論文の概要: PCR-CA: Parallel Codebook Representations with Contrastive Alignment for Multiple-Category App Recommendation

• arxiv url: http://arxiv.org/abs/2508.18166v4
• Date: Mon, 08 Sep 2025 07:12:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:03.305444
• Title: PCR-CA: Parallel Codebook Representations with Contrastive Alignment for Multiple-Category App Recommendation
• Title（参考訳）: PCR-CA:マルチカテゴリアプリケーションレコメンデーションのためのコントラストアライメントを用いた並列コードブック表現
• Authors: Bin Tan, Wangyao Ge, Yidi Wang, Xin Liu, Jeff Burtoft, Hao Fan, Hui Wang,
• Abstract要約: PCR-CAはCTR予測を改善するためのエンドツーエンドフレームワークである。 複数のコードブックにまたがる個別の意味表現を並列に学習する。 意味的および協調的なシグナルをブリッジするために、ユーザレベルとアイテムレベルの両方において、コントラスト的なアライメント損失を用いる。
• 参考スコア（独自算出の注目度）: 9.34962382557214
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern app store recommender systems struggle with multiple-category apps, as traditional taxonomies fail to capture overlapping semantics, leading to suboptimal personalization. We propose PCR-CA (Parallel Codebook Representations with Contrastive Alignment), an end-to-end framework for improved CTR prediction. PCR-CA first extracts compact multimodal embeddings from app text, then introduces a Parallel Codebook VQ-AE module that learns discrete semantic representations across multiple codebooks in parallel -- unlike hierarchical residual quantization (RQ-VAE). This design enables independent encoding of diverse aspects (e.g., gameplay, art style), better modeling multiple-category semantics. To bridge semantic and collaborative signals, we employ a contrastive alignment loss at both the user and item levels, enhancing representation learning for long-tail items. Additionally, a dual-attention fusion mechanism combines ID-based and semantic features to capture user interests, especially for long-tail apps. Experiments on a large-scale dataset show PCR-CA achieves a +0.76% AUC improvement over strong baselines, with +2.15% AUC gains for long-tail apps. Online A/B testing further validates our approach, showing a +10.52% lift in CTR and a +16.30% improvement in CVR, demonstrating PCR-CA's effectiveness in real-world deployment. The new framework has now been fully deployed on the Microsoft Store.
• Abstract（参考訳）: 従来の分類体系では重複するセマンティクスを捉えることができず、最適でないパーソナライゼーションに繋がる。 PCR-CA(Parallel Codebook Representations with Contrastive Alignment)を提案する。 PCR-CAはまず、アプリテキストからコンパクトなマルチモーダル埋め込みを抽出し、次に並列に複数のコードブック間で個別の意味表現を学習するParallel Codebook VQ-AEモジュールを導入する。 この設計により、様々な側面(例えば、ゲームプレイ、アートスタイル)の独立したエンコーディングが可能になり、より優れたマルチカテゴリセマンティクスのモデリングが可能になる。 セマンティックおよび協調的なシグナルをブリッジするために、ユーザレベルとアイテムレベルのコントラストアライメントロスを採用し、ロングテールアイテムの表現学習を強化した。 さらに、デュアルアテンション融合機構は、IDベースとセマンティック機能を組み合わせて、特にロングテールアプリにおいて、ユーザの興味を捉えている。 大規模なデータセットの実験では、PCR-CAは強いベースラインに対して+0.76%のAUC改善を実現し、ロングテールアプリでは+2.15%のAUC向上を達成した。 オンラインA/Bテストは我々のアプローチをさらに検証し、CTRで+10.52%上昇し、CVRで+16.30%改善した。 新しいフレームワークがMicrosoft Storeに完全にデプロイされた。

関連論文リスト

• See Beyond a Single View: Multi-Attribution Learning Leads to Better Conversion Rate Prediction [30.31722186766052]
  コンバージョンレート(CVR)予測はオンライン広告システムの中核的な要素である。 従来のアプローチでは、単一の生産クリティカルな属性メカニズムからラベルへのモデルトレーニングが制限されていた。 本稿では,CVR予測のための新しい多属性学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-21T04:05:31Z)
• SaviorRec: Semantic-Behavior Alignment for Cold-Start Recommendation [14.449201436664692]
  コールドスタート勧告フレームワークのためのセマンティックビヘイビアアライメントを提案する。 まず、ドメイン固有の知識を活用して、意味表現を生成するためにマルチモーダルエンコーダを訓練する。 第二に、残差量子化セマンティックIDを用いて、マルチモーダル表現とランキングモデルの間のギャップを動的にブリッジする。
  論文  参考訳（メタデータ） (2025-08-02T14:09:21Z)
• Just Functioning as a Hook for Two-Stage Referring Multi-Object Tracking [22.669740476582835]
  Referring Multi-Object Trackingは、自然言語表現で指定されたビデオに対象の軌跡をローカライズすることを目的としている。 本稿では,RMOTにおけるトラッキングと参照の2つのサブタスクの内在的関係を系統的に解析する。 サブタスク間のリンクを再定義するためにHookモジュールを最初に設計した新しい2段階RTTフレームワークであるJustHookを提案する。
  論文  参考訳（メタデータ） (2025-03-10T16:38:42Z)
• A Universal Framework for Compressing Embeddings in CTR Prediction [68.27582084015044]
  本稿では,事前学習した埋め込みを定量化することにより,埋め込みテーブルを圧縮するモデル非依存型埋め込み圧縮(MEC)フレームワークを提案する。 まず、高頻度特徴と低周波特徴のバランスをとるために、人気重み付け正規化を適用します。 3つのデータセットの実験により,提案手法はメモリ使用量を50倍以上削減し,レコメンデーション性能を維持・改善する。
  論文  参考訳（メタデータ） (2025-02-21T10:12:34Z)
• Improved Diversity-Promoting Collaborative Metric Learning for Recommendation [127.08043409083687]
  CML(Collaborative Metric Learning)は、リコメンデーションシステムにおいて人気のある手法として最近登場した。 本稿では,ユーザが複数のカテゴリの関心を持つ,困難なシナリオに焦点をあてる。 textitDiversity-Promoting Collaborative Metric Learning (DPCML) と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-09-02T07:44:48Z)
• CLIP-AD: A Language-Guided Staged Dual-Path Model for Zero-shot Anomaly Detection [49.510604614688745]
  大規模視覚言語モデルCLIPのゼロショット機能を活用するために,CLIP-ADというフレームワークを提案する。 異常写像の直接計算における逆の予測と無関係なハイライトについて述べる。
  論文  参考訳（メタデータ） (2023-11-01T11:39:22Z)
• Dynamic Perceiver for Efficient Visual Recognition [87.08210214417309]
  特徴抽出手順と早期分類タスクを分離する動的知覚器(Dyn-Perceiver)を提案する。 特徴ブランチは画像の特徴を抽出し、分類ブランチは分類タスクに割り当てられた遅延コードを処理する。 早期出口は分類枝に限られており、低レベルの特徴において線形分離性は不要である。
  論文  参考訳（メタデータ） (2023-06-20T03:00:22Z)
• Plug-and-Play Regulators for Image-Text Matching [76.28522712930668]
  微細な対応と視覚的セマンティックなアライメントの爆発は、画像とテキストのマッチングにおいて大きな可能性を秘めている。 我々は、メッセージ出力を効率的にエンコードして、コンテキストを自動生成し、モーダル表現を集約する、シンプルだが非常に効果的な2つのレギュレータを開発した。 MSCOCOとFlickr30Kデータセットの実験は、複数のモデルで印象的で一貫したR@1ゲインをもたらすことができることを実証している。
  論文  参考訳（メタデータ） (2023-03-23T15:42:05Z)
• Your representations are in the network: composable and parallel adaptation for large scale models [90.26965623489157]
  InCAは、事前訓練されたモデルの任意のアクティベーション層にクロスタッチするトランスファー学習の軽量な方法である。 InCAは,1つのトップスコーリングアダプタを選択しても,フル微調整に匹敵する性能を発揮することを示す。
  論文  参考訳（メタデータ） (2023-03-07T18:12:24Z)
• Open Vocabulary Multi-Label Classification with Dual-Modal Decoder on Aligned Visual-Textual Features [14.334304670606633]
  本稿では,視覚的特徴とテキスト的特徴の整合性を備えた2次元デコーダ (DM-decoder) を含む新しいアルゴリズム,Aligned Dual MoDality ClaSsifier (ADDS) を提案する。 NUS-WIDE, ImageNet-1k, ImageNet-21k, MS-COCO など,いくつかの標準ベンチマークで実施された大規模な実験により,提案手法が従来の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-08-19T22:45:07Z)

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。