Airbnb的实时个性化搜索排序

论文题目：Real-time Personalization using Embeddings for Search Ranking at Airbnb
注：以下内容纯个人理解
创新点

• 实时个性化：之前的做法大多是训练得到user-item和item-item离线文件，然后线上实时读取这些文件。本文的做法是利用item的embedding，作为排序算法一部分特征。
• 适应集合搜索：意思是用户只会在特定区域内搜索，很少有跨区域的情况，所以在训练embedding的时候考虑了特定区域的负样本（大部分负样本是不同区域）。
• 利用转换作为全局变量：整个目标是使用户预订，如果有预订行为则把该数据作为全局变量。
• 用户类型embedding：酒店预订的特殊场景，预订数据往往很稀疏，很难学习到每个用户的embedding，因此本文先对用户进行分类，然后再学到每个类型的embedding。
• 拒绝行为作为负样本：有的卖家会有一些限制条件，把这些样本作为负样本，可减少后期拒绝的行为。

学习Listing embedding

• 想法：获取N个用户的点击序列，每个序列以30分钟的间隔分开；
• 网络结构
  
• 目标函数
  
• 加入预订item作为全局信息
  
• 加入相同市场负样本
  

Listing embedding冷启动

• 新item：每天都有新item被雇主发布，这些item不被训练，所以没有embedding；作者提出一种解决方法，使用item的元数据（位置、价格、类型等），计算相似的三个item embedding的平均值作为新item的embedding。

评估embedding

• 评估embedding的好坏：从类型、价格范围方面计算平均余弦相似度，效果如下：
  

用户类型和item类型embedding

• user type embedding
  1）为什么要提出用户类型向量，因为item embedding是基于有限时间窗口训练出来的，所以是短期兴趣。但是用户长期的行为对个性化也是有帮助的。例如：一个用户在洛杉矶搜索酒店，且在伦敦和纽约有过预订的行为，那么可以推荐与之前预订酒店相似的酒店。
  2）有人就会问，用户点击的item肯定是和之前预订的item很相似的，而且基于点击行为列表也可以训练出这些item的相似性，那为什么还要构建用户类型向量呢？但是跨区域的item是很难学习到相似性的，因为他们很少共线，常规的做法是使用用户预订的序列作为训练样本。此时会遇到几个问题：
  – 数据量很小。
  – 绝大多数数据长度为1。
  – 许多item出现的频率小于5-10次：因为要学到一个有意义的embedding时，上下文至少需要出现5-10词。
  – 用户偏好可能发现变化：由于时间间隔较长，用户的喜好可能发现变化，比如 价格等。
  作者提出使用listing type embedding代替listing embedding。
  3）用户类型embedding
  
• listing type embedding
  确定item的基本数据：价格、位置、类型、容量、床位等，再通过规则的形式，映射出如下listing type
  例如：Entire Home listing from US that has a 2 person
  capacity, 1 bed, 1 bedroom & 1 bathroom, with Average Price Per Night of $60.8, Average Price Per Night Per Guest of $29.3, 5 reviews, all 5 stars, and 100% New Guest Accept Rate would map into listing_type = US_lt1_pn3_pg3_r3_5s4_c2_b1_bd2_bt2_nu3
• 训练过程
  对于N个用户构造N个预订列表数据，每条数据的user id是一样的。数据格式由用户类型和listing类型组成。
  

实验

• 训练listing embedding
  – 创建8千万条点击序列，时间间隔为30分钟；
  – 移除偶然和短时间的点击行为，用户停留时间少于30s；
  – 只保留2次及以上点击的序列；
  – 设置每天训练：固定的时间窗口滑动，增加新日期数据，去掉旧日期数据，维度：32，窗口大小：5，迭代次数：10，使用mapreduce训练。
• 实时个性化搜索排序
  – 标签定义为一些几种：yi ∈ {0, 0.01, 0.25, 1, −0.4}，1 是预订，0.25是联系了雇主但没有预订，-0.4是雇主拒绝了客户，0.01是点击，0是没有点击的item。
  – 特征向量：listing特征（包含：每晚价格、类型、房间数量、差评率等等），用户特征（平均的预订价格、客户评级等等），搜索特征（顾客数量、停留时间、待几天等等），交叉特征（是上面三个特征的组合）
  – 使用GBDT算法
  – 把listing embedding加入到搜索排序中
  – 加入用户类型embedding和listing类型embedding
  – 最后重新训练一个GBDT算法