ACM人-迪特马尔·贾纳赫
2022年3月22日
是什么让你开始为推荐系统开发机器学习算法的？
我们目前的算法工作是基于会话的推荐。这里的挑战是开发能够根据最近观察到的用户操作（例如，在电子商务网站上进行实时购买）调整建议的系统。这个问题在实践中非常相关，但直到最近才吸引了更多的研究兴趣。我们自己在这一领域的研究受到了与行业合作伙伴合作的启发，他们面临的挑战是，仅从少数观察到的且经常吵闹的互动中正确识别消费者的短期需求
你2019年的论文”我们真的取得了很大进展吗？最近神经推荐方法的令人担忧的分析（与毛里齐奥·费拉里·达克雷马（Maurizio Ferrari Dacrema）和保罗·克雷蒙西（Paolo Cremonesi）合著）荣获RecSys最佳论文奖，是你被引用最多的作品之一。本文提出了关于再现性和当前研究实践的问题，以证明推荐系统中机器学习算法领域的进展。推荐系统领域如何在这一领域改变方向？
我们在这一领域的研究继续了其他人早期的一些工作，他们担心在推荐系统和应用机器学习领域，已发表研究结果的再现性水平。造成这种现象的原因是多方面的，这可能部分与我国出版文化和学术激励制度的根本问题有关。短期内，我们认为，通过建立一种文化，共享实验中使用的所有工件是正常的，从而提高再现性水平，可能有助于避免未来出现许多类似问题。
自您开始从事该领域以来，推荐系统技术的发展最令您惊讶的是什么？
2009年，Netflix组织的大型机器学习竞赛结束。到那时，人们可能会认为推荐问题几乎已经解决了，因为我们有了复杂的算法，可以非常准确地预测消费者的喜好。然而，事实证明，仍有许多问题需要更多的研究。例如，在人机交互领域，或者在理解此类系统如何对消费者和供应商产生积极甚至消极影响方面，情况就是这样。此外，现代机器学习算法有很多希望，例如，在构建更具交互性和对话形式的推荐系统时。
您在RecSys 2021大会上宣布推出TORS。为什么需要一个专门的推荐系统研究期刊？你的TORS目标是什么？
在实践中建立一个有效的推荐系统是一个极具挑战性和多方面的问题。例如，从计算机科学的角度来看，我们需要对给定问题设置有效的算法，我们需要合适的用户界面，允许用户方便地探索选项空间，并帮助他们做出更好的决策。然而，为了有效，这些技术解决方案必须通过其他领域的研究，如心理学、消费者行为或市场营销。通过这本新杂志，我们创建了一个出版物渠道，反映了问题的多方面性质，并应成为学术界和工业界人士查找推荐系统最新研究的主要场所。
