論文の概要: ReSID: Rethinking Long-Tail Retrieval in Generative Recommendation through Item Reachability
- arxiv url: http://arxiv.org/abs/2611.16404v1
- Date: Thu, 12 Nov 2026 07:12:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.385122
- Title: ReSID: Rethinking Long-Tail Retrieval in Generative Recommendation through Item Reachability
- Title(参考訳): ReSID: アイテムの到達可能性によるジェネレーティブレコメンデーションにおけるロングテール検索の再考
- Abstract要約: ジェネレーティブレコメンデーション(GR)は、個別のセマンティックID(SID)を持つ項目を表す。
我々は、SID構築、復号化、マッチングの完全なパイプライン全体にわたって、初めて長距離到達可能性について研究している。
そこで本研究では,尾部候補を共同で保存・回収するReSIDを提案する。
- 参考スコア(独自算出の注目度): 16.97836907492145
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative recommendation (GR) represents items with discrete Semantic IDs (SIDs) and casts retrieval as sequence generation. Under skewed interaction distributions and tight serving budgets, GR struggles to retrieve long-tail items. In this work, we are the first to study long-tail reachability across the complete pipeline of SID construction, decoding, and matching. We find that under equal code lengths, parallel SID construction consistently outperforms sequential SIDs on tail items. Moreover, even when full generation fails, decoded sequences carry locally consistent information that retrieves relevant tail items via partial matching. Yet this recovery is bounded by upstream search, failing once beam search prunes all prefixes completable within a fixed mismatch tolerance. Motivated by these findings, we propose ReSID to jointly preserve and recover tail candidates. Built on long parallel SIDs, ReSID pairs popularity-debiased and user-semantic-aware beam search to keep promising paths alive with partial SID matching to recover items from surviving tokens. ReSID achieves state-of-the-art long-tail retrieval while maintaining competitive overall accuracy, with lower latency and higher throughput under narrow beams. ReSID is deployed in our production system, serving main user traffic with substantial business gains. We release our complete code and model checkpoints to support full reproducibility and real-world deployment at https://github.com/Gabriel-reina/ReSID.
- Abstract(参考訳): 生成レコメンデーション(GR)は、個別のセマンティックID(SID)を持つアイテムを表現し、シーケンス生成としてキャストする。
密閉された相互作用分布と厳格なサービス予算の下で、GRはロングテールアイテムの回収に苦労している。
本研究は,SID構築,復号化,マッチングの完全なパイプライン全体にわたって,初めて長距離到達可能性について検討するものである。
コード長が等しい場合、並列SID構成は、テールアイテムのシーケンシャルSIDよりも一貫して優れることがわかった。
さらに、完全生成が失敗しても、デコードされたシーケンスは局所的に一貫した情報を持ち、部分マッチングによって関連するテールアイテムを検索する。
しかし、このリカバリは上流のサーチによって制限され、ビームサーチは固定ミスマッチ許容範囲内で全てのプレフィックスを補うことができなくなると失敗する。
そこで本研究では,尾部候補を共同で保存・回収するReSIDを提案する。
ReSIDは長い並列SIDに基づいて構築され、人気を逸脱したユーザ・セマンティック・ビームサーチと組み合わせて、有望な経路を存続させ、部分的なSIDマッチングで生存トークンからアイテムを回収する。
ReSIDは、競合する全体的な精度を維持しつつ、最先端のロングテール検索を実現し、より低いレイテンシと狭いビーム下でのスループットを向上する。
ReSIDは本番システムにデプロイされ、主要なユーザトラフィックに実質的なビジネスゲインを提供します。
完全な再現性と実世界のデプロイをサポートするために、コードとモデルチェックポイントをhttps://github.com/Gabriel-Reina/ReSIDでリリースしています。
関連論文リスト
- PinGER: Token-Efficient Generative Retrieval with Semantic IDs [10.35379326054064]
アイテムのセマンティックID(SID)のトークン・バイ・トークン復号化による近傍探索の高速化
本稿では,入力履歴をコンパクトにしながらSID出力を保持する,PinterestのジェネレーティブレトリバーであるPinGERを紹介する。
論文 参考訳(メタデータ) (2026-10-24T04:24:45Z) - Beyond Semantic IDs: Finite-Beam Reachability and Continuous-Query Generation in Generative Recommendation [15.519683317169575]
ソーシャルメディアプラットフォームのジェネレーティブレコメンデーション(GR)は、有限幅ビームサーチによる離散セマンティックID(SID)の自動復号化によってアイテムを検索する。
本研究では、この出力インターフェースが有限返却リストに入るか否かを制約し、カタログ全体のスコアビリティを経験的トップKサポートと区別する方法について検討する。
CQG-Singleは1つのパスで1つの検索クエリを生成し、CQG-ARは連続的な更新を自動回帰的に生成し、SID項目の単語を削除しながらステップワイズデコーディングを保持する。
論文 参考訳(メタデータ) (2026-10-09T04:23:08Z) - From Interests to Semantic IDs: Retrieval-Grounded Credit Assignment for Generative Recommendation [40.653957284912146]
より一般的な拡張であるReasoning-enhanced variantは、まずテキストトレースを生成し、次にビームサーチによって次のitem SIDをデコードする。
このようなリコメンデータは、大規模なカタログでは不十分な厳密なSID報酬の下で、グループ相対的なポリシー最適化で訓練されることが多い。
このギャップを検索型クエリ属性で解決する。
Amazon Reviewsデータセットの3つの実験を通じて、SIDレコメンデーションが一貫した改善をもたらす。
論文 参考訳(メタデータ) (2026-09-24T15:34:11Z) - Adaptive Critical Token-Aware Retrieval for Repository-Level Code Generation [53.85136813868056]
ACToRは、リポジトリレベルのコード生成のための適応型クリティカルトークン対応検索フレームワークである。
我々は、ACToRが、リポジトリレベルのベンチマークにおいて、最先端のメソッドを一貫して上回っていることを示す。
論文 参考訳(メタデータ) (2026-09-01T17:59:39Z) - Closing the Indexing-Decoding Gap in Multimodal Generative Retrieval via Prefix Retention Optimization [68.48718919047127]
マルチモーダル生成検索式は、複数のモーダル検索を離散識別子生成として定義し、外部埋め込みよりも明示的な類似性探索を不要とする。
既存の手法では、残差量子化によって識別子を構築し、トリエ制約ビームサーチでデコードする。
この組み合わせは、インデックス化とデコーディングのギャップを導入している: 識別子学習の目的は、再構成や対照的な損失を含むが、デコーディング中にプレフィックスの識別性を明示的に強制しない。
1)プレフィックスの格付け蒸留は、リストワイドロスを用いた事前量子化埋め込みによって誘導されるプレフィックスと整合する; (ii)語彙スケジューリングは、コードブックを増大させる。
論文 参考訳(メタデータ) (2026-06-08T09:15:47Z) - CapsID: Soft-Routed Variable-Length Semantic IDs for Generative Recommendation [6.439016735163573]
生成レコメンデーションは、各項目をセマンティックID(SID)のシーケンスにマッピングし、検索を自己回帰トークン生成として再キャストする。
CAPSIDは硬質残留量子化をカプセルルーティングに置き換える。
Amazon Beauty, Sports, Toys, and a 35M-item industrial catalogでは、CAPSID+SEMANTICBPEはReSIDよりも平均して10.6%改善している。
論文 参考訳(メタデータ) (2026-05-06T16:33:13Z) - Mitigating Collaborative Semantic ID Staleness in Generative Retrieval [0.0]
セマンティックID(SID)を用いた生成検索では,各項目を個別の識別子として割り当て,シーケンス生成問題として扱う。
相互作用パターンが時間とともに漂うにつれて、SIDは時代遅れになり、コラボレーティブセマンティクスは最近のログともはや一致しない。
本稿では,軽量でモデルに依存しないSIDアライメント更新を提案する。
論文 参考訳(メタデータ) (2026-04-14T20:06:48Z) - GLASS: A Generative Recommender for Long-sequence Modeling via SID-Tier and Semantic Search [51.44490997013772]
GLASSは、SID-TierとSemantic Searchを通じて、長期的なユーザ関心を生成プロセスに統合する新しいフレームワークである。
GLASSは2つの大規模実世界のデータセットの実験において最先端のベースラインを上回っていることを示す。
論文 参考訳(メタデータ) (2026-02-05T13:48:33Z) - The Best of the Two Worlds: Harmonizing Semantic and Hash IDs for Sequential Recommendation [51.62815306481903]
我々は,SIDとHIDを調和させる新しいフレームワークであるtextbfnameを提案する。具体的には,HIDのユニークなコラボレーティブアイデンティティを保ちながら,SID内のマルチグラニュラーセマンティクスの両方をキャプチャ可能な,デュアルブランチモデリングアーキテクチャを考案する。
実世界の3つのデータセットの実験では、名前は、既存のベースラインを越えながら、頭と尾の両方の推奨品質のバランスをとる。
論文 参考訳(メタデータ) (2025-12-11T07:50:53Z) - ZeroGR: A Generalizable and Scalable Framework for Zero-Shot Generative Retrieval [125.19156877994612]
生成検索(GR)は、情報検索(IR)を文書識別子(ドシデント)の生成としてフレーミングすることによって再構成する
我々は、自然言語命令を利用して幅広いIRタスクにわたってGRを拡張するゼロショット生成検索フレームワークであるtextscZeroGRを提案する。
具体的には、textscZeroGRは、3つのキーコンポーネントで構成されている: (i)不均一な文書を意味的に意味のあるドシデントに統一するLMベースのドシデントジェネレータ; (ii)自然言語タスク記述から様々なタイプのクエリを生成し、拡張する命令チューニングクエリジェネレータ。
論文 参考訳(メタデータ) (2025-10-12T03:04:24Z)
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。