title, created, updated, type, tags, sources
| title |
created |
updated |
type |
tags |
sources |
| Semantic ID |
2026-06-28 |
2026-06-28 |
concept |
| generative-recommendation |
| tokenization |
| quantization |
|
|
Semantic ID
语义 ID（Semantic ID，SID）是generative-recommendation中的物品 tokenization 方法：利用 LLM/MLLM 将物品内容编码为语义嵌入，再通过分层量化（hierarchical quantization）将连续嵌入离散化为结构化的多级 token 序列。由此，推荐被转化为序列生成任务——模型自回归地预测目标物品的 SID 序列。
设计要点
- 语义空间：物品嵌入应符合用户兴趣的语义结构——相似物品在嵌入空间中接近，便于层次聚类
- 分层结构：多级 SID（如 $s_1, s_2, s_3$）形成从粗粒度到细粒度的层次，越高层语义越泛化
- 碰撞率控制：不同的物品可能被映射到相同的 SID（碰撞），需要平衡碰撞率与探索能力
量化方法
| 方法 |
代表工作 |
特点 |
| RQ-VAE |
TIGER |
残差量化，端到端训练 |
| RQ-Kmeans |
QARM, GR4AD |
聚类量化，基数约束 |
| MGMR RQ-Kmeans |
GR4AD |
多粒度多分辨率量化 |
广告场景的特殊挑战
广告物品的语义 ID 不仅需要捕捉内容语义（视频、文本），还需建模非语义业务信号（转化类型、广告主账户等）。ua-sid 通过端到端微调的广告 MLLM 嵌入 + mgmr-rq-kmeans 解决这一问题。
参考
