WSDM 2017精选论文

数据挖掘和机器学习应用的顶级会议The Tenth ACM International Conference on Web Search and Data Mining （WSDM 2017）今年2月已经在英国剑桥圆满举行。正值 WSDM 十周年，会议上对 WSDM 的发展进行了回顾和展望。纵观过去十年的发展，WSDM 已经成长为学术圈和工业界都十分倚重的经典跨界会议。不像 KDD、WWW 或者
SIGIR，WSDM 因为从最开始就由不少工业界的学术领导人发起并且长期引领，所以十分重视工业界的学术成果的展现。有不少经典的工业界文章在过去十年里，都是通过 WSDM 发表的。今年也不例外，因为 WSDM 的论文涵盖非常广泛的主题，而且一般的读者很难从浩如烟海的文献中即刻抓取到有用信息，这里笔者从80篇会议文章中精选出5篇有代表性的文章，为读者提供思路。

Unbiased Learning-to-Rank with Biased Feedback

概要：这篇文章获得了 WSDM 2017最佳论文。在实际生产中，我们大量获得的是 “有偏差”（Biased）的数据。那么，如何从这些 “有偏差”的数据中，进行“无偏差”（Unbiased）的机器学习就成为了过去很长一段时间以来，实际生产中非常急迫解决的问题。本文探讨了解决这个问题的一种思路。

这篇文章来自康奈尔大学的 Thorsten Joachims 以及他的学生。Thorsten 在上一个十年的学术研究中，因为开发 SVMLight 而名声显赫。他也是最早思考如何利用用户反馈数据进行排序模型（Ranking Model）训练的学者。那么，这篇获奖论文主要是要解决一个什么样的问题