論文の概要: Deep Situation-Aware Interaction Network for Click-Through Rate Prediction

• arxiv url: http://arxiv.org/abs/2604.12298v1
• Date: Tue, 14 Apr 2026 05:14:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.254548
• Title: Deep Situation-Aware Interaction Network for Click-Through Rate Prediction
• Title（参考訳）: クリックスルーレート予測のためのディープ・シチュエーション・アウェア・インタラクション・ネットワーク
• Authors: Yimin Lv, Shuli Wang, Beihong Jin, Yisong Yu, Yapeng Zhang, Jian Dong, Yongkang Wang, Xingxing Wang, Dong Wang,
• Abstract要約: ユーザ行動シーケンスモデリングは,eコマースプラットフォーム上でのクリックスルーレート(CTR)予測において重要な役割を果たす。 本稿では,対話行動の識別のための状況と状況の特徴の概念を提案し,その上でDeep situation-Aware Interaction Network (DSAIN) というCTRモデルを設計する。 DSAINはMeituanのフードデリバリープラットフォームにデプロイされ、Meituanのテイクアウトアプリの主なトラフィックを提供している。
• 参考スコア（独自算出の注目度）: 16.73815639009699
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: User behavior sequence modeling plays a significant role in Click-Through Rate (CTR) prediction on e-commerce platforms. Except for the interacted items, user behaviors contain rich interaction information, such as the behavior type, time, location, etc. However, so far, the information related to user behaviors has not yet been fully exploited. In the paper, we propose the concept of a situation and situational features for distinguishing interaction behaviors and then design a CTR model named Deep Situation-Aware Interaction Network (DSAIN). DSAIN first adopts the reparameterization trick to reduce noise in the original user behavior sequences. Then it learns the embeddings of situational features by feature embedding parameterization and tri-directional correlation fusion. Finally, it obtains the embedding of behavior sequence via heterogeneous situation aggregation. We conduct extensive offline experiments on three real-world datasets. Experimental results demonstrate the superiority of the proposed DSAIN model. More importantly, DSAIN has increased the CTR by 2.70\%, the CPM by 2.62\%, and the GMV by 2.16\% in the online A/B test. Now, DSAIN has been deployed on the Meituan food delivery platform and serves the main traffic of the Meituan takeout app.
• Abstract（参考訳）: ユーザ行動シーケンスモデリングは,eコマースプラットフォーム上でのクリックスルーレート(CTR)予測において重要な役割を果たす。 インタラクションされたアイテムを除いて、ユーザの行動には、振る舞いタイプ、時間、場所など、豊富なインタラクション情報が含まれている。 しかし,ユーザ行動に関する情報はまだ十分に活用されていない。 本稿では,対話行動の識別のための状況特徴と状況特徴の概念を提案し,その上でDeep situation-Aware Interaction Network (DSAIN) と呼ばれるCTRモデルを設計する。 DSAINはまず、元のユーザ動作シーケンスのノイズを低減するために、再パラメータ化のトリックを採用する。 そして、特徴埋め込みパラメータ化と三方向相関融合により状況特徴の埋め込みを学習する。 最後に、不均一な状況アグリゲーションによる行動系列の埋め込みを得る。 3つの実世界のデータセットに対して大規模なオフライン実験を行う。 実験により提案したDSAINモデルの優位性を示した。 さらに重要なことに、DSAIN は CTR を 2.70 %、CPM を 2.62 %、GMV を 2.16 % 増加させた。 現在、DSAINはMeituanフードデリバリープラットフォームにデプロイされており、Meituanテイクアウトアプリの主なトラフィックを提供している。

関連論文リスト

• Bridging Sequential and Contextual Features with a Dual-View of Fine-grained Core-Behaviors and Global Interest-Distribution [19.644227875720343]
  逐次的特徴相互作用と文脈的特徴相互作用のギャップを埋めるために,コアビヘイビアと分布補償デュアルビューインタラクションネットワーク(CDNet)を提案する。 CDNetは、全体的なユーザ関心を保たずに重要な行動の詳細を同時にキャプチャすることで、シーケンシャルな特徴とコンテキスト的な特徴の相互作用を効果的にモデル化する。
  論文  参考訳（メタデータ） (2026-03-13T02:24:45Z)
• Leveraging Scene Context with Dual Networks for Sequential User Behavior Modeling [58.72480539725212]
  本稿では,シーンとアイテム間の動的興味や相互作用を捉えるために,新しいDSPネットワークを提案する。 DSPnetは、アイテムやシーンに対するユーザの動的関心を学習するための2つの並列ネットワークと、将来の振る舞いを予測するためのインタープレイをキャプチャするシーケンス機能拡張モジュールで構成されている。
  論文  参考訳（メタデータ） (2025-09-30T12:26:57Z)
• Multi-granularity Interest Retrieval and Refinement Network for Long-Term User Behavior Modeling in CTR Prediction [68.90783662117936]
  クリックスルーレート(CTR)の予測は、オンラインパーソナライズプラットフォームにとって不可欠である。 近年の進歩は、リッチなユーザの振る舞いをモデル化することで、CTR予測の性能を大幅に改善できることを示している。 マルチグラニュラリティ興味検索ネットワーク(MIRRN)を提案する。
  論文  参考訳（メタデータ） (2024-11-22T15:29:05Z)
• Personalized Behavior-Aware Transformer for Multi-Behavior Sequential Recommendation [25.400756652696895]
  マルチビヘイビアシーケンスレコメンデーション(MBSR)問題に対するパーソナライズされた行動認識変換フレームワーク(PBAT)を提案する。 PBATは表現層にパーソナライズされた振舞いパターン生成器を開発し,逐次学習のための動的・識別的な振舞いパターンを抽出する。 3つのベンチマークデータセットで実験を行い、その結果、フレームワークの有効性と解釈性を示した。
  論文  参考訳（メタデータ） (2024-02-22T12:03:21Z)
• A Deep Behavior Path Matching Network for Click-Through Rate Prediction [9.800832176496002]
  本稿では,ユーザの現在の行動経路と過去の行動経路とを一致させて,ユーザの行動を予測することを提案する。 我々は,行動経路マッチングのためのディープニューラルネットワークを設計し,行動経路の空間性,ノイズ干渉,行動経路の正確なマッチングという3つの問題を解決する。 本モデルでは,2つの実世界のデータセットにおいて,最先端のCTRモデルよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2023-02-01T08:08:21Z)
• Recommender Transformers with Behavior Pathways [50.842316273120744]
  Recommender Transformer (RETR) を新しいパスウェイアテンション機構で構築する。 実世界の7つのデータセットにおけるRETRの有効性を実証的に検証する。
  論文  参考訳（メタデータ） (2022-06-13T08:58:37Z)
• Masked Transformer for Neighhourhood-aware Click-Through Rate Prediction [74.52904110197004]
  本稿では,近隣相互作用に基づくCTR予測を提案し,そのタスクを異種情報ネットワーク(HIN)設定に組み込む。 周辺地域の表現を高めるために,ノード間のトポロジカルな相互作用を4種類検討する。 本研究では,2つの実世界のデータセットに関する総合的な実験を行い,提案手法が最先端のCTRモデルを大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2022-01-25T12:44:23Z)
• Dynamic Parameterized Network for CTR Prediction [6.749659219776502]
  我々は、明示的かつ暗黙的な相互作用をインスタンスワイズで学習するために、新しいプラグイン操作であるDynamic ized Operation (DPO)を提案した。 DNNモジュールとアテンションモジュールへのDPOの導入は,クリックスルー率(CTR)予測においてそれぞれ2つの主要なタスクに有効であることを示した。 我々のDynamic ized Networksは、パブリックデータセットと実世界のプロダクションデータセットのオフライン実験において、最先端の手法を著しく上回る。
  論文  参考訳（メタデータ） (2021-11-09T08:15:03Z)

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。