論文の概要: One-Step Retrieval Framework for Real-Time Sponsored Search Ads Using Hierarchical Text Representations

• arxiv url: http://arxiv.org/abs/2609.18296v1
• Date: Wed, 16 Sep 2026 08:18:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.709307
• Title: One-Step Retrieval Framework for Real-Time Sponsored Search Ads Using Hierarchical Text Representations
• Title（参考訳）: 階層的テキスト表現を用いたリアルタイムスポンサー検索広告の一段階検索フレームワーク
• Abstract要約: 本稿では,uNified Generation-discriminative-level reaL-time rEtrieval frameworkを提案する。 ANGLEは単一のLLM内で直接検索、関連性、ランキングを統合する。 実世界の検索シナリオにANGLEを適用し, 消費が1.81%増加し, 総商品量が2.16%増加した。
• 参考スコア（独自算出の注目度）: 10.713184473873804
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traditional retrieval systems typically use multi-stage cascading architectures (MCA), where each module is optimized independently, leading to inconsistent objectives and the premature elimination of high-potential candidates. Recent LLM-based generation methods offer end-to-end solutions but use discrete semantic identifiers (SIDs) to retrieve ads, which are not learned by the base LLM and require memorization of numerous SID-to-ad mappings during SFT, suffering from limited generalization to unseen ads, high maintenance and update costs. The one-to-one mapping between SIDs and advertisements leads to inefficient decoding. Moreover, these methods rely on a small reward model (e.g. pctr) for relevance and ranking, limiting the LLM's ability to fully assess ads' commercial value. To address these challenges, we propose A uNified Generation-discriminative-ranking reaL-time rEtrieval (ANGLE) framework. ANGLE uses LLM-generated hierarchical textual representations, which consist of commercial intent that provide high-level overviews and ad abstract that deliver fine-grained details. Additionally, ANGLE integrates retrieval, relevance, and ranking directly within a single LLM, enabling precise and efficient ranking of ads by leveraging the full capabilities of the LLM. We applied ANGLE to the real-world search scenarios, achieving a 1.81% increase in consumption and a 2.16% increase in gross merchandise volume (GMV). We also conducted offline evaluations of ANGLE and seven baselines, with ANGLE outperforming all across key metrics such as HR and ACR.
• Abstract（参考訳）: 従来の検索システムは一般に多段階カスケードアーキテクチャ(MCA)を用いており、各モジュールは独立して最適化されており、不整合目的と高次候補の早期排除につながっている。 近年の LLM ベースの生成手法では,従来の LLM では学習されず,SFT 中に多くの SID-to-ad マッピングを記憶する必要がある広告を検索するために,個別のセマンティック識別子 (SID) を用いる。 SIDと広告の1対1マッピングは、非効率なデコードをもたらす。 さらに、これらの手法は、関連性とランク付けのための小さな報酬モデル(例:pctr)に依存しており、LLMが広告の商業価値を完全に評価する能力を制限する。 これらの課題に対処するために、uNified Generation-discriminative-reaL-time rEtrieval (ANGLE) フレームワークを提案する。 ANGLE は LLM 生成した階層的テキスト表現を用いており、これは高レベルな概要と細かな詳細を提供する広告抽象化を提供する商業的意図から成り立っている。 さらに、ANGLEは単一のLLM内で検索、関連性、ランキングを直接統合し、LLMの全機能を活用することで、広告の正確かつ効率的なランク付けを可能にする。 実世界の検索シナリオにANGLEを適用し,消費が1.81%増加し,総商品量(GMV)が2.16%増加した。 また、angleと7つのベースラインをオフラインで評価し、HRやACRといった主要な指標すべてにおいて、ANGLEのパフォーマンスが向上した。

関連論文リスト

• AdNanny: One Reasoning LLM for All Offline Ads Recommendation Tasks [57.725430699642004]
  大規模言語モデル(LLM)は、自然言語理解と生成において強力な能力を示している。 オンライン広告システムに直接デプロイするのは、厳密なミリ秒レベルの遅延制約のため、現実的ではないことが多い。 我々は、オフライン広告タスクの共有バックボーンとして機能する統合推論中心のLCMであるAdNannyを紹介します。
  論文  参考訳（メタデータ） (2026-02-02T02:56:11Z)
• LLMs as Sparse Retrievers:A Framework for First-Stage Product Search [103.70006474544364]
  プロダクト検索は、現代のeコマースプラットフォームにおいて重要な要素であり、毎日何十億ものユーザークエリがある。 スパース検索法は語彙ミスマッチの問題に悩まされ, 製品検索のシナリオにおいて, 最適以下の性能が向上する。 セマンティック分析の可能性により、大言語モデル(LLM)は語彙ミスマッチ問題を緩和するための有望な道を提供する。 本稿では,SParsE Retrievers として LLM を利用した製品検索フレームワーク PROSPER を提案する。
  論文  参考訳（メタデータ） (2025-10-21T11:13:21Z)
• Iterative Self-Incentivization Empowers Large Language Models as Agentic Searchers [74.17516978246152]
  大規模言語モデル(LLM)は、従来の手法を進化させるために情報検索に広く統合されている。 エージェント検索フレームワークであるEXSEARCHを提案する。 4つの知識集約ベンチマークの実験では、EXSEARCHはベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2025-05-26T15:27:55Z)
• Latent Factor Models Meets Instructions: Goal-conditioned Latent Factor Discovery without Task Supervision [50.45597801390757]
  Instruct-LFはゴール指向の潜在因子発見システムである。 命令フォロー機能と統計モデルを統合して、ノイズの多いデータセットを処理する。
  論文  参考訳（メタデータ） (2025-02-21T02:03:08Z)
• LEADRE: Multi-Faceted Knowledge Enhanced LLM Empowered Display Advertisement Recommender System [33.39947940384811]
  従来のディスプレイ広告システムはIDベースの学習に頼っている。 LLMの広範な世界知識を活用することを提案する。 LEADREと呼ばれる新しいLCMベースのフレームワークを紹介する。
  論文  参考訳（メタデータ） (2024-11-21T02:22:35Z)
• Towards Boosting LLMs-driven Relevance Modeling with Progressive Retrieved Behavior-augmented Prompting [23.61061000692023]
  本研究では,検索ログに記録されたユーザインタラクションを活用して,ユーザの暗黙の検索意図に対する洞察を得ることを提案する。 ProRBPは,探索シナリオ指向の知識を大規模言語モデルと統合するための,プログレッシブ検索行動拡張型プロンプトフレームワークである。
  論文  参考訳（メタデータ） (2024-08-18T11:07:38Z)
• ReSLLM: Large Language Models are Strong Resource Selectors for Federated Search [35.44746116088232]
  フェデレーション検索は、Retrieval-Augmented Generationパイプラインのコンテキストにおいて、ますます重要になる。 現在のSOTA資源選択手法は特徴に基づく学習手法に依存している。 ゼロショット環境でのフェデレーション検索における資源選択を促進するために,ReSLLMを提案する。
  論文  参考訳（メタデータ） (2024-01-31T07:58:54Z)

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。