論文の概要: ChronoID: Infusing Explicit Temporal Signals into Semantic IDs for Generative Recommendation

• arxiv url: http://arxiv.org/abs/2606.14260v1
• Date: Fri, 12 Jun 2026 08:45:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.838673
• Title: ChronoID: Infusing Explicit Temporal Signals into Semantic IDs for Generative Recommendation
• Title（参考訳）: ChronoID:生成レコメンデーションのための明示的な時間信号のセマンティックIDへの注入
• Authors: Dongdong Nian, Dongqi Fu, Chenliang Xu, Yinglong Xia, Hong Li, Hong Yan, Jian Kang,
• Abstract要約: 生成的推薦のためのセマンティックIDに明示的な時間をどのように組み込むべきかについて検討する。 時間認識型セマンティックID学習のための統合フレームワークChronoIDを提案する。 ChronoIDは、新しい時間要求生成レコメンデーションベンチマークの提供によって、効率的な時間の方法、アーキテクチャの設計方法、そこから得られるメリット、という疑問に答える。
• 参考スコア（独自算出の注目度）: 44.412346636470325
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Semantic IDs are crucial in generative recommendation, but with a fundamental limitation: temporal information is not well incorporated into semantic IDs. Instead, time influences recommendation only implicitly (e.g., through session construction heuristics, preference alignment, or sequence order), while existing semantic ID learning remains entirely time-agnostic. This design conflates interactions occurring under distinct temporal contexts into identical semantic representations, implicitly assuming that item semantics and user intent are temporally stationary. Such an assumption is misaligned with real-world recommendation scenarios, where evolving interaction rhythms play a central role. In this work, we investigate where and how the explicit time should be incorporated into semantic ID for generative recommendation. First, we systematically characterize the design space along three orthogonal dimensions of temporal signals and present a unified framework, ChronoID, for time-aware semantic ID learning. Then, by contributing a new time-explicit generation recommendation benchmark, ChronoID answers the questions: what is the effective way of infusing time, how to design the architecture, and where does the gain come from.
• Abstract（参考訳）: セマンティックIDは、生成的レコメンデーションにおいて重要であるが、基本的な制限がある: 時間情報はセマンティックIDに十分に組み込まれていない。 代わりに、時間は暗黙的にしか影響しない(例えば、セッション構築ヒューリスティックス、優先順位調整、シーケンス順序など)が、既存のセマンティックID学習は完全に時間に依存しないままである。 この設計は、異なる時間的文脈下で発生する相互作用を同一の意味表現に融合させ、アイテムの意味論とユーザ意図が時間的に静止していることを暗黙的に仮定する。 このような仮定は、進化する相互作用のリズムが中心的な役割を果たす現実世界のレコメンデーションシナリオと誤解される。 本研究では,生成的推薦のための意味的IDに明示的な時間をどのように組み込むべきかについて検討する。 まず,3つの時間信号の直交次元に沿って設計空間を体系的に特徴付け,時間認識型セマンティックID学習のための統合フレームワークChronoIDを提案する。 次に、新しい時間要求生成レコメンデーションベンチマークの提供によって、ChronoIDは、時間を注入する効果的な方法は何なのか、アーキテクチャを設計する方法、どこから得られる利益なのか、という疑問に答えます。

関連論文リスト

• RAGR: Review-Augmented Generative Recommendation [61.29879991713178]
  Review-Augmented Generative Recommendation (RAGR)は、レビューフィードバックを直接生成ユーザシーケンスに組み込む新しいGRフレームワークである。 RAGRは、すべてのメトリクスにわたる強力なGRバックボーンよりも一貫性があり、大きな利益をもたらす。
  論文  参考訳（メタデータ） (2026-05-17T05:21:23Z)
• Variable-Length Semantic IDs for Recommender Systems [0.0]
  推薦システムにおける鍵となる課題は、アイテム空間の極端に大きな濃度である。 既存のアプローチは固定長のセマンティック識別子を生成し、すべての項目に同じ記述長を割り当てる。 これは非効率であり、自然言語と不一致であり、現実世界のカタログの高度に歪んだ周波数構造を無視している。 本稿では,適応長の項目表現を原理的確率的枠組みで学習する離散変分オートエンコーダを提案する。
  論文  参考訳（メタデータ） (2026-02-18T11:29:05Z)
• Unleashing the Native Recommendation Potential: LLM-Based Generative Recommendation via Structured Term Identifiers [51.64398574262054]
  本稿では,意味的にリッチで標準化されたテキストキーワードの集合として定義された用語ID(TID)を導入し,堅牢な項目識別子として機能する。 本稿では,TIDを中心にした新しいフレームワークGRLMを提案し,項目のメタデータを標準化されたTIDに変換し,統合的インストラクションファインタニングを活用して,用語の内部化とシーケンシャルレコメンデーションを協調的に最適化する。
  論文  参考訳（メタデータ） (2026-01-11T07:53:20Z)
• The Best of the Two Worlds: Harmonizing Semantic and Hash IDs for Sequential Recommendation [51.62815306481903]
  我々は,SIDとHIDを調和させる新しいフレームワークであるtextbfnameを提案する。具体的には,HIDのユニークなコラボレーティブアイデンティティを保ちながら,SID内のマルチグラニュラーセマンティクスの両方をキャプチャ可能な,デュアルブランチモデリングアーキテクチャを考案する。 実世界の3つのデータセットの実験では、名前は、既存のベースラインを越えながら、頭と尾の両方の推奨品質のバランスをとる。
  論文  参考訳（メタデータ） (2025-12-11T07:50:53Z)
• Sequential Recommendation on Temporal Proximities with Contrastive Learning and Self-Attention [3.7182810519704095]
  逐次リコメンデータシステムは、過去のインタラクションからユーザの好みを識別し、後続の項目を最適に予測する。 最近のモデルでは、類似の時間枠中に暗黙的に発生するユーザの行動の類似性を無視することが多い。 本稿では,時間的近接性を考慮したコントラスト学習と自己認識手法を含む,TemProxRecという逐次レコメンデーションモデルを提案する。
  論文  参考訳（メタデータ） (2024-02-15T08:33:16Z)
• Language Models As Semantic Indexers [78.83425357657026]
  本稿では,ジェネレーティブ言語モデルを用いてセマンティックIDを学習するための自己教師型フレームワークLMIndexerを紹介する。 学習したIDの質を検証し,推奨,製品検索,文書検索の3つの課題において有効性を示す。
  論文  参考訳（メタデータ） (2023-10-11T18:56:15Z)
• Learning Sequence Descriptor based on Spatio-Temporal Attention for Visual Place Recognition [16.380948630155476]
  ビジュアルプレース認識(VPR)は、クエリフレームと同じ場所に位置するタグ付きデータベースからフレームを取得することを目的としている。 ジオリーエイリアスシナリオにおけるVPRのロバスト性を改善するために,シーケンスベースのVPR手法を提案する。 我々はスライディングウィンドウを用いて時間的注意範囲を制御し、相対的な位置エンコーディングを用いて異なる特徴間の逐次的関係を構築する。
  論文  参考訳（メタデータ） (2023-05-19T06:39:10Z)

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。