論文の概要: Can Generative Recommendation Reach Cold Items? A Temporal Perspective on Semantic-ID Generation

• arxiv url: http://arxiv.org/abs/2607.21101v1
• Date: Thu, 23 Jul 2026 09:30:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.350743
• Title: Can Generative Recommendation Reach Cold Items? A Temporal Perspective on Semantic-ID Generation
• Title（参考訳）: 生成的レコメンデーションはコールドアイテムに到達できるか? : セマンティックID生成の時間的展望
• Authors: Jie Peng, Yanping Zheng, Zhewei Zhe, Bin Tong, Guan Wang, Bo Zheng,
• Abstract要約: 我々は、SIDベースのモデルが、観測されたトークンやプレフィックスによってサポートされた将来のアイテムに時々到達できることを示し、未知のアトミックトークンやサポートされていないSIDパスと競合することを示す。 これらの結果から, SID生成は構成的ではあるが完全に開放的ではないことが示唆され, より独立したSID空間における今後の方向性が示唆された。
• 参考スコア（独自算出の注目度）: 19.158930665677
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Semantic-ID-based generative recommendation represents items as sequences of shared semantic tokens, enabling token recombination beyond isolated item IDs. However, closed-world recombination does not necessarily imply temporal open-token cold-start induction, where new items enter the item catalog with unseen atomic tokens or weakly supported SID paths. In this work, we revisit SID-based generative recommendation under an absolute-time temporal protocol that separates seen and unseen targets and diagnoses the cold item reachability at the token level. Through seen/unseen-hit analysis, coldness taxonomy, and oracle-prefix probing, we show that current SID-based models can occasionally reach future items supported by observed tokens and prefixes, but struggle with unseen atomic tokens and unsupported SID paths. We further explain this boundary by interpreting SID generation as hierarchical semantic bucketing: early tokens select coarse semantic regions, while later tokens refine item-specific paths. These findings show that SID generation is compositional but not fully open-ended, and suggest future directions in more independent SID spaces, scoring-based interfaces, and dynamic textual context.
• Abstract（参考訳）: Semantic-IDベースの生成レコメンデーションは、アイテムを共有セマンティックトークンのシーケンスとして表現し、孤立したアイテムIDを越えてトークンの再結合を可能にする。 しかし、クローズドワールドの組換えは必ずしも、新しいアイテムが見えない原子トークンや弱い支持されたSIDパスでアイテムカタログに入るという、時間的オープントーケンコールドスタート誘導を暗示するものではない。 本研究では,SIDに基づく生成的推薦を絶対時間的プロトコルで再検討し,目に見えるターゲットと見えないターゲットを分離し,トークンレベルでのコールドアイテムの到達可能性を診断する。 その結果,現在のSIDモデルでは,観測されたトークンや接頭辞がサポートする将来的な項目に到達できるが,未知のアトミックトークンやサポートされていないSIDパスに悩まされることが示唆された。 さらに、SID生成を階層的なセマンティックバケットとして解釈し、初期トークンは粗いセマンティック領域を選択し、その後トークンはアイテム固有のパスを洗練させる。 これらの結果から,SID生成は構成的ではあるが完全なオープンエンドではないことが示唆され,より独立したSID空間,スコアリングベースインタフェース,動的テキストコンテキストにおける今後の方向性が示唆された。

関連論文リスト

• DREAM: Dynamic Refinement of Early Assignment Mappings [7.781421530363403]
  現在のメソッドは、ユーザーからの十分なフィードバックが観測される前に、オフライントークン化を通じて各アイテムに1つの静的識別子を割り当てる。 我々は、このワンショットコミットメントを、SIDベースの生成レコメンデーションにおける基本的なコールドスタートボトルネックとみなす。 本稿では,この欠陥を解決する3段階のフレームワークであるDREAMを提案する。
  論文  参考訳（メタデータ） (2026-06-05T06:21:01Z)
• Conditional Memory Enhanced Item Representation for Generative Recommendation [46.59623438612085]
  ジェネレーティブレコメンデーション(GR)は,セマンティック識別子(SID)の自動生成によって対象項目を予測する,有望なパラダイムとして登場した。 ほとんどのGRメソッドは量子化表現生成パイプラインに従い、まず各項目にSIDを割り当て、次にSID-token埋め込みから入力表現を構築し、最後に自動回帰生成によってターゲットのSIDを予測する。 コンディショナルメモリ拡張アイテム表現フレームワークであるCometIRを提案する。このフレームワークは、アイテム認識入力へのSIDトークンの埋め込みを再構築し、SID復号時にトークンの粒度を復元する。
  論文  参考訳（メタデータ） (2026-05-12T02:56:59Z)
• Mitigating Collaborative Semantic ID Staleness in Generative Retrieval [0.0]
  セマンティックID(SID)を用いた生成検索では,各項目を個別の識別子として割り当て,シーケンス生成問題として扱う。 相互作用パターンが時間とともに漂うにつれて、SIDは時代遅れになり、コラボレーティブセマンティクスは最近のログともはや一致しない。 本稿では,軽量でモデルに依存しないSIDアライメント更新を提案する。
  論文  参考訳（メタデータ） (2026-04-14T20:06:48Z)
• End-to-End Semantic ID Generation for Generative Advertisement Recommendation [33.453121305193434]
  生成広告推薦のための統一SID生成フレームワークを提案する。 具体的には、生の広告データからエンドツーエンドで埋め込みとSIDを協調的に最適化する。 実験により、UniSIDは最先端のSID生成方法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2026-02-11T02:38:26Z)
• Order-agnostic Identifier for Large Language Model-based Generative Recommendation [94.37662915542603]
  アイテムは、ユーザ履歴をエンコードし、次のアイテムを生成するために、LLM(Large Language Models)の識別子に割り当てられる。 既存のアプローチでは、トークンシーケンス識別子を使用して、アイテムを個別のトークンシーケンスとして表現するか、IDまたはセマンティック埋め込みを使用して単一トークン識別子を使用する。 本稿では,セマンティック・トークンライザを利用するSETRecを提案する。
  論文  参考訳（メタデータ） (2025-02-15T15:25:38Z)
• Learning Multi-Aspect Item Palette: A Semantic Tokenization Framework for Generative Recommendation [55.99632509895994]
  マルチアスペクトセマンティックトークン化のための新しいアプローチであるLAMIAを紹介する。 単一の埋め込みを使用するRQ-VAEとは異なり、LAMIAは独立的でセマンティックな並列な埋め込みの集合である「アイテムパレット」を学習する。 その結果,提案手法よりも提案手法の精度が大幅に向上した。
  論文  参考訳（メタデータ） (2024-09-11T13:49:48Z)
• 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)

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。