 구조적 SVM은 이제 많은 연구 분야에서 널리 사용됩니다. , 여기에는 컴퓨터 비전과 자연어 처리가 포함됩니다.
- 그는 구조적 예측 을 수행한다는 것이 의미하는 바를 넘어 섰습니다. 구조화 된 예측이 컸습니다. 그래픽 모델에 대한 추론으로 자연스럽게 모델링 된 문제로 제한됩니다. 그는 다른 문제를 구조화 된 예측 문제로 생각할 수있는 방법을 보여주었습니다. 예를 들면 순위 (또한 이 항목 ), 클러스터링 , 단백질 정렬 및 다양성 극대화 (예 : for 문서 요약 ).
- 그는 사용자 피드백을 기반으로 정보 검색 및 추천 시스템을 교육하는 방법을 최초로 연구 한 사람 중 한 명입니다 (예 : 사람들이 웹 검색을 사용할 때 클릭하는 것). 믿거 나 말거나 1990 년대 말과 2000 년대 초에는 분명하지 않았습니다. 이 두 문서 를 참조하십시오. 그 중 첫 번째는 KDD 2012 Test-of-Time에서 우승했습니다.
- 그는 정보 검색 및 추천 시스템에서 인간의 피드백을 통해 학습하는 편견을 최초로 연구 한 사람 중 한 명입니다. 예를 들어, 사용자가 검색 결과를 클릭하면 “결과가 어떤 절대 수준에서”좋다 “는 의미가 아니라 순위가 더 높은 결과보다 낫다는 의미가 종종 있습니다. SIGIR 2016 Test-of-Time 상을 수상한이 저널 페이퍼 를 참조하십시오. 참조 : 인간 상호 작용을 통해 학습하는 자기 개선 시스템
- 그는 를 발명했습니다. 클릭 데이터와 같은 암시 적 피드백에서 신뢰할 수있는 선호도를 이끌어 내기위한 인터리빙 방식 인터리빙은 이제 Google 및 Bing과 같은 주요 검색 엔진을 포함하여 많은 상용 설정에서 널리 채택됩니다. 다음은 이전 논문 입니다. 참조 : 인간 상호 작용을 통해 학습하는자가 개선 시스템
- 그는 추천 시스템이 어떻게 작용하는지 특성화하기 위해 여러 대화 형 / 온라인 학습 공식을 제안했습니다. 사용자 피드백에서 “즉석에서”배우십시오. 여기에는 결투 도적 문제 및 공동 학습 이 포함되며, 둘 다 앞서 언급 한 사용자가 피드백을 제공하는 방법에 대한 편견. 이 접근 방식의 고급 버전 은 arXiv.org 에 몇 달 동안 배포되었습니다. 참조 : 인간 상호 작용을 통해 학습하는 자기 개선 시스템
- 그는 를 제안했습니다. 반 사실 위험 최소화 프레임 워크와 반 사실 평가 및 기록 된 적기 피드백을 통한 학습에있어 몇 가지 다른 중요한 발전이 있습니다. 반 사실 추론은 대부분의 상업용 애플리케이션에서 매우 중요합니다. 사용자 로그에서 학습하려면 반 사실에 대한 추론이 필요하기 때문입니다 (예 : 실제로 보지 못한이 다른 항목을 추천 받았다면 사용자가 어떻게 행동했을까요?). 자세한 내용은이 자습서를 참조하십시오. 대안 평가 및 학습
- 그는 놀라운 조언자입니다.
답변
그는 새로운 음악 추천자를 개발했습니다.