Fugu-MT 論文翻訳(概要): Decoupled Temporal Encoding for Generative Recommendation

論文の概要: Decoupled Temporal Encoding for Generative Recommendation

arxiv url: http://arxiv.org/abs/2608.16274v1
Date: Mon, 17 Aug 2026 08:47:21 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-18 19:59:03.596982
Title: Decoupled Temporal Encoding for Generative Recommendation
Title（参考訳）: 生成レコメンデーションのためのデカップリングテンポラルエンコーディング
Abstract要約: 位置符号化はトランスフォーマーベースの生成レコメンデーションモデルの基本コンポーネントである。私たちの仕事は、現実のフードデリバリーとインスタント小売レコメンデーションシステムによって動機付けられています。生成的推薦のための軽量なフレームワークであるDecoupled Temporalを提案する。
参考スコア（独自算出の注目度）: 6.5465081246859915
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Positional encoding is a fundamental component of Transformer-based generative recommendation models, where user histories are modeled as autoregressive item sequences. Most positional encoding methods are inherited from natural language processing and mainly represent discrete item order. However, recommendation sequences go beyond ordered lists, as timestamps and temporal effects also shape item relations. Our work is motivated by a real-world food delivery and instant retail recommendation system, where user behavior exhibits multi-level temporal regularities, including recency effects, meal-time peaks, weekday-weekend shifts, and promotion-driven traffic bursts. Existing methods partially address this issue through timestamp features, interval embeddings, decay functions, or attention biases, but they usually inject heterogeneous temporal signals through a unified representation or a single modeling pathway, making it difficult to distinguish broad temporal dynamics from local order cues. To address this limitation, we propose Decoupled Temporal Encoding, a lightweight framework for generative recommendation. DTE separates temporal dynamics from order information through two complementary modules: a personalized macro-temporal module that injects compact temporal primitives into item embeddings, and a time-gated micro-sequential module that introduces relative-order bias only when interactions are temporally dense. DTE is also parameter-efficient and deployment-friendly, allowing easy integration into existing systems.
Abstract（参考訳）: 位置符号化はTransformerベースの生成レコメンデーションモデルの基本コンポーネントであり、ユーザ履歴は自己回帰アイテムシーケンスとしてモデル化される。ほとんどの位置符号化法は自然言語処理から受け継がれ、主に離散項目順を表す。しかし、レコメンデーションシーケンスは順序付けられたリストを超え、タイムスタンプや時間効果もアイテムの関係を形作る。本研究の動機は,リアルタイムの食品配送と即時小売のレコメンデーションシステムであり,ユーザの行動が多段階の時間的規則を呈する。既存の手法では、タイムスタンプの特徴、間隔埋め込み、減衰関数、注意バイアスを通じてこの問題に部分的に対処するが、通常は統一表現や単一モデリング経路を通じて異種時間信号を注入するので、局所的な順序のキューと広い時間的ダイナミクスを区別することは困難である。この制限に対処するために、生成的推薦のための軽量なフレームワークであるDecoupled Temporal Encodingを提案する。 DTEは、アイテム埋め込みにコンパクトな時間的プリミティブを注入するパーソナライズされたマクロ時間モジュールと、相互作用が時間的に密接な場合にのみ、相対順序バイアスをもたらす時間的マイクロシーケンスモジュールである。 DTEはパラメータ効率も良く、デプロイもしやすいので、既存のシステムと簡単に統合できる。

関連論文リスト

Beyond Item Order: Temporal Gap Tokenization for Generative Recommendation with Semantic IDs [22.518121739900284]
ChronoSIDは、セマンティックジェネレーティブレコメンデーションのための軽量な時間拡張フレームワークである。我々は、歴史的相互作用間隔を固定されたログスケールギャップトークンに識別し、セマンティックIDトークンでそれらをインターリーブする。 Amazonベンチマークの実験によると、ChronoSIDは、ReSIDや他の競合生成推奨ベースラインよりも一貫して改善されている。
論文参考訳（メタデータ） (2026-07-04T15:22:30Z)
POEM: Partial-Order Enhanced Real-Time Sequential Modeling for Recommendation [47.301549241806185]
本稿では, 固有部分順序関係に基づく新しいリアルタイム逐次モデリングフレームワークを提案する。 POEMは、アップストリームランキングモジュールが生成するリアルタイムマルチタスクランキングスコアを、動的部分順序列の構築の監督として利用する。 Kuaishouオンライントラフィックに完全にデプロイされたPOEMは、オンライン上の大きな利益を達成している。
論文参考訳（メタデータ） (2026-06-29T08:23:04Z)
ChronoID: Infusing Explicit Temporal Signals into Semantic IDs for Generative Recommendation [44.412346636470325]
生成的推薦のためのセマンティックIDに明示的な時間をどのように組み込むべきかについて検討する。時間認識型セマンティックID学習のための統合フレームワークChronoIDを提案する。 ChronoIDは、新しい時間要求生成レコメンデーションベンチマークの提供によって、効率的な時間の方法、アーキテクチャの設計方法、そこから得られるメリット、という疑問に答える。
論文参考訳（メタデータ） (2026-06-12T08:45:04Z)
TIE: Time Interval Encoding for Video Generation over Events [50.66585165263848]
ディレクタースタイルのプロンプト、ロボットアクション予測、インタラクティブなビデオエージェントは、同時イベントに対する時間的根拠を要求する。現代のビデオジェネレータは、ポイントワイドな位置エンコーディングを通して、タイムを離散的なポイントとして表現する。 Time Interval TIEは、プラグイン・アンド・プレイ・インターバル・アウェアの一般化である。
論文参考訳（メタデータ） (2026-05-11T13:23:14Z)
RoTE: Coarse-to-Fine Multi-Level Rotary Time Embedding for Sequential Recommendation [17.10655350843282]
我々は,情報空間を連続的にモデル化する新しいマルチレベル時間埋め込みモジュールRoTEを提案する。 RoTEは、各相互作用のタイムスタンプを粗いものから細かいものまで、複数の時間的粒度に分解し、結果の時間的表現をアイテムの埋め込みに組み込む。
論文参考訳（メタデータ） (2026-04-15T01:38:41Z)
Discrete Prototypical Memories for Federated Time Series Foundation Models [62.22804699052539]
FLベースの時系列基礎モデルとして大規模言語モデルを活用することは、LLMの一般化能力を時系列データに転送する有望な方法を提供する。しかし、時系列データと既存のLCMのテキスト中心の潜在空間とのセマンティックなミスアライメントは、しばしば性能低下につながる。離散型記憶に基づく時系列基礎モデルのための統合フレームワークであるtextscFeDPMを提案する。
論文参考訳（メタデータ） (2026-04-06T06:57:08Z)
MEMTS: Internalizing Domain Knowledge via Parameterized Memory for Retrieval-Free Domain Adaptation of Time Series Foundation Models [51.506429027626005]
Memory for Time Series (MEMTS) は、時系列予測における検索不要領域適応のための軽量かつプラグアンドプレイ方式である。 MEMTSの鍵となるコンポーネントは知識永続化モジュール(KPM)であり、ドメイン固有の時間力学を内部化する。このパラダイムシフトにより、MEMTSは定数時間推論とニアゼロレイテンシによる正確なドメイン適応を実現することができる。
論文参考訳（メタデータ） (2026-02-14T14:00:06Z)
UniDiff: A Unified Diffusion Framework for Multimodal Time Series Forecasting [90.47915032778366]
マルチモーダル時系列予測のための統合拡散フレームワークUniDiffを提案する。コアには統一的で並列な融合モジュールがあり、単一のクロスアテンション機構がタイムスタンプからの構造化情報とテキストからのセマンティックコンテキストを統合する。 8つの領域にわたる実世界のベンチマークデータセットの実験は、提案したUniDiffモデルが最先端のパフォーマンスを達成することを示す。
論文参考訳（メタデータ） (2025-12-08T05:36:14Z)
EntroPE: Entropy-Guided Dynamic Patch Encoder for Time Series Forecasting [50.794700596484894]
IntroPE(Entropy-Guided Dynamic Patch)は,条件付きエントロピーによる遷移点を動的に検出する新しい時間情報フレームワークである。これは、パッチの計算上の利点を維持しながら、時間構造を保存する。長期予測ベンチマークによる実験では、EntroPEは精度と効率の両方を改善している。
論文参考訳（メタデータ） (2025-09-30T12:09:56Z)
Learning Sequence Representations by Non-local Recurrent Neural Memory [61.65105481899744]
教師付きシーケンス表現学習のためのNon-local Recurrent Neural Memory (NRNM)を提案する。我々のモデルは長距離依存を捉えることができ、潜伏した高レベル特徴を我々のモデルで抽出することができる。我々のモデルは、これらのシーケンスアプリケーションごとに特別に設計された他の最先端の手法と比較して好意的に比較する。
論文参考訳（メタデータ） (2022-07-20T07:26:15Z)
Continuous-Time Sequential Recommendation with Temporal Graph Collaborative Transformer [69.0621959845251]
本稿では,定義した連続時間二部グラフ上での時間グラフシーケンスレコメンダ(TGSRec)を提案する。 TCTレイヤは、ユーザとアイテムの両方からの協調的な信号を同時にキャプチャすると同時に、シーケンシャルパターン内の時間的ダイナミクスも考慮する。 5つのデータセットの実証結果は、TGSRecが他のベースラインを大幅に上回っていることを示している。
論文参考訳（メタデータ） (2021-08-14T22:50:53Z)
TEA: Temporal Excitation and Aggregation for Action Recognition [31.076707274791957]
本稿では,動作励起モジュールと複数時間集約モジュールを含む時間的励起・集約ブロックを提案する。短距離モーションモデリングでは、MEモジュールは時間的特徴から特徴レベルの時間的差を計算する。 MTAモジュールは局所的な畳み込みを部分畳み込みのグループに変形させ、階層的残差アーキテクチャを形成することを提案している。
論文参考訳（メタデータ） (2020-04-03T06:53:30Z)

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。