06.10.202312:30

Team polimi vince la RecSys Challenge 2023

La sfida di quest’anno sulla pubblicità online


Un team di studenti del Politecnico di Milano, coordinato da Maurizio Ferrari Dacrema, ricercatore del Dipartimento di Elettronica, Informazione e Bioingegneria, ha vinto la prestigiosa RecSys Challenge 2023 come miglior team accademico. Il team è composto da Paolo Basso, Arturo Benedetti, Nicola Cecere, Alessandro Maranelli, Salvatore Marragony, Samuele Peri, Andrea Riboni, Alessandro Verosimile, Davide Zanutto.

La RecSys Challenge 2023 si è svolta nel corso di tre mesi, con la sua fase finale a Singapore dal 18 al 22 settembre, nell’ambito della 17a ACM Conference on Recommender System, ed è stata organizzata dalla piattaforma di social media indiana ShareChat in collaborazione con l’Indian Institute of Management Visakhapatnam, Huawei e Amazon.

Il tema dell’evento sono i problemi per sistemi di raccomandazione: l’obiettivo è risolvere un problema specifico utilizzando tecniche di apprendimento automatico e algoritmi di raccomandazione.

La sfida di quest'anno si è concentrata sulla pubblicità online, sull’ottimizzazione del percorso attraverso il quale un utente sottoposto a un annuncio pubblicitario si trasforma in cliente decidendo di effettuare un acquisto, con particolare attenzione alla tutela della privacy degli utenti. Affrontare questo problema richiede lo sviluppo di un complesso processo di personalizzazione, e apre una serie di sfide relative alla modellazione del comportamento degli utenti, all'utilizzo dell’apprendimento automatico su larga scala e alla necessità di salvaguardare la privacy.

I team partecipanti hanno avuto a disposizione un set di dati reali raccolti dalle app ShareChat e Moj, generati da circa 10 milioni di utenti scelti casualmente che hanno utilizzato le app nell’arco di tre mesi.

Alla competizione hanno partecipato circa 500 team, incluse alcune grandi aziende quali NVIDIA e Intel, oltre che grandi università come la Tsinghua University.

Il team del Politecnico di Milano ha descritto la soluzione proposta nel paper Pessimistic Rescaling and Distribution Shift of Boosting Models for Impression-Aware Online Advertising Recommendation.