WWW 2017精选论文

涉及数据库、数据挖掘分析、应用机器学习、搜索引擎技术等多方面技术的顶级会议第26届万维网大会（26th International World Wide Web Conference） 今年4月3日-7日在南半球的澳大利亚珀斯举行。历史上，万维网大会都是讨论重要学术成就的，特别是关于互联网科技发布的重要学术和技术大会。因为这个会议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，笔者从众多文章中精选出5篇有代表性的文章，为读者提供思路。

Beyond Globally Optimal: Focused Learning for Improved Recommendations

概要：这篇文章探讨的是如何平衡一个全局的目标函数和一个局部的目标函数，从而使得推荐系统的结果最佳。

本文来自一群前 CMU 学者，目前在 Google 和 Pinterest。这篇文章试图解决什么问题呢？具体说来，就是作者们发现，传统的推荐系统，基于优化一个全局的目标函数，通常情况下往往只能给出一个非常有“偏差”（Skewed）的预测分布。也就是说，传统的推荐系统追求的是平均表现情况，在很多情况下的预测其实是十分不准确的。这个情况在评价指标是 Root Mean Squared Error（RMSE）的时候，尤为明显。作者定义了一个叫做
Focused Learning 的问题，如果让模型在一个局部的数据上能够表现出色。那么，为什么需要模型在一个局部的数据上表现出色呢？作者们做了这么一件事情，那就是对每个用户，以及每一个物品的预测