論文の概要: Context-Aware Lifelong Sequential Modeling for Online Click-Through Rate Prediction
- arxiv url: http://arxiv.org/abs/2502.12634v2
- Date: Fri, 11 Apr 2025 11:06:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-14 14:14:51.983630
- Title: Context-Aware Lifelong Sequential Modeling for Online Click-Through Rate Prediction
- Title（参考訳）: オンラインクリックスルーレート予測のためのコンテキスト対応時系列モデリング
- Authors: Ting Guo, Zhaoyang Yang, Qinsong Zeng, Ming Chen,
- Abstract要約: 本研究では,生涯連続モデリングのためのコンテキスト認識関心ネットワーク(CAIN)を提案する。
CAINは、TCN(Temporal Convolutional Network)を使用して、生涯にわたって各項目のコンテキスト認識表現を生成する。
予測精度およびオンラインパフォーマンス指標の観点から,CAINが既存手法よりも優れていることを示す。
- 参考スコア（独自算出の注目度）: 4.561273938467592
- License:
- Abstract: Lifelong sequential modeling (LSM) is becoming increasingly critical in social media recommendation systems for predicting the click-through rate (CTR) of items presented to users. Central to this process is the attention mechanism, which extracts interest representations with respect to candidate items from the user sequence. Typically, attention mechanisms operate in a point-wise manner, focusing solely on the relevance of individual items in the sequence to the candidate item. In contrast, context-aware LSM aims to also consider adjacent items in the user behavior sequence to better assess the importance of each item. In this paper, we propose the Context-Aware Interest Network (CAIN), which utilizes the Temporal Convolutional Network (TCN) to create context-aware representations for each item throughout the lifelong sequence. These enhanced representations are then used in the attention mechanism instead of the original item representations to derive context-aware interest representations. Building upon this TCN framework, we propose the Multi-Scope Interest Aggregator (MSIA) module, which incorporates multiple TCN layers and their corresponding attention modules to capture interest representations across varying context scopes. Furthermore, we introduce the Personalized Extractor Generation (PEG) module, which generates convolution filters based on users' basic profile features. These personalized filters are then used in the TCN layers instead of the original global filters to generate more user-specific representations. We conducted extensive experiments on both a public dataset and an industrial dataset from the WeChat Channels platform. The results demonstrate that CAIN outperforms existing methods in terms of prediction accuracy and online performance metrics.
- Abstract（参考訳）: クリックスルー率(CTR)を予測するソーシャルメディアレコメンデーションシステムでは,生涯連続モデリング(LSM)がますます重要になっている。
このプロセスの中心は、ユーザシーケンスから候補項目に関する関心表現を抽出するアテンションメカニズムである。
通常、注意機構はポイントワイドで動作し、個々の項目と候補項目との関連性にのみ焦点をあてる。
対照的に、コンテキスト対応LSMは、ユーザ行動シーケンス内の隣接アイテムについても検討し、各アイテムの重要性をよりよく評価することを目的としている。
本稿では、時間的畳み込みネットワーク(TCN)を用いて、生涯にわたる各項目のコンテキスト認識表現を作成するコンテキスト認識関心ネットワーク(CAIN)を提案する。
これらの強化された表現は、本来のアイテム表現の代わりにアテンションメカニズムで使われ、コンテキスト対応の関心表現を導出する。
このTNフレームワークを基盤として,複数のTNレイヤとそれに対応するアテンションモジュールを組み込んだマルチスコープ関心集約モジュール(MSIA)を提案する。
さらに,ユーザの基本プロファイル機能に基づいた畳み込みフィルタを生成するPEGモジュールについても紹介する。
これらのパーソナライズされたフィルタは、元のグローバルフィルタの代わりにTCN層で使用され、よりユーザ固有の表現を生成する。
WeChat Channelsプラットフォームから公開データセットと産業データセットの両方について広範な実験を行った。
その結果,CAINは予測精度やオンラインのパフォーマンス指標で既存手法よりも優れていた。
関連論文リスト
- Multi-granularity Interest Retrieval and Refinement Network for Long-Term User Behavior Modeling in CTR Prediction [68.90783662117936]
クリックスルーレート(CTR)の予測は、オンラインパーソナライズプラットフォームにとって不可欠である。
近年の進歩は、リッチなユーザの振る舞いをモデル化することで、CTR予測の性能を大幅に改善できることを示している。
マルチグラニュラリティ興味検索ネットワーク(MIRRN)を提案する。
論文 参考訳（メタデータ） (2024-11-22T15:29:05Z) - Learning Partially Aligned Item Representation for Cross-Domain Sequential Recommendation [72.73379646418435]
クロスドメインシーケンシャルレコメンデーションは、ドメイン間でのユーザのシーケンシャルな好みを明らかにすることを目的としている。
ミスアライメントアイテム表現は、サブ最適シーケンシャルモデリングとユーザ表現アライメントにつながる可能性がある。
textbfCross- domain item representation textbfAlignment for textbfCross-textbfDomain textbfSequential textbfRecommendationを提案する。
論文 参考訳（メタデータ） (2024-05-21T03:25:32Z) - RefSAM: Efficiently Adapting Segmenting Anything Model for Referring Video Object Segmentation [53.4319652364256]
本稿では,ビデオオブジェクトのセグメンテーションを参照するためのSAMの可能性を探るRefSAMモデルを提案する。
提案手法は,Cross-RValModalを用いることで,モダリティ学習を向上させるためにオリジナルのSAMモデルに適応する。
我々は、言語と視覚の特徴を効果的に調整し、融合させるために、パラメータ効率のチューニング戦略を採用している。
論文 参考訳（メタデータ） (2023-07-03T13:21:58Z) - OST: Efficient One-stream Network for 3D Single Object Tracking in Point Clouds [6.661881950861012]
本稿では,従来のシームズネットワークで発生した相関操作を回避するために,インスタンスレベルのエンコーディングの強みを活かした新しい一ストリームネットワークを提案する。
提案手法は,クラス固有のトラッキングだけでなく,より少ない計算と高い効率でクラスに依存しないトラッキングを実現する。
論文 参考訳（メタデータ） (2022-10-16T12:31:59Z) - VLSNR:Vision-Linguistics Coordination Time Sequence-aware News
Recommendation [0.0]
マルチモーダルセマンティクスは、ユーザの時間的および長期的関心の理解を高めるのに有用である。
本研究では,視覚言語による時系列ニュースレコメンデーションを提案する。
また,大規模なマルチモーダルニュースレコメンデーションデータセットV-MINDを構築した。
論文 参考訳（メタデータ） (2022-10-06T14:27:37Z) - Dynamic Prototype Convolution Network for Few-Shot Semantic Segmentation [33.93192093090601]
少数ショットセマンティックセグメンテーション(FSS)の鍵となる課題は、サポートとクエリ機能間の望ましいインタラクションをどのように調整するかである。
そこで本研究では,FSSの精度を高めるために,本発明のプロトタイプコンボリューションネットワーク(DPCN)を提案する。
当社のDPCNは、kショットFSS設定下でも柔軟で効率的です。
論文 参考訳（メタデータ） (2022-04-22T11:12:37Z) - IA-GCN: Interactive Graph Convolutional Network for Recommendation [13.207235494649343]
グラフ畳み込みネットワーク(GCN)は、協調フィルタリング(CF)ベースのレコメンダシステム(RS)のための新しい最先端技術となった。
ユーザ同士の相互対話型ガイダンスを構築し,IA-GCN(InterActive GCN)と呼ばれる新しいモデルを提案する。
我々のモデルは、CFのための最先端のGCNモデルであるLightGCNの上に構築されており、エンドツーエンドで様々なGCNベースのCFアーキテクチャと組み合わせることができる。
論文 参考訳（メタデータ） (2022-04-08T03:38:09Z) - Learning Target-aware Representation for Visual Tracking via Informative
Interactions [49.552877881662475]
トラッキングのための特徴表現のターゲット認識能力を改善するために,新しいバックボーンアーキテクチャを提案する。
提案したGIMモジュールとInBN機構は、CNNやTransformerなど、さまざまなバックボーンタイプに適用可能である。
論文 参考訳（メタデータ） (2022-01-07T16:22:27Z) - ContextNet: A Click-Through Rate Prediction Framework Using Contextual
information to Refine Feature Embedding [2.146541845019669]
我々は,高次機能相互作用を暗黙的にモデル化するContextNetという新しいCTRフレームワークを提案する。
実世界の4つのデータセットについて広範な実験を行い、提案したContextNet-PFFNとContextNet-SFFNモデルがDeepFMやxDeepFMといった最先端モデルよりも優れていることを示した。
論文 参考訳（メタデータ） (2021-07-26T08:29:40Z) - Multi-Granularity Reference-Aided Attentive Feature Aggregation for
Video-based Person Re-identification [98.7585431239291]
ビデオベースの人物再識別は、同じ人物をビデオクリップ間でマッチングすることを目的としている。
本稿では,マルチグラニュラリティ参照属性集約モジュールMG-RAFAを提案する。
本フレームワークは,3つのベンチマークデータセット上での最先端のアブレーション性能を実現する。
論文 参考訳（メタデータ） (2020-03-27T03:49:21Z) - Global Context-Aware Progressive Aggregation Network for Salient Object
Detection [117.943116761278]
我々は,低レベルな外観特徴,高レベルな意味特徴,グローバルな文脈特徴を統合化するための新しいネットワークGCPANetを提案する。
提案手法は, 定量的かつ定性的に, 最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-03-02T04:26:10Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。