(no subject)
Еще пара слов про SIGIR2012
1. С утра была лекция Salton Keynote Speech крутого чувака Norbert Fuhr, который очевидно какой-то древний отец нашей науки, со времен становления probability models. Лекция озаглавлена "IR as Engineering Science".
Порадовало то, что Норберта явно заботит возможность сделать IR настоящей наукой в позитивистском смысле. Звучал он довольно оптимистично (впрочем, неужели он сам верит в возможность этого? ;) )
Интересный момент он упомянул: 90% (!!!!) публикаций на основе TREC a) не используют в качестве baseline лучший результат конкурентов, а приводят другие, более слабые baselines b) очень часто это не просто слабый baseline, он слабее чем медианный результат этой кампании TREC с)эти опубликованные улучшения толи нельзя использовать вместе, толи пользы от этого нет (тут я не очень понял, как это проверялось).
Заметки по лекции есть в блоге Jeff-а http://www.searchenginecaffe.com/2012/08/norbert-fuhr-sigir-2012-salton-keynote.html .
2. Был на рассказе Sergej Zerr, из L3S Research Center (наш экс-соотечественник). У него бумага(upd) работа о том, что можно автоматически выделять картинки, которые людям не стоит шарить в соцсетях, т.к. они могут нарушать их privacy. Тема близка нам, т.к. недавно я писал про похожий случай - чувака не взяли на работу из-за блога ;)
3. Еще более менее понравилась Time-Based Calibration of Effectiveness Measures, Smucker et al. Общая идея: имея примерно распределение времени, которое пользователь тратит на один запрос и представление о том, как долго пользователь читает сниппеты и смотрит документы, мы можем посчитать ожидаемое значение utility которое пользователь соберет-просмотрит за свою сессию. Ну и чем больше, тем лучше; так и оценивать ранжирование =)
4. Статья с 4мя авторами: Learning to Suggest: A Machine Learning Framework for Ranking Query Suggestions, Umut Ozertem et al.
В начале презентации Umut извинился перед ревьюерами: "хотя вы и дали нам классный крутой фидбек как улучшить статью, мы не могли использовать его - к тому моменту когда статью приняли, мы все уже не работали в Y!Research" =)
1. С утра была лекция Salton Keynote Speech крутого чувака Norbert Fuhr, который очевидно какой-то древний отец нашей науки, со времен становления probability models. Лекция озаглавлена "IR as Engineering Science".
Порадовало то, что Норберта явно заботит возможность сделать IR настоящей наукой в позитивистском смысле. Звучал он довольно оптимистично (впрочем, неужели он сам верит в возможность этого? ;) )
Интересный момент он упомянул: 90% (!!!!) публикаций на основе TREC a) не используют в качестве baseline лучший результат конкурентов, а приводят другие, более слабые baselines b) очень часто это не просто слабый baseline, он слабее чем медианный результат этой кампании TREC с)эти опубликованные улучшения толи нельзя использовать вместе, толи пользы от этого нет (тут я не очень понял, как это проверялось).
Заметки по лекции есть в блоге Jeff-а http://www.searchenginecaffe.com/2012/08/norbert-fuhr-sigir-2012-salton-keynote.html .
2. Был на рассказе Sergej Zerr, из L3S Research Center (наш экс-соотечественник). У него бумага(upd) работа о том, что можно автоматически выделять картинки, которые людям не стоит шарить в соцсетях, т.к. они могут нарушать их privacy. Тема близка нам, т.к. недавно я писал про похожий случай - чувака не взяли на работу из-за блога ;)
3. Еще более менее понравилась Time-Based Calibration of Effectiveness Measures, Smucker et al. Общая идея: имея примерно распределение времени, которое пользователь тратит на один запрос и представление о том, как долго пользователь читает сниппеты и смотрит документы, мы можем посчитать ожидаемое значение utility которое пользователь соберет-просмотрит за свою сессию. Ну и чем больше, тем лучше; так и оценивать ранжирование =)
4. Статья с 4мя авторами: Learning to Suggest: A Machine Learning Framework for Ranking Query Suggestions, Umut Ozertem et al.
В начале презентации Umut извинился перед ревьюерами: "хотя вы и дали нам классный крутой фидбек как улучшить статью, мы не могли использовать его - к тому моменту когда статью приняли, мы все уже не работали в Y!Research" =)