日本語タイトル#
ロングリトリーバー：推薦システム向けの超長シーケンス候補検索
英文タイトル#
LongRetriever: Towards Ultra-Long Sequence based Candidate Retrieval for Recommendation
日本語要約#
ユーザーの超長シーケンスを正確にモデル化することは、産業用推薦システムにとって非常に重要です。 現在のアプローチは主にランキング段階で超長シーケンスを活用することに焦点を当てていますが、候補検索段階の研究はまだ十分に探求されていません。本論文では、超長シーケンスを推薦システムの検索段階に導入するための実用的なフレームワークである LongRetriever を提案します。具体的には、コンテキスト内トレーニングとマルチコンテキスト検索を提案し、ユーザーシーケンスと候補アイテム間の候補特有の相互作用を可能にし、検索ベースのパラダイムの下でトレーニングとサービスの一貫性を確保します。大規模な電子商取引プラットフォームで実施された多数のオンライン A/B テストは、統計的に有意な改善を示し、このフレームワークの有効性を確認しました。現在、LongRetriever はこのプラットフォームに完全に展開され、数十億のユーザーに影響を与えています。
英文要約#
Precisely modeling user ultra-long sequences is critical for industrial recommender systems. Current approaches predominantly focus on leveraging ultra-long sequences in the ranking stage, whereas research for the candidate retrieval stage remains under-explored. This paper presents LongRetriever, a practical framework for incorporating ultra-long sequences into the retrieval stage of recommenders. Specifically, we propose in-context training and multi-context retrieval, which enable candidate-specific interaction between user sequence and candidate item, and ensure training-serving consistency under the search-based paradigm. Extensive online A/B testing conducted on a large-scale e-commerce platform demonstrates statistically significant improvements, confirming the framework's effectiveness. Currently, LongRetriever has been fully deployed in the platform, impacting billions of users.
文章ページ#
ロングリトリーバー：推薦システム向けの超長シーケンス候補検索
PDF 取得#
抖音で QR コードをスキャンしてさらに素晴らしいコンテンツを確認