Robloxの機械学習エンジニア、シャオ・ユー氏が「Test of Time Award」を受賞

Robloxの機械学習エンジニアであるXiao Yu氏および共著者の皆様が、第17回ACM国際ウェブ検索・データマイニング会議（WSDM 2024）にて「Test of Time賞」を受賞されたことを心よりお祝い申し上げます。「Test of Time賞」は、その研究が学問分野の潮流や方向性を変えたという歴史的な影響力と評価を示すものです。この賞は、10年前に発表され、長きにわたり影響を与え続けている研究論文を表彰するものです。

受賞論文「Personalized Entity Recommendation: A Heterogeneous Information Network Approach」は、Xiao Yu氏がイリノイ大学アーバナ・シャンペーン校の研究員であった2014年のWSDMで初めて発表されました。 Yu氏は2022年にRobloxに入社し、自然言語処理、コンピュータビジョン、大規模言語モデル、生成AIの分野に取り組んできた。これには、リアルタイムAIチャット翻訳やリアルタイム音声モデレーションに関する最近の研究も含まれる。

Yu氏は、受賞論文について「ユーザーとアイテムの表現として、メタパス（meta-path）ベースの潜在特徴量の概念を導入したものです。これは、表現学習がレコメンデーションシステムの最先端技術となる以前のことでした。異種ネットワークやレコメンデーションシステムにおける埋め込み（embedding）の普及に先駆けるものではありましたが、本論文で提示された観察結果と哲学は、多くの研究者にこの問題を再検討させるきっかけとなり、この分野における革新的な研究の波を引き起こしました」と述べています。

Yu氏らによるこの研究は、レコメンデーションエンジンの普及が進む中、過去10年間で大きな評価を得てきた。「多様な関係情報を組み込むことで、我々の手法はレコメンデーションのパーソナライゼーションをさらに高め、ユーザーに対してより正確で関連性が高く、カスタマイズされた提案を実現します。これは、無関係なレコメンデーションが氾濫する今日の情報過多の状況において極めて重要です」とYu氏は語る。

「本論文以前、グラフベースのハイブリッドレコメンデーションシステムでは、ユーザーが以前に特定のアイテムを購入したかどうかといった、単一の関係タイプが利用されることが多かった。本研究は、ネットワーク内の関係の不均一性を活用した最初のアプローチの一つである。様々な関係をモデル化することで、提案されたレコメンデーションシステムは、ユーザーの嗜好やアイテムの特性について、より豊かで微妙なニュアンスまで捉えることができる。」

Robloxにおける最新のAI研究については、こちらをご覧ください。