レコメンダーシステムは、電子商取引、ストリーミングメディア、ソーシャルネットワークの不可欠なコンポーネントであり、製品やビジネスに大きな影響を与えている。Netflixでは、これらのシステムが適切なコンテンツをメンバーに提供する。レコメンデーション基盤モデルは、ユーザーの嗜好を理解するために大きな進歩を遂げているが、能力をさらに高める機会がある。基盤モデルを拡張して、潜在的なユーザーの意図を予測することで、モデルは次のアイテム予測を超えてユーザーセッションの理解を豊かにすることができる。最近の研究では、オンラインプラットフォームでのユーザーの意図を理解することが、より正確でパーソナライズされたレコメンデーションにつながることを強調している。FM-Intentという新しいレコメンデーションモデルは、短期的および長期的な暗黙のシグナルをプロキシとして、ユーザーの潜在的なセッション意図を捉え、次のアイテム予測を改善するためにこの意図予測を活用する。モデルは、意図予測と次のアイテム予測の間に階層的な関係を確立し、より一貫した効果的なレコメンデーションパイプラインを作成する。FM-Intentは、三つの主要な貢献を行う：新しいレコメンデーションモデル、階層的なマルチタスク学習アプローチ、および最新の状態にあるモデルとの比較実験による有意な改善を示す。FM-Intentは、Netflixのレコメンデーションエコシステムに成功的に統合されており、パーソナライズされたUI最適化、アナリティクス、および強化されたレコメンデーションシグナルなどの下流アプリケーションに活用することができる。