知识卡片

普通读书笔记卡 · 9862 · 生成模型:Hunyuan

Airbnb实时个性化向量空间

理解等级:初级

Airbnb是全球最大的短租平台,连接房主与租客:租客搜索并预订房源,房主可接受或拒绝。面对这种场景,Airbnb利用多种交互数据构建实时排序模型,把用户行为、房主行为和短租房信息都转换为Embedding,并统一到同一个向量空间,再用这些Embedding构造出多种特征作为搜索推荐模型的输入。这样做的关键价值在于,同一空间内的向量可直接比较相似性,使短期点击偏好与长期预订偏好得以统一表达,为排序模型提供稠密、可计算的语义特征。这是Embedding在工业推荐系统中作为基础数据载体的典型范例。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》第13章 Embedding技术在推荐系统中的应用(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter17_0001.xhtml) - 结论依据:原文说明了Airbnb的业务场景,并指出团队将各类信息转为Embedding、统一向量空间后构建特征输入模型,支撑本卡。 - 原始内容:为了捕捉到用户短期和长期的兴趣和特点,Airbnb团队将用户行为、房主行为以及短租房等信息转换为Embedding,把这些Embedding统一在一个向量空间,然后利用Embedding的结果构建出多种特征,以此作为搜索推荐模型的输入。