Airbnb实时搜索个性化排序中的Embedding（长期兴趣待补充完）

目录

一、背景介绍

1、Airbnb介绍

2、Airbnb搜索

3、房主host和客人guest的交互行为

二、论文简介

1、短期兴趣

2、长期兴趣（待补充）

---

一、背景介绍

1、Airbnb介绍

论文：Real-time Personalization using Embeddings for Search Ranking at Airbnb

https://www.kdd.org/kdd2018/accepted-papers/view/real-time-personalization-using-embeddings-for-search-ranking-at-airbnb
参考：https://mp.weixin.qq.com/s/oJUzrZP_cxhiarq0w9Yqpg

 

2、Airbnb搜索

 

3、房主host和客人guest的交互行为

      guest：click listing（点击）

      guest：book listing（预定）

                  contact host（联系）

      host：accept/reject（host对guest的预定请求）

                accept/reject/no response（host对guest的联系请求）

 

二、论文简介

为了捕捉用户长期和短期的兴趣，不是简单的将用户的历史行为作为特征，而是将用户和行为进行embedding，再根据embedding的结果得到多个feature。论文就是介绍如何根据用户和行为listing，如何进行embedding的过程。

（1）短期兴趣：基于click listing生成listing的embedding。

目的：listing的相似推荐，实时个性化推荐

（2）长期兴趣：基于book listing生成user-type和listing-type的embedding。

目的：捕捉用户的长期兴趣。由于点稀疏，因此通过对user-type和book-type进行聚合，形成2个embedding对象。

 

1、短期兴趣

（1）listing序列的形成

一个是只有停留时间超过 30s 的 listing page 才被算作序列中的一个数据点，二是如果用户超过 30 分钟没有动作，那么这个序列会断掉，不再是一个序列。

（2）embedding方法框架：word2vec 的 skip-gram model 

 

2、长期兴趣（待补充）

user-type和book-type进行聚合