黄际洲获 CCF 优秀博士学位论文奖 搜索推荐技术创新成果显著

近日，中国计算机学会 CCF 颁布 2020 年“CCF 优秀博士学位论文奖”，以表彰获奖者博士论文在创新及学术影响力方面的突出表现。百度黄际洲榜上有名。据知，黄际洲博士毕业于哈尔滨工业大学，其获奖论文为《搜索引擎中的实体推荐关键技术研究》，论文指导老师为百度 CTO 王海峰(哈尔滨工业大学兼职博士生导师)。这篇获奖论文，不仅体现了百度在搜索引擎技术研究与应用方面的行业领先性，还通过产学研结合的良性循环模式，推动了搜索引擎技术向前发展。

中国科学院院士、CCF 理事长梅宏为黄际洲颁发 2020 年“CCF 优秀博士学位论文奖”

　　据知，CCF 优秀博士学位论文奖于 2006 年设立，旨在授予在计算机科学与技术及其相关领域的基础理论或应用基础研究方面有重要突破，或在关键技术和应用技术方面有重要创新的中国计算机领域博士学位论文的作者。此次获选的优秀博士论文创新成果包括 7 篇学术论文，以及 32 项中国和国际已授权发明专利，并获得了省部级科技进步一等奖。

　　搜索引擎是用户获取信息的重要工具。为更好满足用户需求，搜索引擎从最初只能被动地根据查询返回相关网页，逐步改进到主动根据查询提供相关信息推荐。实体推荐技术是其中推荐粒度最细且信息量最丰富的一种信息推荐形式，旨在为用户提供与其查询存在直接或间接关系的实体列表，帮助用户拓展知识面，因此，实体推荐技术不仅成为现代搜索引擎必不可少的功能之一， 也正成为学术界重视的研究问题。

搜索引擎中的相关信息推荐示例

　　实体推荐系统的目标是根据用户输入的查询，在搜索结果中提供相关实体建议，以帮助用户发现更多与其搜索需求相关的信息。用户对实体的信息需求较大，例如，超过 70% 的查询包含命名实体，在所有查询中大约 40% 的查询其主要搜索需求为其中出现的一个实体。大规模知识图谱(例如百度知识图谱)的出现使得搜索引擎可以根据查询为用户推荐相关实体。上图显示了百度搜索引擎为查询“渡渡鸟”所提供的实体推荐结果示例。系统除了提供相关实体列表，还在每一个推荐实体下方提供了推荐理由。这些由系统推荐的实体列表，有效提升了用户的信息发现体验与用户参与度。

　　这篇获奖论文的技术创新，正是在实体推荐技术方面。论文研究了实体推荐算法以及推荐理由生成两个方面的关键技术，具体包括:(1)适用于搜索引擎的大规模实体推荐算法，以及基于上下文优化实体推荐算法的具体策略;(2)实体对推荐理由的识别，以及实体推荐理由的生成;并将人工智能学术研究与搜索引擎产业需求之间进行了紧密结合，帮助用户更加便捷地找到与其搜索需求相关的信息，提升用户的信息发现体验，帮助其扩展知识面，从而受到越来越多的欢迎。此外，这些研究成果也已经在百度搜索引擎中应用，在实践中推动搜索引擎持续发展，也让大众享受到更精准、智能的搜索服务体验。