【论文阅读】Real-time Personalization using Embeddings for Search Ranking at Airbnb

会议：KDD2018，4篇Best Paper之一
作者：来自Airbnb的Mihajlo Grbovic和Haibin Cheng
关键词：Search Ranking; Personalization; Embedding

这篇工作的基础部分可以认为是word2vec在推荐领域的应用。word2vec对word进行embedding，本文对User与Listing进行embedding。embedding后的向量和word2vec的结果一样，被赋予了意义，能够衡量在空间中的距离。这个空间在word2vec中是语义空间，在本文中可以被看做是用户(User)对产品(Listing)的兴趣空间。

文中的Embedding可以分为两块：

1. 短期即时的个性化，Listing embeddings
2. 长期个性化，User-type & listing type embeddings

Listing embeddings for short-term real-time personalization and user-type & listing type embeddings for long term personalization.

Listing Embedding

图1表示了一个以L_i为中心的点击序列。这部分的基本思路是Skip-gram Model。

Skip-gram Negative Sampling(SGNS)

所需最大化的目标函数为：

$m$是选定的中心前后窗口的长度。$P(L_j|L_i)$的公式如下(Softmax)：

偏导$\nabla P(l_j|l_i)$的时间复杂度$O(n)$太高，因此使用负采样的方法来简化。负采样是指把Softmax替换成：
$$P(l_j|l_i)=\sigma (u_i^T{v}_j)\prod _{k=1}^N\sigma (-u_i^T{v}_k)$$
其中，$\sigma (x)=\frac{1}{1+e^{-x}}$，$N$决定了在每一个正样本中采多少负样本。因此，公式1所示的目标函数可以被改写为：

作者依据Airbnb的业务特点对公式3做了2点补充，相当于多目标融合策略。所加的两项含义如下：

1. 第三项：将Booked List作为global Context（毕竟实际业务不能只看CTR，还要以CVR为导向）；
2. 第四项：由于$D_n$和$D_p$极有包含不同的Listing，故再从Listing $l$的Market中做负采样。
   
   对于冷启动问题采用K近邻的思路解决(K=3)。可以覆盖98%的冷启动样本。

User-type & Listing-type Embeddings

未完待续…