論文の概要: CAPTS: Channel-Aware, Preference-Aligned Trigger Selection for Multi-Channel Item-to-Item Retrieval

• arxiv url: http://arxiv.org/abs/2602.12564v1
• Date: Fri, 13 Feb 2026 03:23:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-16 23:37:53.829511
• Title: CAPTS: Channel-Aware, Preference-Aligned Trigger Selection for Multi-Channel Item-to-Item Retrieval
• Title（参考訳）: CAPTS:マルチチャネルアイテム・ツー・アイテム検索のためのチャンネルアウェア、優先順のトリガー選択
• Authors: Xiaoyou Zhou, Yuqi Liu, Zhao Liu, Xiao Lv, Bo Chen, Ruiming Tang, Guorui Zhou,
• Abstract要約: 本稿では,マルチチャネルトリガ選択を学習可能なルーティング問題として扱う統一フレームワークを提案する。 CAPTSは、オフラインでのマルチチャネルリコールを継続的に改善し、オンラインデバイス毎の平均使用時間において、+0.351%のリフトを提供する。
• 参考スコア（独自算出の注目度）: 41.29513816277524
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large-scale industrial recommender systems commonly adopt multi-channel retrieval for candidate generation, combining direct user-to-item (U2I) retrieval with two-hop user-to-item-to-item (U2I2I) pipelines. In U2I2I, the system selects a small set of historical interactions as triggers to seed downstream item-to-item (I2I) retrieval across multiple channels. In production, triggers are often selected using rule-based policies or learned scorers and tuned in a channel-by-channel manner. However, these practices face two persistent challenges: biased value attribution that values triggers by on-trigger feedback rather than their downstream utility as retrieval seeds, and uncoordinated multi-channel routing where channels select triggers independently under a shared quota, increasing cross-channel overlap. To address these challenges, we propose Channel-Aware, Preference-Aligned Trigger Selection (CAPTS), a unified and flexible framework that treats multi-channel trigger selection as a learnable routing problem. CAPTS introduces a Value Attribution Module (VAM) that provides look-ahead supervision by crediting each trigger with the subsequent engagement generated by items retrieved from it on each I2I channel, and a Channel-Adaptive Trigger Routing (CATR) module that coordinates trigger-to-channel assignment to maximize the overall value of multi-channel retrieval. Extensive offline experiments and large-scale online A/B tests on Kwai, Kuaishou's international short-video platform, show that CAPTS consistently improves multi-channel recall offline and delivers a +0.351% lift in average time spent per device online.
• Abstract（参考訳）: 大規模産業レコメンデータシステムは、直接ユーザ間検索(U2I)と2ホップユーザ間検索(U2I2I)パイプラインを組み合わせた、候補生成のためのマルチチャネル検索を一般的に採用している。 U2I2Iでは、複数のチャンネルにまたがるアイテム・ツー・イテム(I2I)検索をシードするトリガーとして、小さな履歴的相互作用を選択する。 プロダクションでは、トリガーはルールベースのポリシーや学習スコアラーを使って選択され、チャンネルごとに調整される。 しかし、これらのプラクティスは2つの永続的な課題に直面している。すなわち、検索シードとして下流のユーティリティではなく、オントリガーフィードバックによって引き起こされる値のバイアス付き属性と、チャンネルが共有クォータの下で独立にトリガを選択するアンコーディネートなマルチチャネルルーティングである。 これらの課題に対処するために,マルチチャネルトリガ選択を学習可能なルーティング問題として扱う統一かつ柔軟なフレームワークであるChannel-Aware, Preference-Aligned Trigger Selection (CAPTS)を提案する。 CAPTSはバリューアトリビューションモジュール(VAM)を導入し、各I2Iチャネルで取得したアイテムから生成された後続のエンゲージメントを各トリガーにクレジットすることで、ルックアヘッドの監視を提供する。 Kuaishouの国際的ショートビデオプラットフォームであるKwaiでの大規模なオフライン実験と大規模なオンラインA/Bテストは、CAPTSが一貫してマルチチャネルリコールをオフラインに改善し、オンラインデバイス毎の平均使用時間に+0.351%のリフトを提供することを示している。

関連論文リスト

• Chain-of-Thought Reasoning in Streaming Full-Duplex End-to-End Spoken Dialogue Systems [82.70507055599093]
  本稿では,Duplex SDS のための Streaming Chain-of-Thought (CoT) フレームワークを提案する。 ブロック毎に中間的ターゲットアライメントされたユーザ書き起こしとシステム応答を作成します。 実験により,本手法は既存の二重解法よりもコヒーレントで解釈可能な応答を生成することが示された。
  論文  参考訳（メタデータ） (2025-10-02T14:33:05Z)
• Re-ranking With Constraints on Diversified Exposures for Homepage Recommender System [7.618705258302672]
  本稿では,ホームページレコメンデーションシステムの2段階アーキテクチャを提案する。 最初の段階では、適切なチャネルにアイテムを推薦する効率的なアルゴリズムを開発する。 第2段階では、各チャンネルに順序づけられたアイテムのリストを提供する。
  論文  参考訳（メタデータ） (2021-12-12T09:34:50Z)
• Multi-Channel End-to-End Neural Diarization with Distributed Microphones [53.99406868339701]
  EENDのTransformerエンコーダを,マルチチャネル入力を処理する2種類のエンコーダに置き換える。 また,単一チャンネル記録のみを用いたモデル適応手法を提案する。
  論文  参考訳（メタデータ） (2021-10-10T03:24:03Z)
• Learning Signal Representations for EEG Cross-Subject Channel Selection and Trial Classification [0.3553493344868413]
  脳波記録の主観非依存チャネル選択のためのアルゴリズムを提案する。 チャネル固有の1D-畳み込みニューラルネットワーク(1D-CNN)を教師付き方法で特徴抽出器として利用し、クラス分離性を最大化する。 トレーニング後、選択されたチャネル固有の1D-CNNのパラメータ化されたサブグループのみを新しい被験者からの新たな信号に転送することで、アルゴリズムを活用できる。
  論文  参考訳（メタデータ） (2021-06-20T06:22:16Z)
• Dynamic Multichannel Access via Multi-agent Reinforcement Learning: Throughput and Fairness Guarantees [9.615742794292943]
  マルチエージェント強化学習(RL)に基づく分散マルチチャネルアクセスプロトコルを提案する。 チャネルアクセス確率を各時間スロットで調整する従来の手法とは異なり、提案したRLアルゴリズムは、連続する時間スロットに対する一連のチャネルアクセスポリシーを決定論的に選択する。 我々は,現実的な交通環境において広範なシミュレーションを行い,提案したオンライン学習がスループットと公平性の両方を改善することを示す。
  論文  参考訳（メタデータ） (2021-05-10T02:32:57Z)
• Model-Driven Deep Learning Based Channel Estimation and Feedback for Millimeter-Wave Massive Hybrid MIMO Systems [61.78590389147475]
  本稿では,ミリ波(mmWave)システムのモデル駆動深層学習(MDDL)に基づくチャネル推定とフィードバック方式を提案する。 無線周波数(RF)鎖の限られた数から高次元チャネルを推定するためのアップリンクパイロットオーバーヘッドを低減するために,位相シフトネットワークとチャネル推定器を自動エンコーダとして共同で訓練することを提案する。 MDDLに基づくチャネル推定とフィードバック方式は,最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-04-22T13:34:53Z)
• End-to-end learnable EEG channel selection with deep neural networks [72.21556656008156]
  本稿では,脳波チャネル選択をニューラルネットワーク自体に組み込む枠組みを提案する。 我々は、離散チャネル選択パラメータの連続緩和を用いて、この新しい最適化問題の離散的性質を扱う。 この一般的なアプローチは、2つの異なるEEGタスクで評価される。
  論文  参考訳（メタデータ） (2021-02-11T13:44:07Z)
• Self-Attentive Multi-Layer Aggregation with Feature Recalibration and Normalization for End-to-End Speaker Verification System [8.942112181408158]
  エンドツーエンド話者認証システムにおいて,特徴の校正と正規化を併用した自己注意型多層アグリゲーションを提案する。 VoxCeleb1評価データセットを用いた実験結果から,提案手法の性能は最先端モデルに匹敵することがわかった。
  論文  参考訳（メタデータ） (2020-07-27T08:10:46Z)
• Operation-Aware Soft Channel Pruning using Differentiable Masks [51.04085547997066]
  本稿では,データ駆動型アルゴリズムを提案する。このアルゴリズムは,操作特性を利用して,ディープニューラルネットワークを異なる方法で圧縮する。 我々は大規模な実験を行い、出力ネットワークの精度で優れた性能を達成する。
  論文  参考訳（メタデータ） (2020-07-08T07:44:00Z)

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。