論文の概要: Practice on Long Behavior Sequence Modeling in Tencent Advertising
- arxiv url: http://arxiv.org/abs/2510.21714v1
- Date: Wed, 10 Sep 2025 06:55:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-07 19:06:32.103235
- Title: Practice on Long Behavior Sequence Modeling in Tencent Advertising
- Title（参考訳）: Tencent広告における長期行動系列モデリングの実践
- Abstract要約: 時系列モデリングは,ユーザの長期的嗜好を捉えるためのレコメンデーションシステムにおいて,欠かせないフロンティアとなっている。
長周期モデリングのための2段階フレームワークの実践的アプローチをいくつか提案する。
Tencentの大規模広告プラットフォーム上で本番環境にデプロイされた当社のイノベーションは、大幅なパフォーマンス向上を実現しました。
- 参考スコア（独自算出の注目度）: 75.65309022911994
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Long-sequence modeling has become an indispensable frontier in recommendation systems for capturing users' long-term preferences. However, user behaviors within advertising domains are inherently sparse, posing a significant barrier to constructing long behavioral sequences using data from a single advertising domain alone. This motivates us to collect users' behaviors not only across diverse advertising scenarios, but also beyond the boundaries of the advertising domain into content domains-thereby constructing unified commercial behavior trajectories. This cross-domain or cross-scenario integration gives rise to the following challenges: (1) feature taxonomy gaps between distinct scenarios and domains, (2) inter-field interference arising from irrelevant feature field pairs, and (3) target-wise interference in temporal and semantic patterns when optimizing for different advertising targets. To address these challenges, we propose several practical approaches within the two-stage framework for long-sequence modeling. In the first (search) stage, we design a hierarchical hard search method for handling complex feature taxonomy hierarchies, alongside a decoupled embedding-based soft search to alleviate conflicts between attention mechanisms and feature representation. In the second (sequence modeling) stage, we introduce: (a) Decoupled Side Information Temporal Interest Networks (TIN) to mitigate inter-field conflicts; (b) Target-Decoupled Positional Encoding and Target-Decoupled SASRec to address target-wise interference; and (c) Stacked TIN to model high-order behavioral correlations. Deployed in production on Tencent's large-scale advertising platforms, our innovations delivered significant performance gains: an overall 4.22% GMV lift in WeChat Channels and an overall 1.96% GMV increase in WeChat Moments.
- Abstract（参考訳）: 時系列モデリングは,ユーザの長期的嗜好を捉えるためのレコメンデーションシステムにおいて,欠かせないフロンティアとなっている。
しかし、広告ドメイン内のユーザ行動は本質的には疎外であり、単一の広告ドメインからのデータだけで長い行動シーケンスを構築する上で重要な障壁となる。
これは、多様な広告シナリオだけでなく、広告ドメインの境界を越えてコンテンツドメインへのユーザの行動収集を動機付けます。
1)異なるシナリオとドメイン間の特徴的分類的ギャップ、(2)無関係な特徴フィールド対から生じるフィールド間干渉、(3)異なる広告ターゲットを最適化する際の時間的・意味的パターンに対する標的的干渉。
これらの課題に対処するため、長周期モデリングのための2段階フレームワーク内にいくつかの実践的アプローチを提案する。
最初の(探索)段階では、複雑な特徴分類階層を扱うための階層的ハードサーチ手法を設計し、注意機構と特徴表現の衝突を軽減するために、分離された埋め込みベースのソフトサーチと共に設計する。
第2段階(シーケンスモデリング)では、次のように紹介する。
(a)フィールド間の紛争を緩和するため、サイドインフォメーション・テンポラル・ネットワーク(TIN)を分離すること
ロ 標的分離位置符号化及び目標分離SASRecによる目標干渉対策
(c)高次挙動相関をモデル化するための積み重ねTIN。
当社のイノベーションはTencentの大規模広告プラットフォームで運用され、WeChat Channelsの4.22%のGMVリフト、WeChat Momentsの1.96%のGMVアップなど、大幅なパフォーマンス向上を実現しました。
関連論文リスト
- S2-CAR: Segmentation-Supervised Complexity-Adaptive Recommendation [11.19507489603123]
本稿では,ユーザ意図を連続的な潜時エネルギー状態としてモデル化するシーケンシャルレコメンデーションのためのセグメンデーション管理フレームワークであるS2-CARを提案する。
具体的には、コンテキスト対応のソフトテンポラルポイントプロセス(Soft-TPP)を使用して、固定間隔ではなく潜在状態エネルギーの自然崩壊によって引き起こされる境界を分割する。
さらなる分析により、提案されたエネルギーベースのセグメンテーションがプラグイン・アンド・プレイモジュールとして機能し、既存のシーケンシャルレコメンデーションバックボーンに統合された場合、一貫した改善をもたらすことが示された。
論文 参考訳（メタデータ） (2026-06-24T05:24:18Z) - MOSAIC: Multi-Domain Orthogonal Session Adaptive Intent Capture for Prescient Recommendations [0.0]
セッションベースのレコメンデータシステムでは、不均一な振る舞いドメインをまたいだユーザインテントのキャプチャが難しい。
マルチドメイン直交セッション適応インテントキャプチャフレームワークMOSAICを提案する。
我々は、複数のドメインと相互作用タイプにまたがる2つの大規模な実世界のベンチマーク実験を行う。
論文 参考訳（メタデータ） (2026-04-11T10:33:12Z) - Cross-Domain Few-Shot Segmentation via Multi-view Progressive Adaptation [84.97054460338109]
Cross-Domain Few-Shotは、いくつかの例に照らされたデータスカースドメインのセグメンテーションを目指している。
データと戦略の両面からドメインをターゲットとするために、少数ショット機能に段階的に適応するマルチビュープログレッシブ適応を提案する。
MPAは、ターゲットドメインに対して効果的に少数ショット機能を適用し、最先端の手法よりも大きなマージンで性能を向上する。
論文 参考訳（メタデータ） (2026-02-05T02:16:44Z) - LLM-EDT: Large Language Model Enhanced Cross-domain Sequential Recommendation with Dual-phase Training [53.539682966282534]
クロスドメインシーケンスレコメンデーション (CDSR) は、様々なドメインからの情報を取り入れることで、ユーザとイテムのインタラクションを強化するために提案されている。
現在の進歩にもかかわらず、不均衡問題と移行問題はCDSRのさらなる発展を妨げる。
デュアルフェーズトレーニング(LLM-EDT)によるLLMの拡張型クロスドメインシーケンスレコメンデーションを提案する。
論文 参考訳（メタデータ） (2025-11-25T05:18:04Z) - Next Interest Flow: A Generative Pre-training Paradigm for Recommender Systems by Modeling All-domain Movelines [8.895768051554162]
本稿では,eコマースレコメンデータシステムのための新しい生成事前学習パラダイムを提案する。
我々のモデルは,ユーザの将来の意図を表す密度の高いベクトル列であるNext Interest Flowを予測することを学ぶ。
パイプライン全体を実装した統合フレームワークである All-domain Moveline Evolution Network (AMEN) を提示する。
論文 参考訳（メタデータ） (2025-10-13T12:13:17Z) - Cross-Domain Conditional Diffusion Models for Time Series Imputation [34.400748070956006]
クロスドメイン時系列計算は、探索されていないデータ中心の研究課題である。
既存のアプローチは主に単一ドメインの設定に焦点を当てています。
提案手法は、ドメイン固有の時間構造を維持しながら、両方のドメインから共有されるスペクトル成分を統合する。
論文 参考訳（メタデータ） (2025-06-14T09:09:07Z) - Long-Sequence Recommendation Models Need Decoupled Embeddings [49.410906935283585]
我々は、既存の長期推薦モデルにおいて無視された欠陥を識別し、特徴付ける。
埋め込みの単一のセットは、注意と表現の両方を学ぶのに苦労し、これら2つのプロセス間の干渉につながります。
本稿では,2つの異なる埋め込みテーブルを別々に学習し,注意と表現を完全に分離する,DARE(Decoupled Attention and Representation Embeddings)モデルを提案する。
論文 参考訳（メタデータ） (2024-10-03T15:45:15Z) - Unified Domain Adaptive Semantic Segmentation [105.05235403072021]
Unsupervised Adaptive Domain Semantic (UDA-SS)は、ラベル付きソースドメインからラベル付きターゲットドメインに監督を移すことを目的としている。
本稿では,特徴量と特徴量との相違に対処するQuad-directional Mixup(QuadMix)法を提案する。
提案手法は,4つの挑戦的UDA-SSベンチマークにおいて,最先端の成果を大きなマージンで上回っている。
論文 参考訳（メタデータ） (2023-11-22T09:18:49Z) - Improving Anomaly Segmentation with Multi-Granularity Cross-Domain
Alignment [17.086123737443714]
異常セグメンテーションは、画像中の非定型物体を識別する上で重要な役割を担っている。
既存の手法は合成データに顕著な結果を示すが、合成データドメインと実世界のデータドメインの相違を考慮できないことが多い。
シーンと個々のサンプルレベルの両方で、ドメイン間の機能を調和させるのに適した、マルチグラニュラリティ・クロスドメインアライメントフレームワークを導入します。
論文 参考訳（メタデータ） (2023-08-16T22:54:49Z) - Dual Attentive Sequential Learning for Cross-Domain Click-Through Rate
Prediction [76.98616102965023]
クロスドメインレコメンダシステムは、コールドスタートとスパシティの問題に対処するための強力な方法である。
本稿では,二元学習機構に基づくクロスドメインシーケンシャルなレコメンデーション手法を提案する。
論文 参考訳（メタデータ） (2021-06-05T01:21:21Z) - Hierarchical Modeling for Out-of-Scope Domain and Intent Classification [55.23920796595698]
本稿では,対話システムにおけるスコープ外意図分類に焦点をあてる。
ドメインとインテントを同時に分類する共同モデルに基づく階層型マルチタスク学習手法を提案する。
実験により、モデルが既存の手法よりも精度、スコープ外リコール、F1で優れていることが示された。
論文 参考訳（メタデータ） (2021-04-30T06:38:23Z)
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。