信息检索与数据挖掘 2019/3/317 SIGR2017 Honourable mentions(最佳提名) IRGAN:A Minimax Game for Unifying Generative and Discriminative Information Retrieval Models Jun Wang (University College London),Lantao Yu(Shanghai Jiao Tong University),Weinan Zhang(Shanghai Jiao Tong University),Yu Gong (Alibaba Inc.)Yinghui Xu (Alibaba Inc.)Benyou Wang (Tianjin University),Peng Zhang(Tianjin University),Dell Zhang(Birkbeck, University of London) ·评价指标设计一直是信息检索技术研究中的核心问题之 一 , 而估计用户的期望收益与期望付出则是搜索用户行为模 型的关键组成部分。受模型框架限制，当前几乎所有信息 检索评价指标均无法做到同时将用户的期望收益和付出纳 入会话终上条件的估计。针对这一问题，迁算机系师生受 流行电子游戏"“Bejewed（中文名：宝右迷阵)”机制肩发 设计了一个创新性的用户交互模型框架，将期望收益与 付出因素重新建模，并把现有的绝大多数评价指标纳入这 二框架的范畴。在真实用户行为数据上的实验表明，该框 架比现宥指标能够更好的预测用芦满意程度。信息检索与数据挖掘 2019/3/31 7 SIGIR 2017 Honourable Mentions(最佳提名) • IRGAN: A Minimax Game for Unifying Generative and Discriminative Information Retrieval Models • Jun Wang (University College London), Lantao Yu (Shanghai Jiao Tong University), Weinan Zhang (Shanghai Jiao Tong University), Yu Gong (Alibaba Inc.), Yinghui Xu (Alibaba Inc.), Benyou Wang (Tianjin University), Peng Zhang (Tianjin University), Dell Zhang (Birkbeck, University of London) • 评价指标设计一直是信息检索技术研究中的核心问题之一 ，而估计用户的期望收益与期望付出则是搜索用户行为模 型的关键组成部分。受模型框架限制，当前几乎所有信息 检索评价指标均无法做到同时将用户的期望收益和付出纳 入会话终止条件的估计。针对这一问题，计算机系师生受 流行电子游戏“Bejewed（中文名：宝石迷阵）”机制启发 ，设计了一个创新性的用户交互模型框架，将期望收益与 付出因素重新建模，并把现有的绝大多数评价指标纳入这 一框架的范畴。在真实用户行为数据上的实验表明，该框 架比现有指标能够更好的预测用户满意程度