Real-time Personalization using Embeddings for SearchRanking at Airbnb

创新点：

1.Real-time Personalization: 以前工作是user-item、item-item embeding；改进工作：在线用户交互item

2.Adapting Training for Congregated Search：加入负例，做成pairwise

3.Leveraging Conversions as Global Context：booking为最终目标

4.User Type Embeddings：相同类型user生成same embedding

5.Rejections as Explicit Negatives：host拒绝sample作为负例

For short-term interest personalization:使用超过 8 亿次搜索点击会话训练列表嵌入，从而产生高质量的列表表示

For long-term interest personalization：使用 5000 万用户的预订列表序列来训练用户类型和列表类型嵌入

参考文献：

https://zhuanlan.zhihu.com/p/112222118