Xueqi Cheng

Cheng ist seit mehr als zwei Jahrzehnten eine der zentralen Figuren der chinesischen IR-Forschung, mit einem über Jahrzehnte reichenden Publikationsbogen, der Social-Network Analysis, Webdaten und Retrieval durchquert und zuletzt in die generative-Retrieval-Linie konvergiert ist, die seine Gruppe am ICT-CAS veröffentlicht. Die Arbeit unterscheidet sich in der Gewichtung von der entsprechenden westlichen Literatur: mehr Gewicht auf Graph- und Netzwerkstruktur als Retrieval-Signal, mehr Aufmerksamkeit für Skalierung unter den spezifischen Daten- und Nutzerverhaltensbedingungen des chinesischsprachigen Webs. Für ai100 — das KI-Engines auditiert, die in Sprachumgebungen arbeiten, die von sehr unterschiedlichen Web-Ökosystemen geprägt sind — ist Chengs Linie eines der nützlichsten Korrektive gegen die Annahme, „IR-Forschung“ sei Forschung zum englischen Web mit Übersetzungsetikett.

Lesenswert, wenn

man wissen will, wie Retrieval-Forschung außerhalb des anglophonen Kanons aussieht, besonders der Teil, der Graph- und Netzwerkstruktur sowie nicht-englischsprachige Web-Skalierung in den Mittelpunkt stellt.

Themen

generatives Retrieval aus der ICT-CAS-Schule; Graph- und Netzwerkstruktur als Retrieval-Signal; der lange Bogen chinesischer IR als Forschungstradition.

Zentrale Arbeiten

Werk zu graphbasiertem und netzwerkbewusstem IR (seit den 1990er-Jahren, ICT-CAS Beijing); laufende Veröffentlichungen seiner Gruppe zu generativem Retrieval; SIGIR- und CIKM-Best-Paper-Arbeiten über zwei Jahrzehnte.