RE-RecSys: An End-to-End system for recommending properties in Real-Estate domain

要約

私たちは、実際の業界環境で構築されたエンドツーエンドの不動産レコメンドシステム RE-RecSys を提案します。
当社は利用可能な履歴データに基づいてユーザーを 4 つのカテゴリに分類します。 i) コールドスタート ユーザー。
ii) 短期ユーザー。
iii) 長期ユーザー。
iv) 短期長期ユーザー。
コールドスタート ユーザー向けに、地域性とユーザーの好みの人気に基づいた新しいルールベースのエンジンを提案します。
短期ユーザーの場合は、ユーザーの最近のやり取りに基づいてプロパティを推奨するコンテンツ フィルタリング モデルを使用することを提案します。
長期および短期長期ユーザー向けに、現実世界のシナリオで簡単に実現できる、コンテンツと協調フィルタリング ベースのアプローチの新しい組み合わせを提案します。
さらに、コンバージョン率に基づいて、コンテンツと共同モデルのトレーニング用のプラットフォーム上でユーザーが行ったさまざまなインプレッションに対する新しい重み付けスキームを設計しました。
最後に、インドの大手不動産プラットフォームから収集された現実世界の不動産およびクリックストリーム データセットに対する、提案されたパイプライン RE-RecSys の効率を示します。
提案されたパイプラインは、1000 rpm での平均レイテンシが 40 ミリ秒未満である現実のシナリオで展開可能であることを示します。

要約(オリジナル)

We propose an end-to-end real-estate recommendation system, RE-RecSys, which has been productionized in real-world industry setting. We categorize any user into 4 categories based on available historical data: i) cold-start users; ii) short-term users; iii) long-term users; and iv) short-long term users. For cold-start users, we propose a novel rule-based engine that is based on the popularity of locality and user preferences. For short-term users, we propose to use content-filtering model which recommends properties based on recent interactions of users. For long-term and short-long term users, we propose a novel combination of content and collaborative filtering based approach which can be easily productionized in the real-world scenario. Moreover, based on the conversion rate, we have designed a novel weighing scheme for different impressions done by users on the platform for the training of content and collaborative models. Finally, we show the efficiency of the proposed pipeline, RE-RecSys, on a real-world property and clickstream dataset collected from leading real-estate platform in India. We show that the proposed pipeline is deployable in real-world scenario with an average latency of <40 ms serving 1000 rpm.

arxiv情報

著者 Venkatesh C,Harshit Oberoi,Anil Goyal,Nikhil Sikka
発行日 2024-04-25 12:09:17+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.IR, cs.LG パーマリンク