近日，信息检索领域顶级会议ACM SIGIR在安娜堡成功召开，美国密歇根州。
滴滴技术团队深度参与本次大会，并主办了智能交通信息学研讨会，详细介绍了滴滴在出行领域的探索与实践，分享了产学研合作的经验。
滴滴还表示，未来将通过开放合作，积极与工作者开展更广泛的学术研究，共同解决世界级的交通和环保挑战。
人工智能技术多层面改变出行 ACM SIGIR 是由国际计算机联合会主办的信息检索领域最重要的学术会议。
今年是第41届。
每年，SIGIR 都会汇集来自世界各地的顶尖信息检索研究人员，展示最新的技术和发现。
本届SIGIR共收到论文和录用论文（含长篇论文投稿，录用论文86篇），会议参会人数近 。
滴滴技术团队撰写的《Taxi or Hitchhiking: Predicting Passenger's Preferred Service on Ride Sharing Platforms》论文也被收录在会议中。
本文通过对用户的出行选择进行建模，提出了一种基于用户时间、空间和行为特征的推荐系统，有助于解决用户出行需求和偏好的预测和推荐问题。
离线模拟表明，该模型可以显着提高准确性，帮助用户更高效地规划出行。
（滴滴算法专家现场讲解论文，吸引众多国内外同行、专家学者交流。
）不仅论文的接受，会议的主题报告也引起了外界的关注。
在SIGIR上，滴滴副总裁、AI实验室负责人叶杰平教授发表主题演讲，详细介绍了滴滴如何利用人工智能技术帮助改善用户出行体验、解决全球交通挑战，并重点分析了滴滴在人工智能领域的应用。
智能设备。
订单、智能地图、智能客服、语音识别、智慧交通等领域的实践经验。
在叶杰平看来，人工智能技术给交通带来的变化是多层次的。
未来，交通基础设施、车辆、共享出行三个层面将发生历史性变化。
滴滴已经积极布局：不仅包括语音、自然语言处理、图像等底层AI算法和核心AI技术，还包括AI技术支撑的应用——提升用户体验，帮助城市建设智慧交通网络，积极布局智能驾驶和新能源。
汽车等（滴滴AI实验室负责人叶杰平教授在SIGIR谈滴滴的AI布局和技术创新。
据介绍，在城市交通领域，滴滴目前已与济南、贵阳、沉阳、南京、武汉等20多个城市合作，帮助优化100多个智慧红绿灯，拥堵时间减少10%平均-20%。
。
“我们将继续广泛投入、广泛合作，将人工智能应用拓展到社会公益领域，让科技创造更大价值。
”叶洁平表示。
产学联动 学术界与工业界的融合也是本次大会的一大焦点。
滴滴副总裁、智能出行部负责人郄晓虎在SIGIR大数据产学研交流会上分享了滴滴的产学研合作经验。
他表示，滴滴拥有丰富的数据积累。
滴滴基于领先的大数据和技术优势，不断推进技术前沿，积极与学术界合作，提出新的可持续发展解决方案。
（滴滴智能出行部负责人郓小虎详细讲解了滴滴的科研合作经验和人才培养机制）郓小虎表示，除了向学术界开放脱敏数据资源、开放计算基础设施外，滴滴还先后与学术界合作与密歇根大学、斯坦福大学人工智能实验室、中国计算机学会、香港科技大学、电机电子工程学会等十余家国内外学术研究机构建立了科研合作关系，共同开发人工智能、智能交通、智能驾驶、经济学和运筹学方面的研究项目。
我们将在科技等领域开展探索、交流、人才培训，共同推动交通运输行业不断突破。
滴滴也将于近期公布新一轮的专题研究计划，希望与更多专业领域的优秀学者合作。
（密歇根大学Pascal Van Hentenryck教授在研讨会上分享了他对未来出行变革的看法）值得注意的是，在本次会议上，滴滴还主办了智能交通信息学研讨会并公开征集论文。
该校Pascal Van Hentenryck教授与华盛顿大学班学刚教授共同分享了当前城市交通治理领域的前沿探索，并探讨了智能交通信息学的未来。
经过组委会评选，最终共有七篇论文在研讨会上展示。
研讨会上，滴滴用《POI Semantic Model with a Deep Convolutional Structure》和《DiDi Ride Cancellation Smart Fault Determination System》两篇论文重点展示了滴滴在POI（信息点）检索和取消责任判决领域的研究成果和实践。
以POI检索为例，滴滴技术团队提出了一种基于深度卷积网络的POI语义模型（Deep POI Semantic Model），可以通过深度网络模型将输入文本映射到语义向量空间，从而计算相似度向量之间。
通过度值获取文本之间的相关性，有效解决POI检索场景中的相关性匹配问题，提高滴滴地图的检索满意度。
为了取消判断，它创新性地提出了基于机器学习+规则的混合算法，可以引入数万个特征作为输入，获得更高的准确率和召回率，显着提升用户体验。
上海交通大学张卫南副教授现场致辞。
研讨会向SIGIR社区展示了信息检索这一话题如何赋能新领域，内容非常新颖。
华盛顿大学教授班学刚也评价滴滴持续推动向学术界开放数据，促进大学合作，与学术界一起发现和定义问题。
这种做法值得更多企业借鉴。