SIGIR的研究影响范围

简介: SIGIR的研究影响范围

  从历史上看,SIGIR的研究影响范围很大,其中包括文本分析、计算、机器学习和推荐系统等等。SIGIR的成员担心,如果收到的论文越来越少,那么可能这些有影响力的论文会在别的会议上发表。

  8大可能原因

  1. 范围太过保守

  SIGIR 强调 Ad-hoc 搜索、正式的模型和相关的价值。所以,评议员们会在短时间内就为提交的论文贴上“与大会主题无关”的标签。这么一来,一些带有新颖创意、技术或者问题的作者就会觉得,SIGIR似乎并不欢迎提交论文。范围太过保守带来的机会成本是,会错过一些相关的趋势,比如推荐系统和数据科学。

  2.标准太高

  SIGIR的评议员强调详尽的实验,没有深度分析的文章会被退回。这带来的影响是:实验分析或计算较少的作者选择了别的会议,尽管他们的研究的观点对于SIGIR社区来说是很有价值的。

  3.太多的 IR 会议

  SIGIR 虽然是较高级会议,但是还有许多小型的核心会议(CHIIR, ICTIR, ECIR, CIKM) 或者相关会议 ( RecSys, WSDM, WWW, KDD)。许多新的小型会议对SIGIR形成分流。

  4.过于强调突破性

  许多提交的论文关注于对现状的改进,但是评议员更看重颠覆性的研究。这样,可以指出新的研究方向的理论性论文可能会流向别的会议。

  5.可复制性

  SIGIR 重视实验的较精确和可复制性,所以一些使用了私有数据的行业性论文难以被接收。行业的研究员更喜欢那些“行业友好”的会议。

  6.错误的实验标准

  会议只关注一个特定的领域,其他领域受排斥。

  7.注册费太贵

  8.大公司研究兴趣已经转到了机器学习和核心数据挖掘

目录
相关文章
|
运维 Kubernetes Java
nacos常见问题之nacos的内存太高如何解决
Nacos是阿里云开源的服务发现和配置管理平台,用于构建动态微服务应用架构;本汇总针对Nacos在实际应用中用户常遇到的问题进行了归纳和解答,旨在帮助开发者和运维人员高效解决使用Nacos时的各类疑难杂症。
|
计算机视觉
OpenCV-顶帽运算(TOPHAT)
OpenCV-顶帽运算(TOPHAT)
346 0
ifdown ifup 命令丢失处理
分享一个ifdown ifup 命令丢失处理的案例
ifdown ifup 命令丢失处理
|
8月前
|
缓存 自然语言处理 算法
大模型意图识别工程化实践
本文重点介绍大模型意图识别能力在智能电视核心链路中的落地过程和思考,对比了基础模型、RAG 、以及7b模型微调三种方案的优缺点。
3784 120
|
11月前
|
存储 Oracle NoSQL
【赵渝强老师】Oracle的体系架构
Oracle数据库的核心在于其体系架构,主要包括数据库与实例、存储结构、进程结构和内存结构。数据库由物理文件组成,实例则是内存和进程的组合。存储结构分为逻辑和物理两部分,进程结构涉及多个后台进程如SMON、PMON、DBWn等,内存结构则包含SGA和PGA。掌握这些知识有助于更好地管理和优化Oracle数据库。
328 7
|
11月前
|
机器学习/深度学习 自然语言处理
MGTE系列模型
【10月更文挑战第15天】
334 9
|
C++
spdlog 日志库部分源码说明——日志格式设定,DIY你自己喜欢的调试信息,你能调试的远比你想象的还要丰富
spdlog 日志库部分源码说明——日志格式设定,DIY你自己喜欢的调试信息,你能调试的远比你想象的还要丰富
1007 6
|
计算机视觉
【目标跟踪】卡尔曼滤波器(Kalman Filter) 含源码
【目标跟踪】卡尔曼滤波器(Kalman Filter) 含源码
636 0
|
算法 数据可视化 API
使用PyOD进行异常值检测
异常值检测各个领域的关键任务之一。PyOD是Python Outlier Detection的缩写,可以简化多变量数据集中识别异常值的过程。在本文中,我们将介绍PyOD包,并通过实际给出详细的代码示例
241 0
|
机器学习/深度学习 自然语言处理 算法
PyTorch与NLP:自然语言处理的深度学习实战
随着人工智能技术的快速发展,自然语言处理(NLP)作为其中的重要分支,日益受到人们的关注。PyTorch作为一款强大的深度学习框架,为NLP研究者提供了强大的工具。本文将介绍如何使用PyTorch进行自然语言处理的深度学习实践,包括基础概念、模型搭建、数据处理和实际应用等方面。