論文の概要: DAIAN: Deep Adaptive Intent-Aware Network for CTR Prediction in Trigger-Induced Recommendation

• arxiv url: http://arxiv.org/abs/2602.13971v1
• Date: Sun, 15 Feb 2026 03:10:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-17 14:17:28.584594
• Title: DAIAN: Deep Adaptive Intent-Aware Network for CTR Prediction in Trigger-Induced Recommendation
• Title（参考訳）: DAIAN: トリガーリコメンデーションにおけるCTR予測のためのディープ・アダプティブ・インテント・アウェアネットワーク
• Authors: Zhihao Lv, Longtao Zhang, Ailong He, Shuzhi Cao, Shuguang Han, Jufeng Chen,
• Abstract要約: 本稿では,ユーザの意図的嗜好に動的に適応するDeep Adaptive Intent-Aware Network (DAIAN)を提案する。 まず、ユーザのクリックとトリガー項目の相関関係を分析し、ユーザのパーソナライズされた意図表現を抽出する。 次に、ユーザの関連する過去の振る舞いを検索して、ユーザの多様な意図をマイニングする。
• 参考スコア（独自算出の注目度）: 4.238740556635707
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recommendation systems are essential for personalizing e-commerce shopping experiences. Among these, Trigger-Induced Recommendation (TIR) has emerged as a key scenario, which utilizes a trigger item (explicitly represents a user's instantaneous interest), enabling precise, real-time recommendations. Although several trigger-based techniques have been proposed, most of them struggle to address the intent myopia issue, that is, a recommendation system overemphasizes the role of trigger items and narrowly focuses on suggesting commodities that are highly relevant to trigger items. Meanwhile, existing methods rely on collaborative behavior patterns between trigger and recommended items to identify the user's preferences, yet the sparsity of ID-based interaction restricts their effectiveness. To this end, we propose the Deep Adaptive Intent-Aware Network (DAIAN) that dynamically adapts to users' intent preferences. In general, we first extract the users' personalized intent representations by analyzing the correlation between a user's click and the trigger item, and accordingly retrieve the user's related historical behaviors to mine the user's diverse intent. Besides, sparse collaborative behaviors constrain the performance in capturing items associated with user intent. Hence, we reinforce similarity by leveraging a hybrid enhancer with ID and semantic information, followed by adaptive selection based on varying intents. Experimental results on public datasets and our industrial e-commerce datasets demonstrate the effectiveness of DAIAN.
• Abstract（参考訳）: eコマースショッピング体験のパーソナライズには,レコメンデーションシステムが不可欠である。 トリガー誘導勧告(Trigger-induced Recommendation, TIR)は、トリガー項目(ユーザの即時関心を明示する)を利用して、正確なリアルタイムレコメンデーションを可能にする重要なシナリオとして登場した。 いくつかのトリガーベース技術が提案されているが、そのほとんどは意図的なミオピアの問題、すなわち、リコメンデーションシステムはトリガーアイテムの役割を過度に強調し、トリガーアイテムに非常に関係のある商品を提案することに焦点を当てている。 一方、既存の手法では、ユーザの好みを特定するためにトリガーと推奨項目間の協調行動パターンに依存しているが、IDベースのインタラクションの空間性は、その効果を制限している。 そこで本研究では,ユーザの意図の好みに動的に適応するDeep Adaptive Intent-Aware Network (DAIAN)を提案する。 一般に,ユーザのクリックとトリガー項目の相関関係を分析し,ユーザの個人化された意図表現を抽出し,ユーザの履歴行動からユーザの多様な意図を抽出する。 さらに、疎結合な動作は、ユーザの意図に関連するアイテムをキャプチャする際のパフォーマンスを制限します。 そこで我々は,IDと意味情報を組み合わせたハイブリッドエンハンサーと,異なる意図に基づく適応的選択を併用することで,類似性を強化した。 公的なデータセットと我々の産業用eコマースデータセットの実験結果から,DAIANの有効性が示された。

関連論文リスト

• Tree of Preferences for Diversified Recommendation [54.183647833064136]
  データバイアスの観点から、多種多様な推薦について検討する。 本研究では,世界知識を活用したゼロショット推論における大規模言語モデル(LLM)の卓越した性能に着想を得て,新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2025-12-24T04:13:17Z)
• SessionIntentBench: A Multi-task Inter-session Intention-shift Modeling Benchmark for E-commerce Customer Behavior Understanding [64.45047674586671]
  本稿では,意図木の概念を導入し,データセットキュレーションパイプラインを提案する。 我々は,L(V)LMsのセッション間意図シフト理解能力を評価するマルチモーダルベンチマークSessionIntentBenchを構築した。 1,952,177の意図的エントリ,1,132,145のセッション意図軌跡,および10,905のセッションを使用してマイニングされた13,003,664のタスクにより,既存のセッションデータを活用可能なスケーラブルな方法を提供する。
  論文  参考訳（メタデータ） (2025-07-27T09:04:17Z)
• ConsRec: Denoising Sequential Recommendation through User-Consistent Preference Modeling [33.281526528724335]
  ユーザ一貫性を持つ参照型シーケンスレコメンデーションシステム(ConsRec)を提案する。 ConsRecは安定したユーザの好みをキャプチャし、インタラクション履歴からノイズの多いアイテムをフィルタリングする。 その結果、ConsRecはベースラインレコメンデーションモデルよりも13%改善されている。
  論文  参考訳（メタデータ） (2025-05-28T08:55:13Z)
• Multi-agents based User Values Mining for Recommendation [52.26100802380767]
  効率的なユーザ値抽出のためのゼロショットマルチLLM協調フレームワークを提案する。 本研究は,本質的な意味を保ちながら,項目内容のコンデンスにテキスト要約手法を適用した。 幻覚を緩和するために,評価役と監督役の2つの特殊エージェントの役割を導入する。
  論文  参考訳（メタデータ） (2025-05-02T04:01:31Z)
• Search-Based Interaction For Conversation Recommendation via Generative Reward Model Based Simulated User [117.82681846559909]
  会話レコメンデーションシステム(CRS)は、マルチターンインタラクションを使用してユーザの好みを捉え、パーソナライズされたレコメンデーションを提供する。 本稿では,CRSと自動インタラクションを行うための生成報酬モデルに基づくシミュレーションユーザGRSUを提案する。
  論文  参考訳（メタデータ） (2025-04-29T06:37:30Z)
• Deep Evolutional Instant Interest Network for CTR Prediction in Trigger-Induced Recommendation [28.29435760797856]
  本稿では,TIRシナリオにおけるクリックスルーレート予測のための新しい手法であるDeep Evolutional Instant Interest Network (DEI2N)を提案する。 我々は,ユーザがスクロールダウンした場合の瞬間的関心の強度の動的変化を予測するために,ユーザインスタント・関心モデリング・レイヤを設計する。 オフラインおよび実世界の産業データセットを用いて,本手法の評価を行った。
  論文  参考訳（メタデータ） (2024-01-15T15:27:24Z)
• DPAN: Dynamic Preference-based and Attribute-aware Network for Relevant Recommendations [3.4947076558586967]
  そこで本稿では,Click-Through Rate (CTR) を予測するために,Dynamic Preference-based and Attribute-aware Network (DPAN) と呼ばれる新しい手法を提案する。 DPANは、当社のeコマースプラットフォームに、関連するレコメンデーションのための主要なトラフィックを提供するために、うまくデプロイされています。
  論文  参考訳（メタデータ） (2023-08-21T07:26:09Z)
• Knowledge-Enhanced Hierarchical Graph Transformer Network for Multi-Behavior Recommendation [56.12499090935242]
  本研究では,ユーザとレコメンデータシステムにおける項目間の多種類の対話パターンを探索する知識強化階層型グラフトランスフォーマネットワーク(KHGT)を提案する。 KHGTはグラフ構造化ニューラルネットワーク上に構築され、タイプ固有の振る舞い特性をキャプチャする。 KHGTは、様々な評価設定において、最先端のレコメンデーション手法よりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2021-10-08T09:44:00Z)
• Dynamic Graph Collaborative Filtering [64.87765663208927]
  動的レコメンデーションは,逐次データに基づくリアルタイム予測を提供するレコメンデータシステムにとって不可欠である。 本稿では、動的グラフを利用して協調関係とシーケンシャル関係をキャプチャする新しいフレームワーク、Dynamic Graph Collaborative Filtering (DGCF)を提案する。 提案手法は, 動的協調情報の統合の有効性を示すため, 動作繰り返しの少ないデータセットでは高い性能を実現する。
  論文  参考訳（メタデータ） (2021-01-08T04:16:24Z)

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。