論文の概要: From Clicks to Intent: Cross-Platform Session Embeddings with LLM-Distilled Taxonomy for Financial Services Recommendations
- arxiv url: http://arxiv.org/abs/2606.26277v1
- Date: Wed, 24 Jun 2026 18:18:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.05198
- Title: From Clicks to Intent: Cross-Platform Session Embeddings with LLM-Distilled Taxonomy for Financial Services Recommendations
- Title（参考訳）: クリックからインテントへ:金融サービスレコメンデーションのためのLCMを用いたクロスプラットフォームセッション埋め込み
- Abstract要約: 本稿では,Web ベースインタラクションのためのスケーラブルで多目的な意図予測フレームワークを提案する。
我々の手法は、生のウェブクリックストリームを2つの出力に変換する: 自己教師型トランスフォーマーは、マルチモーダルなクリックストリームをコンパクトなセッション埋め込みに変換する。
本システムでは,LLM蒸留と組み合わせた自己教師型クリックストリーム表現が,生産における定量的タスクと質的理解の両立を図っている。
- 参考スコア（独自算出の注目度）: 35.562512604326
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sequential user behavior modeling is widely adopted in industrial recommender systems; however, significant gaps remain in financial services, where pre-login web interactions and authenticated in-app experiences differ drastically. Specifically, pre-login web users typically explore new products, whereas logged-in app users focus on account servicing. Due to the challenge of cross-channel entity resolution (e.g., matching anonymous web sessions to authenticated mobile accounts), web-based intent signals remain underutilized for post-authentication personalization. Existing methods for capturing web-based intent are often ad-hoc and narrow, lacking the flexibility to support both quantitative downstream recommendations and qualitative understanding at scale. In this work, we propose a scalable and dual-purpose intent prediction framework for web-based interactions and demonstrate its applicability for personalization. Our approach transforms raw web clickstreams into two outputs: a self-supervised Transformer encodes multi-modal clickstreams into a compact session embedding, while an LLM-based taxonomy generation and distillation pipeline produces interpretable intent labels. Our system demonstrates that self-supervised clickstream representations combined with LLM-distilled taxonomies can jointly serve quantitative tasks and qualitative understanding in production: on the mobile homepage tile ranking task, the session embedding improves macro Recall@1 by 1.88% and reduces Log Loss by 13.38% over production baselines. On the user conversion prediction task, the embedding outperforms the LLM labels by 4.3% on micro F1, while the distillation layer delivers interpretable labels at ultra-low latency with only a 7% performance drop.
- Abstract（参考訳）: 産業レコメンデーションシステムでは,ユーザ行動の連続モデリングが広く採用されているが,事前にログインされたWebインタラクションと認証されたアプリ内エクスペリエンスが著しく異なる金融サービスでは,大きなギャップが残っている。
具体的には、ログイン前のWebユーザは一般的に新製品を探索するが、ログインしたアプリはアカウントサービスに重点を置いている。
チャネル間のエンティティ解決(匿名のWebセッションと認証されたモバイルアカウントとのマッチングなど)の課題により、Webベースの意図シグナルは、認証後のパーソナライズには未利用のままである。
Webベースのインテントをキャプチャする既存の方法は、しばしばアドホックで狭く、定量的なダウンストリームレコメンデーションと質的な理解の両方をサポートする柔軟性が欠如している。
本研究では、Webベースのインタラクションのためのスケーラブルで双方向な意図予測フレームワークを提案し、そのパーソナライズへの適用性を実証する。
自己教師型トランスフォーマーはマルチモーダルなクリックストリームをコンパクトなセッション埋め込みにエンコードし、LCMベースの分類生成と蒸留パイプラインは解釈可能なインテントラベルを生成する。
モバイルホームページタイルランキングタスクでは,セッション埋め込みがマクロRecall@1を1.88%改善し,ログ損失を13.38%削減する。
ユーザ変換予測タスクでは、埋め込みはマイクロF1上でLLMラベルを4.3%上回り、蒸留層は超低レイテンシで解釈可能なラベルを7%の性能低下で提供する。
関連論文リスト
- Building a User Foundation Model for the Open Web [2.097346573871652]
ユーザ閲覧履歴に自己教師型学習を適用したユーザ基盤モデルを提案する。
学習した表現が複数の下流生産タスクを改善することを示す。
論文 参考訳（メタデータ） (2026-07-30T11:07:54Z) - ROSE: Retrieval-Oriented Segmentation Enhancement [79.7370065070812]
既存のマルチモーダル大言語モデル(MLLM)に基づくセグメンテーションモデルは、最新の知識を組み込むことができないため、しばしば新しいまたは新しいエンティティと競合する。
本論文では,学習データがないためMLLMが認識できない新規なエンティティのセグメンテーションと,モデルの知識の中に存在するが,正確な認識のために最新の情報を要求する新興エンティティのセグメンテーションに焦点を当てた,NEST(Novel Emerging Task)を紹介した。
Rose: Retrieval-Oriented Enhancementは、MLLMベースのセグメンテーションモデルを拡張するために設計されたプラグインとプレイのフレームワークです。
論文 参考訳（メタデータ） (2026-04-15T17:59:35Z) - Query as Anchor: Scenario-Adaptive User Representation via Large Language Model [28.30329175937291]
静的エンコーディングから動的クエリ認識合成へユーザモデリングをシフトするフレームワークであるQuery-as-Anchorを提案する。
まず,産業規模の事前学習データセットであるUserUを構築し,行動系列とユーザ理解のセマンティクスを整合させる。
クラスタベースのSoft Prompt Tuningを導入し、識別潜在構造を強制する。
デプロイメントでは、シーケンスターミニでのクエリのアンカーにより、無視可能なインクリメンタルレイテンシでKVキャッシュを加速する推論が可能になる。
論文 参考訳（メタデータ） (2026-02-16T06:09:31Z) - EST: Towards Efficient Scaling Laws in Click-Through Rate Prediction via Unified Modeling [13.693397814262681]
近年,産業用クリックスルーレート(CTR)予測の効率化が注目されている。
そこで本研究では,すべての生入力を単一シーケンスで処理して完全に統一されたモデリングを実現する,効率よくスケーラブルな変換器 (EST) を提案する。
ESTは生産ベースラインを大幅に上回り、3.27%のRPM(Revenue Per Mile)と1.22%のCTRリフトを提供する。
論文 参考訳（メタデータ） (2026-02-11T12:51:54Z) - Learning Unified User Quantized Tokenizers for User Representation [32.942924291891636]
U2QT(Unified User Quantized Tokenizers)は、ドメイン間の知識伝達と異種ドメインの初期融合を統合する新しいフレームワークである。
まず、Qwen3 Embeddingモデルを用いて、コンパクトで表現力のある特徴表現を導出する。
第二に、マルチビューRQ-VAEは、共有およびソース固有のコードブックを通じて、因果埋め込みをコンパクトトークンに識別する。
論文 参考訳（メタデータ） (2025-08-01T08:35:32Z) - SessionIntentBench: A Multi-task Inter-session Intention-shift Modeling Benchmark for E-commerce Customer Behavior Understanding [64.45047674586671]
本稿では,意図木の概念を導入し,データセットキュレーションパイプラインを提案する。
我々は,L(V)LMsのセッション間意図シフト理解能力を評価するマルチモーダルベンチマークSessionIntentBenchを構築した。
1,952,177の意図的エントリ,1,132,145のセッション意図軌跡,および10,905のセッションを使用してマイニングされた13,003,664のタスクにより,既存のセッションデータを活用可能なスケーラブルな方法を提供する。
論文 参考訳（メタデータ） (2025-07-27T09:04:17Z) - Federated Learning-Enabled Hybrid Language Models for Communication-Efficient Token Transmission [87.68447072141402]
ハイブリッド言語モデル(HLM)は、エッジデバイス上でのSLM(Small Language Model)の低レイテンシ効率と、集中型サーバ上でのLLM(Large Language Model)の高精度を組み合わせたものである。
我々は、不確実性を考慮した推論とフェデレートラーニング(FL)を統合する通信効率の高いHLMフレームワークであるFedHLMを提案する。
論文 参考訳（メタデータ） (2025-06-30T02:56:11Z) - Federated Fine-Tuning of LLMs: Framework Comparison and Research Directions [59.5243730853157]
Federated Learning(FL)は、分散プライベートデータセットを使用して、トレーニング済みの大規模言語モデル(LLM)を微調整するための、プライバシ保護ソリューションを提供する。
本稿では、知識蒸留(KD)とスプリットラーニング(SL)を統合し、これらの問題を緩和する3つの先進的連合LLM(FedLLM)フレームワークの比較分析を行う。
論文 参考訳（メタデータ） (2025-01-08T11:37:06Z) - Federated Multi-Target Domain Adaptation [99.93375364579484]
フェデレートされた学習手法により、プライバシを保護しながら、分散ユーザデータ上で機械学習モデルをトレーニングすることが可能になります。
分散クライアントデータがラベル付けされず、集中型ラベル付きデータセットがサーバ上で利用可能となる、より実用的なシナリオを考えます。
本稿では,新しい課題に対処する効果的なDualAdapt法を提案する。
論文 参考訳（メタデータ） (2021-08-17T17:53:05Z)
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。