論文の概要: A Knowledge Graph and Deep Learning-Based Semantic Recommendation Database System for Advertisement Retrieval and Personalization

• arxiv url: http://arxiv.org/abs/2601.00833v1
• Date: Thu, 25 Dec 2025 20:55:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-11 18:48:17.537731
• Title: A Knowledge Graph and Deep Learning-Based Semantic Recommendation Database System for Advertisement Retrieval and Personalization
• Title（参考訳）: 情報検索とパーソナライゼーションのための知識グラフとディープラーニングに基づくセマンティックレコメンデーションデータベースシステム
• Authors: Tangtang Wang, Kaijie Zhang, Kuangcong Liu,
• Abstract要約: 本稿では,広告検索とパーソナライズのための知識グラフと深層学習に基づくセマンティックレコメンデーションデータベース(KGSR-ADS)を提案する。 提案するフレームワークは,マルチリレーショナルセマンティクスをキャプチャする異質なAd-Knowledge Graph(Ad-KG)を統合する。 この階層アーキテクチャは、正確なセマンティックマッチングとスケーラブルな検索の両方を可能にし、大規模な異種ワークロード下でパーソナライズされた広告レコメンデーションを可能にする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In modern digital marketing, the growing complexity of advertisement data demands intelligent systems capable of understanding semantic relationships among products, audiences, and advertising content. To address this challenge, this paper proposes a Knowledge Graph and Deep Learning-Based Semantic Recommendation Database System (KGSR-ADS) for advertisement retrieval and personalization. The proposed framework integrates a heterogeneous Ad-Knowledge Graph (Ad-KG) that captures multi-relational semantics, a Semantic Embedding Layer that leverages large language models (LLMs) such as GPT and LLaMA to generate context-aware vector representations, a GNN + Attention Model that infers cross-entity dependencies, and a Database Optimization & Retrieval Layer based on vector indexing (FAISS/Milvus) for efficient semantic search. This layered architecture enables both accurate semantic matching and scalable retrieval, allowing personalized ad recommendations under large-scale heterogeneous workloads.
• Abstract（参考訳）: 現代のデジタルマーケティングでは、広告データの複雑さが増すにつれて、製品、オーディエンス、広告コンテンツ間のセマンティックな関係を理解することのできるインテリジェントなシステムが要求される。 この課題に対処するために,広告検索とパーソナライズのための知識グラフと深層学習に基づくセマンティックレコメンデーションデータベースシステム(KGSR-ADS)を提案する。 提案フレームワークは,マルチリレーショナルセマンティクスをキャプチャする異質なAd-Knowledge Graph(Ad-KG)と,GPTやLLaMAなどの大規模言語モデル(LLM)を活用してコンテキスト認識ベクタ表現を生成するセマンティックエンベディングレイヤと,クロスエンタリティ依存を推論するGNN+アテンションモデルと,効率的なセマンティクス検索のためのベクトルインデックス(FAISS/Milvus)に基づくデータベース最適化・検索層を統合した。 この階層アーキテクチャは、正確なセマンティックマッチングとスケーラブルな検索の両方を可能にし、大規模な異種ワークロード下でパーソナライズされた広告レコメンデーションを可能にする。

関連論文リスト

• Domain-Specific Data Generation Framework for RAG Adaptation [58.20906914537952]
  Retrieval-Augmented Generation (RAG)は、大規模言語モデルの言語理解と推論能力と外部検索を組み合わせ、ドメイン基底応答を可能にする。 本稿では,様々なRAG適応手法に合わせて,ドメイン基底型質問応答コンテキスト(QAC)トリプルを生成するフレームワークであるRAGenを提案する。
  論文  参考訳（メタデータ） (2025-10-13T09:59:49Z)
• CAL-RAG: Retrieval-Augmented Multi-Agent Generation for Content-Aware Layout Design [6.830055289299306]
  CAL-RAGは、コンテンツ対応レイアウト生成のための検索拡張エージェントフレームワークである。 我々は、LangGraphを使ってフレームワークを実装し、セマンティック変数に富んだベンチマークで評価する。 その結果,検索強化とエージェント的多段階推論を組み合わせることで,拡張性,解釈性,高忠実度な解が得られることがわかった。
  論文  参考訳（メタデータ） (2025-06-27T06:09:56Z)
• Tuning-Free LLM Can Build A Strong Recommender Under Sparse Connectivity And Knowledge Gap Via Extracting Intent [6.6404452803956495]
  IKGRは意図中心の知識グラフを構築する新しいフレームワークである。 IKGRは、ユーザーが求めるもの、アイテムが満足するものを第一級エンティティとして表現する。 パブリックデータセットとエンタープライズデータセットの実験は、IKGRが一貫して強力なベースラインを上回っていることを示している。
  論文  参考訳（メタデータ） (2025-05-16T06:07:19Z)
• HEISIR: Hierarchical Expansion of Inverted Semantic Indexing for Training-free Retrieval of Conversational Data using LLMs [0.3277163122167434]
  本稿では,会話データ検索における意味理解を強化する新しいフレームワークであるHEISIRを紹介する。 Heisir は,(1)階層型トリプレットの定式化と(2)アジュネート・アジュメンテーション(Adjunct Augmentation)という2段階のプロセスを実装し,SVOA(Subject-Verb-Object-Adjunct)四重項からなるセマンティック指標を生成する。 実験の結果,HEISIRは様々な埋め込み型や言語モデルにまたがる微調整モデルよりも優れていた。
  論文  参考訳（メタデータ） (2025-03-06T06:39:25Z)
• Web-Scale Visual Entity Recognition: An LLM-Driven Data Approach [56.55633052479446]
  Webスケールのビジュアルエンティティ認識は、クリーンで大規模なトレーニングデータがないため、重大な課題を呈している。 本稿では,ラベル検証,メタデータ生成,合理性説明に多モーダル大言語モデル(LLM)を活用することによって,そのようなデータセットをキュレートする新しい手法を提案する。 実験により、この自動キュレートされたデータに基づいてトレーニングされたモデルは、Webスケールの視覚的エンティティ認識タスクで最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2024-10-31T06:55:24Z)
• LLM-Enhanced User-Item Interactions: Leveraging Edge Information for Optimized Recommendations [26.822169338351827]
  グラフ構造化LLMレコメンデーションのプロンプトおよびアテンション機構からグラフエッジ情報を組み込むフレームワークを開発した。 実世界のデータセットの評価は,グラフデータの接続情報を理解するフレームワークの能力を示している。
  論文  参考訳（メタデータ） (2024-02-14T23:12:09Z)
• Exploring Large Language Model for Graph Data Understanding in Online Job Recommendations [63.19448893196642]
  本稿では,大規模言語モデルが提供するリッチな文脈情報と意味表現を利用して行動グラフを解析する新しいフレームワークを提案する。 この機能を利用することで、個々のユーザに対してパーソナライズされた、正確なジョブレコメンデーションが可能になる。
  論文  参考訳（メタデータ） (2023-07-10T11:29:41Z)
• A Unified Framework for Integrating Semantic Communication and AI-Generated Content in Metaverse [57.317580645602895]
  統合セマンティックコミュニケーションとAI生成コンテンツ(ISGC)は近年多くの注目を集めている。 ISGCはユーザ入力から意味情報を転送し、デジタルコンテンツを生成し、Metaverse用のグラフィックをレンダリングする。 最適化されたリソース割り当てのための統合ゲインを含む,ISGCの2つの主要なメリットをキャプチャする統合フレームワークを導入する。
  論文  参考訳（メタデータ） (2023-05-18T02:02:36Z)

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。