論文の概要: BehaviorMem: Building and Evaluating User Memory from Real-World E-Commerce Behavior Streams

• arxiv url: http://arxiv.org/abs/2610.34790v1
• Date: Mon, 26 Oct 2026 03:32:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.72741
• Title: BehaviorMem: Building and Evaluating User Memory from Real-World E-Commerce Behavior Streams
• Title（参考訳）: BehaviorMem: 現実のEコマース行動ストリームからユーザメモリを構築し評価する
• Abstract要約: textbfBehaviorMemBenchは、3年以上にわたって1,194人のユーザーと17,462の行動バッチをカバーする実際のEコマースログから構築されたベンチマークである。 textbfBehaviorMemは、明示的な行動事実を整理し、長期および短期のスコープにわたってユーザ特性を推測するメモリ設計である。
• 参考スコア（独自算出の注目度）: 48.38153837085739
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: User memory helps personalized systems build on their understanding of users over time. In e-commerce, users convey their preferences and needs through both explicit language and implicit interactions with products. We study memory built from logs of these interactions, examining how it can \emph{remember} concrete evidence and established interests, and use that evidence to \emph{infer} underlying needs and preferences that inform judgments beyond well-observed product domains. Existing memory methods primarily target language-based interactions, and evaluations offer limited real behavioral data and limited separation of these capabilities. This leaves open how to jointly support and separately evaluate remembering and inference from behavioral logs. We formulate the problem of continual behavioral user memory around these joint requirements and develop a dedicated evaluation framework and memory method to address them. \textbf{BehaviorMemBench} is a benchmark built from real e-commerce logs covering 1{,}194 users and 17{,}462 behavioral batches over more than three years, with automatic future-behavior labels and a task-independent memory interface to separately evaluate remembering and inference under a common protocol. \textbf{BehaviorMem} is a memory design that organizes explicit behavioral facts and inferred user characteristics across long-term and short-term scopes in a two-axis state, with evidence-grounded formation, continual maintenance, and query-independent readout. Experiments across two builders and two task readers show that BehaviorMem leads the evaluated agentic memories on remember and infer, and reveal different method rankings across the two capabilities and competitive statistical baselines. Validation on a public dataset further supports its usefulness for downstream tasks based on behavioral histories.
• Abstract（参考訳）: ユーザメモリは、パーソナライズされたシステムが時間の経過とともにユーザの理解に基づいて構築するのに役立つ。 電子商取引では、ユーザーは明示的な言語と製品との暗黙の相互作用を通じて、好みやニーズを伝達する。 我々は、これらの相互作用のログから構築された記憶を研究し、それが具体的なエビデンスと関心を確立する方法を調べ、そのエビデンスを、よく観察された製品ドメインを超えて判断を通知するニーズと嗜好に利用します。 既存のメモリ手法は主に言語に基づくインタラクションを対象とし、評価は限られた実際の行動データとこれらの機能の限定的な分離を提供する。 これにより、行動ログからの記憶と推論を共同でサポートし、別々に評価する方法が明らかになる。 本稿では,これらの共同要求にまつわる連続的行動記憶の問題を定式化し,それに対応する専用の評価フレームワークとメモリ手法を開発する。 \textbf{BehaviorMemBench}は、1{,}194ユーザと17{,}462の振る舞いバッチをカバーする実際のEコマースログから3年以上にわたって構築されたベンチマークである。 \textbf{BehaviorMem} は、明示的な行動事実を整理し、2軸状態の長期的および短期的スコープにわたるユーザ特性を推定するメモリ設計である。 2つのビルダーと2つのタスクリーダーでの実験では、BehavimentMemが評価されたエージェントの記憶を記憶と推測で導き、その2つの能力と競合する統計基準の異なるメソッドランキングを明らかにする。 パブリックデータセットのバリデーションは、行動履歴に基づいた下流タスクの有用性をさらにサポートする。

関連論文リスト

• Memory-Centric Continual Learning for AI Agents [74.6399383050059]
  メモリ中心連続学習(Memory-Centric Continual Learning)は、メモリが取得するものだけでなく、将来のアクションを改善するかどうかによって判断されるべきである、と論じている。 MCCLには3つの主要な部分がある。まず3軸分類法は、状態が保存されている場所(サブストレート)、どのような形(アセット)、どのように管理されているかによってメモリを整理する。 第2に、評価プロトコルは、単純なコンテキスト展開から真の行動的利得を分離するための干渉、変化への適応、タスク転送の下での保持を測定する。
  論文  参考訳（メタデータ） (2026-10-21T07:49:42Z)
• Event-Centric Memory with Query-Aware Graph Augmentation for Long-Term Conversational Agents [51.804747364500344]
  本稿では,人間の記憶を動機とした新しいメモリ構築とアクティベーションフレームワークQGMemを提案する。 QGMemは、長い対話履歴を個々の体験を保存するイベントインデックス化された原子記憶ユニットに変換する。 検索,マルチホップエビデンス構成,コンフリクト解決,コンパクトな文脈による超長文対話推論において,一貫した利得を示す。
  論文  参考訳（メタデータ） (2026-10-08T13:17:59Z)
• UTILMEM: Benchmarking Evidence Utilization in Long-Term Conversational Memory [32.625416782173204]
  メモリ使用率を評価するための診断ベンチマークであるUtilMemを紹介する。 従来のファクトメモリベンチマークの強い性能は、有効メモリ利用に確実に変換されないことが判明した。 これらの知見は,記憶されている情報へのアクセスと有効利用との間に大きなギャップを生じさせ,長期の会話記憶の進歩には,検索妨害に対する証拠統合と堅牢性を明確に支援するアーキテクチャが必要であることを示唆している。
  論文  参考訳（メタデータ） (2026-08-31T09:41:26Z)
• QUMem: Personalized Memory for Query-Conditioned User-State Inference in LLM Agents [24.465097221083777]
  textscQUMemは、クエリ条件付きユーザ状態推論のための構造化メモリフレームワークである。 textscQUMemはPersonaMemとKnowU-Benchの両方で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2026-08-17T06:34:24Z)
• Setoka: A Benchmark for Hierarchical User Understanding in Personalized Agents over Heterogeneous Data [8.564332409420473]
  メモリ拡張されたパーソナライズされたエージェントを評価するためのベンチマークであるセトカを提案する。 セトカは、意味記憶、エピソード記憶、行動パターン、性格特性の4つのレベルのユーザー理解を定義している。 その結果,既存のシステムではセマンティックメモリの検索に優れていたが,セマンティックメモリでは性能が低下していることがわかった。
  論文  参考訳（メタデータ） (2026-07-29T15:47:40Z)
• AdaMem: Adaptive User-Centric Memory for Long-Horizon Dialogue Agents [49.63422082885992]
  長軸対話エージェントのための適応型ユーザ中心メモリフレームワークであるAdaMemを提案する。 AdaMemは対話履歴をワーキング、エピソディック、ペルソナ、グラフメモリに整理する。 LoCoMo と PERSONAMEM ベンチマーク上での AdaMem の評価を行った。
  論文  参考訳（メタデータ） (2026-03-17T13:22:54Z)
• MemoryArena: Benchmarking Agent Memory in Interdependent Multi-Session Agentic Tasks [55.145729491377374]
  メモリを持つエージェントの既存の評価は、通常、単独で記憶と行動を評価する。 マルチセッションメモリ-エージェント環境ループにおけるエージェントメモリのベンチマークのための統合評価ジムであるMemoryArenaを紹介する。 MemoryArenaは、Webナビゲーション、優先制約付き計画、プログレッシブ情報検索、シーケンシャルなフォーマルな推論を含む評価をサポートする。
  論文  参考訳（メタデータ） (2026-02-18T09:49:14Z)
• OP-Bench: Benchmarking Over-Personalization for Memory-Augmented Personalized Conversational Agents [55.27061195244624]
  オーバーパーソナライゼーションを3つのタイプに分類する。 エージェントは不要な場合でも、ユーザメモリを取得およびオーバーアタッチする傾向があります。 我々の研究は、メモリ拡張対話システムにおいて、より制御可能で適切なパーソナライズに向けた最初の一歩を踏み出した。
  論文  参考訳（メタデータ） (2026-01-20T08:27:13Z)
• MemWeaver: A Hierarchical Memory from Textual Interactive Behaviors for Personalized Generation [12.075641773020152]
  本稿では,ユーザのテキスト履歴全体を階層記憶に織り込み,パーソナライズされた生成を行うフレームワークを提案する。 MemWeaverは、時間情報と意味情報を統合した2つの補完的なメモリコンポーネントを構築している。
  論文  参考訳（メタデータ） (2025-10-09T02:47:21Z)

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。