知识卡片

操作参考卡 · 9910.f · 生成模型:Hunyuan

预订行为融入房源Embedding

理解等级:高级

Airbnb用Word2vec的skip-gram对Session内点击房源序列做Embedding,并针对业务改造目标函数。Session序列有硬规则:详情页停留超30秒才算一个数据点,超过30分钟无动作则序列打断,目的是清洗噪声与避免非相关序列。它把会话分为产生预订的预订会话与探索性会话,每个预订会话只有最后一个是被预订房源,并强制假设该房源与滑动窗口中心房源相关,相当于注入一个全局上下文。又加入“同一市场内随机房源”作为额外负样本,放大同市场房源差异。对新房源的冷启动,则取附近3个同类型、相似价格房源向量求平均。整组做法说明Embedding的样本规则与目标函数都可围绕业务目标定制。

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:《深度学习推荐系统》第8章 深度学习推荐系统的前沿实践(源文件:extracted/深度学习推荐系统/_epub-src/text/part0012_split_002.html) - 结论依据:原文给出Session的30秒/30分钟定义、预订房源作为全局上下文、同市场负样本,以及新房源取附近3个相似房源向量平均的冷启动方法。 - 原始内容:每个预订会话中只有最后一个房源是被预订房源(booked listing),为了将这个预订行为引入目标函数,不管这个被预订房源在不在Word2vec的滑动窗口中,都假设这个被预订房源与滑动窗口的中心房源相关