論文の概要: What Makes a Good Semantic ID for Generative Recommendation? A Reproducibility Study
- arxiv url: http://arxiv.org/abs/2609.24430v1
- Date: Mon, 21 Sep 2026 11:26:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-24 15:28:07.242218
- Title: What Makes a Good Semantic ID for Generative Recommendation? A Reproducibility Study
- Title（参考訳）: ジェネレーティブレコメンデーションのための優れたセマンティックIDとは何か? : 再現性の検討
- Abstract要約: ジェネレーティブ・レコメンデーションは、アイテムが一般的に意味ID(SID)によって表現される活発な研究方向として登場した。
強い実証結果にもかかわらず、SIDの設計は建設戦略、コードブックの組織、コードの長さで大きく異なり、推奨性能に真の影響を与えている。
本研究は, セマンティックID設計が生成的推薦に与える影響を系統的に調査する大規模研究である。
- 参考スコア（独自算出の注目度）: 25.125708654808577
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generative recommendation has emerged as an active research direction, where items are commonly represented by semantic IDs (SIDs): discrete codes generated token by token. Despite strong empirical results, SID designs vary widely in construction strategy, codebook organization, and code length, making their true impact on recommendation performance unclear. We conduct a large-scale reproducibility study to systematically investigate the impact of semantic ID design on generative recommendation under a unified experimental framework. We focus on a fundamental question: What makes a good semantic ID for generative recommendation? To answer this question, we examine four aspects: the relative effectiveness of different semantic ID designs, the connection between codebook utilization and recommendation quality, the effect of semantic code length, and the influence of semantic ID design on local item semantic preservation. Through a unified evaluation and additional cross-dataset controlled analyses, we find that the effects of SID design are largely non-monotonic: no single SID design is universally best, and commonly used RQ-VAE- and OPQ-based designs can behave inconsistently across datasets. The method with the most balanced first-level codebook is not consistently the best recommender, showing that utilization is diagnostic but insufficient. Scaling either the generative backbone or the SID length is also not always beneficial. Finally, semantic-neighborhood analysis reveals that no single SID design dominates all notions of local semantic preservation; instead, different designs exhibit complementary strengths that remain stable across datasets and neighborhood sizes. Our study provides a controlled and reproducible understanding of semantic ID design and offers practical insights for future generative recommender systems.
- Abstract（参考訳）: 生成レコメンデーションはアクティブな研究の方向として現れており、アイテムはセマンティックID(SID)によって一般的に表現される。
強い実証結果にもかかわらず、SIDの設計は建設戦略、コードブックの組織、コードの長さで大きく異なり、推奨性能に真の影響を与えている。
統合された実験枠組みの下で,意味的ID設計が生成レコメンデーションに与える影響を体系的に調査するために,大規模な再現性研究を行う。
生成レコメンデーションのための優れたセマンティックIDとは何か?
そこで本研究では,異なる意味的ID設計の有効性,コードブックの利用率と推奨品質の関連性,意味的コード長の影響,意味的ID設計が局所項目のセマンティック保存に与える影響の4点について検討する。
統一された評価と、追加のデータセット制御分析により、SID設計の効果は概ね非単調であり、単一のSID設計が普遍的に最適であり、RQ-VAEおよびOPQベースの設計はデータセット間で一貫性のない振る舞いをすることができる。
最もバランスの取れたファーストレベルのコードブックを持つメソッドは、常にベストレコメンデータではない。
生成バックボーンのスケーリングやSIDの長さのスケーリングも必ずしも有益ではない。
最後に、セマンティック・近隣分析により、局所的なセマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティックス(SID)は、局所的なセマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティクスのすべての概念を独占するものではないことが明らかになった。
本研究は, セマンティックID設計の制御および再現可能な理解を提供し, 将来的な生成レコメンデーションシステムに対する実践的洞察を提供する。
関連論文リスト
- Beyond Fixed Depths and Widths: Optimizing Textual Decoding Tries in LLM-based Generative Recommendation [59.20704286413859]
本稿では,テキスト用語IDとその基盤となるデコードトリエを共設計する新しいフレームワークを提案する。
BONSAIは最先端のベースラインよりも21.6%向上している。
論文 参考訳（メタデータ） (2026-07-18T04:31:02Z) - CARD: Non-Uniform Quantization of Visual Semantic Unit for Generative Recommendation [16.01204624133875]
我々はCARDと呼ばれる新しい生成レコメンデーションフレームワークを提案する。
CARDは、テキスト、視覚、協調的な信号をエンコーディングの前に構造化された視覚表現に統一する視覚意味ユニットを導入している。
我々は、学習可能で可逆な非一様変換を量子化プロセスに組み込んだ非一様量子化フレームワークを開発し、歪んだ意味分布をよりバランスの取れた潜在空間にマッピングする。
論文 参考訳（メタデータ） (2026-04-29T08:38:14Z) - Semantic IDs for Recommender Systems at Snapchat: Use Cases, Technical Challenges, and Design Choices [39.95009019603262]
我々はSnapchatでセマンティックID(SID)を適用しているときに遭遇した実践的技術的課題について論じる。
SIDは原子よりも基数が非常に小さく、ID空間のセマンティッククラスタリングを誘導する。
我々は、ランキングモデルの補助機能としてSIDを適用し、また、異なるMLアプリケーションで追加の検索ソースとしてSIDを探索する。
論文 参考訳（メタデータ） (2026-04-05T03:46:52Z) - Reasoning over Semantic IDs Enhances Generative Recommendation [56.83043583765322]
本稿では,SID 言語アライメントを強化することによって,SID に対する推論を実現する2段階のフレームワークを提案する。
SIDReasonerはさらに、結果駆動強化最適化によるレコメンデーション推論を改善している。
実世界の3つのデータセットに対する実験により,SIDに基づく生成推薦の有効性が示された。
論文 参考訳（メタデータ） (2026-03-24T13:31:48Z) - GLASS: A Generative Recommender for Long-sequence Modeling via SID-Tier and Semantic Search [51.44490997013772]
GLASSは、SID-TierとSemantic Searchを通じて、長期的なユーザ関心を生成プロセスに統合する新しいフレームワークである。
GLASSは2つの大規模実世界のデータセットの実験において最先端のベースラインを上回っていることを示す。
論文 参考訳（メタデータ） (2026-02-05T13:48:33Z) - Rethinking Generative Recommender Tokenizer: Recsys-Native Encoding and Semantic Quantization Beyond LLMs [17.944727019161878]
ReSIDは、情報保存とシーケンシャルな予測可能性の観点から学ぶことを推奨する、原則化されたSIDフレームワークである。
高いシーケンシャルおよびSIDベースの生成ベースラインを平均10%以上上回り、トークン化コストを最大122倍削減する。
論文 参考訳（メタデータ） (2026-02-02T17:00:04Z) - Differentiable Semantic ID for Generative Recommendation [65.83703273297492]
生成的推薦は、各項目がリッチコンテンツから学習された個別意味ID(SID)によって表現される新しいパラダイムを提供する。
実際には、SIDはレコメンデーションの正確さよりもコンテンツ再構成に最適化されるのが一般的である。
自然なアプローチは、セマンティックインデックスを差別化して、レコメンデーショングラデーションが直接SID学習に影響を与えるようにすることだ。
本稿では,ジェネレーティブレコメンデーションのための効果的な識別可能なセマンティックIDに向けた第一歩として,DIGERを提案する。
論文 参考訳（メタデータ） (2026-01-27T15:34:11Z) - Unleashing the Native Recommendation Potential: LLM-Based Generative Recommendation via Structured Term Identifiers [51.64398574262054]
本稿では,意味的にリッチで標準化されたテキストキーワードの集合として定義された用語ID(TID)を導入し,堅牢な項目識別子として機能する。
本稿では,TIDを中心にした新しいフレームワークGRLMを提案し,項目のメタデータを標準化されたTIDに変換し,統合的インストラクションファインタニングを活用して,用語の内部化とシーケンシャルレコメンデーションを協調的に最適化する。
論文 参考訳（メタデータ） (2026-01-11T07:53:20Z) - The Best of the Two Worlds: Harmonizing Semantic and Hash IDs for Sequential Recommendation [51.62815306481903]
我々は,SIDとHIDを調和させる新しいフレームワークであるtextbfnameを提案する。具体的には,HIDのユニークなコラボレーティブアイデンティティを保ちながら,SID内のマルチグラニュラーセマンティクスの両方をキャプチャ可能な,デュアルブランチモデリングアーキテクチャを考案する。
実世界の3つのデータセットの実験では、名前は、既存のベースラインを越えながら、頭と尾の両方の推奨品質のバランスをとる。
論文 参考訳（メタデータ） (2025-12-11T07:50:53Z)
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。