論文の概要: Trinity: A Scenario-Aware Recommendation Framework for Large-Scale Cold-Start Users
- arxiv url: http://arxiv.org/abs/2603.00502v1
- Date: Sat, 28 Feb 2026 06:58:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-03 19:50:56.230946
- Title: Trinity: A Scenario-Aware Recommendation Framework for Large-Scale Cold-Start Users
- Title（参考訳）: Trinity: 大規模コールドスタートユーザのためのシナリオ対応レコメンデーションフレームワーク
- Authors: Wenhao Zheng, Wang Lu, Fangshuang Tang, Yiyang Lu, Jun Yang, Pengcheng Xiong, Yulan Yan,
- Abstract要約: 効果的なレコメンデーションには、機能エンジニアリング、モデルアーキテクチャ、安定したモデル更新の相乗的な統合が必要です。
本稿では,この原理を具現化したフレームワークであるTrinityを提案する。Trinityは既存のシナリオから価値ある情報を抽出し,新たなシナリオにおける予測の有効性と精度を確保する。
- 参考スコア（独自算出の注目度）: 7.19115702655888
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Early-stage users in a new scenario intensify cold-start challenges, yet prior works often address only parts of the problem through model architecture. Launching a new user experience to replace an established product involves sparse behavioral signals, low-engagement cohorts, and unstable model performance. We argue that effective recommendations require the synergistic integration of feature engineering, model architecture, and stable model updating. We propose Trinity, a framework embodying this principle. Trinity extracts valuable information from existing scenarios while ensuring predictive effectiveness and accuracy in the new scenario. In this paper, we showcase Trinity applied to a billion-user Microsoft product transition. Both offline and online experiments demonstrate that our framework achieves substantial improvements in addressing the combined challenge of new users in new scenarios.
- Abstract（参考訳）: 新しいシナリオの初期段階のユーザは、コールドスタートの課題を強化するが、以前の作業はモデルアーキテクチャによる問題の一部だけに対処することが多い。
確立した製品を置き換えるための新しいユーザエクスペリエンスのローンチには、疎い行動信号、低エンゲージメントコホート、不安定なモデルパフォーマンスが含まれる。
効果的なレコメンデーションには、機能エンジニアリング、モデルアーキテクチャ、安定したモデル更新の相乗的な統合が必要です。
この原理を具現化したフレームワークであるTrinityを提案する。
Trinityは新しいシナリオにおいて予測の有効性と精度を確保しながら、既存のシナリオから貴重な情報を抽出する。
本稿では,Microsoft の 10 億ユーザ製品移行に適用された Trinity について紹介する。
オフラインとオンラインの両方の実験では、新しいシナリオにおける新規ユーザの課題に対処する上で、我々のフレームワークが大幅に改善されていることが示されています。
関連論文リスト
- Breaking the Likelihood Trap: Consistent Generative Recommendation with Graph-structured Model [8.011282322871958]
推薦システムの最終段階として、リグレードはリアルタイムの推論、正確性、多様性を要求する。
本稿では,新しい生成的推薦フレームワークであるConsistent Graph-structured Generative Recommendation (Congrats)を提案する。
大規模なビデオ共有アプリKuaishouは、毎日3億人のアクティブユーザーを抱えている。
論文 参考訳（メタデータ） (2025-10-11T09:21:01Z) - Review of Feed-forward 3D Reconstruction: From DUSt3R to VGGT [10.984522161856955]
3D再構成は、拡張現実やバーチャルリアリティー、自動運転、ロボット工学など、多くの応用の基盤となる技術だ。
ディープラーニングは、3D再構築におけるパラダイムシフトを触媒している。
新しいモデルでは、統合されたディープネットワークを使用して、カメラのポーズと密集した幾何学を、1つの前方通過における非拘束画像から直接推測する。
論文 参考訳（メタデータ） (2025-07-11T09:41:54Z) - Next-User Retrieval: Enhancing Cold-Start Recommendations via Generative Next-User Modeling [3.847929624516339]
Lookalikeアルゴリズムは、ルックalikeユーザに基づいた新しいアイテムに対するフィードバックを拡張することで、有望なソリューションを提供する。
本稿では,次世代ユーザモデリングによるコールドスタート推薦を向上するための新しいフレームワークであるNext-User Retrievalを提案する。
本手法は,Douyinの日次アクティブユーザー数が0.0142%,+0.1144%増加し,大幅な改善を実現している。
論文 参考訳（メタデータ） (2025-06-18T08:42:01Z) - Enhancing Recommendation Explanations through User-Centric Refinement [7.640281193938638]
本稿では、既存の説明可能なレコメンデータモデルによって生成された最初の説明を洗練する新しいパラダイムを提案する。
具体的には,大規模言語モデルに基づくマルチエージェント協調改良フレームワークを提案する。
論文 参考訳（メタデータ） (2025-02-17T12:08:18Z) - Can foundation models actively gather information in interactive environments to test hypotheses? [43.42688356541211]
基礎モデルはシングルターン推論において優れているが、動的環境におけるマルチターン探索に苦慮している。
これらのモデルを,経験から学び,適応し,情報を収集する能力に基づいて評価した。
論文 参考訳（メタデータ） (2024-12-09T12:27:21Z) - Dual Test-time Training for Out-of-distribution Recommender System [91.15209066874694]
DT3ORと呼ばれるOODレコメンデーションのための新しいDual Test-Time-Trainingフレームワークを提案する。
DT3ORでは、テスト期間中にモデル適応機構を導入し、リコメンデーションモデルを慎重に更新する。
我々の知る限りでは、テストタイムトレーニング戦略を通じてOODレコメンデーションに対処する最初の研究である。
論文 参考訳（メタデータ） (2024-07-22T13:27:51Z) - Large Language Models for Next Point-of-Interest Recommendation [53.93503291553005]
位置情報ベースのソーシャルネットワーク(LBSN)データは、しばしば次のPoint of Interest(POI)レコメンデーションタスクに使用される。
しばしば無視される課題の1つは、LBSNデータに存在する豊富なコンテキスト情報を効果的に利用する方法である。
本稿では,この課題に対処するために,LLM(Large Language Models)を用いたフレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-19T13:28:36Z) - ConvFormer: Revisiting Transformer for Sequential User Modeling [23.650635274170828]
我々は、最先端の性能向上を目的としたトランスフォーマーのようなアーキテクチャを再検討する。
効率的なシーケンシャルなユーザモデルを考案するための重要な基準を3つ挙げる。
ConvFormerは、これらの基準を満たす、シンプルだが強力なTransformerアーキテクチャの変更である。
論文 参考訳（メタデータ） (2023-08-05T17:33:17Z) - Federated Privacy-preserving Collaborative Filtering for On-Device Next
App Prediction [52.16923290335873]
本稿では,モバイルデバイス使用時の次のアプリの起動を予測するための新しいSeqMFモデルを提案する。
古典行列分解モデルの構造を修正し、学習手順を逐次学習に更新する。
提案手法のもうひとつの要素は,ユーザからリモートサーバへの送信データの保護を保証する,新たなプライバシメカニズムである。
論文 参考訳（メタデータ） (2023-02-05T10:29:57Z) - Adaptive Siamese Tracking with a Compact Latent Network [219.38172719948048]
追跡タスクを分類に変換することで,シームズをベースとしたトラッカーを簡易化する直感的なビューを提供する。
そこで本研究では,視覚シミュレーションと実追跡例を用いて,詳細な解析を行う。
そこで我々は,古典的なSiamRPN++,SiamFC,SiamBANの3つのトラッカーを調整した。
論文 参考訳（メタデータ） (2023-02-02T08:06:02Z) - SimOn: A Simple Framework for Online Temporal Action Localization [51.27476730635852]
一般的なTransformerアーキテクチャを用いて,アクションインスタンスの予測を学習するSimOnというフレームワークを提案する。
THUMOS14とActivityNet1.3データセットの実験結果は、我々のモデルが従来の手法よりも著しく優れていることを示している。
論文 参考訳（メタデータ） (2022-11-08T04:50:54Z) - Stereo Neural Vernier Caliper [57.187088191829886]
学習に基づくステレオ3Dオブジェクト検出のための新しいオブジェクト中心フレームワークを提案する。
初期3次元立方体推定値から改良された更新を予測する方法の問題に対処する。
提案手法は,KITTIベンチマークの最先端性能を実現する。
論文 参考訳（メタデータ） (2022-03-21T14:36:07Z)
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。