アクション・アウェアな生成的シーケンスモデリングによる短尺動画レコメンド
arXiv cs.AI / 2026/4/29
📰 ニュースIndustry & Market MovesModels & Research
要点
- 本論文は、短尺動画のレコメンドにおいて、動画を単一のまとまりとして二値分類的に扱う従来手法では、動画内の多様なセグメントに対するユーザーの時間的に変わる嗜好を十分に捉えられないと主張している。
- Action-Aware Generative Sequence Network（A2Gen）を提案し、ユーザーの視聴を時間プロセスとして捉えることで、ユーザー行動のタイミングや行動パターンから異なる意図を統計的に表現する。
- A2Genは、アイテム固有の文脈特徴を加えた行動シーケンスを扱うContext-aware Attention Module（CAM）、過去の行動から時間パターンを学習するHierarchical Sequence Encoder（HSE）、さらに行動シーケンスを生成するAction-seq Autoregressive Generator（AAG）で構成される。
- KuaishouおよびTmallのデータセットでの実験では提案手法が従来手法を上回り、Kuaishou上での大規模A/Bテストでは視聴時間、インタラクション率、7日間継続率のいずれでも有意な改善が確認され、全トラフィックでのデプロイ（毎日4億人超に配信）につながった。
- 総じて、行動のタイミングを意識した生成的シーケンスモデリングが、オフライン・オンライン双方で短尺動画レコメンドの多タスク性能を押し上げることを示している。
