論文の概要: DOS: Dual-Flow Orthogonal Semantic IDs for Recommendation in Meituan

• arxiv url: http://arxiv.org/abs/2602.04460v1
• Date: Wed, 04 Feb 2026 11:43:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-05 19:45:11.510224
• Title: DOS: Dual-Flow Orthogonal Semantic IDs for Recommendation in Meituan
• Title（参考訳）: DOS:Meituanにおける推奨のための二重流直交セマンティックID
• Authors: Junwei Yin, Senjie Kou, Changhao Li, Shuli Wang, Xue Wei, Yinqiu Huang, Yinhua Zhu, Haitao Wang, Xingxing Wang,
• Abstract要約: 生成レコメンデーションシステムのためのDual-Flow Orthogonal Semantic ID (DOS)法を提案する。 DOSは、セマンティックIDのコードブック空間を生成空間と整合させるために協調的な信号を利用する、ユーザイムの二重フローフレームを使用している。 DOSはMeituanのモバイルアプリケーションにうまくデプロイされ、数億のユーザにサービスを提供している。
• 参考スコア（独自算出の注目度）: 8.259886050799922
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Semantic IDs serve as a key component in generative recommendation systems. They not only incorporate open-world knowledge from large language models (LLMs) but also compress the semantic space to reduce generation difficulty. However, existing methods suffer from two major limitations: (1) the lack of contextual awareness in generation tasks leads to a gap between the Semantic ID codebook space and the generation space, resulting in suboptimal recommendations; and (2) suboptimal quantization methods exacerbate semantic loss in LLMs. To address these issues, we propose Dual-Flow Orthogonal Semantic IDs (DOS) method. Specifically, DOS employs a user-item dual flow-framework that leverages collaborative signals to align the Semantic ID codebook space with the generation space. Furthermore, we introduce an orthogonal residual quantization scheme that rotates the semantic space to an appropriate orientation, thereby maximizing semantic preservation. Extensive offline experiments and online A/B testing demonstrate the effectiveness of DOS. The proposed method has been successfully deployed in Meituan's mobile application, serving hundreds of millions of users.
• Abstract（参考訳）: セマンティックIDは、生成レコメンデーションシステムにおいて重要な要素である。 それらは大きな言語モデル(LLM)からのオープンワールドの知識を取り入れているだけでなく、生成の困難さを減らすために意味空間を圧縮している。 しかし、既存の手法では、(1)生成タスクにおける文脈認識の欠如は、セマンティックIDコードブック空間と生成スペースの間のギャップを生じ、そして(2)LLMのセマンティックロスを悪化させる、という2つの大きな制限が課されている。 これらの問題に対処するため,Dual-Flow Orthogonal Semantic ID (DOS)法を提案する。 具体的には、DOSは、セマンティックIDのコードブック空間と生成空間を整合させるために協調的な信号を利用する、ユーザイムの二重フローフレームを使用している。 さらに,意味空間を適切な向きに回転させて意味保存を最大化する直交残留量子化方式を導入する。 大規模なオフライン実験とオンラインA/BテストはDOSの有効性を示している。 提案手法はMeituanのモバイルアプリケーションで成功し,数億人のユーザを対象とした。

関連論文リスト

• Differentiable Semantic ID for Generative Recommendation [65.83703273297492]
  生成的推薦は、各項目がリッチコンテンツから学習された個別意味ID(SID)によって表現される新しいパラダイムを提供する。 実際には、SIDはレコメンデーションの正確さよりもコンテンツ再構成に最適化されるのが一般的である。 自然なアプローチは、セマンティックインデックスを差別化して、レコメンデーショングラデーションが直接SID学習に影響を与えるようにすることだ。 本稿では,ジェネレーティブレコメンデーションのための効果的な識別可能なセマンティックIDに向けた第一歩として,DIGERを提案する。
  論文  参考訳（メタデータ） (2026-01-27T15:34:11Z)
• The Best of the Two Worlds: Harmonizing Semantic and Hash IDs for Sequential Recommendation [51.62815306481903]
  我々は,SIDとHIDを調和させる新しいフレームワークであるtextbfnameを提案する。具体的には,HIDのユニークなコラボレーティブアイデンティティを保ちながら,SID内のマルチグラニュラーセマンティクスの両方をキャプチャ可能な,デュアルブランチモデリングアーキテクチャを考案する。 実世界の3つのデータセットの実験では、名前は、既存のベースラインを越えながら、頭と尾の両方の推奨品質のバランスをとる。
  論文  参考訳（メタデータ） (2025-12-11T07:50:53Z)
• C2T-ID: Converting Semantic Codebooks to Textual Document Identifiers for Generative Search [73.61009656398384]
  本稿では,階層クラスタリングによる意味的数値決定法を構築するC2T-IDを提案する。 C2T-IDは、アトミック、セマンティック・コードブック、純粋テキスト・ドシッド・ベースラインを著しく上回っている。
  論文  参考訳（メタデータ） (2025-10-22T04:05:38Z)
• Decoding in Latent Spaces for Efficient Inference in LLM-based Recommendation [75.72196852363116]
  光遅延空間復号法(L2D)は効率的かつ効率的な遅延空間復号法である。 L2Dは言語空間の復号化よりも10倍以上高速で、性能の維持や向上が可能である。
  論文  参考訳（メタデータ） (2025-09-15T02:30:35Z)
• DAS: Dual-Aligned Semantic IDs Empowered Industrial Recommender System [15.648601380538413]
  量子化とアライメントを同時に最適化する1段階のDual-Aligned Semantic ID(DAS)手法を提案する。 DASは、セマンティックIDと協調信号のより効率的なアライメントを実現しており、以下の2つの革新的なアプローチがある。 DASはKuaishou Appのさまざまな広告シナリオで成功し、毎日4億人のユーザーが利用している。
  論文  参考訳（メタデータ） (2025-08-14T12:22:51Z)
• HiD-VAE: Interpretable Generative Recommendation via Hierarchical and Disentangled Semantic IDs [29.735089231891305]
  HiD-VAEは、2つのコアイノベーションを通じて階層的に切り離されたアイテム表現を学ぶ新しいフレームワークである。 第一に、HiD-VAEは階層的に制御された量子化プロセスの先駆者であり、離散コードとマルチレベルアイテムタグを整列する。 第二に、HiD-VAEは表現の絡み合いと戦うために、遅延空間の重なりを直接罰する新しい特異性損失を取り入れている。
  論文  参考訳（メタデータ） (2025-08-06T16:45:05Z)
• AlphaFuse: Learn ID Embeddings for Sequential Recommendation in Null Space of Language Embeddings [17.531288777723297]
  我々はAlphaFuseを紹介した。AlphaFuseは、言語埋め込みのヌル空間内でID埋め込みを学習する言語誘導学習戦略である。 具体的には、Singular Value Decomposition (SVD)を介して言語埋め込みのセマンティック空間を分解し、セマンティックリッチな行空間とセマンティックスパースヌル空間とを区別する。 AlphaFuseはセマンティックスペースの劣化を防ぎ、保持された言語埋め込みを最終項目の埋め込みに統合し、補助的なトレーニング可能なモジュールを不要にする。
  論文  参考訳（メタデータ） (2025-04-27T12:51:56Z)
• Learnable Item Tokenization for Generative Recommendation [113.80559032128065]
  LETTER (Larnable Tokenizer for generaTivE Recommendation) を提案する。 LETTERは、セマンティック正規化のためのResidual Quantized VAE、協調正規化のためのコントラストアライメント損失、コードの割り当てバイアスを軽減するための多様性損失を組み込んでいる。
  論文  参考訳（メタデータ） (2024-05-12T15:49:38Z)

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。