論文の概要: GCRank: A Generative Contextual Comprehension Paradigm for Takeout Ranking Model

• arxiv url: http://arxiv.org/abs/2601.02361v1
• Date: Wed, 15 Oct 2025 08:42:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-25 16:54:51.47789
• Title: GCRank: A Generative Contextual Comprehension Paradigm for Takeout Ranking Model
• Title（参考訳）: GCRank: ランク付けモデルのための生成的コンテキスト理解パラダイム
• Authors: Ziheng Ni, Congcong Liu, Cai Shang, Yiming Sun, Junjie Li, Zhiwei Fang, Guangpeng Chen, Jian Li, Zehua Zhang, Changping Peng, Zhangang Lin, Ching Law, Jingping Shao,
• Abstract要約: 一般的なランキングモデルは、しばしば断片化されたモジュールと手作りの機能に依存している。 本稿では,文脈理解タスクとしてランキングを再構成する新しい生成フレームワークを提案する。 本手法を大規模フードデリバリー広告プラットフォームに導入することに成功している。
• 参考スコア（独自算出の注目度）: 24.44754238668111
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The ranking stage serves as the central optimization and allocation hub in advertising systems, governing economic value distribution through eCPM and orchestrating the user-centric blending of organic and advertising content. Prevailing ranking models often rely on fragmented modules and hand-crafted features, limiting their ability to interpret complex user intent. This challenge is further amplified in location-based services such as food delivery, where user decisions are shaped by dynamic spatial, temporal, and individual contexts. To address these limitations, we propose a novel generative framework that reframes ranking as a context comprehension task, modeling heterogeneous signals in a unified architecture. Our architecture consists of two core components: the Generative Contextual Encoder (GCE) and the Generative Contextual Fusion (GCF). The GCE comprises three specialized modules: a Personalized Context Enhancer (PCE) for user-specific modeling, a Collective Context Enhancer (CCE) for group-level patterns, and a Dynamic Context Enhancer (DCE) for real-time situational adaptation. The GCF module then seamlessly integrates these contextual representations through low-rank adaptation. Extensive experiments confirm that our method achieves significant gains in critical business metrics, including click-through rate and platform revenue. We have successfully deployed our method on a large-scale food delivery advertising platform, demonstrating its substantial practical impact. This work pioneers a new perspective on generative recommendation and highlights its practical potential in industrial advertising systems.
• Abstract（参考訳）: ランキングステージは、広告システムにおける中央最適化とアロケーションハブとして機能し、eCPMを通じて経済価値の分配を管理し、ユーザー中心の有機コンテンツと広告コンテンツの混成を組織する。 一般的なランキングモデルは、しばしば断片化されたモジュールと手作りの機能に依存し、複雑なユーザの意図を解釈する能力を制限する。 この課題は、ダイナミックな空間的、時間的、および個々のコンテキストによってユーザー決定が形作られる、フードデリバリーのようなロケーションベースのサービスでさらに増幅されている。 これらの制約に対処するために,コンテキスト理解タスクとしてランキングを再構成し,統一アーキテクチャにおける異種信号のモデリングを行う新しい生成フレームワークを提案する。 我々のアーキテクチャは、生成コンテキストエンコーダ(GCE)と生成コンテキストフュージョン(GCF)の2つのコアコンポーネントで構成されています。 GCEは、ユーザ固有のモデリングのためのパーソナライズされたコンテキストエンハンサー(PCE)、グループレベルのパターンのための集合的コンテキストエンハンサー(CCE)、リアルタイムな状況適応のための動的コンテキストエンハンサー(DCE)の3つの特別なモジュールから構成される。 GCFモジュールは、低ランク適応によってこれらのコンテキスト表現をシームレスに統合する。 大規模な実験により,クリックスルー率やプラットフォーム収益など,重要なビジネス指標が大幅に向上することが確認された。 本手法を大規模フードデリバリー広告プラットフォームに導入し,その実質的な影響を実証した。 この研究は、生成的レコメンデーションの新しい視点を開拓し、産業広告システムにおけるその実用的可能性を強調している。

関連論文リスト

• GPR: Towards a Generative Pre-trained One-Model Paradigm for Large-Scale Advertising Recommendation [38.48999566011862]
  GPR(Generative Pre-trained Recommender)は,広告推薦をエンドツーエンド生成タスクとして再定義するワンモデルフレームワークである。 統一表現、ネットワークアーキテクチャ、トレーニング戦略にまたがる3つの重要なイノベーションを紹介します。 GPRはTencent Weixin Channelsの広告システムに完全にデプロイされており、主要なビジネスメトリクスを大幅に改善している。
  論文  参考訳（メタデータ） (2025-11-13T09:50:53Z)
• Dynamic Context-oriented Decomposition for Task-aware Low-rank Adaptation with Less Forgetting and Faster Convergence [131.41894248194995]
  タスク認識方式でアダプタを初期化する新しい手法であるコンテキスト指向分解適応(CorDA)を提案する。 本手法は,タスク認識により,知識保存モード (KPM) と命令レビューモード (IPM) の2つのオプション適応モードを実現する。
  論文  参考訳（メタデータ） (2025-06-16T07:55:14Z)
• Scalable and Interpretable Contextual Bandits: A Literature Review and Retail Offer Prototype [2.7624021966289605]
  本稿では、CMAB(Contextual Multi-Armed Bandit)手法のレビューを行い、スケーラブルで解釈可能なオファー選択のための実験的なフレームワークを提案する。 アプローチは製品カテゴリレベルでコンテキストをモデル化し、オファーが複数のカテゴリにまたがり、類似のオファー間での知識伝達を可能にする。
  論文  参考訳（メタデータ） (2025-05-22T17:13:01Z)
• Pistis-RAG: Enhancing Retrieval-Augmented Generation with Human Feedback [41.88662700261036]
  RAGシステムは、セマンティックな関連性だけでは生成品質の向上を保証していない場合に制限に直面している。 我々は、LLMと人間の嗜好をよりよく整合させるために、コンテンツ中心のアプローチで設計された新しいRAGフレームワークであるPristis-RAGを提案する。
  論文  参考訳（メタデータ） (2024-06-21T08:52:11Z)
• Contextualization Distillation from Large Language Model for Knowledge Graph Completion [51.126166442122546]
  我々は、差別的かつ生成的なKGCフレームワークと互換性のあるプラグイン・アンド・プレイ方式であるContextualization Distillation戦略を導入する。 提案手法は,大規模言語モデルに対して,コンパクトで構造的な三重項を文脈に富んだセグメントに変換するように指示することから始まる。 多様なデータセットとKGC技術にわたる総合的な評価は、我々のアプローチの有効性と適応性を強調している。
  論文  参考訳（メタデータ） (2024-01-28T08:56:49Z)
• Coherent Entity Disambiguation via Modeling Topic and Categorical Dependency [87.16283281290053]
  従来のエンティティ曖昧化(ED)メソッドは、参照コンテキストと候補エンティティの一致するスコアに基づいて予測を行う、識別パラダイムを採用している。 本稿では,エンティティ予測のコヒーレンス向上を目的とした新しいデザインを備えたEDシステムであるCoherentedを提案する。 我々は、人気EDベンチマークにおいて、平均1.3F1ポイントの改善により、最先端の新たな結果を得る。
  論文  参考訳（メタデータ） (2023-11-06T16:40:13Z)
• USER: Unified Semantic Enhancement with Momentum Contrast for Image-Text Retrieval [115.28586222748478]
  Image-Text Retrieval (ITR) は、与えられたクエリに意味のあるターゲットインスタンスを、他のモダリティから検索することを目的としている。 既存のアプローチは通常、2つの大きな制限に悩まされる。
  論文  参考訳（メタデータ） (2023-01-17T12:42:58Z)
• Learning the Compositional Visual Coherence for Complementary Recommendations [62.60648815930101]
  補完的なレコメンデーションは、ユーザーが獲得したアイテムと補完的で互換性のある製品提案を提供することを目的としている。 本研究では,グローバルコンテンツとセマンティックコンテンツの両方に包括的コンポジションコヒーレンスをモデル化する新しいコンテント注意ニューラルネットワーク(CANN)を提案する。
  論文  参考訳（メタデータ） (2020-06-08T06:57:18Z)

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。