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: