論文の概要: PaletteID: Prototype-Composed Semantic Identifiers for Multimodal CTR Prediction

• arxiv url: http://arxiv.org/abs/2607.29000v1
• Date: Fri, 31 Jul 2026 03:54:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-03 14:29:40.587261
• Title: PaletteID: Prototype-Composed Semantic Identifiers for Multimodal CTR Prediction
• Title（参考訳）: PaletteID:マルチモーダルCTR予測のためのプロトタイプ合成セマンティック同定器
• Authors: Huanyu Liu, Baining Chen, Hui Liu, Zengyang Li, Ziyi Huang,
• Abstract要約: プロトタイプベースのセマンティック識別子であるPaletteIDを提案する。 パレットベースのカラー合成にインスパイアされたPIDは、セマンティックアンカーとして、コンパクトなプロトタイプアイテムセットを使用する。 PIDは一貫してCTR予測を改善し、ロングテールアイテムに対して大きな利得を得る。
• 参考スコア（独自算出の注目度）: 10.171011265484326
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multimodal information can improve the accuracy of click-through rate (CTR) prediction and effectively alleviate item cold-start and long-tail problems. Recent studies commonly discretize pretrained multimodal embeddings into semantic identifiers (SIDs), allowing the model to learn task-specific semantic representations for recommendation. However, existing methods still provide limited gains due to two major limitations. First, codebook assignment fails to preserve semantic relevance and discards fine-grained continuous signals in the original embedding space. Second, the residual code paths are highly dependent on prefix codes, which limits the effective representational scalability of hierarchical identifiers. To address these issues, we propose PaletteID (PID), a prototype-based semantic identifier. Inspired by palette-based color composition, PID uses a compact set of representative prototype items as semantic anchors to bridge pretrained multimodal content space and recommendation models. Specifically, we first construct a prototype palette with Semantic Quality-Aware Determinantal Point Process (SQ-DPP), which jointly considers local content density and global semantic diversity. Then, for each target item, PID retrieves a sequence of semantically related prototypes and aggregates them into an informative PID representation, enabling rich and complementary semantic modeling. Extensive experiments on two public datasets demonstrate that PID consistently improves CTR prediction and yields larger gains for long-tail items. PID also produces more robust identifier assignments and provides more interpretable token semantics than existing residual SID methods.
• Abstract（参考訳）: マルチモーダル情報は、クリックスルー率(CTR)予測の精度を改善し、アイテムのコールドスタートとロングテールの問題を効果的に軽減することができる。 近年の研究では、訓練済みのマルチモーダル埋め込みをセマンティック識別子(SID)に識別し、モデルが推奨のためにタスク固有のセマンティック表現を学習できるようにする。 しかし、既存の方法は2つの大きな制限があるため、依然として利益が限られている。 まず、コードブックの割り当ては意味的関連性を維持するのに失敗し、元の埋め込み空間できめ細かい連続的な信号を破棄する。 第二に、残余のコードパスはプレフィックスコードに大きく依存しているため、階層的識別子の効果的な表現スケーラビリティが制限される。 これらの問題に対処するため,プロトタイプベースのセマンティック識別子であるPaletteID(PID)を提案する。 パレットベースのカラー合成にインスパイアされたPIDは、事前訓練されたマルチモーダルコンテンツ空間とレコメンデーションモデルとを橋渡しするために、セマンティックアンカーとして、コンパクトなプロトタイプセットを使用する。 具体的には、まず、ローカルなコンテンツ密度とグローバルな意味多様性を共同で検討するセマンティック品質認識決定点プロセス(SQ-DPP)のプロトタイプパレットを構築する。 そして、各対象項目に対して、PIDはセマンティック関連プロトタイプのシーケンスを検索し、それらを情報的PID表現に集約し、リッチで相補的なセマンティックモデリングを可能にする。 2つの公開データセットに対する大規模な実験により、PIDはCTR予測を一貫して改善し、ロングテールアイテムに大きな利益をもたらすことが示された。 PIDはまた、より堅牢な識別子割り当てを生成し、既存の残余SIDメソッドよりも解釈可能なトークンセマンティクスを提供する。

関連論文リスト

• 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)
• FLIP: Fine-grained Alignment between ID-based Models and Pretrained Language Models for CTR Prediction [49.510163437116645]
  クリックスルーレート(CTR)予測は、パーソナライズされたオンラインサービスにおいてコア機能モジュールとして機能する。 CTR予測のための従来のIDベースのモデルは、表形式の1ホットエンコードされたID特徴を入力として取る。 事前訓練された言語モデル(PLM)は、テキストのモダリティの文を入力として取る別のパラダイムを生み出した。 本稿では,CTR予測のためのIDベースモデルと事前学習言語モデル(FLIP)間の細粒度特徴レベルのアライメントを提案する。
  論文  参考訳（メタデータ） (2023-10-30T11:25:03Z)
• 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。