論文の概要: High Precision Audience Expansion via Extreme Classification in a Two-Sided Marketplace

• arxiv url: http://arxiv.org/abs/2602.14358v1
• Date: Mon, 16 Feb 2026 00:23:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-17 16:22:49.971361
• Title: High Precision Audience Expansion via Extreme Classification in a Two-Sided Marketplace
• Title（参考訳）: 二つのマーケットプレースにおける極端分類による高精度オーディエンス拡大
• Authors: Dillon Davis, Huiji Gao, Thomas Legrand, Juan Manuel Caicedo Carvajal, Malay Haldar, Kedar Bellare, Moutupsi Paul, Soumyadip Banerjee, Liwei He, Stephanie Moyerman, Sanjeev Katariya,
• Abstract要約: Airbnbの検索は、場所、アメニティ、スタイル、そして価格の期待が広く異なるゲストと、世界中の非常に多様な家庭の供給をバランスさせなければならない。 リソース集約的なランキングモデルを適用して最良の結果を決定する前に、ゲストが実際に予約する可能性のあるリストのみを提示する効率的な検索ステージにこれらの期待を満たす。 多くのレコメンデーションエンジンとは異なり、我々のシステムは、ランキングの上流に位置する位置検索という独特な課題に直面し、どの地理的領域を問合せして候補集合に在庫をフィルタリングするかを決定する。
• 参考スコア（独自算出の注目度）: 5.945585016411685
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Airbnb search must balance a worldwide, highly varied supply of homes with guests whose location, amenity, style, and price expectations differ widely. Meeting those expectations hinges on an efficient retrieval stage that surfaces only the listings a guest might realistically book, before resource intensive ranking models are applied to determine the best results. Unlike many recommendation engines, our system faces a distinctive challenge, location retrieval, that sits upstream of ranking and determines which geographic areas are queried in order to filter inventory to a candidate set. The preexisting approach employs a deep bayesian bandit based system to predict a rectangular retrieval bounds area that can be used for filtering. The purpose of this paper is to demonstrate the methodology, challenges, and impact of rearchitecting search to retrieve from the subset of most bookable high precision rectangular map cells defined by dividing the world into 25M uniform cells.
• Abstract（参考訳）: Airbnbの検索は、場所、アメニティ、スタイル、そして価格の期待が広く異なるゲストと、世界中の非常に多様な家庭の供給をバランスさせなければならない。 リソース集約的なランキングモデルを適用して最良の結果を決定する前に、ゲストが実際に予約する可能性のあるリストのみを提示する効率的な検索ステージにこれらの期待を満たす。 多くのレコメンデーションエンジンとは異なり、我々のシステムは、ランキングの上流に位置する位置検索という独特な課題に直面し、どの地理的領域を問合せして候補集合に在庫をフィルタリングするかを決定する。 既存のアプローチでは、フィルターに使用できる矩形検索境界領域を予測するために、ディープベイズ帯域ベースシステムを採用している。 本研究の目的は,世界から25万個の一様細胞に分割して定義された,予約可能な高精度矩形マップセルのサブセットから検索を復元する手法,課題,効果を実証することである。

関連論文リスト

• VLM2GeoVec: Toward Universal Multimodal Embeddings for Remote Sensing [59.73939718087177]
  シングルエンコーダの視覚言語モデルは、統合ベクトル空間にインターリーブされた入力を埋め込むために対照的に訓練された。 VLM2GeoVecは、領域レベルの空間推論とスケーラブルな検索を統合し、リモートセンシングにおける凝集性多モード解析を可能にする。
  論文  参考訳（メタデータ） (2025-12-12T11:39:35Z)
• Benchmarking Filtered Approximate Nearest Neighbor Search Algorithms on Transformer-based Embedding Vectors [18.796661826646616]
  Filtered Approximate Nearest Neighbor Search (FANNS) は、フィルタされた近似Nearest Neighbor Search (FANNS) と呼ばれる問題である。 本稿では, FANNS手法の総合的な調査と分類について紹介し, それらが文献でどのようにベンチマークされているか分析する。 本稿では、arXivリポジトリから270万以上の研究論文を要約したベクトルを埋め込んだ新しいデータセットについて紹介する。
  論文  参考訳（メタデータ） (2025-07-29T16:39:54Z)
• Proactive Depot Discovery: A Generative Framework for Flexible Location-Routing [4.48890356952206]
  位置情報ルーティング問題(LRP)のデポを積極的に生成するデータ駆動型DRLフレームワークを提案する。 我々のフレームワークは、ルーティングコストの低い優れたソリューションルートにつながるデポを積極的に生成することができる。 我々の枠組みは、特に救急医療救助や災害救助の物流において、現実世界の応用にまで拡大する可能性がある。
  論文  参考訳（メタデータ） (2025-02-17T12:00:28Z)
• 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)
• A Landscape-Aware Differential Evolution for Multimodal Optimization Problems [54.50341106632738]
  マルチモーダル最適化問題(MMOP)を解く上では,複数のグローバルピークを同時に検出し,検出したピーク上で一定の精度を達成する方法が重要な2つの課題である。 本稿では,ランドスケープ・アウェア・ディファレンシャル・進化(LADE)アルゴリズムを提案する。 LADEは、最近提案された7つの高性能アルゴリズムと、マルチモーダル最適化のためのIEEE CECコンペティションにおける4つの勝者アルゴリズムと比較して、一般的に良い、あるいは競争的な性能が得られることを示した。
  論文  参考訳（メタデータ） (2024-08-05T09:37:55Z)
• F$^3$Loc: Fusion and Filtering for Floorplan Localization [57.93061992125962]
  本研究では,フロアプラン内での自己ローカライズのための効率的なデータ駆動型ソリューションを提案する。 本手法では,地図や位置情報ごとのリトレーニングや,関心領域の画像の大規模なデータベースの要求は不要である。
  論文  参考訳（メタデータ） (2024-03-05T23:32:26Z)
• Union-over-Intersections: Object Detection beyond Winner-Takes-All [54.89876370237598]
  本稿では,オブジェクト検出アーキテクチャにおけるボックス位置の予測問題を再検討する。 提案手法は,提案と基礎的真理の交差領域のみに回帰する,より単純なアプローチを提案する。 勝敗戦略を採用する代わりに、地域内のすべてのボックスの後退した交差点をユニオンとして、最終的なボックス出力を生成する。
  論文  参考訳（メタデータ） (2023-11-30T12:40:23Z)
• Approximate Novelty Search [7.57024681220677]
  幅に基づく探索アルゴリズムは、好ましく定義された新規性の尺度に従って状態を優先順位付けすることで計画を求める。 新規性および幅に基づく探索の近似を得るための新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-05-17T09:21:48Z)
• Exploration in two-stage recommender systems [79.50534282841618]
  2段階のレコメンデータシステムは、スケーラビリティと保守性のために業界で広く採用されている。 このセットアップの鍵となる課題は、各ステージの最適性能が最適なグローバルパフォーマンスを暗示していないことである。 そこで本研究では,ランクとノミネーター間の探索戦略を同期させる手法を提案する。
  論文  参考訳（メタデータ） (2020-09-01T16:52:51Z)

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。