論文の概要: Cheaper is Better: A Discount-Aware Network for Conversion Rate Prediction in E-commerce Recommendation System

• arxiv url: http://arxiv.org/abs/2607.12578v1
• Date: Tue, 14 Jul 2026 09:49:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-15 17:08:30.112041
• Title: Cheaper is Better: A Discount-Aware Network for Conversion Rate Prediction in E-commerce Recommendation System
• Title（参考訳）: チーパーはより良い:Eコマースレコメンデーションシステムにおける転換率予測のためのディスクアウェアネットワーク
• Abstract要約: クリック後変換率(CVR)は、オンラインレコメンデーションシステムにおいて重要な要素である。 本稿では,商品割引率とCVRの関係をモデル化するために,DANet(Discount-Aware Network)を導入する。
• 参考スコア（独自算出の注目度）: 4.678853809638439
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Post-click conversion rate (CVR) is a crucial element in online recommendation systems, which addresses significant challenges such as data sparsity (DS), sample selection bias (SSB), and delayed feedback. However, the impact of item discount rate-a key factor influencing both pricing and user purchasing behavior, has received limited attention. In this paper, we introduce the Discount-Aware Network (DANet) to model the relationship between item discount rates and CVR. DANet comprises three main components: 1) a time-frequency transformation module that utilizes Fourier transform to derive the frequency spectrum and capture the long-term discount rate trends of items; 2) a distribution de-bias module designed to mitigate the biases in user-specific discount rates caused by various purchase combinations and promotional activities, as well as periodic deviations linked to different promotion periods on e-commerce platforms; and 3) a supervised regression auxiliary task that establishes the explicit item discount labels to enhance the model's performance in terms of value accuracy, facilitating an effective representation of item discount rates. Experimental results on real datasets demonstrate the superiority of DANet, with offline AUC improving by 1.61%, and online A/B test also shows that DANet achieves impressive gains of 3.63% on pCVR and 2.23% on GMV. DANet has been successfully deployed on Alibaba Tmall APP. The code is available at https://github.com/tangrc/DANet.
• Abstract（参考訳）: ポストクリック変換率(CVR)は、データスパシティ(DS)、サンプル選択バイアス(SSB)、遅延フィードバックといった重要な課題に対処するオンラインレコメンデーションシステムにおいて重要な要素である。 しかし、価格と購入行動の両方に影響を及ぼす要因である商品割引率の影響は、あまり注目されていない。 本稿では,商品割引率とCVRの関係をモデル化するために,DANet(Discount-Aware Network)を提案する。 DANetは3つの主要コンポーネントから構成される。 1) フーリエ変換を利用して、周波数スペクトルを導出し、商品の長期割引率トレンドを捉えた時間周波数変換モジュール 2 電子商取引プラットフォーム上の異なるプロモーション期間に関連する定期的なずれに加え、各種の購入組み合わせ及びプロモーション活動による利用者特化割引率のバイアスを軽減するために設計された配当脱バイアスモジュール 3) 商品割引率の効果的な表現を容易にし、価値の正確さの観点からモデルの性能を高めるために、明示的な商品割引ラベルを確立するための監督された回帰補助業務。 実際のデータセットに対する実験結果は、DANetの優位性を示し、オフラインAUCは1.61%向上し、オンラインA/Bテストでは、pCVRでは3.63%、GMVでは2.23%向上した。 DANetはAlibaba Tmall APP上でのデプロイに成功している。 コードはhttps://github.com/tangrc/DANet.comで公開されている。

関連論文リスト

• DE-Venus: A Data-Efficient RLVR Framework for Large Language Models [58.53135628199626]
  検証可能な報酬(RLVR)による強化学習は,大規模な言語モデル推論を改善するが,その実践的スケーリングは,高額なオンラインロールアウトと,信頼性の高い目標を大規模に獲得するコストによって制約される。 我々は、データ準備とポリシー最適化をまたいで、監督を進化状態として扱う、データ効率のよいRLVRのための統合フレームワークDE-Venusを提案する。
  論文  参考訳（メタデータ） (2026-09-03T03:23:24Z)
• Counterfactual Multi-task Learning for Delayed Conversion Modeling in E-commerce Sales Pre-Promotion [11.889269457939905]
  プロモーション前の段階では、ユーザーはすぐに購入することなく商品の検索やブラウジングに従事している。 この振る舞いは変換の遅れにつながるため、プロモーションデーの前に変換レート(CVR)が大幅に低下する。 当社のモデルには, 歴史的プレプロモーションデータを用いた直接変換と遅延変換を共同でモデル化するマルチタスクアーキテクチャ, (ii) 短いプレプロモーション期間中にデータの疎結合問題を緩和するパーソナライズされたユーザ行動ゲーティングモジュール, (iii) 加算から遅延変換への遷移確率をモデル化するための因果的アプローチの3つが組み込まれている。
  論文  参考訳（メタデータ） (2026-04-23T13:42:14Z)
• TREASURE: A Transformer-Based Foundation Model for High-Volume Transaction Understanding [33.669519944170816]
  本稿では,トランザクションデータに特化して設計された多目的トランスフォーマーベース基盤モデルTREASUREを提案する。 このモデルは、消費者の行動と支払いネットワークの信号の両方を同時にキャプチャし、正確なレコメンデーションシステムや異常な行動検出のようなアプリケーションに必要な包括的な情報を提供する。 TREASUREの開発から得られた貴重な知識に着目し、広範囲にわたるアブレーション研究、生産モデルに対するベンチマーク、ケーススタディから重要な知見を提示する。
  論文  参考訳（メタデータ） (2025-11-24T20:57:31Z)
• On the Role of Feedback in Test-Time Scaling of Agentic AI Workflows [71.92083784393418]
  エージェントAI(自律的な計画と行動を行うシステム)は広く普及しているが、複雑なタスクにおけるタスクの成功率は低いままである。 推論時のアライメントは、サンプリング、評価、フィードバックの3つのコンポーネントに依存します。 本稿では,様々な形態の批判から抽出されたフィードバックを繰り返し挿入するIterative Agent Decoding(IAD)を紹介する。
  論文  参考訳（メタデータ） (2025-04-02T17:40:47Z)
• A Bargaining-based Approach for Feature Trading in Vertical Federated Learning [54.51890573369637]
  本稿では,垂直的フェデレートラーニング(VFL)において,経済的に効率的な取引を促進するための交渉型特徴取引手法を提案する。 当社のモデルでは,収益ベース最適化の目的を考慮し,パフォーマンスゲインベースの価格設定を取り入れている。
  論文  参考訳（メタデータ） (2024-02-23T10:21:07Z)
• VFed-SSD: Towards Practical Vertical Federated Advertising [53.08038962443853]
  本稿では,2つの制限を緩和する半教師付き分割蒸留フレームワーク VFed-SSD を提案する。 具体的には,垂直分割された未ラベルデータを利用する自己教師型タスクMatchedPair Detection (MPD) を開発する。 当社のフレームワークは,デプロイコストの最小化と大幅なパフォーマンス向上を図った,リアルタイム表示広告のための効率的なフェデレーション強化ソリューションを提供する。
  論文  参考訳（メタデータ） (2022-05-31T17:45:30Z)
• Deep Interest Highlight Network for Click-Through Rate Prediction in Trigger-Induced Recommendation [15.490873353133363]
  本稿では,トリガー誘導レコメンデーション(TIR, Trigger-induced Recommendation)という新たなレコメンデーション問題を提案する。 そこで本研究では,クリックスルーレート(CTR)予測のための,DIHN(Deep Interest Highlight Network)と呼ばれる新しい推奨手法を提案する。 1)ユーザインテントネットワーク(UIN)、2)トリガーアイテムに対するユーザの意図を正確に予測するための正確な確率スコアを生成する、2)統合埋め込みモジュール(FEM)、そして、UINからの予測に基づいてトリガーアイテムとターゲットアイテムの埋め込みを適応的に融合する、3)。
  論文  参考訳（メタデータ） (2022-02-05T08:40:30Z)
• Dynamic Attention-based Communication-Efficient Federated Learning [85.18941440826309]
  フェデレートラーニング(FL)は、グローバル機械学習モデルをトレーニングするためのソリューションを提供する。 FLは、クライアントデータの分散が非IIDであるときに性能劣化に悩まされる。 本稿では,この劣化に対処するために,新しい適応トレーニングアルゴリズムであるtextttAdaFL$を提案する。
  論文  参考訳（メタデータ） (2021-08-12T14:18:05Z)
• DMBGN: Deep Multi-Behavior Graph Networks for Voucher Redemption Rate Prediction [11.917803156819843]
  本稿では,この領域に光を当てる深層多行動グラフネットワーク(DMBGN)を提案する。 UVG(User-Behavior Voucher Graph)によって、複雑な構造的ユーザ-ボウチャー-イテム関係が捉えられる UVGのシーケンスの上にアテンションネットワークが構築され、ユーザの長期的ボウチャー償却の好みを学習するのに役立つ。
  論文  参考訳（メタデータ） (2021-06-07T06:16:49Z)
• Adversarial Feature Augmentation and Normalization for Visual Recognition [109.6834687220478]
  最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。 本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。 代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
  論文  参考訳（メタデータ） (2021-03-22T20:36:34Z)
• TPG-DNN: A Method for User Intent Prediction Based on Total Probability Formula and GRU Loss with Multi-task Learning [36.38658213969406]
  本稿では,新しいユーザ意図予測モデルであるTPG-DNNを提案する。 提案モデルは,タオバオプラットフォーム上でのクーポンの割り当て,広告,レコメンデーションに広く利用されている。
  論文  参考訳（メタデータ） (2020-08-05T13:25:53Z)
• ReActNet: Towards Precise Binary Neural Network with Generalized Activation Functions [76.05981545084738]
  本稿では,新たな計算コストを伴わずに,実数値ネットワークからの精度ギャップを埋めるため,バイナリネットワークを強化するためのいくつかのアイデアを提案する。 まず,パラメータフリーのショートカットを用いて,コンパクトな実数値ネットワークを修正・バイナライズすることで,ベースラインネットワークを構築する。 提案したReActNetはすべての最先端技術よりも大きなマージンで優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-07T02:12:02Z)

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。