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 20:10:38.964401
• 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: http://creativecommons.org/licenses/by-nc-nd/4.0/
• 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

• Knowledge-Enhanced Conversational Recommendation via Transformer-based Sequential Modelling [58.681146735761224]
  まず,トランスフォーマーをベースとした逐次的対話推薦手法TSCRを提案し,会話の逐次的依存関係をモデル化する。 次に,TSCRの知識グラフ拡張版であるTSCRKGを提案する。 実験の結果,TSCRモデルは最先端のベースラインを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2024-12-03T12:20:56Z)
• 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)
• MISSRec: Pre-training and Transferring Multi-modal Interest-aware Sequence Representation for Recommendation [61.45986275328629]
  逐次レコメンデーションのためのマルチモーダル事前学習・転送学習フレームワークであるMISSRecを提案する。 ユーザ側ではトランスフォーマーベースのエンコーダデコーダモデルを設計し、コンテキストエンコーダがシーケンスレベルのマルチモーダルユーザ興味を捉えることを学習する。 候補項目側では,ユーザ適応項目表現を生成するために動的融合モジュールを採用する。
  論文  参考訳（メタデータ） (2023-08-22T04:06:56Z)
• Deep Context Interest Network for Click-Through Rate Prediction [16.37806484383383]
  本稿では,クリックと表示コンテキストを統合的にモデル化し,ユーザのコンテキスト認識の興味を学習する,Deep Context Interest Network (DCIN) という新しいモデルを提案する。 DCINは当社のオンライン広告システムにデプロイされており、主要なトラフィックに対して1.5%のCTRと1.5%のRPMリフトを提供する。
  論文  参考訳（メタデータ） (2023-08-11T09:32:58Z)
• 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)
• Masked Transformer for Neighhourhood-aware Click-Through Rate Prediction [74.52904110197004]
  本稿では,近隣相互作用に基づくCTR予測を提案し,そのタスクを異種情報ネットワーク(HIN)設定に組み込む。 周辺地域の表現を高めるために,ノード間のトポロジカルな相互作用を4種類検討する。 本研究では,2つの実世界のデータセットに関する総合的な実験を行い,提案手法が最先端のCTRモデルを大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2022-01-25T12:44:23Z)
• Dynamic Sequential Graph Learning for Click-Through Rate Prediction [29.756257920214168]
  本稿では,ユーザやアイテムに関連付けられたローカルサブグラフからの協調情報を活用することで,ユーザの表現を向上する新しい手法を提案する。 実世界のCTR予測ベンチマークの結果は、DSGLによってもたらされた改善を実証している。
  論文  参考訳（メタデータ） (2021-09-26T09:23:43Z)
• Learning Dual Dynamic Representations on Time-Sliced User-Item Interaction Graphs for Sequential Recommendation [62.30552176649873]
  シーケンシャルレコメンデーションのための動的表現学習モデル(DRL-SRe)を考案する。 両面から動的に特徴付けるためのユーザ・イテム相互作用をモデル化するため,提案モデルでは,時間スライス毎にグローバルなユーザ・イテム相互作用グラフを構築した。 モデルが微粒な時間情報を捕捉することを可能にするため,連続時間スライス上での補助的時間予測タスクを提案する。
  論文  参考訳（メタデータ） (2021-09-24T07:44:27Z)
• 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)
• Represent Items by Items: An Enhanced Representation of the Target Item for Recommendation [37.28220632871373]
  アイテムベースの協調フィルタリング(ICF)は、レコメンダシステムやオンライン広告などの産業アプリケーションで広く利用されている。 最近のモデルは、注意メカニズムやディープニューラルネットワークなどの方法を使用して、ユーザー表現とスコアリング機能をより正確に学習します。 共起項目から関連する情報を蒸留する対象項目の表現の強化を提案する。
  論文  参考訳（メタデータ） (2021-04-26T11:28:28Z)
• 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。