雷鋒網(wǎng) AI 科技評(píng)論消息，數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)應(yīng)用頂級(jí)會(huì)議之一的 WSDM 2018（ACM International Conference on Web Search and Data Mining）已于美國時(shí)間 2 月 6 日在洛杉磯開幕。

會(huì)議概況

WSDM 可以讀作「wisdom」，會(huì)議的關(guān)注點(diǎn)為搜索、數(shù)據(jù)檢索、數(shù)據(jù)挖掘、算法設(shè)計(jì)、算法分析、經(jīng)濟(jì)影響方面的實(shí)際且嚴(yán)謹(jǐn)?shù)难芯浚约皩?duì)準(zhǔn)確率和運(yùn)行速度的深入實(shí)驗(yàn)探究。今年已經(jīng)是 WSDM 的第十一屆會(huì)議。

根據(jù)官網(wǎng)介紹，本屆會(huì)議共收到論文投稿 514 篇，接受論文 84 篇，接受率約 16%。以下四篇論文已得到最佳論文獎(jiǎng)提名，并將于 2 月 8 日進(jìn)行論文演講。

• 《A Path-constrained Framework for Discriminating Substitutable and Complementary Products in Ecommerce》（一種用于在電子商務(wù)中區(qū)別可替代和互補(bǔ)的商品的路徑限制框架）
  

• 《Unsubscription: A Simple Way to Ease Overload in Email》（取消訂閱：一種緩解電子郵件過載的簡(jiǎn)單方法）

• 《Index Compression Using Byte-Aligned ANS Coding and Two-Dimensional Contexts》（通過字節(jié)對(duì)齊 ANS 編碼和二維內(nèi)容方法壓縮索引）

• 《Offline A/B testing for recommender systems》（推薦系統(tǒng)的離線A/B對(duì)比）

會(huì)議演講

本屆 WSDM 邀請(qǐng)了美國國家工程院院士、微軟全球執(zhí)行副總裁、ACM/IEEE Fellow 沈向洋，圖靈獎(jiǎng)獲得者、UCLA 教授、貝葉斯之父 Judea Pearl，美國伊利諾伊大學(xué)香檳分校計(jì)算機(jī)系教授、ACM/IEEE Fellow 韓家煒，今日頭條人工智能實(shí)驗(yàn)室主任、IEEE Fellow、ACM 杰出科學(xué)家李航等知名專家進(jìn)行主題演講。

沈向洋的演講題目為《From Search to Research》（從搜索到探索），隨后沈向洋也單獨(dú)發(fā)布了一篇文章介紹了自己演講的主要內(nèi)容。雷鋒網(wǎng) AI 科技評(píng)論把文章內(nèi)容整理如下。

每天，我們每個(gè)人都會(huì)用搜索引擎查找信息。你現(xiàn)在看到的這篇文章說不定就是通過搜索找到的。

搜索也是我生活的重要一部分，這一持續(xù)時(shí)間超過 10 年。2007 年的時(shí)候，我離開了位于北京的微軟亞洲研究院的計(jì)算機(jī)視覺研究員職位，加入了在美國的必應(yīng)（Bing）團(tuán)隊(duì)。 當(dāng)時(shí)這個(gè)不大團(tuán)隊(duì)的領(lǐng)導(dǎo)者是Satya Nadella（微軟現(xiàn)任 CEO），我們兩人都對(duì)學(xué)習(xí)搜索廣告業(yè)務(wù)很有興趣。最重要的是，我們想要?jiǎng)?chuàng)造一種不同的搜索體驗(yàn)，讓它能給用戶帶來更多幫助。

必應(yīng)的持續(xù)增長讓我很興奮，也讓我倍受鼓舞。全美國的個(gè)人電腦所發(fā)出的搜索，有 33% 是必應(yīng)處理的；必應(yīng)在全球的使用率也在持續(xù)增長，比如在英國的市場(chǎng)占有率也已經(jīng)達(dá)到 25%。必應(yīng)不僅集成了 Reddit 這樣的外部合作伙伴的數(shù)據(jù)，它也支持了微軟學(xué)術(shù)搜索，讓學(xué)術(shù)論文搜索變得更全面。

我們目前完成的成果都棒極了，那么接下來呢？我覺得我們應(yīng)該從搜索（search）走向研究探索（research）。

在今天的 WSDM 的演講中，我就介紹了如果要?jiǎng)?chuàng)造下一代的智能搜索，我們還需要走多遠(yuǎn)。

傳統(tǒng)的搜索依靠的是關(guān)鍵詞以及查詢和網(wǎng)址間的匹配來找到答案。當(dāng)今頂級(jí)的搜索引擎在網(wǎng)頁搜索方面已經(jīng)沒有什么區(qū)別，但更好的語音識(shí)別、更好的個(gè)人助理互動(dòng)以及新的移動(dòng)互聯(lián)網(wǎng)使用體驗(yàn)都已經(jīng)改變了人們向搜索引擎提問的方式。如今，問題都是基于自然語言的，而且也更長，這也讓準(zhǔn)確的回答變得更重要。那么要怎么做呢？

隨著人工智能方面出現(xiàn)機(jī)器閱讀理解之類的技術(shù)進(jìn)步，我們正在努力給必應(yīng)設(shè)計(jì)一個(gè)探索工具，可以在對(duì)話中得到直接的答案，并且足夠清晰、具有不同的視角。

直接的答案。隨著更好的機(jī)器閱讀理解技術(shù)的出現(xiàn)，我們提供更直接的答案的能力也大幅提高。僅僅幾周之前，我們微軟團(tuán)隊(duì)在斯坦福大學(xué) SQuAD 文本理解挑戰(zhàn)賽中取得了超出人類的成績。機(jī)器閱讀理解可以匹配詢問的句子和文章的語意，從而幫我們從網(wǎng)頁文章中提取出最佳答案。我們也提供了結(jié)合上下文的答案，它可以把機(jī)器學(xué)習(xí)的結(jié)果反向推理成用戶會(huì)覺得有聯(lián)系的東西。比如，當(dāng)你在必應(yīng)搜索「伊拉克有多大」的時(shí)候，你不僅會(huì)得到「169,235 平方英里」這樣的結(jié)果，你還會(huì)看到「和加利福尼亞州的大小差不多」。

不同的視角。假如不考慮可能出現(xiàn)的多種意見的話，給出答案就變成很簡(jiǎn)單的一件事了。那如果你沒有接觸到各種不同的視角，又要如何知道什么才是正確答案呢？比如說，搜索「吃紫甘藍(lán)有什么好處嗎」這樣提問得比較積極（positive）的問題，就很有可能搜索到紫甘藍(lán)的好處；然后當(dāng)你搜索一個(gè)從消極角度（negative）提問的問題的時(shí)候，比如「熱瑜伽有什么不好之處嗎」，得到的結(jié)果同樣也很有可能不會(huì)提及熱瑜伽的諸多好處。

為了解決這個(gè)問題，我們給必應(yīng)加入了「多視角回答」( Multi-Perspective Answers )功能。實(shí)際上我們?nèi)ツ?12 月就上線了這個(gè)功能。當(dāng)用戶向必應(yīng)問一個(gè)問題，而這個(gè)問題有來自可靠消息源的多種有效視角的回答的話，用戶就會(huì)得到兩個(gè)答案，對(duì)這同一個(gè)問題給出兩個(gè)不同的回應(yīng)。當(dāng)機(jī)器閱讀理解發(fā)現(xiàn)多個(gè)信譽(yù)不錯(cuò)的信源提供的答案類似或者帶有不同的屬性的時(shí)候，必應(yīng)也會(huì)讓用戶知道，以此提高答案的權(quán)威性。

在搜索的進(jìn)化之路中，對(duì)話是一個(gè)重要部分。我們的目標(biāo)是理解用戶的意圖，這樣每次搜索都可以幫助你快速完成任務(wù)。我們創(chuàng)造了一種新的交互式的搜索方法，它可以基于你的前一個(gè)搜索結(jié)果找到最佳答案?，F(xiàn)在，如果你還需要考慮如何問一個(gè)對(duì)的問題的話，必應(yīng)可以幫你構(gòu)建清晰的問題以便優(yōu)化你的搜索過程，一次就帶給你最好的答案。

比如下面這個(gè)例子里，在必應(yīng)上搜索「頭疼」，頁面上會(huì)出現(xiàn)額外的選項(xiàng)幫助用戶縮小查詢范圍。如果點(diǎn)擊的是「頭疼的類型」，就會(huì)把用戶指向另一些具體的選項(xiàng)，直到用戶找到需要找的東西。

另一個(gè)我們?cè)谘芯康男骂I(lǐng)域是「交談性語境」，這對(duì)人機(jī)對(duì)話來說非常關(guān)鍵。我們的模型用了帶有語境嵌入的 seq2seq，可以達(dá)到更好的對(duì)話查詢理解。在系統(tǒng)的后端，問題本身和對(duì)話語境都會(huì)作為輸入。然后多層 LSTM 網(wǎng)絡(luò)和注意力機(jī)制就會(huì)協(xié)助重新生成一個(gè)問句，最終得到答案。比如下面這樣：

簡(jiǎn)單總結(jié)的話，這是一種非常重要的能力，它可以讓人類和機(jī)器之間的對(duì)話更自然。在未來幾周內(nèi)我們將和 Cortana 一起發(fā)布這個(gè)功能。

我們非?？春脤?duì)話式 AI 的未來。Siri、Alexa 和 Cortana 這樣的個(gè)人助理都已經(jīng)使用了各種提高智商的方法來幫助用戶解決啟發(fā)型和反饋型的請(qǐng)求。我們還有一個(gè)最新的社交機(jī)器人創(chuàng)新，它依靠情商來和人類構(gòu)建連接。微軟在 2014 年以「小冰」踏上了社交機(jī)器人之旅，而它也成為了中國最受歡迎的聊天機(jī)器人?，F(xiàn)在我們?cè)谌毡?、美國、印度和印度尼西亞都有社交機(jī)器人。在和這些社交機(jī)器人聊天當(dāng)中，我們可能會(huì)發(fā)現(xiàn)智慧真的隱藏在對(duì)話之中。

我理解這篇文章的有些讀者可能并沒有多喜歡必應(yīng)，或者可能有一陣子沒有用過必應(yīng)了。也許你現(xiàn)在可以試試必應(yīng)。我們?yōu)橹苯拥幕卮稹⒍嘁暯?、人機(jī)對(duì)話這些目標(biāo)想到的新點(diǎn)子、開發(fā)的新功能都給搜索體驗(yàn)帶來了更多的智能，我們正在改變你每天都要做的「搜索」的本質(zhì)。

（完）

via Linkedin，雷鋒網(wǎng) AI 科技評(píng)論編譯

相關(guān)文章：

微軟CEO納德拉：必應(yīng)與蘋果Siri分道揚(yáng)鑣后，將專注搜索市場(chǎng)

懷著大夢(mèng)想的小冰，不只是逗貧

微軟全球執(zhí)行副總裁沈向洋博士：理解自然語言：表述，對(duì)話，意境（附PPT和專訪） | CNCC 2017

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。