論文の概要: Cross-Day Compatibility of Daily Item Embeddings: An Empirical Study of Alignment, Scale Management, and CTR Adaptation
- arxiv url: http://arxiv.org/abs/2610.36408v1
- Date: Mon, 26 Oct 2026 23:42:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-28 21:04:31.450025
- Title: Cross-Day Compatibility of Daily Item Embeddings: An Empirical Study of Alignment, Scale Management, and CTR Adaptation
- Title（参考訳）: 日用品埋め込みの日次適合性:アライメント、スケールマネジメント、CTR適応に関する実証的研究
- Abstract要約: 複数日間のクリックスルーレートトレーニングでは、同じ項目について方向と基準が異なるかもしれないバージョンが混在している。
ID-initとアライメントはコサインを51.2%、93.4%増加し、GAUCは通常のWord2Vecと比較して2.2%と2.6%増加した。
Word2Vecは8日後に102.5%に増加し、日次再スケーリングは8.2%に制限され、GAUCの最高値である4.0%に達した。
- 参考スコア（独自算出の注目度）: 8.98061932512079
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Daily item co-occurrence embeddings are paired with next-day behavior without future-behavior leakage. Multi-day click-through rate (CTR) training therefore mixes versions whose directions and norms may differ for the same item. We compare Word2Vec and an item-graph XSimGCL adaptation across initialization, inheritance, post-processing, training constraints, and downstream augmentation. The inventory contains 48 configurations, including 32 common-protocol CTR evaluations. Observed metrics are reported as relative percentage changes from the corresponding Word2Vec baseline (0%), with raw values and exact dataset sizes withheld. Three findings emerge. First, multiple upstream interventions improve compatibility and CTR. ID-init and orthogonal alignment increase cosine by 51.2% and 93.4%, and GAUC by 2.2% and 2.6%, relative to ordinary Word2Vec. Retrieval and geometry remain insufficient downstream surrogates. Second, warm starts perform strongly but accumulate scale. The day-matched norm increase over Word2Vec reaches 102.5% after eight days; daily global rescaling limits it to 8.2% and attains the highest observed GAUC increase, 4.0%. Third, CTR learning through a dimensionality-reducing encoder further adapts to residual drift. Against dimension-matched random-projection, SVD, and untrained-network controls, trained encoders attain the highest cross-day cosine for four of six upstream methods. The other two rank third and second in train-to-test cosine. These industrial results support complementary roles for upstream stabilization, inherited-scale management, and downstream task learning.
- Abstract（参考訳）: デイリーアイテムの共起埋め込みは、将来のビヘイビアリークなしで、翌日の振る舞いとペアリングされる。
したがって、マルチデイクリックスルーレート(CTR)トレーニングは、同じ項目に対して方向と基準が異なる可能性のあるバージョンを混合する。
我々はWord2VecとアイテムグラフXSimGCLを初期化、継承、後処理、トレーニング制約、下流拡張で比較する。
インベントリには48のコンフィグレーションが含まれており、32のコモンプロトコールCTR評価が含まれている。
観測されたメトリクスは、対応するWord2Vecベースライン(0%)からの相対的なパーセンテージ変化として報告され、生値と正確なデータセットサイズは保持されない。
3つの発見がある。
まず、複数の上流介入は互換性とCTRを改善します。
ID-initと直交アライメントはコサインを51.2%、93.4%増加させ、GAUCを2.2%、そして2.6%増加させる。
検索と幾何学は下流のサロゲートに乏しいままである。
第2に、温暖化は強いがスケールが蓄積する。
Word2Vecは8日後に102.5%に増加し、日次再スケーリングは8.2%に制限され、GAUCの最高値である4.0%に達した。
第3に、次元還元エンコーダによるCTR学習は、残留ドリフトにさらに適応する。
次元マッチングされたランダムプロジェクション、SVD、トレーニングされていないネットワーク制御に対して、トレーニングされたエンコーダは6つのアップストリームメソッドのうち4つの最も高い日次コサインを得ることができた。
残りの2つはコサインの3位と2位である。
これらの産業成果は、上流安定化、継承規模管理、下流タスク学習における補完的な役割を担っている。
関連論文リスト
- Zhengrong-Spatial-Aware 1.0: Advancing 3D Multimodal Intelligence [9.744286407704905]
最初のパイプラインファインチューンHiSpatial-3Bは、計量スケールの3DポイントマップでRGB観測を強化する。
2つ目は、Qwen3-VLをメモリ効率のよいQLoRAベースの微調整により適応させる。
論文 参考訳（メタデータ） (2026-10-27T13:28:34Z) - H2CE: Modeling Geo-Semantic Interactions for POI Reranking with Heterogeneous Two-Stage Cross-Encoders [50.334243169621175]
ローカル検索におけるPOI(Point-of-Interest)の再ランクは、クエリ条件付きトレードオフをモデル化する必要がある。
遅延バウンドPOIリグレードのための異種二段クロスエンコーダH2CEを提案する。
論文 参考訳（メタデータ） (2026-10-08T05:40:08Z) - Towards Robust Time Series Learning via Capacity-Centric Modulation [76.23489485385964]
本稿では,CCM(Capacity-Centric Modulation)を相補的,サンプル適応正規化原理として提案する。
SACM(Sample-Adaptive Capacity Modulation)は,スペクトル空間の分散を利用して,サンプルワイドドロップアウト確率を割り当てるタスク非依存のフレームワークである。
301個の実世界のデータセット-バックボーンペアのうち、SACMは平均でMSEの予測を6.7%削減し、分類精度を3.04%改善し、ポイント調整されたF1を17.05%改善した。
論文 参考訳（メタデータ） (2026-09-30T10:51:23Z) - GAUGE: Group-Wise View-Inconsistency Rectification for Feed-Forward 4D Tracking [48.91477882822122]
本稿では,GAUGE(Group-wise Adaptive Unsupervised Gauge Estimation)について述べる。
方向整合性と空間接続性から運動群を復元し、フレーム単位のラジアルスケールとグループレベルの変換を推定する。
D4RT, 4RC, SM4RTを含む8つのトラッカーの動的クエリポイントでは, 訂正されていない予測に対して, 終端誤差を15.1%から62.6%削減する。
論文 参考訳（メタデータ） (2026-09-26T13:14:53Z) - TEMPER: Temporal Encoder-Masked Probabilistic Ensemble Regressor for Time-Series Forecasting [0.0]
本稿では,テンポラルマスク型確率的アンサンブルレグレシタTEMPERについて述べる。
TEMPERは、時間的オートエンコーダ、識別可能なマスク付きニューラルネットワーク決定林、CRPS(Continuous Rank probability score)トレーニング、ガウス混合後処理を組み合わせたものだ。
単純持続性は2.763%であり、TEMPER は t+1 と t+5 で最高中央値の絶対誤差を持つ。
論文 参考訳（メタデータ） (2026-09-20T15:19:13Z) - One Patch, Three Roles: What Is Actually Coupled in Autoregressive Time-Series Forecasting? [49.84472730204669]
凍結した親の軌道は, 軽量な平行出口で観測される未来よりも適合しやすいことを示す。
また、列車選択した周期的歴史方向に沿って補正可能な残射も見出す。
Tangentはこの修正を、ニューラルパラメータやTransformerコールを追加せずに適用する。
論文 参考訳（メタデータ） (2026-09-20T14:54:35Z) - On the Design of Qwen3.8-Next Architecture: Evaluation, Efficiency, and Training Stability [57.03393882933515]
Qwen3.8-Flash-Nextは125Bパラメータ、トークンあたり6Bアクティベートされ、加速器から保持されるn-gram埋め込みテーブルの51Bパラメータを持つスパースミックス・オブ・エキスパートモデルである。
トレーニング前の14のベンチマークでは、このモデルは前モデルの397B-A17Bを8点、残りを少なくとも2.6ポイント、アクティベートされたパラメータが1/3、トレーニングトークンが1/3、トレーニング用FLOPが1/9であった。
論文 参考訳（メタデータ） (2026-08-31T06:35:07Z) - DG-FedReuse: Proxy-Gradient-Gated Cached-Update Reuse with Matched Sparse Uplink Accounting [0.0]
DG-FedReuseは、選択したクライアントがキャッシュされた更新にコントリビュートできるようにするシミュレータレベルのメカニズムである。
実験には、6つのイメージ分類データセット、50の仮想クライアント、Dirichletラベルクライアント、3つのシードが含まれている。
DG-FedReuseは83.36-85.42%のモデルで更新データフィールドのアップリンクを節約したが、Top-K FedAvgは76.88%だった。
論文 参考訳（メタデータ） (2026-08-05T19:30:04Z) - An Expanded Synthetic Conversation Dataset for Multi-Turn Smishing Detection [0.0]
我々は,8つの年長ターゲット詐欺カテゴリにまたがる10,985の会話データセットであるCOVA-Xを提案する。
LongformerはXGBoostの精度を79.71%、マクロF1は0.7786、XGBoostは78.43%、マクロF1は0.7563となっている。
論文 参考訳（メタデータ） (2026-06-05T03:46:36Z) - RG-TTA: Regime-Guided Meta-Control for Test-Time Adaptation in Streaming Time Series [0.0]
テスト時間適応(TTA)は、ニューラルネットワークの予測者がストリーミング時系列の分散シフトに適応できるようにする。
本稿では,従来の状態と分布類似性に基づいて適応強度を連続的に変調するメタコントローラであるRegime-Guided Test-Time Adaptation (RG-TTA)を提案する。
論文 参考訳（メタデータ） (2026-03-29T18:57:34Z) - Do Generative Metrics Predict YOLO Performance? An Evaluation Across Models, Augmentation Ratios, and Dataset Complexity [43.338311770275745]
本報告では, YOLOv11の合成増強の制御された評価法について述べる。
実際のトレーニングスプリットの10%から150%の増大率に対して, GAN, 拡散, ハイブリッドベースの6つのジェネレータをベンチマークした。
データセット生成/拡張設定毎に、マッチしたサイズのブートストラッププロトコルで事前トレーニングデータセットメトリクスを計算する。
論文 参考訳（メタデータ） (2026-02-20T03:02:36Z)
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。