論文の概要: When LLM-Inferred User Context Adds Value in Production Streaming Recommendation

• arxiv url: http://arxiv.org/abs/2609.38999v1
• Date: Wed, 30 Sep 2026 05:12:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.223226
• Title: When LLM-Inferred User Context Adds Value in Production Streaming Recommendation
• Title（参考訳）: LLM-Inferred ユーザコンテキストがプロダクションストリーミングレコメンデーションに付加されるとき
• Abstract要約: レコメンデータシステムのコンテキスト情報は、静的で事前定義された変数から、振る舞いから推測される潜在表現へとシフトしている。 大規模言語モデルは、非構造化相互作用履歴を自然言語の要約としてレンダリングすることで、このシフトをサポートする。 実運用ストリーミングプラットフォーム上でのセマンティックユーザプロファイリング戦略を,全カタログに比較して評価した。
• 参考スコア（独自算出の注目度）: 1.1024591739346294
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Contextual information in recommender systems is shifting from static, predefined variables toward latent representations inferred from behavior. Large language models support this shift by rendering an unstructured interaction history as a natural-language summary, which yields a thematic user context that can be encoded and used in place of an aggregate profile. The conditions under which such generated profiles outperform aggregate embeddings have received limited characterization mainly at the domain level. We evaluate semantic user-profiling strategies on a production streaming platform, ranking against the full catalog. The evaluation covers a 2*2 design space crossing representation type (aggregate or LLM-generated) with contextual scope (holistic history or attention-fused short-term and long-term contexts). The relative ordering of the two representation types is conditional on the user's consumption regime. Aggregate profiles are consistently stronger under habitual consumption, which characterizes approximately four-fifths of the population, while LLM-generated profiles are stronger for exploratory users whose subsequent interactions diverge semantically from their history. We also observe a popularity-attractor effect in LLM-generated profiles, which modestly raises within-list diversity while substantially lowering catalog coverage and reducing novelty. These results indicate that a context-aware system can select a profiling strategy from the inferred consumption regime rather than applying one representation to all users.
• Abstract（参考訳）: レコメンデータシステムのコンテキスト情報は、静的で事前定義された変数から、振る舞いから推測される潜在表現へとシフトしている。 大規模言語モデルは、構造化されていないインタラクション履歴を自然言語の要約としてレンダリングすることで、このシフトをサポートします。 このようなプロファイルが集合埋め込みより優れている条件は、主にドメインレベルでの限定的な特徴付けを受けています。 実運用ストリーミングプラットフォーム上でのセマンティックユーザプロファイリング戦略を,全カタログに比較して評価した。 評価は2*2デザインの空間交差表現型(アグリゲートまたはLLM生成)を文脈的スコープ(全体的歴史や注意を融合した短期的・長期的コンテキスト)でカバーする。 2つの表現型の相対的な順序付けは、ユーザの消費体制に条件付きである。 人口の約5分の4を特徴付ける習慣的消費下では、凝集プロファイルは一貫して強く、LLM生成プロファイルは、その後のインタラクションが意味論的にその歴史から分岐する探索ユーザにとって強い。 また, LLM 生成プロファイルにおいて, カタログカバレッジを大幅に低下させ, 新規性を低下させつつ, 内部の多様性を緩やかに向上させる人気獲得効果を観察した。 これらの結果から、コンテキスト認識システムでは、すべてのユーザに対して1つの表現を適用するのではなく、推論された消費体制からプロファイリング戦略を選択できることが示唆された。

関連論文リスト

• When LLM-Based User Profiling Adds Value in Production Streaming Recommendation [1.1024591739346294]
  本稿では,4つのセマンティック・ユーザ・プロファイリング・ストラテジーの体系的比較について述べる。 この比較は、これらの戦略がユーザーの行動タイプ、精度と推奨品質の超精度の両面でどのように異なるかを明らかにしている。
  論文  参考訳（メタデータ） (2026-09-23T00:42:36Z)
• RECAP: Feedback-Driven Streaming Semantic User Profiles for Short-Video Recommendation [74.86562505934961]
  言語ベースのユーザプロファイルは、長い行動履歴をレコメンデーションのために明示的な意味表現に変換する。 そこでは,ストリームやプロファイルの更新を限定的に行うことで,ユーザの行動が継続的に到着する,実世界のショートビデオレコメンデーションにおいて,この問題について検討する。 本稿では,ストリーミング構造化されたセマンティックプロファイルを過去のレコメンデーションフィードバックで最適化するためのオフラインクローズドループフレームワークRECAPを提案する。
  論文  参考訳（メタデータ） (2026-07-17T08:10:37Z)
• Bridging Textual Profiles and Latent User Embeddings for Personalization [26.383561311860106]
  本稿では,ユーザプロファイルを埋め込み型レコメンデーション目標と統合する強化学習フレームワークBLUEを提案する。 ブルーは、凍結およびトレーニング可能な埋め込み条件下で、強いベースラインを一貫して上回る。 これらの結果から,BLUEはパーソナライズのための識別可能なテキスト・プロファイリングと識別可能な潜在埋め込みを一体化するための効果的な方法であることが示された。
  論文  参考訳（メタデータ） (2026-05-07T21:59:12Z)
• From Local Indices to Global Identifiers: Generative Reranking for Recommender Systems via Global Action Space [50.72071213515985]
  GloRankは、ローカルインデックスの選択からグローバル識別子の生成に移行する、ジェネレーティブなフレームワークである。 我々はGloRankが最先端のベースラインを一貫して上回り、コールドスタートシナリオにおいて優れたロバスト性を実現することを示す。
  論文  参考訳（メタデータ） (2026-04-28T06:57:00Z)
• Sparse Personalized Text Generation with Multi-Trajectory Reasoning [95.19317487799292]
  PAT(Personalization with Aligned Trajectories)は、コールドスタートLDMパーソナライズのための推論フレームワークである。 まず、スタイリスティックに類似したユーザからの書き込みスタイルの手がかりと、嗜好に沿ったユーザからのトピック固有のコンテキストの2つの相補的なトラジェクトリに沿って情報を取得する。 次に、強化学習に基づく反復的な二重共振機構を用い、LLMはこれらの信号を共同で洗練し統合することができる。
  論文  参考訳（メタデータ） (2026-04-27T20:58:49Z)
• DUET: Joint Exploration of User Item Profiles in Recommendation System [64.09357667290634]
  本稿では,ユーザやアイテムに対して効果的なテキストプロファイルを構築する方法について検討する。 最大の難点は、最高のプロファイルフォーマットがプリオリを知らないことである。 ユーザ履歴とアイテムエビデンスの両方で条件付きユーザプロファイルとアイテムプロファイルを共同で生成するインタラクション対応プロファイル生成器であるDuetを提案する。
  論文  参考訳（メタデータ） (2026-04-15T12:37:40Z)
• Using LLMs to Capture Users' Temporal Context for Recommendation [3.719862246745416]
  本稿では,Large Language Models (LLMs) を用いて,意味的にリッチでタイムアウェアなユーザプロファイルを生成する手法を提案する。 我々は、新しいエンドツーエンドレコメンデーションアーキテクチャを提案していないが、中核となる貢献は、LLMの有効性の程度を体系的に調査することである。 Movies&TV と Video Games のドメイン間での評価では、LLM の生成したプロファイルは意味的な深さと時間構造を提供するが、コンテキスト対応のレコメンデーションの有効性はユーザーインタラクション履歴の豊かさに特有である。
  論文  参考訳（メタデータ） (2025-08-11T22:48:31Z)
• Temporal User Profiling with LLMs: Balancing Short-Term and Long-Term Preferences for Recommendations [3.719862246745416]
  本稿では,短期および長期の嗜好を明示的にモデル化するユーザプロファイリング手法を提案する。 LLM-TUPは、いくつかのベースラインに対して大幅に改善されている。
  論文  参考訳（メタデータ） (2025-08-11T20:28:24Z)
• Towards Explainable Temporal User Profiling with LLMs [3.719862246745416]
  我々は,大規模言語モデル(LLM)を利用して,ユーザのインタラクション履歴の自然言語要約を生成する。 我々のフレームワークは、時間的ユーザの好みをモデル化するだけでなく、解釈可能な方法でレコメンデーションを説明するために使える自然言語プロファイルも生成する。
  論文  参考訳（メタデータ） (2025-05-01T22:02:46Z)
• Few-shot Steerable Alignment: Adapting Rewards and LLM Policies with Neural Processes [50.544186914115045]
  大きな言語モデル(LLM)は、日々のアプリケーションにますます組み込まれています。 個人ユーザの多様な嗜好との整合性を確保することは、重要な課題となっている。 数発のステアライメントのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-18T16:14:59Z)
• On the steerability of large language models toward data-driven personas [98.9138902560793]
  大規模言語モデル(LLM)は、特定のグループや集団の意見が不足している偏りのある応答を生成することが知られている。 本稿では, LLM を用いて特定の視点の制御可能な生成を実現するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-11-08T19:01:13Z)

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。