論文の概要: LENS: A Staged Design for Interaction Granularityin Sequential CTR Prediction

• arxiv url: http://arxiv.org/abs/2605.25583v1
• Date: Mon, 25 May 2026 08:33:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:19.477321
• Title: LENS: A Staged Design for Interaction Granularityin Sequential CTR Prediction
• Title（参考訳）: LENS:連続CTR予測における粒度相互作用のための段階的設計
• Authors: Yuan Wang, Yue Liu, Jun Zhang, Jie Jiang,
• Abstract要約: 我々は、粗いボトルネックの中でターゲット固有の制御を復元するLENSを提案する。 LENSには、クエリアクティベーションのためのTarget-Conditioned Query Gate (TCQG)と、履歴検索のためのTarget-Conditioned Position Bias (TCPB)の2つのモジュールがある。 3つの代表的な待ち行列バックボーンと4つのデータセットの合計で、QueryPos+LENSの設計の組み合わせは、正のトータルゲインポイント推定を達成する。
• 参考スコア（独自算出の注目度）: 14.089803546378583
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In sequential CTR prediction, a central design question is at what granularity the target should interact with the user behaviour sequence. Existing models mainly follow two routes. Raw-item architectures such as DIN let the target score each item in the sequence directly. This relies on well-trained item embeddings and becomes brittle for sparse items. Latent-query architectures such as HyFormer, MixFormer, and OneTrans build query representations by combining the target with other information. This is more robust across item-density regimes but blunter: target-specific control is diluted. We propose LENS to restore target-specific control within these coarser bottlenecks. LENS has two modules: a Target-Conditioned Query Gate (TCQG) for query activation and a Target-Conditioned Position Bias (TCPB) for history retrieval. We further introduce Query-Specific Position Bias (QueryPos), a simple static position-aware reference for latent-query backbones. Across three representative latent-query backbones and four datasets, the combined QueryPos+LENS design achieves positive total-gain point estimates in all twelve evaluated backbone--dataset cells. We also identify a density-dependent conditioning rule: as item density decreases, the optimal condition source shifts from item-only to item-plus-sequence.
• Abstract（参考訳）: シーケンシャルCTR予測では、ターゲットがどの粒度をユーザ行動シーケンスと相互作用すべきかが中心的な設計上の問題である。 既存のモデルは主に2つのルートを踏襲する。 DINのようなRaw-itemアーキテクチャでは、ターゲットが各アイテムを直接シーケンスでスコア付けする。 これはよく訓練されたアイテムの埋め込みに依存しており、スパースアイテムには脆弱になる。 HyFormer、MixFormer、OneTransといった遅延クエリアーキテクチャは、ターゲットと他の情報を組み合わせることでクエリ表現を構築する。 これはアイテム密度のレギュレーションにおいてより堅牢であるが、鈍い:ターゲット固有の制御は希薄である。 我々は、これらの粗いボトルネックの中でターゲット固有の制御を復元するLENSを提案する。 LENSには、クエリアクティベーションのためのTarget-Conditioned Query Gate (TCQG)と、履歴検索のためのTarget-Conditioned Position Bias (TCPB)の2つのモジュールがある。 さらに、待ち行列バックボーンのための単純な静的位置認識参照であるQuery-Specific Position Bias (QueryPos)を紹介する。 3つの代表的な待ち行列と4つのデータセットにまたがって、QueryPos+LENSの設計は、評価された12のバックボーン-データセットの全てのセルで正の総利得点推定を達成している。 アイテム密度が減少するにつれて、最適条件源はアイテムのみからアイテムプラスシーケンスにシフトする。

関連論文リスト

• STCMOT: Spatio-Temporal Cohesion Learning for UAV-Based Multiple Object Tracking [13.269416985959404]
  無人航空機(UAV)ビデオにおける複数物体追跡(MOT)は、コンピュータビジョンにおける多様な用途において重要である。 時空間結合型多目的追跡フレームワーク(STCMOT)を提案する。 歴史的埋め込み機能を用いて,ReIDの表現と検出機能を逐次的にモデル化する。 我々のフレームワークはMOTAとIDF1メトリクスで新しい最先端のパフォーマンスを設定します。
  論文  参考訳（メタデータ） (2024-09-17T14:34:18Z)
• RQFormer: Rotated Query Transformer for End-to-End Oriented Object Detection [26.37802649901314]
  オブジェクト指向オブジェクト検出は、複数の向き、様々なスケール、密度分布を持つオブジェクトインスタンスの存在により、困難なタスクを呈する。 本稿では、2つの重要な技術を統合するRotated Query Transformerと呼ばれるエンドツーエンド指向型検出器を提案する。 4つのリモートセンシングデータセットと1つのシーンテキストデータセットを用いて実験を行い,本手法の有効性を実証した。
  論文  参考訳（メタデータ） (2023-11-29T13:43:17Z)
• 3DMODT: Attention-Guided Affinities for Joint Detection & Tracking in 3D Point Clouds [95.54285993019843]
  本稿では,3次元点雲における複数物体の同時検出と追跡手法を提案する。 本モデルでは,複数のフレームを用いた時間情報を利用してオブジェクトを検出し,一つのネットワーク上で追跡する。
  論文  参考訳（メタデータ） (2022-11-01T20:59:38Z)
• End-to-end Tracking with a Multi-query Transformer [96.13468602635082]
  マルチオブジェクトトラッキング(MOT)は、時間とともにシーン内のオブジェクトの位置、外観、アイデンティティを同時に推論する必要がある課題である。 本研究の目的は、トラッキング・バイ・ディテクト・アプローチを超えて、未知のオブジェクト・クラスに対してもよく機能するクラスに依存しないトラッキングへと移行することである。
  論文  参考訳（メタデータ） (2022-10-26T10:19:37Z)
• IoU-Enhanced Attention for End-to-End Task Specific Object Detection [17.617133414432836]
  R-CNNは画像に密着したアンカーボックスやグリッドポイントを使わずに有望な結果が得られる。 クエリとアテンション領域の間のスパースの性質と1対1の関係のため、自己注意に大きく依存する。 本稿では,自己注意における値ルーティングの先行として,異なるボックス間でIoUを使用することを提案する。
  論文  参考訳（メタデータ） (2022-09-21T14:36:18Z)
• Dynamic Focus-aware Positional Queries for Semantic Segmentation [94.6834904076914]
  本稿では,動的焦点認識型位置情報クエリと呼ばれるセマンティックセグメンテーションのための,シンプルで効果的なクエリ設計を提案する。 我々のフレームワークはSOTAの性能を達成し、ResNet-50、Swin-T、Swin-Bのバックボーンによる1.1%、1.9%、および1.1%の単一スケールmIoUでMask2formerより優れています。
  論文  参考訳（メタデータ） (2022-04-04T05:16:41Z)
• Target-Aware Object Discovery and Association for Unsupervised Video Multi-Object Segmentation [79.6596425920849]
  本稿では,教師なしビデオマルチオブジェクトセグメンテーションの課題について述べる。 より正確で効率的な時間区分のための新しいアプローチを紹介します。 DAVIS$_17$とYouTube-VISに対する提案手法を評価した結果,セグメント化精度と推論速度の両方において最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2021-04-10T14:39:44Z)
• Online Multiple Object Tracking with Cross-Task Synergy [120.70085565030628]
  位置予測と埋め込み結合の相乗効果を考慮した新しい統一モデルを提案する。 この2つのタスクは、時間認識対象の注意と注意の注意、およびアイデンティティ認識メモリ集約モデルによってリンクされる。
  論文  参考訳（メタデータ） (2021-04-01T10:19:40Z)
• Dynamic Refinement Network for Oriented and Densely Packed Object Detection [75.29088991850958]
  本稿では,機能選択モジュール (FSM) と動的改善ヘッド (DRH) の2つの新しいコンポーネントからなる動的精細化ネットワークを提案する。 我々のFSMは、ニューロンがターゲットオブジェクトの形状や向きに応じて受容野を調整できるのに対して、DRHはオブジェクト認識の方法で動的に予測を洗練させる。 我々は、DOTA、HRSC2016、SKU110K、および我々のSKU110K-Rデータセットを含むいくつかの公開ベンチマークで定量的評価を行う。
  論文  参考訳（メタデータ） (2020-05-20T11:35:50Z)

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。