中国日报9月19日电（记者 邹硕）9月17日，北京智源人工智能研究院与中国人民大学高瓴人工智能学院共同举办的“智源重大研究方向——智能信息检索与挖掘”前沿论坛在京召开。

论坛由中国人民大学高瓴人工智能学院执行院长文继荣教授主持，中国人民大学常务副校长王利明教授致辞，校长助理、中国计算机学会常务理事杜小勇与会。现场还有来自北京人工智能领域的高校、科研院所和企业代表约100人参加。

论坛开始前，文继荣院长邀请与会专家一同参与学院入驻文化大厦的揭幕仪式，在嘉宾们的见证下，高瓴人工智能学院正式进驻文化大厦。

“智能信息检索与挖掘”项目组云集了该领域各个方向国内最优秀的学者。在论坛上，共有9位学者围绕着“智能信息检索与挖掘”这一方向的各个关键领域的研究做了报告分享。

中科院计算所研究员郭嘉丰从认知视角来理解相关性，他表示，相关性是信息检索领域的核心概念，计算机科学领域和信息科学领域都对此展开了长期研究，计算机科学领域侧重于相关性的建模，而信息科学领域则侧重于对相关性认知过程的探索，随着机器学习技术的发展，特别是深度学习技术的到来，深度检索模型具备了强大的模型容量和拟合能力，使得我们有可能利用深度检索模型建模更加复杂的相关性决策过程，提升相关性建模的有效性。

中国人民大学教授徐君重点介绍了强化排序学习在搜索中的研究进展，包括用户与搜索系统的交互模式分析和基于马尔科夫决策过程的多样化排序任务建模与求解。实验结果表明强化排序学习能够通过多轮交互获得更优的网页排序策略。

清华大学教授王建勇尝试建立一个基于分层概念规则集的可解释性学习框架。位于某一层次的规则集对应于相应粒度的某个概念，我们使用这些不同粒度的概念来获得数据的一个可解释性表示，进而提出了一个面向分类任务的、挖掘高质量概念规则集的框架。实验结果表明该学习框架可以获得和其他可解释性学习算法相近的分类性能，同时提供了更好的可解释性。

（邹硕）