要約
Airbnb 検索システムは進化し続けるにつれて、多くの特有の課題に取り組んでいます。
私たちは、地理、住宅の多様性、さまざまな好みを持つゲストによって微妙に異なる市場を監督しています。
Airbnb の成功の核心は、ゲストの多様なニーズに対応できる効率的な検索システムを構築しながら、関連する住宅を紹介することです。
Airbnb の検索には、他の推奨システムや検索システムと同様の多くの課題がありますが、位置検索と呼ばれる、ランキングの上流にある独自の情報検索の問題があります。
住宅リストを取得するための検索クエリに関連するトポロジ マップ エリアを定義する必要があります。
このペーパーの目的は、機械学習ベースの位置検索製品をゼロから構築する方法論、課題、および影響を実証することです。
適切で普及している機械学習ベースのアプローチが存在しないにもかかわらず、私たちはコールド スタート、一般化、微分、アルゴリズムのバイアスに取り組みます。
これらの課題を解決するためのヒューリスティック、統計、機械学習、強化学習のアプローチの有効性、特に現在の文献では調査されていないシステムについて詳しく説明します。
要約(オリジナル)
The Airbnb search system grapples with many unique challenges as it continues to evolve. We oversee a marketplace that is nuanced by geography, diversity of homes, and guests with a variety of preferences. Crafting an efficient search system that can accommodate diverse guest needs, while showcasing relevant homes lies at the heart of Airbnb’s success. Airbnb search has many challenges that parallel other recommendation and search systems but it has a unique information retrieval problem, upstream of ranking, called location retrieval. It requires defining a topological map area that is relevant to the searched query for homes listing retrieval. The purpose of this paper is to demonstrate the methodology, challenges, and impact of building a machine learning based location retrieval product from the ground up. Despite the lack of suitable, prevalent machine learning based approaches, we tackle cold start, generalization, differentiation and algorithmic bias. We detail the efficacy of heuristics, statistics, machine learning, and reinforcement learning approaches to solve these challenges, particularly for systems that are often unexplored by current literature.
arxiv情報
著者 | Dillon Davis,Huiji Gao,Thomas Legrand,Weiwei Guo,Malay Haldar,Alex Deng,Han Zhao,Liwei He,Sanjeev Katariya |
発行日 | 2024-10-28 15:48:08+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google