論文の概要: UGR: Unified Generative Ranking for Heterogeneous E-commerce Recommendation

• arxiv url: http://arxiv.org/abs/2610.39426v1
• Date: Thu, 29 Oct 2026 06:05:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 23:47:18.133826
• Title: UGR: Unified Generative Ranking for Heterogeneous E-commerce Recommendation
• Title（参考訳）: UGR:不均一なEコマース勧告のための統一ジェネレーティブランキング
• Abstract要約: eコマースレコメンデーションのための生成的ランキングは、他のビジネスからのオーガニックコンテンツ、広告、候補者間でユーザユーティリティと商業的価値のバランスをとる必要がある。 本稿では,全要求レベルのマルチビジネス異種候補集合に対して生成ランク付けを行うUnified Generative Ranking (UGR)を提案する。 オンライン実験では、ランキング品質が一貫した向上を示す一方、TaobaoのGuess You LikeレコメンデーションサービスのオンラインA/Bテストでは、Core IPVが1.76%、トランザクションボリュームが3.29%、プロダクションベースラインが2.10%改善している。
• 参考スコア（独自算出の注目度）: 5.55954801457163
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: List-wise ranking in e-commerce recommendation must balance user utility and commercial value across organic content, ads, and candidates from other businesses, while modeling candidate interactions and sequential dependencies. Existing generative ranking methods typically learn from logged exposure sequences and operate on truncated candidate sets from a single business. Exposure-sequence learning may not fully exploit post-exposure feedback signals. Meanwhile, generative ranking over heterogeneous, multi-business candidates remains less explored, particularly when recommendation scores and advertising value must be jointly modeled under generalized second-price (GSP) auctions. We propose Unified Generative Ranking (UGR), which performs generative ranking over the full request-level multi-business heterogeneous candidate set, typically comprising around a thousand candidates in production, and directly generates multi-business ranking lists through candidate-aware autoregressive decoding. To go beyond exposure-sequence imitation, UGR introduces complementary feedback supervision through weighted supervised fine-tuning and permutation preference optimization, which respectively leverage observed post-exposure feedback and feedback-derived preferences among permutations. UGR uses a training-time advertising debiasing tower to model historical ad exposure effects and incorporates current ad value during serving while preserving the existing allocation and GSP pricing rules. Multi-value sequence retrieval produces candidate ranking lists, and the existing downstream evaluator selects the final list for exposure. Offline experiments demonstrate consistent gains in ranking quality, while online A/B tests on Taobao's Guess You Like recommendation service yield improvements of 1.76% in Core IPV, 3.29% in Transaction Volume, and 2.10% in GMV over the production baseline.
• Abstract（参考訳）: 電子商取引レコメンデーションにおけるリストワイドランキングは、候補のインタラクションとシーケンシャルな依存関係をモデル化しながら、オーガニックコンテンツ、広告、および他のビジネスの候補間でユーザユーティリティと商業的価値のバランスをとる必要がある。 既存の生成的ランキング法は通常、ログ化された露出シーケンスから学び、1つのビジネスから切り離された候補セットを操作する。 露光系列学習は、露光後のフィードバック信号を完全に活用できない。 一方、多種多様なビジネス候補に対する生成的ランキングは、特に推奨スコアと広告価値を一般化された第2価格オークション(GSP)の下で共同でモデル化する必要がある場合に、まだ調査されていない。 提案するUnified Generative Ranking(UGR)は,要求レベルの多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元多元 露光系列の模倣を超えて、UGRは重み付けされた微調整と置換選好最適化により補完的なフィードバック監督を導入し、それぞれが観測された露光後のフィードバックと置換間のフィードバック由来選好を利用する。 UGRは、過去の広告露出効果をモデル化するためにトレーニング時間広告デバイアス塔を使用し、既存のアロケーションとGSP価格ルールを維持しながら、サービス中に現在の広告価値を取り入れている。 多値シーケンス検索は候補ランクリストを生成し、既存のダウンストリーム評価器は露出の最終リストを選択する。 オンラインA/Bテストでは、TaobaoのGuess You LikeレコメンデーションサービスがコアITVで1.76%、トランザクションボリュームで3.29%、プロダクションベースラインで2.10%改善している。

関連論文リスト

• VARG: Value-Aware and Ranking-Aligned Generative Retrieval for Dynamic E-commerce Search [7.64283018838172]
  VARGはTmall App検索用の生成検索システムで、生成したアイテム候補を既存の最終ランク付け者に直接承認する。 3段階の教師による微調整は、アイテム・ツー・アイデンティティーのマッピング、クエリ・セマンティック検索、パーソナライズされた検索を徐々に学習する。 Prefix-GRPOは、出力の合法性、ユーザ行動、ランキングの優位性、検索関連性に基づくゲート報酬とプレフィックス対応トークン重み付けを組み合わせ、候補生成をビジネス価値とランキング目標に整合させる。
  論文  参考訳（メタデータ） (2026-09-13T12:59:04Z)
• MetaStrategy: Generative Ranking with Executable LLM Strategies [9.856865572074062]
  構造化された、実行可能なランキング戦略を生成するフレームワークであるMetaStrategyを提案する。 大きな言語モデル(LLM)ポリシーは、客観的重み、コンテンツとカテゴリの好み、経験制約、位置ポリシーを制御するバンドルを出力する。 7日間のオンラインA/Bテストでは、MetaStrategyは処理側のGEコールの27.93%を獲得し、クリックページビュー(PV)を2.11%改善し、アイテム詳細ページビュー(IPV)を3.12%改善し、トランザクション量を2.83%改善した。
  論文  参考訳（メタデータ） (2026-08-10T11:16:09Z)
• F-GRPO: Factorized Group-Relative Policy Optimization for Unified Candidate Generation and Ranking [79.49893545611779]
  大規模言語モデル(LLM)はサブセットを生成し、それを1つの自己回帰パス内で順序付けることができる。 この柔軟性は、新しい最適化課題をもたらす: モデルが出力空間を検索し、完全なランクリストが生成された後にのみユーティリティフィードバックを受けなければならない。 このクレジット割り当てギャップは、エンドツーエンドの最適化を不安定にし、サンプル非効率にする。 本稿では,単一自己回帰的ロールアウト内の両方を実行する統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-13T04:52:33Z)
• RankGR: Rank-Enhanced Generative Retrieval with Listwise Direct Preference Optimization in Recommendation [36.297513746770456]
  提案するRangGRは、リストワイズ直接選好最適化をレコメンデーションに組み込んだジェネレーティブ検索手法である。 IAPでは、新しいリストワイズ直接選好最適化戦略をGRに組み込んで、階層的ユーザの選好をより包括的に理解する。 トレーニングとデプロイメントにおいていくつかの実践的な改善を実現し、最終的には毎秒1万近いリクエストを処理可能なリアルタイムシステムを実現しています。
  論文  参考訳（メタデータ） (2026-02-09T12:13:43Z)
• Rank-GRPO: Training LLM-based Conversational Recommender Systems with Reinforcement Learning [70.6126069527741]
  ConvRec-R1は会話レコメンデーションシステムのエンドツーエンドトレーニングのための2段階のフレームワークである。 ステージ1では,Remap-Reflect-Adjustパイプラインを用いた行動閉鎖データセットを構築した。 ステージ2では,グループ相対政策最適化の原則的拡張である Rank-GRPO を提案する。
  論文  参考訳（メタデータ） (2025-10-23T02:56:00Z)
• Bidding-Aware Retrieval for Multi-Stage Consistency in Online Advertising [30.108437268612438]
  Bidding-Aware Retrieval (BAR) はモデルベースの検索フレームワークであり、検索スコア関数に広告入札値を組み込むことで、多段階の不整合に対処する。 BARの中核となる革新はビディン・アウェア・モデリング(Bidding-Aware Modeling)であり、経済的に一貫性のある表現を確保するために単調な学習とマルチタスクの蒸留を通じて入札信号を取り入れている。 大規模なオフライン実験とAlibabaのディスプレイ広告プラットフォームへのフルスケール展開により、BARの有効性が検証された。
  論文  参考訳（メタデータ） (2025-08-07T09:43:34Z)
• Recommendation Systems with Distribution-Free Reliability Guarantees [83.80644194980042]
  我々は、主に良いアイテムを含むことを厳格に保証されたアイテムのセットを返す方法を示す。 本手法は, 擬似発見率の厳密な有限サンプル制御によるランキングモデルを提供する。 我々はYahoo!のランキングとMSMarcoデータセットの学習方法を評価する。
  論文  参考訳（メタデータ） (2022-07-04T17:49:25Z)
• PEAR: Personalized Re-ranking with Contextualized Transformer for Recommendation [48.17295872384401]
  文脈変換器に基づくパーソナライズされた再ランクモデル(Dubbed PEAR)を提案する。 PEARは、既存のメソッドに対していくつかの大きな改善を行っている。 また、ランキングリスト全体のユーザの満足度を評価するために、リストレベルの分類タスクでPEARのトレーニングを強化する。
  論文  参考訳（メタデータ） (2022-03-23T08:29:46Z)
• SetRank: A Setwise Bayesian Approach for Collaborative Ranking from Implicit Feedback [50.13745601531148]
  提案手法は,提案システムにおける暗黙的フィードバックの特性に対応するために,協調的ランキング(SeetRank)のためのセッティングワイドベイズ的手法を提案する。 具体的には、SetRankは、新しい設定された選好比較の後方確率を最大化することを目的としている。 また、SetRankの理論解析により、余剰リスクの境界が$sqrtM/N$に比例できることを示す。
  論文  参考訳（メタデータ） (2020-02-23T06:40:48Z)

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。