發(fā)布日期：2013-12-06
供稿：計(jì)算機(jī)學(xué)院
編輯：新聞中心 段煉 閱讀次數(shù)：
日前，我校計(jì)算機(jī)學(xué)院碩士研究生江小天等人（指導(dǎo)教師：牛振東）的論文"Novel Boosting Frameworks to Improve the Performance of Collaborative Filtering"被國(guó)際會(huì)議ACML2013錄用為長(zhǎng)文，并獲得此次會(huì)議的“Runner-Up Best Paper”獎(jiǎng)。
ACML全稱(chēng)為Asian Conference on Machine Learning，是機(jī)器學(xué)習(xí)領(lǐng)域的主流國(guó)際學(xué)術(shù)會(huì)議之一。本次會(huì)議是第五屆會(huì)議，于2013年11月13日-15日在澳大利亞首都堪培拉召開(kāi)，承辦單位為澳大利亞國(guó)立大學(xué)。大會(huì)共收到來(lái)自22個(gè)國(guó)家包括東京大學(xué)、加州大學(xué)歐文分校、澳洲國(guó)立大學(xué)、魯汶大學(xué)、臺(tái)灣大學(xué)等學(xué)校在內(nèi)的102份投稿，共接收論文32篇，其中長(zhǎng)文錄取13篇，短文錄取19篇，共有兩篇論文獲得獎(jiǎng)勵(lì)。
江小天同學(xué)在會(huì)議上作了口頭長(zhǎng)文報(bào)告與張貼報(bào)告。該論文提出了一種新的利用Boosting算法提高協(xié)同過(guò)濾性能的框架，并取得較好的實(shí)驗(yàn)結(jié)果，受到會(huì)議評(píng)審專(zhuān)家及程序委員會(huì)專(zhuān)家的肯定。
