論文の概要: CoGSeq-LTV: Scalable Missing-Aware Graph-Sequence Modeling for Multi-Business Transaction Analytics

• arxiv url: http://arxiv.org/abs/2611.01817v1
• Date: Sun, 01 Nov 2026 11:32:46 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 20:05:36.861699
• Title: CoGSeq-LTV: Scalable Missing-Aware Graph-Sequence Modeling for Multi-Business Transaction Analytics
• Title（参考訳）: CoGSeq-LTV:マルチビジネストランザクション分析のためのスケーラブルなミス対応グラフシーケンスモデリング
• Abstract要約: 大規模スーパーアプリは、ユーザが複数のビジネスと対話する異種トランザクションログを生成する。 単一テーブルタスクではなく,データ集約分析問題として,マルチビジネス,マルチホライズン値の予測について検討した。
• 参考スコア（独自算出の注目度）: 26.40145817757148
• License:
• Abstract: Large-scale super-apps generate heterogeneous transaction logs in which users interact with multiple businesses, item identifiers are only partially available, and future value targets are sparse, heavy-tailed, and cumulative over time. We study multi-business, multi-horizon value prediction as a data-intensive analytics problem over such logs, rather than as a single-table task. (i) a batch-induced user-item graph that provides collaborative signals without materializing a global graph and remains applicable when item identifiers are missing through reserved unknown-item handling, (ii) business-aware sequence encoders that preserve recency, inter-event gaps, payment context, and goods-table availability, and (iii) cross-view contrastive alignment that transfers user-level intent across businesses while retaining business-specific temporal patterns. To handle zero-inflated and long-tailed cumulative targets, CoGSeq-LTV adopts a zero-inflated mixture log-normal head with MAE-aligned point supervision and validation-calibrated zero-aware inference. Experiments on the BiBiSheng transaction-log dataset show that CoGSeq-LTV improves over representative LTV baselines across businesses and horizons, including under a later out-of-time evaluation window.
• Abstract（参考訳）: 大規模なスーパーアプリケーションでは、ユーザが複数のビジネスと対話する異種トランザクションログを生成し、アイテム識別子は部分的にしか利用できない。 単一テーブルタスクではなく,データ集約分析問題として,マルチビジネス,マルチホライズン値の予測について検討した。 (i)グローバルグラフを具体化せずに協調的な信号を提供するバッチ誘発ユーザイムグラフで、予約された未知イムハンドリングによってアイテム識別子が欠落している場合にも適用可能である。 二 相対性、対価間隙、支払状況及び商品表の可用性を保った業務対応シーケンスエンコーダ 三 ビジネス固有の時間的パターンを維持しつつ、企業間でユーザレベルの意図を伝達する横断的なコントラストアライメント。 CoGSeq-LTVは、ゼロインフレートとロングテールの累積ターゲットを扱うために、MAE対応の点監督とバリデーション対応のゼロアウェア推論を備えたゼロインフレート混合対数正規ヘッドを採用している。 BiBiShengトランザクションログデータセットの実験は、CoGSeq-LTVが企業や地平線を横断する代表的LTVベースラインよりも改善していることを示している。

関連論文リスト

• Hierarchical Sparse Graph for Multi-dimensional Assignment in Event-based Tracking [21.818941922005475]
  本稿では,複数のバッチにまたがるトラックレットを同時に関連付けるイベントベースの多次元割当てに着目する。 eTramとEv-UAVという2つの挑戦的なイベントデータセットの実験により、我々の手法が既存のイベントベースおよびほとんどの画像ベースアソシエーションモデルより優れていることが示された。
  論文  参考訳（メタデータ） (2026-10-27T14:34:07Z)
• MINT: A Universal Zero-Shot Predictor for Transaction Data [5.76828154035244]
  本稿では,プリトレーニングされたトランザクションシーケンスエンコーダを,軽量な埋め込み注入によりデコーダのみのLLMに接続するフレームワークであるMINTを提案する。 MINTは、分布内および分布外問合せの両方において、最先端の予測的問合せ性能を達成する。 MINTは分布内および分布外問合せの両方において,最先端の予測的問合せ性能を達成する。
  論文  参考訳（メタデータ） (2026-08-14T11:17:01Z)
• Quantum-Inspired Contextual Learning for Sparse-Ring Fraud Detection in Dynamic Transaction Graphs [0.0]
  協調詐欺は個々の取引だけでは見えず、多周期関係パターンとして現れる可能性がある。 我々はスパースリング詐欺(sparse-ring fraud)に焦点をあてる。これは、完了した指示サイクルが数日にわたって分散されるスタイル化されたパターンである。 本研究では, スパースリングインジェクションが完了し, デコイが破損した合成トランザクションシミュレータを用いてこの問題を考察する。
  論文  参考訳（メタデータ） (2026-06-22T05:38:02Z)
• IMPACT: A Dataset for Multi-Granularity Human Procedural Action Understanding in Industrial Assembly [79.737814043505]
  IMPACTは、デプロイメント指向の産業手続き的理解のための5ビューのRGB-Dデータセットである。 実際の組み立てと、プロ向けのツールを備えた商業用アングルグラインダーの分解を中心に構築されている。
  論文  参考訳（メタデータ） (2026-04-12T02:09:19Z)
• CoDA: Agentic Systems for Collaborative Data Visualization [57.270599188947294]
  深層研究はデータ分析に革命をもたらしたが、データサイエンティストは依然として手作業による視覚化にかなりの時間を費やしている。 単純なシングルエージェントシステムやマルチエージェントシステムを含む既存のアプローチは、しばしばタスクを単純化する。 本稿では,メタデータ分析,タスク計画,コード生成,自己回帰に特殊なLLMエージェントを利用するマルチエージェントシステムであるCoDAを紹介する。
  論文  参考訳（メタデータ） (2025-10-03T17:30:16Z)
• Semi-Supervised Bayesian GANs with Log-Signatures for Uncertainty-Aware Credit Card Fraud Detection [0.0]
  本稿では、時系列分類タスクとして定式化されたクレジットカード不正検出のための、新たな生成半教師付きフレームワークを提案する。 我々は、ターゲットデータ拡張のための条件付き生成的適応ネットワーク(GAN)を拡張し、ベイズ推論を統合して予測分布を取得し、不確実性を定量化する。 本手法は,クレジットカード取引データ用シミュレータである BankSim を用いて,ラベル付きサンプルの比率の異なるモデルを用いて評価した。
  論文  参考訳（メタデータ） (2025-08-31T16:57:02Z)
• Divide by Question, Conquer by Agent: SPLIT-RAG with Question-Driven Graph Partitioning [62.640169289390535]
  SPLIT-RAGは、質問駆動セマンティックグラフ分割と協調サブグラフ検索による制限に対処するマルチエージェントRAGフレームワークである。 革新的なフレームワークは、まずリンク情報のセマンティック分割を作成し、次にタイプ特化知識ベースを使用してマルチエージェントRAGを実現する。 属性対応グラフセグメンテーションは、知識グラフを意味的に一貫性のあるサブグラフに分割し、サブグラフが異なるクエリタイプと整合することを保証する。 階層的なマージモジュールは、論理的検証を通じて、部分グラフ由来の解答間の矛盾を解消する。
  論文  参考訳（メタデータ） (2025-05-20T06:44:34Z)
• Advancing Anomaly Detection: Non-Semantic Financial Data Encoding with LLMs [49.57641083688934]
  本稿では,Large Language Models (LLM) 埋め込みを用いた財務データにおける異常検出の新しい手法を提案する。 実験により,LLMが異常検出に有用な情報をもたらし,モデルがベースラインを上回っていることが確認された。
  論文  参考訳（メタデータ） (2024-06-05T20:19:09Z)
• Collaborative Anomaly Detection [66.51075412012581]
  本研究では,タスク間の相関関係を埋め込むことで,全てのタスクを共同で学習するための協調的異常検出(CAD)を提案する。 条件密度推定と条件確率比推定を用いてCADを探索する。 タスク埋め込みモデルを学ぶために、前もって少数のタスクを選択し、それを使ってタスク埋め込みをウォームスタートさせることは有益である。
  論文  参考訳（メタデータ） (2022-09-20T18:01:07Z)
• From Unsupervised to Few-shot Graph Anomaly Detection: A Multi-scale Contrastive Learning Approach [26.973056364587766]
  グラフデータからの異常検出は、ソーシャルネットワーク、金融、eコマースなど、多くのアプリケーションにおいて重要なデータマイニングタスクである。 マルチスケールcONtrastive lEarning(略してANEMONE)を用いた新しいフレームワーク, graph Anomaly dEtection フレームワークを提案する。 グラフニューラルネットワークをバックボーンとして、複数のグラフスケール(ビュー)から情報をエンコードすることで、グラフ内のノードのより良い表現を学習する。
  論文  参考訳（メタデータ） (2022-02-11T09:45:11Z)

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。