論文の概要: OrDA: Orthogonal Disentanglement of Access Habits Framework for Homepage Marketing Block Recommendations

• arxiv url: http://arxiv.org/abs/2607.13420v1
• Date: Wed, 15 Jul 2026 03:42:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.633338
• Title: OrDA: Orthogonal Disentanglement of Access Habits Framework for Homepage Marketing Block Recommendations
• Title（参考訳）: OrDA: ホームページマーケティングブロックレコメンデーションのためのアクセス習慣の直交的分散化フレームワーク
• Authors: Lingxiao Zhang, Xiaobo Li, Tao Xu,
• Abstract要約: 利害シグナルを浄化するためのOrDA(Orthogonal Disentanglement of Access habits)というフレームワークを提案する。 OrDAは、アクセス住民バイアスを効果的に排除し、予測精度で最先端の手法より優れている。 オンラインABテスト5.64%は、Zhimaのホームページマーケティングブロックにおけるユーザークリックスルーレート(UCTR)の改善を示している。
• 参考スコア（独自算出の注目度）: 7.892124059885013
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Clicks on homepage marketing blocks are driven by a dual-mechanism of content interest and access habits. However, habitual clicks often create Pseudo-Positives in marketing slots, where position advantage masks mediocre content quality, leading to biased recommendation ecosystems. We propose a framework called Orthogonal Disentanglement of Access habits (OrDA) to purify interest signals. OrDA utilizes a dual-tower structure with a gated allocation layer to adaptively route features and minimize interference. To ensure rigorous separation, we employ orthogonal regularization to constrain the latent interest and habit manifolds to be geometrically perpendicular. OrDA performs causal intervention (do-calculus) during inference to rank items solely by purified interest scores. Empirical online evaluations on large-scale datasets demonstrate that OrDA effectively eliminates access-habit bias, outperforming state-of-the-art methods in predictive accuracy. Online AB test 5.64% shows user click-through rates (UCTR) improvement on the Zhima homepage marketing block, Zhima rent-floor recommendation.
• Abstract（参考訳）: ホームページのマーケティングブロックのクリックは、コンテンツ興味とアクセス習慣の二重メカニズムによって駆動される。 しかし、日常的なクリックはマーケティングのスロットにPseudo-Positivesを作ることが多く、そこではポジションアドバンテージマスクがコンテンツの質を損なうため、推奨エコシステムに偏りが生じる。 利害シグナルを浄化するためのOrDA(Orthogonal Disentanglement of Access habits)というフレームワークを提案する。 OrDAは、ゲートアロケーション層を備えたデュアルトウワー構造を使用して、機能を適応的にルーティングし、干渉を最小限にする。 厳密な分離を確保するために、直交正則化を用いて、従属的興味と習慣多様体を幾何学的に垂直に制限する。 OrDAは、純粋利息スコアのみで項目をランク付けする際の因果介入(do-calculus)を行う。 大規模なデータセットに対する実証的なオンライン評価は、OrDAがアクセス依存バイアスを効果的に排除し、予測精度において最先端の手法より優れていることを示している。 オンラインABテスト5.64%は、Zhimaのホームページマーケティングブロックにおけるユーザークリックスルー率(UCTR)の改善、Zhimaのレンタルフロアレコメンデーションを示している。

関連論文リスト

• Shift-Dependent Asymmetry: Orthogonal Inverse Low-Rank Adaptation for Federated Medical Segmentation [60.41721951405564]
  Low-Rank Adaptation (LoRA)は、医療画像のためのセグメンテーション基盤モデルの効率的なフェデレーション微調整を可能にする。 ほとんどの連合LoRA法は、医学的セグメンテーションにおいてエンコーダ-デコーダ非対称性の下で破れる一様アグリゲーション規則を採用している。 このミスマッチの絡み合いは、サイト固有のバイアスと解剖を共有し、一般化を損なう。 本稿では,効率的な更新空間における共有局所コリニアリティを罰する部分空間直交正規化器を提案する。
  論文  参考訳（メタデータ） (2026-06-07T15:39:28Z)
• QASA: Quality-Guided K-Adaptive Slot Attention for Unsupervised Object-Centric Learning [80.82392186401354]
  スロットアテンション(Slot Attention)は、シーン内の異なるオブジェクトを一連の"スロット"にバインドするアプローチである。 従来のK適応法はスロット結合の品質を明示的に制限しない。 我々はQASA(Quality-Guided K-Adaptive Slot Attention)を提案する。
  論文  参考訳（メタデータ） (2026-01-19T10:42:07Z)
• Rethinking Popularity Bias in Collaborative Filtering via Analytical Vector Decomposition [37.76421221387847]
  人気バイアスは、ベイジアンペアワイドランキング(BPR)最適化の固有の幾何学的アーティファクトである。 我々は,この埋め込み幾何を補正するために,方向分解補正(DDC)を提案する。 DDCは、パーソナライズされた選好方向に沿ってポジティブな相互作用を誘導し、グローバルな人気方向からネガティブな相互作用を誘導する。
  論文  参考訳（メタデータ） (2025-12-11T14:35:13Z)
• ALBAR: Adversarial Learning approach to mitigate Biases in Action Recognition [52.537021302246664]
  行動認識モデルは、しばしば背景バイアス(背景の手がかりに基づく行動の推測)と前景バイアス(主題の外観に依存する)に悩まされる。 本稿では,前景や背景のバイアスを,バイアス特性の専門知識を必要とせずに軽減する,新たな対人訓練手法であるALBARを提案する。 我々は,提案手法を確立された背景と前景のバイアスプロトコル上で評価し,新しい最先端のバイアスプロトコルを設定し,HMDB51では12%以上のデバイアス性能を向上した。
  論文  参考訳（メタデータ） (2025-01-31T20:47:06Z)
• EGEAN: An Exposure-Guided Embedding Alignment Network for Post-Click Conversion Estimation [6.178133899988549]
  クリック後変換率(CVR)の推定は、オンライン広告システムにとって不可欠である。 因果的アプローチの進歩にもかかわらず、CVR推定はCovariate Shiftによる課題に直面している。 本研究では,この問題を解決するためのEGEAN(Exposure-Guided Embedding Alignment Network)を提案する。
  論文  参考訳（メタデータ） (2024-12-08T10:17:02Z)
• Self-Paced Learning for Open-Set Domain Adaptation [50.620824701934]
  従来のドメイン適応手法は、ソースとターゲットドメインのクラスが同一であると仮定する。 オープンセットドメイン適応(OSDA)は、この制限に対処する。 そこで,本研究では,共通クラスと未知クラスを識別するための自己評価学習に基づく新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-10T14:11:09Z)
• Imbalanced Open Set Domain Adaptation via Moving-threshold Estimation and Gradual Alignment [58.56087979262192]
  Open Set Domain Adaptation (OSDA) は、よくラベルされたソースドメインから未ラベルのターゲットドメインに知識を転送することを目的としている。 OSDA法の性能はドメイン内クラス不均衡とドメイン間ラベルシフトで大幅に低下する。 ラベルシフトによって生じる負の効果を軽減するために,オープンセット移動閾値推定とグラデーショナルアライメント(OMEGA)を提案する。
  論文  参考訳（メタデータ） (2023-03-08T05:55:02Z)
• Subsidiary Prototype Alignment for Universal Domain Adaptation [58.431124236254]
  Universal Domain Adaptation (UniDA)の大きな問題は、"known"クラスと"unknown"クラスの誤調整である。 ゴールタスクUniDAと協調して動作するクローズドセットSPAを実現するために,新しい単語ヒストグラム関連プレテキストタスクを提案する。 既存のUniDA技術上でのアプローチの有効性を実証し,3つの標準UniDAおよびOpen-Set DAオブジェクト認識ベンチマークの最先端性能を示す。
  論文  参考訳（メタデータ） (2022-10-28T05:32:14Z)
• Bures Joint Distribution Alignment with Dynamic Margin for Unsupervised Domain Adaptation [17.06364218327213]
  非教師なしドメイン適応(Unsupervised domain adapt, UDA)は、トランスファーラーニングにおける顕著なタスクの1つである。 本稿では,共同分布間のカーネル・ブレス=ヴァッサーシュタイン距離を最小化するアライメント損失項を提案する。 実験により、BJDAは、ほとんどの実験環境で最先端のアルゴリズムよりも優れており、UDAタスクに非常に効果的であることが示された。
  論文  参考訳（メタデータ） (2022-03-14T03:20:01Z)

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。