作者
琰琰、陈大鑫
今日凌晨，第44届国际“信息检索研究与发展”年会SIGIR正式公布了最佳论文、最佳学生论文、时间检验奖、最佳短论文等多项大奖！
其中山东大学获得最佳学生论文，论文一作曲磊钢是山东大学智能媒体研究中心级硕士生，导师为山东大学计算机与科学系教授聂礼强。
另外，中国科学院大学XuanangChen等人获得最佳短论文；中国科学技术大学YangZhang等人获得最佳论文奖荣誉提名；伦敦大学学院（UCL）计算机系教授汪*等人获得时间检验奖荣誉提名，UIUC教授翟成祥获得GerardSalton奖。
SIGIR是人工智能领域智能信息检索方向最权威的国际会议，本次SIGIR（TheInternationalACMSIGIRConferenceonResearchandDevelopmentinInformationRetrieval）大会共收到了篇长论文投稿，篇短论文投稿，其中长论文接收篇（接收率为21%），短论文接收篇（接收率为27.6%）。
下面对获奖论文做简要介绍。
最佳论文奖
获奖论文：《ComputationallyEfficientOptimizationofPlackett-LuceRankingModelsforRelevanceandFairness》；
论文作者：HarrieOosterhuis（拉德堡德大学计算机和信息科学助理教授）
HarrieOosterhuis论文摘要：
最近的研究表明，随机Plackett-Luce（PL）排序模型在优化相关性和公平性方面是一种鲁棒的选择。与启发式优化算法的确定性模型不同，PL模型是完全可微的。理论上，它们可以通过随机梯度下降来优化排名指标。但在实际中，梯度计算的方法并不可行，因为它需要迭代所有可能项的排列。因此，实际应用通常使用采样技术来近似梯度。
在本文中，作者引入了一种新的算法：PL-Rank，它可以同时估计PL-ranking模型的相关性指标和公平性指标。与当前基于策略梯度的方法不同，PL-Rank利用了PL模型和排序度量的特定结构。实验分析表明，PL-Rank比策略梯度具有更高的样本效率和更低的计算成本，在更高的性能下能够更快地收敛。作者认为，PL-Rank能够将PL模型应用于更相关、更公平的真实世界的排名系统中。
论文