某机构学者乔治·卡里皮斯荣获ICDM十年最高影响力奖
明尼苏达大学教授兼某机构学者，与其合著者共同获得该奖项，以表彰其提出了一种新颖的算法方法，能够高速生成高质量的电商产品推荐。
作者：Staff writer
2020年12月8日
阅读时长2分钟
明尼苏达大学双城分校杰出麦克奈特大学教授、某机构学者乔治·卡里皮斯博士荣获2020年IEEE国际数据挖掘会议(ICDM)颁发的“十年最高影响力奖”。该获奖论文由ICDM评奖委员会选出，并于2020年11月19日在会议上公布。
该荣誉每年颁发给十年前在ICDM上发表论文的作者，以表彰其对数据挖掘领域产生重大影响的杰出研究。卡里皮斯与现任俄亥俄州立大学生物医学信息学与计算机科学与工程副教授夏宁共同撰写了这篇论文。论文发表时，卡里皮斯是夏宁的博士生导师。
这篇获奖论文题为《SLIM：面向Top-N推荐系统的稀疏线性方法》，提出了一种新颖的算法方法，用于高速生成高质量的电商产品推荐。论文中概述的方法使算法能够根据用户的交互历史，识别出一组用户最有可能感兴趣的商品子集。为了以计算可扩展的方式推荐理想的商品组合，该论文提出了一类全新的方法，这些方法依赖于从数据中学习一个稀疏的物品-物品相似度矩阵(SLIM)。这些方法建立在传统的基于物品的邻域方案之上，但采用统计学习技术直接从数据中估计相似度矩阵。
“我们十年前进行的研究在2020年尤其具有现实意义，因为消费者如今在线上购买数以亿计的商品。”卡里皮斯表示，“最初在2011年ICDM会议上展示的研究结果表明，SLIM的性能优于所有先前已发表的方法，并且计算效率很高。事实上，如果你看看2019年ACM推荐系统会议的最佳论文奖得主《我们真的在取得很大进展吗？对近期神经推荐方法的令人担忧的分析》，你会发现SLIM所达到的性能直到今天仍然极具竞争力。”
在其职业生涯中，卡里皮斯的研究领域涵盖数据挖掘、推荐系统、学习分析和高性能计算。在所有这些领域中，卡里皮斯都专注于开发具有实际应用价值的新型算法和软件。
卡里皮斯研究成果之一是开发、分发了多种用于串行和并行计算机上图和超图划分的软件工具，并持续对其进行改进。这些工具构成了METIS系列图和超图划分软件，被广泛用于划分不同应用领域中出现的图和超图。
在某机构，卡里皮斯的团队正在致力于深度图库(DGL)的开发，这是一个易于使用、高性能且可扩展的Python包，用于图上的深度学习。DGL是一个允许开发者编写一类名为图神经网络的机器学习模型的框架。DGL补充了现有的基于张量的框架（如Tensorflow、PyTorch和MXNet），以支持不断发展的深度图学习领域。
卡里皮斯表示：“我很荣幸能与夏宁这样的合作者共事，并感谢ICDM评奖委员会对我们工作的认可。”
要了解更多关于学术界在某机构的角色，请访问“某机构学者”页面。
研究领域
搜索与信息检索
云与系统
标签
学术界在某机构
数据挖掘
时间检验奖
奖项与荣誉FINISHED
