論文の概要: PCap: Personalized Retrieval-Stage Diversity Capping in Facebook Marketplace

• arxiv url: http://arxiv.org/abs/2609.16452v1
• Date: Tue, 15 Sep 2026 00:16:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.273911
• Title: PCap: Personalized Retrieval-Stage Diversity Capping in Facebook Marketplace
• Title（参考訳）: PCap: Facebookのマーケットプレースでパーソナライズされた検索段階の多様性のキャッピング
• Abstract要約: 検索段階でユーザレベルの多様性制約を導入することにより,Facebook Marketplaceの多様性を改善するためのパーソナライズされたキャッピングフレームワーク(PCap)を提案する。 PCapは、シャノンエントロピーに基づくスコアリングを使用して個々の多様性の好みをモデル化し、ユーザをダイバーシティバケットに分割し、マルチソース候補検索中にパーソナライズされたカテゴリキャップを適用する。
• 参考スコア（独自算出の注目度）: 13.439754782570999
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a personalized capping framework (PCap) to improve the diversity in Facebook Marketplace by introducing user-level diversity constraints at the retrieval stage. PCap models individual diversity preferences using Shannon entropy-based scoring, segments users into diversity buckets, and applies personalized category caps during multi-source candidate retrieval. To navigate the high-dimensional parameter space of per-bucket caps, we leverage an automated online optimization method called Parameter Tuning Sequence. Large-scale online experiments demonstrate that PCap significantly improves users' browsing experience shown in engagement metrics. This work provides practical insights into integrating personalized diversity into industrial retrieval systems.
• Abstract（参考訳）: 検索段階でユーザレベルの多様性制約を導入することにより,Facebook Marketplaceの多様性を改善するためのパーソナライズされたキャッピングフレームワーク(PCap)を提案する。 PCapは、シャノンエントロピーに基づくスコアリングを使用して個々の多様性の好みをモデル化し、ユーザをダイバーシティバケットに分割し、マルチソース候補検索中にパーソナライズされたカテゴリキャップを適用する。 バッファ単位の上限の高次元パラメータ空間をナビゲートするために,パラメータ調整シーケンスと呼ばれるオンライン最適化手法を利用する。 大規模なオンライン実験により、PCapはエンゲージメントメトリクスで示されるユーザのブラウジングエクスペリエンスを大幅に改善することが示された。 この研究は、パーソナライズされた多様性を産業検索システムに統合するための実践的な洞察を提供する。

関連論文リスト

• Synthetic Interaction Data for Scalable Personalization in Large Language Models [67.31884245564086]
  本稿ではPersonaGymという高忠実な合成データ生成フレームワークを紹介する。 パーソナライゼーションを静的なペルソナ-参照ペアとして扱う以前の作業とは異なり、PersonaGymは動的な選好プロセスをモデル化する。 我々は,高忠実度マルチターンパーソナライズされたインタラクショントラジェクトリの大規模かつ高品質で多様な合成データセットであるPersonaAtlasをリリースする。
  論文  参考訳（メタデータ） (2026-02-12T20:41:22Z)
• CURP: Codebook-based Continuous User Representation for Personalized Generation with LLMs [60.867541073274715]
  双方向ユーザエンコーダと離散プロトタイプコードブックを用いて,多次元ユーザ特性を抽出する新しいフレームワークCURPを提案する。 この設計により、少数のトレーニング可能なパラメータでプラグアンドプレイのパーソナライズが可能となる。 CURPは,強いベースラインに比べて優れた性能と一般化を実現していることを示す。
  論文  参考訳（メタデータ） (2026-01-31T14:13:06Z)
• Instant Personalized Large Language Model Adaptation via Hypernetwork [56.512539596908745]
  Profile-to-PEFTは、ハイパーネットワークでトレーニングされたエンドツーエンドを使用して、ユーザのエンコードされたプロファイルを直接、アダプタパラメータの完全なセットにマッピングするスケーラブルなフレームワークである。 提案手法は,展開時に計算資源を著しく減らしながら,プロンプトベースのパーソナライゼーションとOPPUの両方に優れることを示す。
  論文  参考訳（メタデータ） (2025-10-18T00:41:25Z)
• Diversified recommendations of cultural activities with personalized determinantal point processes [0.3324986723090369]
  本研究は、個人化された決定点プロセス(DPP)を用いて、多種多様な関連性のある勧告をサンプリングする。 我々は、ユーザの好みをより重くするために、よく知られた類似性カーネルの品質と多様性の分解に依存しています。 本稿では, DPPサンプリングの個人化実装について紹介し, オフラインとオンラインの両方のメトリクスによる妥当性と多様性のトレードオフを評価し, 実運用環境における実践者の活用について考察する。
  論文  参考訳（メタデータ） (2025-09-12T16:34:07Z)
• Bayesian-Guided Diversity in Sequential Sampling for Recommender Systems [1.675857332621569]
  本稿では,多目的・文脈的な逐次サンプリング戦略を活用する新しいフレームワークを提案する。 アイテムの選択は、多様性を最適化するためにスコアを動的に調整するベイジアン更新によってガイドされる。 実世界のデータセットを用いた実験により、我々のアプローチは妥当性を犠牲にすることなく多様性を著しく改善することが示された。
  論文  参考訳（メタデータ） (2025-06-22T19:36:02Z)
• SPARKE: Scalable Prompt-Aware Diversity and Novelty Guidance in Diffusion Models via RKE Score [22.364171814102487]
  拡散モデルは高忠実度画像合成と即時誘導生成モデルにおいて顕著な成功を収めている。 そこで本稿では,SPARKE(Scalble Prompt-Aware R'eny Kernel Entropy Diversity Guidance)法を提案する。 本研究では,複数のテキスト・画像拡散モデル上でSPARKE法を数値的に検証し,提案手法が有意な計算コストを伴わずに生成したデータの迅速な多様性を向上させることを示す。
  論文  参考訳（メタデータ） (2025-06-11T20:53:45Z)
• Diversified Batch Selection for Training Acceleration [68.67164304377732]
  オンラインバッチ選択として知られる一般的な研究ラインでは、トレーニングプロセス中の情報サブセットの選択について検討している。 バニラ参照モデルフリーメソッドは、独立してデータをサンプリング的にスコア付けし、選択する。 DivBS(Diversified Batch Selection)を提案する。
  論文  参考訳（メタデータ） (2024-06-07T12:12:20Z)
• BOtied: Multi-objective Bayesian optimization with tied multivariate ranks [33.414682601242006]
  本稿では,非支配解と結合累積分布関数の極端量子化との自然な関係を示す。 このリンクにより、我々はPareto対応CDFインジケータと関連する取得関数BOtiedを提案する。 種々の合成および実世界の問題に対する実験により,BOtied は最先端MOBO 取得関数より優れていることが示された。
  論文  参考訳（メタデータ） (2023-06-01T04:50:06Z)
• Graph Exploration Matters: Improving both individual-level and system-level diversity in WeChat Feed Recommender [21.0013026365164]
  個人レベルの多様性とシステムレベルの多様性はどちらも産業レコメンデーターシステムにとって重要である。 WeChat AppのTop Storiesで、数億人のユーザが使用するシステムの実装とデプロイを行います。
  論文  参考訳（メタデータ） (2023-05-29T19:25:32Z)
• Representation Online Matters: Practical End-to-End Diversification in Search and Recommender Systems [8.296711988456762]
  本稿では,検索結果とレコメンデーションの表現を改善するために,エンドツーエンドの多様化を導入する。 Pinterestプラットフォーム上でスケーラブルな多様化メカニズムを開発し、実験し、展開します。 当社のアプローチは,ユーティリティメトリクスに対する肯定的な影響とユーザ満足度の向上を伴って,多様性指標を大幅に改善しています。
  論文  参考訳（メタデータ） (2023-05-24T19:43:26Z)
• Multimodal Adaptive Fusion of Face and Gait Features using Keyless attention based Deep Neural Networks for Human Identification [67.64124512185087]
  歩行のような軟式生体認証は、人物認識や再識別といった監視作業において顔に広く使われている。 本稿では,キーレス注意深層ニューラルネットワークを活用することで,歩行と顔のバイオメトリック・キューを動的に組み込むための適応型マルチバイオメトリック・フュージョン戦略を提案する。
  論文  参考訳（メタデータ） (2023-03-24T05:28:35Z)
• The Minority Matters: A Diversity-Promoting Collaborative Metric Learning Algorithm [154.47590401735323]
  CML(Collaborative Metric Learning)は、リコメンデーションシステムにおいて人気のある手法として最近登場した。 本稿では,ユーザが複数のカテゴリの関心を持つ,困難なシナリオに焦点をあてる。 textitDiversity-Promoting Collaborative Metric Learning (DPCML) と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-09-30T08:02:18Z)

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。