开源系列讲座 | 信息爆炸?MIND个性化新闻推荐系统来了!

2021 年 7 月 19 日 微软研究院AI头条


编者按:开源成果分享持续进行中!在“微软亚洲研究院开源项目系列讲座”第一季前两期,研究员分别分享了业内首个 AI 量化投资开源平台微矿 Qlib 、自动机器学习工具 NNI。

第三期直播中,研究员将介绍个性化新闻推荐系统 MIND 的工作及应用。快来加入直播间,了解微软亚洲研究院的最新开源项目,与我们一起推动人工智能技术的创新发展。

第一期讲座回放视频地址:
https://www.bilibili.com/video/BV1yv411J7Cj

第二期讲座回放视频地址:
https://www.bilibili.com/video/BV19w41197Qz


随着信息技术的发展,媒介形态也随之迭代进化。人们的新闻信息获取方式已不再局限于传统的读报纸、看电视,新闻网站、移动新闻 APP 正逐渐成为新的信息平台。



由于每天都有大量新闻产生和发布,用户难以在有限的时间内从大量新闻中找到自己感兴趣的内容,面临严重的新闻信息过载。个性化新闻推荐可以根据用户的个人兴趣对候选新闻进行排序和展示,是提升用户在线新闻阅读体验的一项重要技术。目前,新闻推荐已广泛用于 Microsoft News 等诸多在线新闻平台中。



MIND 个性化新闻推荐系统正是以提升阅读体验为目标,通过深度理解用户兴趣,致力于为用户提供个性化、智能化、公平、多样、无偏和隐私保护的新闻推荐服务。


目前个性化新闻推荐领域的基准数据集十分缺乏,因此,微软亚洲研究院基于 Microsoft News 上的用户日志,在脱敏和保护用户隐私的前提下,构建并开源了一个目前世界上最大的个性化新闻推荐数据集 MIND。该数据集包含百万级别的用户,超过16万新闻文章以及2400多万的用户行为信息。MIND 数据集能够为个性化新闻推荐领域的研究和实践提供极大的便利。



同时,为吸引全球学术界和工业界的研究人员一起研究和探讨个性化新闻推荐方法,微软亚洲研究院基于 MIND 数据集举办了一个 MIND 国际个性化新闻推荐竞赛,吸引了超过200支世界各地的队伍参赛。目前,该竞赛平台继续开放,欢迎大家提交自己的实验结果。



研究院在个性化新闻推荐领域也进行了一系列研究,包括:提高新闻推荐系统的个性化、效率、公平性、多样性和隐私保护,建模用户的跨平台和多样化行为,以及用户的多样化和动态化兴趣等。


基于这些研究,MIND 研究团队在知名学术会议发表了多篇论文,并开源了许多重要算法。目前,MIND 个性化新闻推荐系统已成功应用到微软新闻的个性化推荐服务中,并取得了显著的效果。


扫码直达 MIND 官方 GitHub


“微软亚洲研究院开源项目系列讲座”第一季第三期将介绍 MIND 个性化新闻推荐系统的相关工作及研究进展,欢迎准时加入直播间。


 第三期


直播时间:2021年7月21日15:00-16:00

直播地址:B 站账号“微软中国视频中心”直播间


扫码直达直播间


扫码加入微信交流群


报告主题:MIND:个性化新闻推荐系统


报告内容:

个性化新闻推荐技术是诸多在线新闻网站和应用的关键技术,可以提升用户的新闻阅读体验并减轻信息过载。目前,许多有关新闻推荐的研究是在私有数据集上开展的,而已有的公开数据集往往规模较小,或者基于英语之外的其它语言。高质量基准数据集的缺乏限制了新闻推荐领域的研究进展。微软亚洲研究院联合微软新闻产品团队在 ACL 2020 上发布了一个大规模的英文新闻推荐数据集 MIND。大量实验表明,MIND 可以用作新闻推荐研究的基准数据集。未来研究院计划将新闻中的图像和视频信息以及不同语言的新闻条目加入到 MIND 数据集中,以支持多模态和多语言的新闻推荐的研究。


直播嘉宾


吴方照

微软亚洲研究院

社会计算组主管研究员


吴方照的研究兴趣为以人为中心的自然语言处理和推荐系统。吴方照分别于2012和2017年在清华大学电子工程系获得学士和博士学位。


开源项目系列讲座



微软亚洲研究院面向科研人员、开源社区开发者和参与者精心设计推出 “微软亚洲研究院开源项目系列讲座” 涉及来自不同科研团队的七个开源项目:和行业密切相关的  Qlib  和  MIND ,优秀的科研工具  OpenNetLab MARO nn-Meter ,以开源方式进行人工智能教育教学的  AI-EDU community ,赋能机器学习的  NNI ,涵盖机器学习、自然语言、网络与系统等多个人工智能领域。

“微软亚洲研究院开源项目系列讲座”第一季将于 每月第三个周三的下午3点 在  B 站账号“微软中国视频中心”直播间 进行直播。直播报告的邀请讲师均为微软亚洲研究院参与一线研究项目的研究员、工程师、项目经理等,欢迎大家准时进入直播间。

时  间:

每月第三个周三下午3点

地  址:

B 站账号“微软中国视频中心”直播间


6月23日


QLIB:业内首个 AI 量化投资开源平台

7月14日


NNI:自动智能探索神经网络

7月21日


MIND:个性化新闻推荐系统

8月18日


OpenNetLab:下一代开放网络研究社区

9月15日


AI-EDU community:人工智能教育与学习第一站

10月20日


MARO:基于多智能体强化学习的资源调度优化

11月17日


nn-Meter:深度模型端侧推理时间预测






你也许还想看




登录查看更多
0

相关内容

WSDM'22「京东」个性化会话推荐:异构全局图神经网络
专知会员服务
22+阅读 · 2022年1月7日
【博士论文】推荐系统多行为建模与隐私保护研究
专知会员服务
52+阅读 · 2021年11月27日
专知会员服务
25+阅读 · 2021年8月7日
专知会员服务
25+阅读 · 2021年6月9日
【WWW2021】 大规模组合K推荐
专知会员服务
43+阅读 · 2021年5月3日
专知会员服务
36+阅读 · 2021年4月18日
专知会员服务
41+阅读 · 2021年3月21日
应用知识图谱的推荐方法与系统
专知会员服务
115+阅读 · 2020年11月23日
第一季收官!开源项目系列讲座喊你重温精彩!
微软研究院AI头条
0+阅读 · 2021年12月6日
WSDM2022 | 跨领域推荐中的个性化迁移用户兴趣偏好
机器学习与推荐算法
1+阅读 · 2021年11月3日
开源系列讲座 | OpenNetLab:构建可持续的网络研究生态系统
微软研究院AI头条
2+阅读 · 2021年8月18日
ACL 2021 | PENS: 个性化新闻标题生成数据集
微软研究院AI头条
0+阅读 · 2021年8月4日
开源系列讲座 | 微矿Qlib如何以AI赋能传统投资行业?
微软研究院AI头条
0+阅读 · 2021年6月21日
推荐系统(一):推荐系统基础
菜鸟的机器学习
25+阅读 · 2019年9月2日
国家自然科学基金
6+阅读 · 2017年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
Do RNN and LSTM have Long Memory?
Arxiv
19+阅读 · 2020年6月10日
Arxiv
14+阅读 · 2018年4月18日
VIP会员
相关VIP内容
WSDM'22「京东」个性化会话推荐:异构全局图神经网络
专知会员服务
22+阅读 · 2022年1月7日
【博士论文】推荐系统多行为建模与隐私保护研究
专知会员服务
52+阅读 · 2021年11月27日
专知会员服务
25+阅读 · 2021年8月7日
专知会员服务
25+阅读 · 2021年6月9日
【WWW2021】 大规模组合K推荐
专知会员服务
43+阅读 · 2021年5月3日
专知会员服务
36+阅读 · 2021年4月18日
专知会员服务
41+阅读 · 2021年3月21日
应用知识图谱的推荐方法与系统
专知会员服务
115+阅读 · 2020年11月23日
相关资讯
第一季收官!开源项目系列讲座喊你重温精彩!
微软研究院AI头条
0+阅读 · 2021年12月6日
WSDM2022 | 跨领域推荐中的个性化迁移用户兴趣偏好
机器学习与推荐算法
1+阅读 · 2021年11月3日
开源系列讲座 | OpenNetLab:构建可持续的网络研究生态系统
微软研究院AI头条
2+阅读 · 2021年8月18日
ACL 2021 | PENS: 个性化新闻标题生成数据集
微软研究院AI头条
0+阅读 · 2021年8月4日
开源系列讲座 | 微矿Qlib如何以AI赋能传统投资行业?
微软研究院AI头条
0+阅读 · 2021年6月21日
推荐系统(一):推荐系统基础
菜鸟的机器学习
25+阅读 · 2019年9月2日
相关基金
国家自然科学基金
6+阅读 · 2017年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员