科研

近日，中国人民大学高瓴人工智能学院徐君教授出版了外文著作《Deep Learning for Matching in Search and Recommendation》（中文译作：《搜索与推荐中的深度语义匹配》）。本书从语义匹配的角度广泛调研了搜索与推荐任务的解决方案，对现有流行的深度匹配模型进行了系统的分析和对比，为研究和开发搜索及推荐模型提供了一种新的研究视角和工具。中国科学技术大学教授何向南、字节跳动人工智能实验室负责人李航为本书共同作者。

语义匹配是搜索和推荐所共同面临的核心问题：在搜索中，匹配被用于衡量查询与文档的相关性；在推荐中，匹配可用于计算用户对物品的兴趣度。传统上，机器学习的方法已经被用于解决匹配问题，其通过从标注数据或者日志数据中自动学习查询与网页（或用户与物品）间的匹配函数，被称为匹配学习。过去的几年里，随着大数据和人工智能技术的发展，基于深度学习的语义匹配方法已经成为最先进的搜索和推荐技术之一，深度语义匹配成功的关键在于它能够从海量数据中学习到复杂匹配模式并进行有效地泛化。

本书系统全面调研了用于搜索和推荐的深度语义匹配模型：首先，在匹配的视角下构建了一个搜索和推荐的统一模型框架，将两个领域下发展出来的不同的解决方案在统一框架下进行了对比和分析，并将当前的匹配方法分为两大类别：基于表示学习的方法和基于匹配函数学习的方法，然后详细介绍了搜索中的查询-文档匹配模型和推荐中的用户-商品匹配模型。值得注意的是，深度语义匹配的应用范围并不局限于搜索和推荐，其在自然语言推理、智能问答、图像标注等诸多人工智能任务中可以发挥作用，本书中所介绍的方法和技术也可以归结为对两个特征空间中的对象进行匹配。

Unified view of matching in search and recommendation

全书共分为六部分，目录如下：

作者介绍

徐君，博士，现任中国人民大学高瓴人工智能学院长聘副教授、中国人民大学杰出学者特聘教授、北京智源人工智能研究院“智能信息检索与挖掘方向”智源学者(PI)。徐君长期从事用于信息检索的语义匹配和排序学习算法研究，在本领域著名的国际学术会议和期刊发表论文70余篇、撰写英文专著2部、授权专利10个，被同行引用4500余次，研究工作被欧美学者写入多本教科书、被开源软件和商业搜索产品采用；获SIGIR 2019 Test of Time Awards Honorable mention、CIKM 2017 Best Paper runner-up和AIRS 2010 Best Paper，连续担任学术会议SIGIR、WWW、AAAI、CIKM等国际会议资深程序委员会委员(Senior PC)、ICTIR 2019 Best Paper Committee和CIKM 2020 Publicity co-chair，任期刊JASIST编委和ACM TIST副主编。