論文の概要: UniRec: Bridging the Expressive Gap between Generative and Discriminative Recommendation via Chain-of-Attribute

• arxiv url: http://arxiv.org/abs/2604.12234v2
• Date: Tue, 21 Apr 2026 14:02:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-22 14:04:47.607471
• Title: UniRec: Bridging the Expressive Gap between Generative and Discriminative Recommendation via Chain-of-Attribute
• Title（参考訳）: UniRec: Chain-of-Attributeによる生成的・差別的勧告間の表現的ギャップのブリッジ
• Authors: Ziliang Wang, Gaoyun Lin, Xuesi Wang, Shaoqiang Liang, Yili Huang, Weijie Bian, Li Zhang, Mingchen Cai, Jian Dong, Guanxing Zhang,
• Abstract要約: Generative Recommendation (GR) reframes search and ranking as autoregressive decoding over Semantic IDs (SIDs) We propose UniRec with Chain-of-Attribute (CoA) as its core mechanism。 実験の結果、UniRecはHR@50全体の+22.6%、高価値オーダーでは+15.5%で最強のベースラインを上回った。
• 参考スコア（独自算出の注目度）: 12.89120699793625
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative Recommendation (GR) reframes retrieval and ranking as autoregressive decoding over Semantic IDs (SIDs), unifying the multi-stage pipeline into a single model. Yet a fundamental expressive gap persists: discriminative models score items with direct feature access enabling explicit user-item crossing, whereas GR decodes over compact SID tokens without item-side signal. We formalize this via Bayes' theorem: ranking by p(y|f,u) is equivalent to ranking by p(f|y,u), which factorizes autoregressively over item features, showing that a generative model with full feature access matches its discriminative counterpart, with any practical gap stemming solely from incomplete feature coverage.We propose UniRec with Chain-of-Attribute (CoA) as its core mechanism. CoA prefixes each SID sequence with structured attribute tokens:category, seller, brand, before decoding the SID, recovering the item-side feature crossing that discriminative models exploit. Since items sharing identical attributes cluster in adjacent SID regions, attribute conditioning yields a measurable per-step entropy reduction H(s_k|s<k,a) < H(s_k|s<k), narrowing the search space and stabilizing beam search. We further address two deployment challenges: Capacity-constrained SID introduces exposure-weighted capacity penalties into residual quantization to suppress token collapse and the Matthew effect; Conditional Decoding Context (CDC) combines Task-Conditioned BOS with hash-based Content Summaries to inject scenario signals at each decoding step. A joint RFT and DPO framework aligns the model with business objectives beyond distribution matching.Experiments show UniRec outperforms the strongest baseline by +22.6% HR@50 overall and +15.5% on high-value orders. Deployed on Shopee's e-commerce platform, online A/B tests confirm significant gains in PVCTR (+5.37%), orders (+4.76%), and GMV (+5.60%).
• Abstract（参考訳）: Generative Recommendation (GR)は、セマンティックID(SID)上での自動回帰デコードとして検索とランキングを再構築し、マルチステージパイプラインを単一のモデルに統合する。 差別的モデルは、直接的特徴アクセスでアイテムをスコアし、明示的なユーザイテム交差を可能にし、GRはアイテム側信号なしでコンパクトなSIDトークンをデコードする。 p(y|f,u) によるランク付けは p(f|y,u) によるランク付けと同値であり、これはアイテムの特徴に対して自己回帰的に分解するものであり、完全な特徴アクセスを持つ生成モデルは、不完全特徴カバレッジからのみ生じる任意の実用的ギャップと、その識別的モデルと一致することを示す。 CoAは、SIDをデコードする前に、構造化された属性トークン:カテゴリ、売り手、ブランドを含む各SIDシーケンスをプレフィックスし、識別モデルが悪用するアイテム側の特徴交差を回復する。 隣接SID領域で同一属性クラスタを共有するため、属性条件付けは、ステップごとのエントロピー低減H(s_k|s<k,a) < H(s_k|s<k) を測定可能とし、探索空間を狭め、ビーム探索を安定化させる。 容量制約付きSIDは、トークンの崩壊を抑制するために残量量子化に露出重み付き容量のペナルティを導入し、また、条件付きデコードコンテキスト(CDC)はタスク定義型BOSとハッシュベースのコンテンツサマリを組み合わせて、各デコードステップでシナリオ信号を注入する。 RFTとDPOの合同フレームワークは、モデルを分散マッチング以上のビジネス目標と整合させる。実験では、UniRecが最高基準を+22.6% HR@50、+15.5%で上回っている。 Shopeeのeコマースプラットフォーム上に展開されたオンラインA/Bテストは、PVCTR(+5.37%)、注文(+4.76%)、GMV(+5.60%)の大幅な増加を確認している。

関連論文リスト

• IntRR: A Framework for Integrating SID Redistribution and Length Reduction [14.327886721362647]
  目的整合SID再分配と構造長削減を統合した新しいフレームワークであるIntRRを提案する。 IntRRは、代表的な生成ベースラインよりも大幅に改善され、推奨精度と効率の両方で優れた性能を達成する。
  論文  参考訳（メタデータ） (2026-02-24T09:09:40Z)
• End-to-End Semantic ID Generation for Generative Advertisement Recommendation [33.453121305193434]
  生成広告推薦のための統一SID生成フレームワークを提案する。 具体的には、生の広告データからエンドツーエンドで埋め込みとSIDを協調的に最適化する。 実験により、UniSIDは最先端のSID生成方法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2026-02-11T02:38:26Z)
• From Feature Interaction to Feature Generation: A Generative Paradigm of CTR Prediction Models [81.43473418572567]
  CTR(Click-Through Rate)予測は、レコメンデーションシステムにおける中核的なタスクである。 本稿では,埋め込み次元の崩壊と情報冗長性に対処する新しい生成フレームワークを提案する。 SFGは埋没崩壊を緩和し,情報冗長性を低減し,性能向上を図っている。
  論文  参考訳（メタデータ） (2025-12-16T03:17:18Z)
• Practical RAG Evaluation: A Rarity-Aware Set-Based Metric and Cost-Latency-Quality Trade-offs [0.0]
  本稿では,生産型RAGにおける推算ゲームについて述べる。 黄金のセットを構築し、監査するための標準化された再現可能な方法はありません。 Rath-gs (MIT) はプラケット=ルーシがリストワイドに改良したリーン・ゴールデンセットのパイプラインである。
  論文  参考訳（メタデータ） (2025-11-12T18:49:21Z)
• DiffGRM: Diffusion-based Generative Recommendation Model [63.35379395455103]
  ジェネレーティブレコメンデーション(GR)は、トークン化器を介して各項目をn桁のセマンティックID(SID)として表現する新興パラダイムである。 自己回帰デコーダをマスク付き離散拡散モデル(MDM)に置き換える拡散ベースGRモデルDiffGRMを提案する。 実験では、複数のデータセットに対する強力な生成的および差別的推奨ベースラインよりも一貫した利得を示す。
  論文  参考訳（メタデータ） (2025-10-21T03:23:32Z)
• Exploiting Discriminative Codebook Prior for Autoregressive Image Generation [54.14166700058777]
  トークンベースの自己回帰画像生成システムは、まずトークンインデックスのシーケンスをコードブックでトークン化し、次にこれらのシーケンスを自己回帰パラダイムでモデル化する。 自己回帰生成モデルはインデックス値のみに基づいて訓練されるが、豊富なトークン類似性情報を含むコードブックにエンコードされた前者は利用されない。 近年の研究では、トークン上に単純なk平均クラスタリングを行い、コードブックを減らした生成モデルのトレーニングを容易にすることで、これを先に組み込もうとしている。 k-meansの代替として、差別的コードブック先駆者(DCPE)を提案する。
  論文  参考訳（メタデータ） (2025-08-14T15:00:00Z)
• Order-agnostic Identifier for Large Language Model-based Generative Recommendation [94.37662915542603]
  アイテムは、ユーザ履歴をエンコードし、次のアイテムを生成するために、LLM(Large Language Models)の識別子に割り当てられる。 既存のアプローチでは、トークンシーケンス識別子を使用して、アイテムを個別のトークンシーケンスとして表現するか、IDまたはセマンティック埋め込みを使用して単一トークン識別子を使用する。 本稿では,セマンティック・トークンライザを利用するSETRecを提案する。
  論文  参考訳（メタデータ） (2025-02-15T15:25:38Z)
• Neighbour Consistency Guided Pseudo-Label Refinement for Unsupervised Person Re-Identification [80.98291772215154]
  教師なしの人物再識別(ReID)は、アノテーションを使わずに人物検索のための識別的アイデンティティの特徴を学習することを目的としている。 近年の進歩はクラスタリングに基づく擬似ラベルを活用することで実現されている。 本稿では, Pseudo Label Refinement フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-30T09:39:57Z)

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。