Fugu-MT 論文翻訳(概要): KLAN: Kuaishou Landing-page Adaptive Navigator

論文の概要: KLAN: Kuaishou Landing-page Adaptive Navigator

arxiv url: http://arxiv.org/abs/2507.23459v1
Date: Thu, 31 Jul 2025 11:37:11 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-01 17:19:09.708336
Title: KLAN: Kuaishou Landing-page Adaptive Navigator
Title（参考訳）: KLAN: Kuaishou Landing-page Adaptive Navigator
Authors: Fan Li, Chang Meng, Jiaqi Fu, Shuchang Liu, Jiashuo Zhang, Tianke Zhang, Xueliang Wang, Xiaoqiang Feng,
Abstract要約: 本稿ではパーソナライズド・ランディング・ページ・モデリング(PLPM)の課題を定義する。パーソナライズされたランディングページを提供するために設計された階層型ソリューションフレームワークであるKLANを提案する。私たちのKLANは最終的にフルトラフィックでオンラインプラットフォームにデプロイされ、数億人のユーザにサービスを提供しています。
参考スコア（独自算出の注目度）: 6.764175159874771
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Modern online platforms configure multiple pages to accommodate diverse user needs. This multi-page architecture inherently establishes a two-stage interaction paradigm between the user and the platform: (1) Stage I: page navigation, navigating users to a specific page and (2) Stage II: in-page interaction, where users engage with customized content within the specific page. While the majority of research has been focusing on the sequential recommendation task that improves users' feedback in Stage II, there has been little investigation on how to achieve better page navigation in Stage I. To fill this gap, we formally define the task of Personalized Landing Page Modeling (PLPM) into the field of recommender systems: Given a user upon app entry, the goal of PLPM is to proactively select the most suitable landing page from a set of candidates (e.g., functional tabs, content channels, or aggregation pages) to optimize the short-term PDR metric and the long-term user engagement and satisfaction metrics, while adhering to industrial constraints. Additionally, we propose KLAN (Kuaishou Landing-page Adaptive Navigator), a hierarchical solution framework designed to provide personalized landing pages under the formulation of PLPM. KLAN comprises three key components: (1) KLAN-ISP captures inter-day static page preference; (2) KLAN-IIT captures intra-day dynamic interest transitions and (3) KLAN-AM adaptively integrates both components for optimal navigation decisions. Extensive online experiments conducted on the Kuaishou platform demonstrate the effectiveness of KLAN, obtaining +0.205% and +0.192% improvements on in Daily Active Users (DAU) and user Lifetime (LT). Our KLAN is ultimately deployed on the online platform at full traffic, serving hundreds of millions of users. To promote further research in this important area, we will release our dataset and code upon paper acceptance.
Abstract（参考訳）: 現代のオンラインプラットフォームは、多様なユーザーニーズに対応するために複数のページを構成している。このマルチページアーキテクチャは,ユーザとプラットフォーム間の2段階のインタラクションパラダイムを本質的に確立する。(1) ステージI: ページナビゲーション,ユーザを特定のページにナビゲートする,(2) ステージII: ユーザが特定のページ内でカスタマイズされたコンテンツを扱う,ページ内インタラクション。このギャップを埋めるために、我々は正式にパーソナライズドランディングページモデリング(PLPM)のタスクをレコメンデーションシステム分野に定義する: アプリ入力時に、PLPMのゴールは、一連の候補(例えば、機能タブ、コンテンツチャネル、集約ページ)から最適なランディングページを積極的に選択し、短期的なPDRメトリックと長期のユーザエンゲージメントと満足度を最適化することである。さらに,PLPMの定式化の下でパーソナライズされた着陸ページを提供するための階層型ソリューションフレームワークであるKLAN(Kuaishou Landing-page Adaptive Navigator)を提案する。 KLANは、(1)KLAN-ISPは、日内静的ページの嗜好を捉え、(2)KLAN-IITは、日内動的関心遷移を捉え、(3)KLAN-AMは、最適なナビゲーション決定のために、両方のコンポーネントを適応的に統合する。 Kuaishouプラットフォーム上で行われた大規模なオンライン実験は、デイリーアクティブユーザー(DAU)とユーザーライフタイム(LT)において、KLANの有効性を実証し、+0.205%と+0.192%の改善を得た。私たちのKLANは最終的にフルトラフィックでオンラインプラットフォームにデプロイされ、数億人のユーザにサービスを提供しています。この重要な領域におけるさらなる研究を促進するため、論文の受理時にデータセットとコードを公開します。

関連論文リスト

Web Page Classification using LLMs for Crawling Support [3.370788394696053]
ウェブページを「インデックスページ」と「コンテンツページ」の2つのタイプに分類することで,新しいページを効率的に収集する手法を提案する。自動アノテーション付きWebページ型を用いたデータセットを構築し、ページタイプ分類性能と新しいページのカバレッジという2つの視点からアプローチを評価する。
論文参考訳（メタデータ） (2025-05-11T13:07:15Z)
Variability-Driven User-Story Generation using LLM and Triadic Concept Analysis [79.17703556418292]
要件に対して広く使用されているアジャイルプラクティスは、ユーザストーリ(アジャイルプロダクトバックログとも呼ばれる)のセットを作成することです。ソフトウェア製品ライン(Software Product Lines)の文脈では、同様のシステムのファミリーの要件は、システムごとに1つのユーザストーリーセットのファミリーである。我々は,新しいシステムを開発するのに必要なユーザ・ストーリー・セットを提案するために,TCAとLLMを組み合わせる。
論文参考訳（メタデータ） (2025-04-11T16:15:27Z)
Pilot: Building the Federated Multimodal Instruction Tuning Framework [79.56362403673354]
本フレームワークは、視覚エンコーダとLCMのコネクタに「アダプタのアダプタ」の2つの段階を統合する。ステージ1では視覚情報からタスク固有の特徴とクライアント固有の特徴を抽出する。ステージ2では、クロスタスクインタラクションを実行するために、クロスタスクMixture-of-Adapters(CT-MoA)モジュールを構築します。
論文参考訳（メタデータ） (2025-01-23T07:49:24Z)
WEPO: Web Element Preference Optimization for LLM-based Web Navigation [3.9400326648635566]
本稿では、WEPO(Web Element Preference Optimization)と呼ばれるWebナビゲーションタスクに対する新しいアプローチを提案する。距離に基づく非定常Web要素を負のサンプルとしてサンプリングし、直接選好最適化(DPO)における最大極大目標を最適化することにより、教師なしの選好学習を利用する。その結果,WebAgentよりも13.8%,ビジュアル言語モデルであるCogAgentよりも5.3%向上した。
論文参考訳（メタデータ） (2024-12-14T08:25:28Z)
Image Captioning via Dynamic Path Customization [100.15412641586525]
画像キャプションのための新しい動的トランスフォーマーネットワーク(DTNet)を提案する。提案するDTNetの有効性を検証するため,MS-COCOデータセットの広範な実験を行い,新しい最先端性能を実現する。
論文参考訳（メタデータ） (2024-06-01T07:23:21Z)
Fast-Slow Test-Time Adaptation for Online Vision-and-Language Navigation [67.18144414660681]
オンラインビジョン・アンド・ランゲージナビゲーション(VLN)のためのFSTTA(Fast-Slow Test-Time Adaptation)アプローチを提案する。提案手法は,4つのベンチマークにおいて顕著な性能向上を実現する。
論文参考訳（メタデータ） (2023-11-22T07:47:39Z)
NoMaD: Goal Masked Diffusion Policies for Navigation and Exploration [57.15811390835294]
本稿では,目標指向ナビゲーションと目標非依存探索の両方を扱うために,単一の統合拡散政策をトレーニングする方法について述べる。この統一された政策は、新しい環境における目標を視覚的に示す際に、全体的な性能が向上することを示す。実世界の移動ロボットプラットフォーム上で実施した実験は,5つの代替手法と比較して,見えない環境における効果的なナビゲーションを示す。
論文参考訳（メタデータ） (2023-10-11T21:07:14Z)
Deep Page-Level Interest Network in Reinforcement Learning for Ads Allocation [14.9065245548275]
本稿では,ページレベルのユーザ嗜好をモデル化し,複数タイプのフィードバックを活用するために,Deep Page-level Interest Network (DPIN)を提案する。具体的には、4種類のページレベルのフィードバックを入力として導入し、異なる受容領域下でのアイテム配置のユーザの好みをキャプチャする。
論文参考訳（メタデータ） (2022-04-01T11:58:00Z)
Page-level Optimization of e-Commerce Item Recommendations [1.9590062905832923]
項目詳細ページ上で、項目推薦モジュールのパーソナライズされた選択と注文を最適化するスケーラブルなエンドツーエンド生産システムを提案する。提案方式は既存の手法に比べてクリックスルー率と変換率を大幅に向上させる。
論文参考訳（メタデータ） (2021-08-12T17:59:22Z)
A Real-Time Whole Page Personalization Framework for E-Commerce [13.254747746069139]
eコマースプラットフォームは、ホームページに複数のカルーセルを含んでいる。カルーセル内のアイテムは、シーケンシャルユーザーアクションに基づいて動的に変更されます。ウォルマートオンライン食料品のホームページで、アイテムカルーセルをリアルタイムで最適にランク付けするためのスケーラブルなエンドツーエンド生産システムを紹介します。
論文参考訳（メタデータ） (2020-12-08T19:08:41Z)

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。