論文の概要: TAGR: Temporally Adaptive Generative Recommendation for Industrial Live-Streaming Advertising
- arxiv url: http://arxiv.org/abs/2608.24034v1
- Date: Tue, 25 Aug 2026 03:47:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-26 14:09:34.805384
- Title: TAGR: Temporally Adaptive Generative Recommendation for Industrial Live-Streaming Advertising
- Title（参考訳）: TAGR:産業ライブストリーミング広告のための一時適応型生成勧告
- Abstract要約: 本稿では,リアルタイムトークン化,ユーザ意図モデリング,嗜好アライメントという3段階の時間適応型生成推薦フレームワークを提案する。
大規模なeコマースのライブストリーム広告プラットフォーム上に展開されたTAGRは、それぞれライブルームのエントリーとショッピングカートのクリック率を8.5%と7.4%改善している。
- 参考スコア（独自算出の注目度）: 41.7689835433814
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Live-streaming advertising is an important monetization channel on short-video and e-commerce platforms, where rapidly changing live content, promoted products, and user feedback impose strong freshness requirements on recommendation models. Existing generative recommenders designed for static domains fail at three levels: static semantic IDs (SID) cannot track evolving live ads; single-scale behavior modeling misses shifting intent; preference optimization conflicts between fresh on-policy feedback and training stability. We propose TAGR, a generative recommendation framework with temporal adaptation at three levels: live-ad tokenization, user intent modeling, and preference alignment. At the token level, Live Semantic-Collaborative ID (LSID) periodically refreshes each active ad's SID based on its current live scene and promoted products, while retaining a stable hierarchical token vocabulary for autoregressive generation. At the intent level, Intent-Aware Generation (IAG) models live-room entry histories at multiple temporal granularities as the primary intent sequence, keeps auxiliary behaviors as separate inputs, and weights next-token prediction (NTP) using post-request intent evidence and business value. At the alignment level, Intermittent On-Policy Preference Optimization (IOPO) periodically samples fresh candidate groups from the current policy and performs behavior- and value-aligned preference updates interleaved with supervised NTP maintenance to preserve learned behavior distribution. Deployed on a large-scale e-commerce live-stream advertising platform, TAGR improves live-room entry and shopping-cart click rates by 8.5% and 7.4%, respectively, and achieves a 16.1% revenue lift over the production baseline. These results demonstrate the effectiveness and industrial viability of temporally adaptive generative recommendation for live-stream advertising.
- Abstract（参考訳）: ライブストリーミング広告は、ショートビデオやeコマースプラットフォーム上で重要な収益化チャネルであり、急速にライブコンテンツの変更、プロモーション製品、ユーザーからのフィードバックは、レコメンデーションモデルに強い鮮度要件を課している。
静的セマンティックID(SID)は、進化するライブ広告を追跡することができず、単一スケールの振る舞いモデリングは、シフトする意図を逃す。
本稿では, リアルタイムトークン化, ユーザ意図モデリング, 嗜好アライメントの3つのレベルにおいて, 時間適応を伴う生成的レコメンデーションフレームワークであるTAGRを提案する。
トークンレベルでは、Live Semantic-Collaborative ID(LSID)は、現在のライブシーンとプロモーション製品に基づいて、各アクティブ広告のSIDを定期的に更新すると同時に、自動回帰生成のための安定した階層的なトークン語彙を保持する。
意図レベルでは、IAG(Intent-Aware Generation)は、複数の時間的粒度のライブルームのエントリ履歴を主目的シーケンスとしてモデル化し、補助的な動作を個別の入力として保持し、要求後のインテントエビデンスとビジネス価値を用いた次のトーケン予測(NTP)を重み付けする。
アライメントレベルにおいて、Intermittent On-Policy Preference Optimization (IOPO)は、現在のポリシーから定期的に新しい候補グループをサンプリングし、教師付きNTP保守とインターリーブされた振舞いおよび値に整合した嗜好更新を行い、学習行動分布を保存する。
大規模なeコマースのライブストリーム広告プラットフォーム上に展開されたTAGRは、ライブルームの入場率とショッピングカートのクリック率をそれぞれ8.5%と7.4%改善し、生産ベースラインよりも16.1%の収益を上げている。
これらの結果は,リアルタイム広告における時間適応型生成推薦の有効性と産業性を示すものである。
関連論文リスト
- Shape Your Feed: An LLM-based Agentic System for Conversational Recommendation [18.690831845179797]
Shape Your Feed (SYF)は、リアルタイムでマルチモーダルなコンテンツのコキュレーションを可能にするエージェントレコメンデーションフレームワークである。
SYFは、(i)テキストプロンプト、音声コマンド、UIインタラクションからユーザ意図をキャプチャする知覚フロー、(ii)リアルタイムエージェントによる候補項目の再ランク付けとプルーニングを行うServing Flow、(iii)システム動作と人間の判断を一致させる自己進化フローという3階層のアーキテクチャを採用している。
論文 参考訳（メタデータ） (2026-08-06T22:54:16Z) - 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) - SSRLive: Live Streaming Recommendation with Dynamic Semantic ID [8.32878203748523]
本稿では,SSRLive: Dynamic Semantic ID-guided Streaming Recommendation for Live platformを紹介する。
提案するフレームワークは、生成モジュールと識別モジュールを統一アーキテクチャに統合する。
識別コンポーネントは、SIDとユーザ特徴を組み合わせることでタスク固有の表現を洗練し、ユーザとストリームのインタラクションデータを強化し、マルチタスク予測を実行する。
論文 参考訳（メタデータ） (2026-06-05T06:58:07Z) - Action-Aware Generative Sequence Modeling for Short Video Recommendation [50.74467504063892]
ショートビデオには様々な部分が含まれており、ユーザーはそれらすべてに対して同じ態度を取ることはできない。
従来のバイナリ分類レコメンデーションモデルは、ビデオを単一の全体的エンティティとして扱うが、そのような微妙な好みを正確に捉えるには限界に直面している。
本稿では,時間的次元に沿ってユーザアクションを洗練させる行動認識生成系列ネットワーク(A2Gen)を提案する。
論文 参考訳（メタデータ） (2026-04-28T16:41:04Z) - RecNet: Self-Evolving Preference Propagation for Agentic Recommender Systems [109.9061591263748]
RecNetは、レコメンデータシステムのための自己進化的な好みの伝達フレームワークである。
関連ユーザやアイテム間で、リアルタイムの好み更新を積極的に伝達する。
逆相では、フィードバック駆動の伝搬最適化機構がマルチエージェント強化学習フレームワークをシミュレートする。
論文 参考訳（メタデータ） (2026-01-29T12:14:31Z) - GenCI: Generative Modeling of User Interest Shift via Cohort-based Intent Learning for CTR Prediction [84.0125708499372]
本稿では,クリックスルー率(CTR)予測のためのユーザ嗜好をモデル化するための生成ユーザ意図フレームワークを提案する。
このフレームワークはまず、次の項目の予測目標で訓練された生成モデルを使用して、候補の関心コホートを積極的に生成する。
階層的候補認識ネットワークは、このリッチなコンテキスト信号をランキングステージに注入し、ユーザ履歴とターゲットアイテムの両方に適合するように、クロスアテンションで精製する。
論文 参考訳（メタデータ） (2026-01-26T08:15:04Z) - SPRInG: Continual LLM Personalization via Selective Parametric Adaptation and Retrieval-Interpolated Generation [11.253466187411524]
SPRInGは、効果的な継続パーソナライズを目的とした、新しい半パラメトリックフレームワークである。
訓練中、SPRInGはドリフト駆動の選択的適応を採用しており、これは確率に基づくスコアリング機能を用いて高能率相互作用を識別する。
長期のパーソナライズされた生成ベンチマークの実験は、SPRInGが既存のベースラインを上回っていることを示している。
論文 参考訳（メタデータ） (2026-01-15T01:32:27Z) - Graph Neural Network Enhanced Sequential Recommendation Method for Cross-Platform Ad Campaign [7.527164593769052]
グラフニューラルネットワーク(GNN)に基づく広告推薦手法を解析する。
ユーザの行動データ(例えば、クリック頻度、アクティブ期間)は、関心の進化の時間的パターンを明らかにする。
プラットフォーム機能(デバイスタイプ、使用状況など)は、関心が遷移する環境を形作る。
論文 参考訳（メタデータ） (2025-07-11T18:34:02Z) - Learn from the Learnt: Source-Free Active Domain Adaptation via Contrastive Sampling and Visual Persistence [60.37934652213881]
ドメイン適応(DA)は、ソースドメインから関連するターゲットドメインへの知識伝達を容易にする。
本稿では、ソースデータフリーなアクティブドメイン適応(SFADA)という実用的なDAパラダイムについて検討する。
本稿では,学習者学習(LFTL)というSFADAの新たなパラダイムを紹介し,学習した学習知識を事前学習モデルから活用し,余分なオーバーヘッドを伴わずにモデルを積極的に反復する。
論文 参考訳（メタデータ） (2024-07-26T17:51:58Z) - Self-Augmented Preference Optimization: Off-Policy Paradigms for Language Model Alignment [104.18002641195442]
既存のペアデータを必要としない、効果的でスケーラブルなトレーニングパラダイムである自己拡張型優先度最適化(SAPO)を導入する。
負の反応を自律的に生成するセルフプレイの概念に基づいて、我々はさらに、データ探索とエクスプロイトを強化するために、非政治的な学習パイプラインを組み込む。
論文 参考訳（メタデータ） (2024-05-31T14:21:04Z)
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。