SIGIR 2017：微软包揽最佳长短论文，清华获最佳学生论文（附作者讲解视频）-CSDN博客

SIGIR 2017：微软包揽最佳长短论文，清华获最佳学生论文（附作者讲解视频）

ACM SIGIR 是国际计算机学会主办的信息检索领域顶级会议，近日在日本东京举办。雷锋网(公众号：雷锋网)AI科技评论消息，SIGIR 2017 的最佳论文及最佳学生论文奖已经颁布，结果如下。

最佳论文

最佳论文得主

BitFunnel: Revisiting Signatures for Search

Bob Goodwin (Microsoft), Michael Hopcroft (Microsoft), Dan Luu (Microsoft), Alex Clemmer (Heptio), Mihaela Curmei (Microsoft), Sameh Elnikety (Microsoft), Yuxiong He (Microsoft)

雷锋网 AI 科技评论了解到，论文第二作者 Michael Hopcroft 于近日在 YouTube 上传了关于 BitFunnel 的解读视频，特搬运到雷锋网上以飨读者：

最佳论文提名

IRGAN: A Minimax Game for Unifying Generative and Discriminative Information Retrieval Models

Jun Wang (University College London), Lantao Yu (Shanghai Jiao Tong University), Weinan Zhang (Shanghai Jiao Tong University), Yu Gong (Alibaba Inc.), Yinghui Xu (Alibaba Inc.), Benyou Wang (Tianjin University), Peng Zhang (Tianjin University), Dell Zhang (Birkbeck, University of London)

本文第一作者为 UCL 教授汪军，此论文是他联合上海交通大学、阿里巴巴及天津大学等团队一同完成，论文在评审阶段获得 SIGIR 满分，是最佳论文的大热提名。

论文作者汪军教授在第一时间分享了获奖消息，并表示“祝贺大家，也算众望所归”；上海交通大学助理教授张伟楠博士也表示“尽力了。感谢伙伴们的支持”。

值得一提的是，在今年 CCF 主办，雷锋网与香港中文大学（深圳）承办的 CCF－GAIR 2017上，汪军教授也来到了大会现场并做了主题演讲。

传送门：

UCL计算机系教授汪军：如何进行大规模多智体强化学习？

专访 UCL 教授汪军：中国能不能出现像 DeepMind 这样的企业？

Classification by Retrieval: Binarizing Data and Classifiers

Fumin Shen (University of Electronic Science and Technology of China), Yadong Mu (Peking University), Yang Yang (University of Electronic Science and Technology of China), Wei Liu (Tencent AI Lab), Li Liu (Malong Technologies Co., Ltd), Jingkuan Song (University of Electronic Science and Technology of China), Heng Tao Shen (University of Electronic Science and Technology of China)

此文第一作者为电子科技大学副教授沈复民，由电子科技大学、北京大学、腾讯 AI Lab、码隆科技联合发布。

最佳学生论文

Evaluating Web Search with a Bejeweled Player Model

Fan Zhang (Tsinghua University), Yiqun Liu (Tsinghua University), Xin Li (Tsinghua University), Min Zhang (Tsinghua University), Yinghui Xu (Alibaba Group), Shaoping Ma (Tsinghua University)

此论文也是今年唯一的获奖学生论文，清华大学计算机系硕士生张帆为第一作者，导师刘奕群为第二作者，还有李昕、张敏、徐盈辉（阿里巴巴）、马少平等四位作者。

清华大学计算机科学与技术系信息检索课题组第一时间在微信公众号“THUIR”上公示了这一喜讯，雷锋网 AI 科技评论摘录其中的论文介绍如下：

评价指标设计一直是信息检索技术研究中的核心问题之一，而估计用户的期望收益与期望付出则是搜索用户行为模型的关键组成部分。受模型框架限制，当前几乎所有信息检索评价指标均无法做到同时将用户的期望收益和付出纳入会话终止条件的估计。针对这一问题，计算机系师生受流行电子游戏“Bejewed（中文名：宝石迷阵）”机制启发，设计了一个创新性的用户交互模型框架，将期望收益与付出因素重新建模，并把现有的绝大多数评价指标纳入这一框架的范畴。在真实用户行为数据上的实验表明，该框架比现有指标能够更好的预测用户满意程度。

雷锋网 AI 科技评论目前已与论文作者取得联系，后续将带来精彩论文解读。

最佳短论文

最佳短论文得主

LiveMaps – Converting Map Images into Interactive Maps

Michael R Evans (Microsoft Corp), Dragomir Yankov (Microsoft Corp), Pavel Berkhin (Microsoft Corp), Pavel Yudin (Microsoft Corp), Florin Teodorescu (Microsoft Corp), Wei Wu (Microsoft Corp)

最佳短论文提名

DBpedia-Entity v2: A Test Collection for Entity Search

Faegheh Hasibi (Norwegian University of Science and Technology), Fedor Nikolaev (Wayne State University), Chenyan Xiong (Carnegie Mellon University), Krisztian Balog (University of Stavanger), Svein Erik Bratsberg (Norwegian University of Science and Technology), Alexander Kotov (Wayne State University), Jamie Callan (Carnegie Mellon University)