論文の概要: MERIT: A Merchant Incentive Ranking Model for Hotel Search & Ranking
- arxiv url: http://arxiv.org/abs/2506.08442v1
- Date: Tue, 10 Jun 2025 04:33:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-11 15:11:41.471867
- Title: MERIT: A Merchant Incentive Ranking Model for Hotel Search & Ranking
- Title（参考訳）: MERIT:ホテル検索とランキングのためのマーチャントインセンティブランキングモデル
- Authors: Shigang Quan, Hailong Tan, Shui Liu, Zhenzhe zheng, Ruihao Zhu, Liangyue Li, Quan Lu, Fan Wu,
- Abstract要約: ホテル商人の目的をホテルS&Rシステムの設計に取り入れてインセンティブループを実現するための第一歩を踏み出す。
このインセンティブループを達成するには、3つの重要な設計課題を解決する必要がある。
本稿では,MERchant IncentiveランキングモデルであるMERITを提案する。
- 参考スコア（独自算出の注目度）: 14.982411722554732
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Online Travel Platforms (OTPs) have been working on improving their hotel Search & Ranking (S&R) systems that facilitate efficient matching between consumers and hotels. Existing OTPs focus almost exclusively on improving platform revenue. In this work, we take a first step in incorporating hotel merchants' objectives into the design of hotel S&R systems to achieve an incentive loop: the OTP tilts impressions and better-ranked positions to merchants with high quality, and in return, the merchants provide better service to consumers. Three critical design challenges need to be resolved to achieve this incentive loop: Matthew Effect in the consumer feedback-loop, unclear relation between hotel quality and performance, and conflicts between short-term and long-term revenue. To address these challenges, we propose MERIT, a MERchant IncenTive ranking model, which can simultaneously take the interests of merchants and consumers into account. We define a new Merchant Competitiveness Index (MCI) to represent hotel merchant quality and propose a new Merchant Tower to model the relation between MCI and ranking scores. Also, we design a monotonic structure for Merchant Tower to provide a clear relation between hotel quality and performance. Finally, we propose a Multi-objective Stratified Pairwise Loss, which can mitigate the conflicts between OTP's short-term and long-term revenue. The offline experiment results indicate that MERIT outperforms these methods in optimizing the demands of consumers and merchants. Furthermore, we conduct an online A/B test and obtain an improvement of 3.02% for the MCI score.
- Abstract（参考訳）: オンライン旅行プラットフォーム(OTP)は、消費者とホテルの効率的なマッチングを容易にするホテル検索・ランキング(S&R)システムの改善に取り組んでいる。
既存のOPPは、ほとんどプラットフォーム収益の改善に重点を置いています。
本研究は,ホテル商人の目的をホテルS&Rシステムの設計に取り入れてインセンティブループを実現するための第一歩である。
このインセンティブループを達成するためには、3つの重要な設計課題が解決される必要がある: マシュー・エフェクト 消費者フィードバックループにおける、ホテルの品質とパフォーマンスの明確な関係、短期収益と長期収益の対立。
これらの課題に対処するため、商人と消費者の利益を同時に考慮し、MERchant IncentiveランキングモデルであるMERITを提案する。
ホテル商店の品質を表すため,MCI(Merchant Competitiveness Index)を定義し,MCIとランキングスコアの関係をモデル化する新しいMerchant Towerを提案する。
また,マーチャントタワーの単調構造を設計し,ホテルの品質と性能の関係を明確にする。
最後に,OTPの短期収益と長期収益の対立を緩和する多目的Pairwise Lossを提案する。
オフライン実験の結果,MERITは消費者や商人の需要を最適化する手法よりも優れていた。
さらに,オンラインA/Bテストを実施し,MCIスコアの3.02%の改善を得た。
関連論文リスト
- Enhancing CTR Prediction with De-correlated Expert Networks [53.05653547330796]
本稿では,専門的相関を最小化するクロスエキスパートデコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・
D-MoEの有効性とデコリレーション原理を検証するために大規模な実験が行われた。
論文 参考訳（メタデータ） (2025-05-23T14:04:38Z) - Procurement Auctions via Approximately Optimal Submodular Optimization [53.93943270902349]
競売業者がプライベートコストで戦略的売り手からサービスを取得しようとする競売について検討する。
我々の目標は、取得したサービスの品質と販売者の総コストとの差を最大化する計算効率の良いオークションを設計することである。
論文 参考訳（メタデータ） (2024-11-20T18:06:55Z) - MetaTrading: An Immersion-Aware Model Trading Framework for Vehicular Metaverse Services [94.61039892220037]
我々は、フェデレーション学習(FL)によるプライバシーを確保しつつ、サービスのデータ提供を容易にする没入型モデルトレーディングフレームワークを提案する。
我々は,資源制約下での高価値モデルに貢献するために,メタバースユーザ(MU)にインセンティブを与えるインセンティブ機構を設計する。
我々は、MUやその他のMSPに関するプライベート情報にアクセスすることなく、深層強化学習に基づく完全に分散された動的報酬アルゴリズムを開発する。
論文 参考訳（メタデータ） (2024-10-25T16:20:46Z) - Emulating Full Participation: An Effective and Fair Client Selection Strategy for Federated Learning [50.060154488277036]
連合学習では、クライアントの選択はモデルの性能と公平性の両方に大きな影響を及ぼす重要な問題である。
2つの指標間の固有の対立に対処し、互いに強化する2つの原則を提案する。
提案手法は,データ分布に基づいてクライアントを選択することにより,この多様性を適応的に向上させ,モデル性能と公平性の両方を改善する。
論文 参考訳（メタデータ） (2024-05-22T12:27:24Z) - Make me an Offer: Forward and Reverse Auctioning Problems in the Tourism
Industry [0.0]
本研究では,低人気層や低季節の宿泊客が部屋を競売できる2つのオークションシステムを開発した。
ホテル屋側と客側の両方で得られる大きなメリットが示されている。
論文 参考訳（メタデータ） (2023-11-19T19:04:24Z) - Improving Privacy-Preserving Vertical Federated Learning by Efficient Communication with ADMM [62.62684911017472]
フェデレートラーニング(FL)により、デバイスは共有モデルを共同でトレーニングし、トレーニングデータをプライバシ目的でローカルに保つことができる。
マルチヘッド(VIM)を備えたVFLフレームワークを導入し、各クライアントの別々のコントリビューションを考慮に入れます。
VIMは最先端技術に比べて性能が著しく向上し、収束が速い。
論文 参考訳（メタデータ） (2022-07-20T23:14:33Z) - Towards Fair Recommendation in Two-Sided Platforms [36.35034531426411]
特定不可能な商品を適切に配置する問題の制約されたバージョンに対して、公平にパーソナライズされたレコメンデーション問題を提案する。
提案した em FairRec アルゴリズムは,生産者への露出の Maxi-Min Share (alpha$-MMS) を保証し,顧客には Envy-Free to One Item (EF1) を付与する。
論文 参考訳（メタデータ） (2021-12-26T05:14:56Z) - TFROM: A Two-sided Fairness-Aware Recommendation Model for Both
Customers and Providers [10.112208859874618]
私たちは、顧客とプロバイダーの両方のための両面公平性認識推奨モデル(TFROM)を設計します。
実験では、TFROMはベースラインアルゴリズムよりも高いレベルのパーソナライゼーションを維持しながら、より良い両面公平性を提供する。
論文 参考訳（メタデータ） (2021-04-19T02:46:54Z) - Free Lunch! Retrospective Uplift Modeling for Dynamic Promotions
Recommendation within ROI Constraints [9.733174472837275]
オンライン旅行プラットフォーム(OTP)では、部屋のアップグレード、無料食事、輸送サービスなどが人気である。
プロモーションは通常、制御されていない場合、持続不可能になるコストを発生させる。
プロモーションが実行可能となるためには、関連するコストは、一定の財政的制約の中で漸進的な収入によってバランスをとらなければならない。
本稿では, Knapsack Problem の定式化に頼って, 新たなアップリフトモデリング手法を提案する。
論文 参考訳（メタデータ） (2020-08-14T11:13:58Z) - FairRec: Two-Sided Fairness for Personalized Recommendations in
Two-Sided Platforms [36.35034531426411]
両面のオンラインプラットフォームにおけるフェアレコメンデーションの問題について検討する。
当社のアプローチでは、公正な推奨問題の新たなマッピングと、特定不可能な商品をかなり割当する問題の制約付きのバージョンが関係している。
提案したFairRecアルゴリズムは、ほとんどの生産者に対して少なくともマクシミン・シェア(MMS)の露出を保証し、すべての顧客に対してEvy-Free to Oneアイテム(EF1)のフェアネスを保証します。
論文 参考訳（メタデータ） (2020-02-25T09:43:48Z)
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。