論文の概要: Driving Engagement in Daily Fantasy Sports with a Scalable and Urgency-Aware Ranking Engine

• arxiv url: http://arxiv.org/abs/2604.13796v1
• Date: Wed, 15 Apr 2026 12:34:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-16 20:38:32.531267
• Title: Driving Engagement in Daily Fantasy Sports with a Scalable and Urgency-Aware Ranking Engine
• Title（参考訳）: スケーラブルで緊急対応のランキングエンジンを用いた毎日のファンタジースポーツにおけるエンゲージメント
• Authors: Unmesh Padalkar,
• Abstract要約: 毎日のファンタジースポーツ(DFS)では、試合参加は時間に敏感であり、試合が始まる前に狭い窓の中で行動しなければならないため、試合推薦は欠場や収入損失を防ぐための時間クリティカルな課題である。 そこで我々は,Deep Interest Network(DIN)アーキテクチャを用いたレコメンデーションエンジンの設計とデプロイを行った。 我々のシステムは、650k以上のユーザと100B以上のインタラクションを持つ大規模産業データセット上で検証され、手作り機能を備えた高度に最適化されたLightGBMベースラインに対して、nDCG@1で+9%のリフトを実現しています。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In daily fantasy sports (DFS), match participation is highly time-sensitive. Users must act within a narrow window before a game begins, making match recommendation a time-critical task to prevent missed engagement and revenue loss. Existing recommender systems, typically designed for static item catalogs, are ill-equipped to handle the hard temporal deadlines inherent in these live events. To address this, we designed and deployed a recommendation engine using the Deep Interest Network (DIN) architecture. We adapt the DIN architecture by injecting temporality at two levels: first, through real-time urgency features for each candidate match (e.g., time-to-round-lock), and second, via temporal positional encodings that represent the time-gap between each historical interaction and the current recommendation request, allowing the model to dynamically weigh the recency of past actions. This approach, combined with a listwise neuralNDCG loss function, produces highly relevant and urgency-aware rankings. To support this at industrial scale, we developed a multi-node, multi-GPU training architecture on Ray and PyTorch. Our system, validated on a massive industrial dataset with over 650k users and over 100B interactions, achieves a +9% lift in nDCG@1 over a heavily optimized LightGBM baseline with handcrafted features. The strong offline performance of this model establishes its viability as a core component for our planned on-device (edge) recommendation system, where on-line A/B testing will be conducted.
• Abstract（参考訳）: 毎日のファンタジースポーツ(DFS)では、試合参加は時間に敏感である。 ユーザーはゲームが始まる前に狭い窓の中で行動しなければなりません。 既存のレコメンデータシステムは、通常静的アイテムカタログ用に設計されており、これらのライブイベントに固有のハードタイムの期限を扱うには不適当である。 そこで我々は,Deep Interest Network(DIN)アーキテクチャを用いたレコメンデーションエンジンの設計とデプロイを行った。 まず、各候補マッチング(例えば、タイム・トゥ・ラウンド・ロック)に対するリアルタイムの緊急的特徴を通して、そして第2に、各過去のインタラクションと現在のレコメンデーション要求の間の時間ギャップを表す時間的位置エンコーディングを通して、モデルが過去のアクションの正確さを動的に評価できるようにする。 このアプローチは、リストワイズニューラルNDCG損失関数と組み合わせて、非常に関連性が高く緊急対応のランキングを生成する。 産業規模でこれをサポートするため,Ray と PyTorch を用いたマルチノードマルチGPUトレーニングアーキテクチャを開発した。 我々のシステムは、650k以上のユーザと100B以上のインタラクションを持つ大規模産業データセット上で検証され、手作り機能を備えた高度に最適化されたLightGBMベースラインに対して、nDCG@1で+9%のリフトを実現しています。 このモデルの強力なオフライン性能は、オンデバイス(エッジ)レコメンデーションシステムのコアコンポーネントとして、その生存可能性を確立します。

関連論文リスト

• Climber-Pilot: A Non-Myopic Generative Recommendation Model Towards Better Instruction-Following [19.550149895505683]
  Climber-Pilotは統合された生成検索フレームワークである。 TAMIP(Time-Aware Multi-Item Prediction)は、遺伝的検索において固有の近視を緩和する新しいトレーニングパラダイムである。 また,ビジネス制約をスパース・アテンションを介して生成プロセスに直接組み込むコンディションガイド付きスパース・アテンション(CGSA)を提案する。
  論文  参考訳（メタデータ） (2026-02-14T03:46:06Z)
• What You Have is What You Track: Adaptive and Robust Multimodal Tracking [72.92244578461869]
  本研究では,時間的に不完全なマルチモーダルデータを用いたトラッカー性能に関する総合的研究を行った。 我々のモデルは9つのベンチマークでSOTA性能を達成し、従来の完全性と欠落したモダリティ設定の両方で優れている。
  論文  参考訳（メタデータ） (2025-07-08T11:40:21Z)
• LONGER: Scaling Up Long Sequence Modeling in Industrial Recommenders [23.70714095931094]
  GPU効率の良いリコメンダのための長時間最適化されたtraNsformer。 オフラインのメトリクスとオンラインのA/Bテストでは、一貫して強力なベースラインを上回ります。
  論文  参考訳（メタデータ） (2025-05-07T13:54:26Z)
• FusionLLM: A Decentralized LLM Training System on Geo-distributed GPUs with Adaptive Compression [55.992528247880685]
  分散トレーニングは、システム設計と効率に関する重要な課題に直面します。 大規模深層ニューラルネットワーク(DNN)のトレーニング用に設計・実装された分散トレーニングシステムFusionLLMを提案する。 本システムと手法は,収束性を確保しつつ,ベースライン法と比較して1.45～9.39倍の高速化を実現可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-16T16:13:19Z)
• Sparse-DySta: Sparsity-Aware Dynamic and Static Scheduling for Sparse Multi-DNN Workloads [65.47816359465155]
  複数のディープニューラルネットワーク(DNN)を並列に実行することは、両エッジデバイスで新たなワークロードとなっている。 スパースマルチDNNスケジューリングに静的なスケジューラパターンと動的スケジューラ情報の両方を利用する新しいスケジューラDystaを提案する。 提案手法は, 遅延制約違反率を最大10%削減し, 平均正規化ターンアラウンド時間で約4倍に向上する。
  論文  参考訳（メタデータ） (2023-10-17T09:25:17Z)
• Symphony: Optimized DNN Model Serving using Deferred Batch Scheduling [8.953658739636868]
  Symphonyは、遅延バッチスケジューリングを探索し、システムの効率とスループットを最適化するモデルサービスシステムである。 スケジュール可能なウィンドウでリクエストをディスパッチおよび実行するために、アクセラレータ間でスケーラブルで低レイテンシできめ細かい調整スキームを実装している。 Symphonyは毎秒数百万のリクエストをスケジュールし、数千のGPUを調整すると同時に、堅牢な自動スケーリングを可能にします。
  論文  参考訳（メタデータ） (2023-08-14T21:46:37Z)
• TAPIR: Tracking Any Point with per-frame Initialization and temporal Refinement [64.11385310305612]
  本稿では,ビデオシーケンスを通して任意の物理面上の問合せ点を効果的に追跡する,TAP(Tracking Any Point)の新しいモデルを提案する。 提案手法では,(1)他のフレームの問合せ点に対する適切な候補点マッチングを独立に特定するマッチング段階と,(2)局所的相関に基づいてトラジェクトリと問合せの両方を更新する改良段階の2段階を用いる。 結果として得られたモデルは、DAVISにおける平均約20%の絶対平均ジャカード(AJ)改善によって示されるように、TAP-Vidベンチマークにおける大きなマージンで、すべてのベースライン手法を上回ります。
  論文  参考訳（メタデータ） (2023-06-14T17:07:51Z)
• Efficient Person Search: An Anchor-Free Approach [86.45858994806471]
  パーソンサーチは、クエリーの人物を、リアルで切り刻まれていない画像から、同時にローカライズし、識別することを目的としている。 この目標を達成するために、最先端モデルは通常、Faster R-CNNのような2段階検出器にre-idブランチを追加する。 本研究では,この課題に対処するためのアンカーフリーな手法を提案する。
  論文  参考訳（メタデータ） (2021-09-01T07:01:33Z)
• MFGNet: Dynamic Modality-Aware Filter Generation for RGB-T Tracking [72.65494220685525]
  可視データと熱データ間のメッセージ通信を促進するために,新しい動的モダリティ対応フィルタ生成モジュール(MFGNet)を提案する。 我々は、2つの独立ネットワークを持つ動的モダリティ対応フィルタを生成し、その可視フィルタとサーマルフィルタをそれぞれ、対応する入力特徴写像上で動的畳み込み演算を行う。 重閉塞,高速移動,外見による問題に対処するため,新たな方向認識型目標誘導型アテンション機構を活用することで,共同で局所的・グローバル検索を行うことを提案する。
  論文  参考訳（メタデータ） (2021-07-22T03:10:51Z)
• A Hybrid Neuromorphic Object Tracking and Classification Framework for Real-time Systems [5.959466944163293]
  本稿では,イベントベースカメラを用いた物体追跡と分類のためのリアルタイムハイブリッドニューロモルフィックフレームワークを提案する。 イベント・バイ・イベント処理の従来のアプローチとは異なり、この作業では混合フレームとイベント・アプローチを使用して高性能な省エネを実現している。
  論文  参考訳（メタデータ） (2020-07-21T07:11:27Z)

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。