Fugu-MT 論文翻訳(概要): DMGIN: How Multimodal LLMs Enhance Large Recommendation Models for Lifelong User Post-click Behaviors

論文の概要: DMGIN: How Multimodal LLMs Enhance Large Recommendation Models for Lifelong User Post-click Behaviors

arxiv url: http://arxiv.org/abs/2508.21801v1
Date: Fri, 29 Aug 2025 17:28:07 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-01 19:45:11.134232
Title: DMGIN: How Multimodal LLMs Enhance Large Recommendation Models for Lifelong User Post-click Behaviors
Title（参考訳）: DMGIN: クリック後の生涯ユーザ行動に対する大規模な推奨モデルを実現するマルチモーダルLLM
Authors: Zhuoxing Wei, Qingchen Xie, Qi Liu,
Abstract要約: 長いクリック後の動作シーケンスは、深刻なパフォーマンス問題を引き起こす。 Deep Multimodal Group Interest Network (DMGIN)はClick-Through Rate (CTR)予測を改善する。
参考スコア（独自算出の注目度）: 5.465812199325145
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Modeling user interest based on lifelong user behavior sequences is crucial for enhancing Click-Through Rate (CTR) prediction. However, long post-click behavior sequences themselves pose severe performance issues: the sheer volume of data leads to high computational costs and inefficiencies in model training and inference. Traditional methods address this by introducing two-stage approaches, but this compromises model effectiveness due to incomplete utilization of the full sequence context. More importantly, integrating multimodal embeddings into existing large recommendation models (LRM) presents significant challenges: These embeddings often exacerbate computational burdens and mismatch with LRM architectures. To address these issues and enhance the model's efficiency and accuracy, we introduce Deep Multimodal Group Interest Network (DMGIN). Given the observation that user post-click behavior sequences contain a large number of repeated items with varying behaviors and timestamps, DMGIN employs Multimodal LLMs(MLLM) for grouping to reorganize complete lifelong post-click behavior sequences more effectively, with almost no additional computational overhead, as opposed to directly introducing multimodal embeddings. To mitigate the potential information loss from grouping, we have implemented two key strategies. First, we analyze behaviors within each group using both interest statistics and intra-group transformers to capture group traits. Second, apply inter-group transformers to temporally ordered groups to capture the evolution of user group interests. Our extensive experiments on both industrial and public datasets confirm the effectiveness and efficiency of DMGIN. The A/B test in our LBS advertising system shows that DMGIN improves CTR by 4.7% and Revenue per Mile by 2.3%.
Abstract（参考訳）: CTR(Click-Through Rate)予測の強化には,生涯にわたるユーザの行動系列に基づくユーザ関心のモデル化が不可欠である。しかし、長いクリック後の動作シーケンス自体が深刻なパフォーマンス上の問題を引き起こす: 大量のデータによって、モデルトレーニングや推論において高い計算コストと非効率性がもたらされる。従来の手法では、2段階のアプローチを導入することでこの問題に対処するが、完全なシーケンスコンテキストの不完全な利用により、モデルの有効性が損なわれる。さらに重要なのは、既存の大規模レコメンデーションモデル(LRM)にマルチモーダル埋め込みを統合することで、大きな課題が浮かび上がっています。これらの問題に対処し、モデルの効率性と精度を高めるために、Deep Multimodal Group Interest Network (DMGIN)を導入する。ユーザがクリック後の動作シーケンスに様々な動作やタイムスタンプを繰り返す項目が多数含まれていることを考えると、DMGINはマルチモーダル埋め込みを直接導入するのとは対照的に、完全な生涯にわたるクリック後の動作シーケンスをより効果的に再編成するためにマルチモーダルLCM(MLLM)を使用している。グループ化による潜在的な情報損失を軽減するため、我々は2つの重要な戦略を実装した。まず、興味統計とグループ内トランスフォーマーの両方を用いてグループ内の振る舞いを分析し、グループ特性を捉える。第2に、時間的に順序付けられたグループにグループ間トランスフォーマーを適用して、ユーザグループの関心事の進化を捉える。産業用および公共用両方のデータセットに関する広範な実験により,DMGINの有効性と有効性が確認された。我々のLBS広告システムにおけるA/Bテストでは、DMGINはCTRを4.7%改善し、1マイルあたりの収益は2.3%改善した。

論文の概要: DMGIN: How Multimodal LLMs Enhance Large Recommendation Models for Lifelong User Post-click Behaviors

関連論文リスト