Airbnb个性化搜索推荐:Real-time Personalization using Embeddings for Search Ranking at Airbnb
概述
- KDD’2018 Best Paper
- Airbnb的一个工业级工作,算法设计和Airbnb自身的业务有比较强的耦合
背景
-
任务:Airbnb是一个沟通旅客和房主的短租房中介公司,这个工作主要用在Airbnb的房源搜索排序平台和相似房源推荐平台,99%的预订行为都是发生在这两个平台上的。
-
监督学习 v.s. 无监督学习:本文使用的是类似word2vec的无监督学习的方式,利用listing的共现关系或user和listing的共现关系训练listing embedding和user embedding(这篇文章里的"listing"指的是搜索/推荐列表里的一个房源)。
-
短期兴趣 v.s. 长期兴趣:针对用户的短期兴趣和长期兴趣,分别设计了listing embedding和user/listing-type embedding. listing embedding是针对每个listing id的embedding;user/listing-type embedding是将user和listing按一定的规则做聚类,每一个类对