論文の概要: From Explicit Elements to Implicit Intent: A Predefined Library for Auditable Behavioral Inference
- arxiv url: http://arxiv.org/abs/2606.11207v1
- Date: Thu, 23 Apr 2026 04:14:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-15 07:09:36.834611
- Title: From Explicit Elements to Implicit Intent: A Predefined Library for Auditable Behavioral Inference
- Title（参考訳）: 明示的要素から暗黙的インテントへ:聴取可能な行動推論のための事前定義されたライブラリ
- Authors: Liu hung ming,
- Abstract要約: SemantiCleanは、Eコマースセッションデータから構造化セマンティック信号を抽出するモジュラーフレームワークである。
共有エレメントライブラリを通じて、購入意図、顧客セグメンテーション、製品親和性を含むプラグイン可能な推論ターゲットを駆動する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present SemantiClean, a modular framework for extracting structured semantic signals from e-commerce session data and driving pluggable inference targets including purchase intent, customer segmentation, and product affinity through a shared element library. Unlike conventional end-to-end predictors that optimise solely for accuracy, SemantiClean prioritises auditability, structural governance, and sigma=0 reproducibility, explicitly trading marginal predictive gains for element-level transparency and defensible decision trails. Built upon the Online Shoppers Purchasing Intention (OSPI) dataset, the framework organises twenty-four behavioural elements into a four-layer architecture (Functional, Interaction, Systemic, Contextual) and enforces signal quality through three anti-inflation mechanisms: RedundancyGroup contribution caps, TieredPenaltyCalculator bias penalties, and AdaptiveConstraintMode cold-start protection.This report introduces the LLM-Integrated Semantic Inference Engine, a fully implemented two-phase LLM-driven inference architecture that leverages complete element metadata at inference time. All quantitative results reported herein are produced by this engine. Deterministic engine outputs remain fully reproducible (sigma=0); LLM-dependent results (E8, E10) are subject to controlled output variability under fixed provider/model/temperature settings. The gender inference target remains non-functional in the current implementation and is excluded from all quantitative results.
- Abstract（参考訳）: 本稿では,eコマースセッションデータから構造化セマンティック信号を抽出し,購入意図,顧客セグメンテーション,製品親和性などのプラグイン可能な推論ターゲットを,共有要素ライブラリを通じて駆動するモジュールフレームワークSemantiCleanを提案する。
正確性のみを最適化する従来のエンドツーエンド予測器とは異なり、SemantiCleanは監査性、構造的ガバナンス、シグマ=0再現性を優先し、要素レベルの透明性と防御可能な決定道の限界予測利得を明示的に取引する。
このフレームワークは、Online Shoppers Purchasing Intention (OSPI)データセットに基づいて、4層アーキテクチャ(Functional, Interaction, Systemic, Contextual)に24の振る舞い要素を編成し、3つのアンチインフレーションメカニズム(RedundancyGroupコントリビューションキャップ、TieredPenaltyCalculatorバイアスペナルティ、AdaptiveConstraintModeコールドスタート保護)を通じて信号品質を強制する。この記事では、LLM-Integrated Semantic Inference Engineを紹介します。
ここで報告されたすべての定量的結果は、このエンジンによって生成される。
決定論的エンジン出力は、完全に再現可能である(Sigma=0); LLMに依存した結果(E8, E10)は、固定されたプロバイダ/モデル/温度設定の下で制御された出力変動を受ける。
性別推定の対象は、現在の実装では機能しておらず、すべての定量的結果から除外されている。
関連論文リスト
- Beyond Instance-Level Alignment and Uniformity: Semantic Factor Learning for Collaborative Filtering [1.5984637249476494]
CF(Collaborative Filtering)は、シンプルで効率的なレコメンデータシステム(RecSys)で広く使われている。
既存のCFメソッドは、インスタンスレベルの学習パラダイムに従う。
本稿では,セマンティック・ファクタの強化と一様性(SaFeAU)を提案する。
SaFeAU はGCN と MF をベースとした最先端の CF 手法を、推奨精度と計算効率の両方で一貫して上回っている。
論文 参考訳（メタデータ） (2026-05-29T15:15:21Z) - CasualSynth: Generating Structurally Sound Synthetic Data [44.80087038178069]
大言語モデル(LLM)は、現実的な合成データを生成するが、その出力がターゲットドメインを管理する因果的メカニズムを尊重することを保証しない。
本稿では,意味的実現から因果構造の生成を分離するフレームワークCausal Synthを紹介し,因果的妥当性と言語学的にリッチな合成データを生成する。
論文 参考訳（メタデータ） (2026-05-17T16:21:01Z) - LLM-Driven Reasoning for Constraint-Aware Feature Selection in Industrial Systems [31.965000184715233]
本稿では,連続的,推論に基づく特徴選択を行うモデル駆動型フレームワークであるモデル特徴エージェント(MoFA)を提案する。
MoFAは機能定義、重要度スコア、相関、メタデータを構造化プロンプトに組み込んで、解釈可能な制約対応推論を通じて機能を選択する。
実世界の3つの産業アプリケーションでMoFAを評価する: 真の関心と時効予測, 価値モデル強化, 通知行動予測。
論文 参考訳（メタデータ） (2026-03-26T03:10:33Z) - FactorEngine: A Program-level Knowledge-Infused Factor Mining Framework for Quantitative Investment [22.43322983799291]
FactorEngine(FE)は、Turing完全コードとしてファクタをキャストする。
FEは、構造化されていない財務報告を実行可能なファクタープログラムに変換する。
FEは、予測安定性とポートフォリオへの影響が著しく強い要因を生み出します。
論文 参考訳（メタデータ） (2026-03-17T10:51:30Z) - MeGU: Machine-Guided Unlearning with Target Feature Disentanglement [73.49657372882082]
本稿では,概念意識の再調整を通じて学習をガイドする新しいフレームワークを提案する。
MeGUは制御的かつ選択的に忘れることを可能にし、アンダーアンラーニングとオーバーアンラーニングの両方を効果的に緩和する。
論文 参考訳（メタデータ） (2026-02-19T05:20:31Z) - Model Specific Task Similarity for Vision Language Model Selection via Layer Conductance [92.72779885657373]
本稿では,視覚エンコーダの内部関数力学におけるモデル選択の基盤となるフレームワークを提案する。
提案手法は,各タスクをレイヤワイドコンダクタンスにより表現し,エントロピー正規化アライメントによる目標条件付きブロック重要度分布を導出する。
そこで本研究では,DCD(Directional Conductance Divergence)という,ソースタスクが対象の機能ブロックをいかに効果的にカバーするかを定量化する非対称な指標を提案する。
論文 参考訳（メタデータ） (2026-02-01T17:29:43Z) - ssToken: Self-modulated and Semantic-aware Token Selection for LLM Fine-tuning [51.133569963553576]
ssTokenは自己変調されたセマンティックなToken Selectionアプローチである。
自己変調の選択とセマンティック・アウェアの選択の両方が、フルデータの微調整よりも優れていることを示す。
論文 参考訳（メタデータ） (2025-10-21T03:21:04Z) - Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
生成のための教師なし共形推論フレームワークを提案する。
我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。
その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
論文 参考訳（メタデータ） (2025-09-26T23:40:47Z) - ERIS: An Energy-Guided Feature Disentanglement Framework for Out-of-Distribution Time Series Classification [51.07970070817353]
理想的な時系列分類(TSC)は不変表現をキャプチャできるべきである。
現在の手法は、真に普遍的な特徴を分離するために必要な意味的な方向性を欠いている。
本稿では,シフト・ロバストネス・フレームワークのためのエンドツーエンドのエネルギー規則化情報を提案する。
論文 参考訳（メタデータ） (2025-08-19T12:13:41Z) - REAL: Reading Out Transformer Activations for Precise Localization in Language Model Steering [26.428347164111926]
推論時ステアリングは、パラメータを変更することなく、大きな言語モデルの応答を変更することを目的としている。
既存のアプローチはしばしば単純化的なキューやアドホックな一般化に依存している。
本稿では,Transformerモデルにおける振る舞い関連モジュールを識別するフレームワークであるREALを紹介する。
論文 参考訳（メタデータ） (2025-06-10T02:16:50Z) - Variable Importance Matching for Causal Inference [73.25504313552516]
これらの目標を達成するためのModel-to-Matchと呼ばれる一般的なフレームワークについて説明する。
Model-to-Matchは、距離メートル法を構築するために変数重要度測定を使用する。
LASSO を用いて Model-to-Match フレームワークを運用する。
論文 参考訳（メタデータ） (2023-02-23T00:43:03Z)
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。