論文の概要: Managing Diversity in Airbnb Search
- arxiv url: http://arxiv.org/abs/2004.02621v1
- Date: Tue, 31 Mar 2020 20:54:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-18 00:40:10.270757
- Title: Managing Diversity in Airbnb Search
- Title（参考訳）: airbnb検索における多様性管理
- Authors: Mustafa Abdool, Malay Haldar, Prashant Ramanathan, Tyler Sax, Lanbo
Zhang, Aamir Mansawala, Shulin Yang, Thomas Legrand
- Abstract要約: Airbnb検索の多様性の問題に対処するための私たちの旅について説明する。
製品の観点からは、さまざまな結果を示すことで、より多くの選択肢が提供され、より良いエクスペリエンスが得られます。
我々は、リカレントニューラルネットワーク(RNN)を活用して、クエリコンテキスト全体の埋め込みを生成する、新しいディープラーニングソリューションで結論付ける。
- 参考スコア（独自算出の注目度）: 5.622316540895161
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: One of the long-standing questions in search systems is the role of diversity
in results. From a product perspective, showing diverse results provides the
user with more choice and should lead to an improved experience. However, this
intuition is at odds with common machine learning approaches to ranking which
directly optimize the relevance of each individual item without a holistic view
of the result set. In this paper, we describe our journey in tackling the
problem of diversity for Airbnb search, starting from heuristic based
approaches and concluding with a novel deep learning solution that produces an
embedding of the entire query context by leveraging Recurrent Neural Networks
(RNNs). We hope our lessons learned will prove useful to others and motivate
further research in this area.
- Abstract（参考訳）: 検索システムにおける長年の疑問の1つは、結果における多様性の役割である。
製品の観点からは、さまざまな結果を示すことで、ユーザにより多くの選択肢を与え、より良いエクスペリエンスをもたらすはずです。
しかし、この直観は、結果集合の全体観なしに個々の項目の関連性を直接最適化するランキングの一般的な機械学習アプローチとは相反する。
本稿では,Airbnb検索の多様性問題に対処する旅程について述べる。ヒューリスティックなアプローチから始まり,リカレントニューラルネットワーク(RNN)を活用してクエリコンテキスト全体の埋め込みを生成する,新たなディープラーニングソリューションを結論付ける。
学んだ教訓が他人にとって有益であることを証明し、この分野のさらなる研究を動機付けることを願っています。
関連論文リスト
- Transforming Location Retrieval at Airbnb: A Journey from Heuristics to Reinforcement Learning [15.048068346096027]
本稿では,機械学習に基づく位置情報検索プロダクトをゼロから構築する手法,課題,およびその影響について述べる。
適切な機械学習ベースのアプローチが欠如しているにもかかわらず、コールドスタート、一般化、微分、アルゴリズムバイアスに取り組む。
論文 参考訳（メタデータ） (2024-08-23T22:51:14Z) - Evaluating Ensemble Methods for News Recommender Systems [50.90330146667386]
本稿では,Microsoft News データセット (MIND) において,様々な最先端アルゴリズムを組み合わさって優れた結果を得るために,アンサンブル手法をどのように利用できるかを示す。
その結果,NRSアルゴリズムの組み合わせは,基礎学習者が十分に多様であることから,個々のアルゴリズムよりも優れていることがわかった。
論文 参考訳（メタデータ） (2024-06-23T13:40:50Z) - Large Search Model: Redefining Search Stack in the Era of LLMs [63.503320030117145]
我々は,1つの大言語モデル(LLM)で検索タスクを統一することにより,従来の検索スタックを再定義する,大規模検索モデルと呼ばれる新しい概念的フレームワークを導入する。
全てのタスクは自動回帰テキスト生成問題として定式化され、自然言語のプロンプトを使ってタスクをカスタマイズできる。
提案フレームワークは,LLMの強力な言語理解と推論能力を活用し,既存の検索スタックを簡素化しつつ,検索結果の質を向上させる能力を提供する。
論文 参考訳（メタデータ） (2023-10-23T05:52:09Z) - Diversify Question Generation with Retrieval-Augmented Style Transfer [68.00794669873196]
本稿では,検索型スタイル転送のためのフレームワーク RAST を提案する。
本研究の目的は,多様なテンプレートのスタイルを質問生成に活用することである。
多様性報酬と一貫性報酬の重み付けを最大化する新しい強化学習(RL)ベースのアプローチを開発する。
論文 参考訳（メタデータ） (2023-10-23T02:27:31Z) - Graph Exploration Matters: Improving both individual-level and
system-level diversity in WeChat Feed Recommender [21.0013026365164]
個人レベルの多様性とシステムレベルの多様性はどちらも産業レコメンデーターシステムにとって重要である。
WeChat AppのTop Storiesで、数億人のユーザが使用するシステムの実装とデプロイを行います。
論文 参考訳（メタデータ） (2023-05-29T19:25:32Z) - Accelerating exploration and representation learning with offline
pre-training [52.6912479800592]
1つのオフラインデータセットから2つの異なるモデルを別々に学習することで、探索と表現の学習を改善することができることを示す。
ノイズコントラスト推定と補助報酬モデルを用いて状態表現を学習することで、挑戦的なNetHackベンチマークのサンプル効率を大幅に向上できることを示す。
論文 参考訳（メタデータ） (2023-03-31T18:03:30Z) - Nonmyopic Multiclass Active Search for Diverse Discovery [23.752202199551572]
アクティブサーチは適応的な実験設計の舞台であり、予算制約を受ける希少で価値のあるクラスのメンバーを明らかにすることを目的としている。
本稿では,複数の対象クラスを対象とする能動探索の新たな定式化について述べる。
論文 参考訳（メタデータ） (2022-02-08T01:39:02Z) - Global-Local Context Network for Person Search [125.51080862575326]
パーソンサーチは、自然に切り刻まれた画像からクエリーを共同でローカライズし、識別することを目的としている。
我々は,対象人物を取り巻く環境情報を多様かつ局所的に利用し,それぞれがシーンとグループコンテキストを参照する。
本稿では,機能強化を目的としたグローバル・ローカル・コンテキスト・ネットワーク(GLCNet)を提案する。
論文 参考訳（メタデータ） (2021-12-05T07:38:53Z) - Learning distinct features helps, provably [98.78384185493624]
最小二乗損失で訓練された2層ニューラルネットワークによって学習された特徴の多様性について検討する。
隠蔽層の特徴間の平均的な$L$-distanceで多様性を測定する。
論文 参考訳（メタデータ） (2021-06-10T19:14:45Z) - Zero-Shot Heterogeneous Transfer Learning from Recommender Systems to
Cold-Start Search Retrieval [30.95373255143698]
本稿では,学習知識を推薦システムコンポーネントから伝達し,コンテンツプラットフォームの検索コンポーネントを改善するZero-Shot Heterogeneous Transfer Learningフレームワークを提案する。
弊社は、Googleから世界最大の検索とレコメンデーションシステムのひとつで、オンラインとオフラインで実験を行い、得られた結果と教訓を提示する。
論文 参考訳（メタデータ） (2020-08-07T01:22:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。