論文の概要: ID2Pattern: Pretraining Generalizable Identity Behavior Patterns for Transaction Risk Foundation Models

• arxiv url: http://arxiv.org/abs/2610.41988v1
• Date: Fri, 30 Oct 2026 16:35:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.812012
• Title: ID2Pattern: Pretraining Generalizable Identity Behavior Patterns for Transaction Risk Foundation Models
• Title（参考訳）: ID2Pattern: トランザクションリスク基礎モデルのための一般化可能な識別行動パターンの事前学習
• Abstract要約: カード、デバイス、アカウントIDのような高密度のIDフィールドは、行動信号に富んでいる。 トランザクション基盤モデルにこれらのパターンをもたらす事前トレーニングフレームワークであるID2Patternを提案する。 ID2Patternは、強いベースラインを一貫して上回り、産業規模を4.13%、公共データセットを8.83%改善している。
• 参考スコア（独自算出の注目度）: 11.423462913630203
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Large-scale behavioral pretraining offers a promising route to generalizable representations in online payment systems. However, high-cardinality identity fields such as card, device, and account IDs, though rich in behavioral signals, remain underexploited. Their continually growing vocabularies and limited semantic meaning make existing vocabulary-based and semantics-based encodings ill-suited. Their generalizable signal lies not in specific values, but in the identity behavior patterns they exhibit across a transaction sequence. Building on this insight, we propose ID2Pattern, a pretraining framework that brings these patterns into transaction foundation models. ID2Pattern first encodes identity fields with a Local Anonymous ID (LAID) tokenizer, which captures how each identity appears and recurs within the sequence, independent of its specific value. It then pretrains a multi-scale pattern codebook on unlabeled sequences, which abstracts LAID sequences into discrete behavior patterns for downstream prediction. Experiments on an industrial dataset with over 100M sequences and six public datasets show that ID2Pattern consistently outperforms strong baselines, improving industrial by 4.13% and public datasets by 8.83% on average. Notably, ID2Pattern remains equally effective even when all identity values are unseen during training, highlighting its potential to generalize to new users and markets.
• Abstract（参考訳）: 大規模行動事前訓練は、オンライン決済システムにおける一般化可能な表現への有望な経路を提供する。 しかし、カード、デバイス、アカウントIDのような高密度のIDフィールドは、行動信号に富んでいるが、未発見のままである。 ボキャブラリの継続的な成長と限定的な意味の意味は、既存のボキャブラリベースおよびセマンティクスベースのエンコーディングを不適切なものにしている。 それらの一般化可能な信号は、特定の値ではなく、トランザクションシーケンス全体にわたって現れるアイデンティティの振る舞いパターンにある。 この洞察に基づいて、トランザクション基盤モデルにこれらのパターンをもたらす事前トレーニングフレームワークであるID2Patternを提案する。 ID2Patternはまず、ローカル匿名ID(LAID)トークンライザでIDフィールドをエンコードする。 その後、ラベルなしシーケンスのマルチスケールパターンコードブックを事前トレーニングし、LAIDシーケンスを個別の振る舞いパターンに抽象化して下流の予測を行う。 1億以上のシーケンスと6つのパブリックデータセットを持つ産業用データセットの実験によると、ID2Patternは一貫して強いベースラインを上回り、工業用データセットは4.13%、公共用データセットは8.83%改善している。 注目すべきは、ID2Patternはトレーニング中にすべてのID値が見えない場合でも同じように有効であり、新しいユーザーや市場への一般化の可能性を強調していることだ。

関連論文リスト

• AnyID: Ultra-Fidelity Universal Identity-Preserving Video Generation from Any Visual References [52.81991915377852]
  我々は,超忠実なアイデンティティ保存ビデオ生成フレームワークであるAnyIDを提案する。 まず,不均一な同一性入力を結合表現に効果的に統一する,スケーラブルなオムニ参照アーキテクチャを提案する。 第2に、1つの参照を標準アンカーとして指定し、新しい微分プロンプトを用いて正確な属性レベルの制御を可能にする一次参照生成パラダイムを提案する。
  論文  参考訳（メタデータ） (2026-03-26T08:54:48Z)
• Beyond Inference Intervention: Identity-Decoupled Diffusion for Face Anonymization [55.29071072675132]
  顔の匿名化は、非同一性属性を保持しながら、識別情報を隠蔽することを目的としている。 トレーニング中心の匿名化フレームワークである textbfIDsuperscript2Face を提案する。 IDtextsuperscript2Faceは、視覚的品質、アイデンティティの抑制、ユーティリティ保存において、既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-10-28T09:28:12Z)
• PANTHER: Generative Pretraining Beyond Language for Sequential User Behavior Modeling [32.37786043225548]
  本稿では,ユーザ行動の事前学習と下流適応を統一するハイブリッドな生成識別フレームワークPANTHERを提案する。 PANTHERはWeChat Payのオンライン展開と運用をフルに行い、HitRate@1.5%で25.6%のアップを達成している。 パブリックベンチマークでのクロスドメイン評価は、強力な一般化を示し、最大21%のHitRate@1がトランスフォーマーベースラインを越えている。
  論文  参考訳（メタデータ） (2025-10-11T08:24:19Z)
• Order-agnostic Identifier for Large Language Model-based Generative Recommendation [94.37662915542603]
  アイテムは、ユーザ履歴をエンコードし、次のアイテムを生成するために、LLM(Large Language Models)の識別子に割り当てられる。 既存のアプローチでは、トークンシーケンス識別子を使用して、アイテムを個別のトークンシーケンスとして表現するか、IDまたはセマンティック埋め込みを使用して単一トークン識別子を使用する。 本稿では,セマンティック・トークンライザを利用するSETRecを提案する。
  論文  参考訳（メタデータ） (2025-02-15T15:25:38Z)
• ID-Aligner: Enhancing Identity-Preserving Text-to-Image Generation with Reward Feedback Learning [57.91881829308395]
  AIポートレートや広告といった幅広いアプリケーションシナリオのために、ID-T2I(ID-preserving text-to-image generation)が注目されている。 我々は,ID-T2I性能を向上させるための一般的なフィードバック学習フレームワークである textbfID-Aligner を提案する。
  論文  参考訳（メタデータ） (2024-04-23T18:41:56Z)
• Beyond Inserting: Learning Identity Embedding for Semantic-Fidelity Personalized Diffusion Generation [21.739328335601716]
  本稿では,パーソナライズされた生成のための安定拡散モデルに,正確でインタラクティブなIDを挿入することに焦点を当てる。 顔のレイアウトや背景などのIDに依存しない情報を絡み合わせるのではなく、顔領域にフィットする顔の注意損失を提案する。 その結果,従来の手法と比較して,IDの精度,テキストベースの操作能力,一般化性が向上した。
  論文  参考訳（メタデータ） (2024-01-31T11:52:33Z)
• Language Models As Semantic Indexers [78.83425357657026]
  本稿では,ジェネレーティブ言語モデルを用いてセマンティックIDを学習するための自己教師型フレームワークLMIndexerを紹介する。 学習したIDの質を検証し,推奨,製品検索,文書検索の3つの課題において有効性を示す。
  論文  参考訳（メタデータ） (2023-10-11T18:56:15Z)

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。