論文の概要: A Smart Instant Book Filter Model based on Dual-Objective Optimization
- arxiv url: http://arxiv.org/abs/2610.36287v1
- Date: Mon, 26 Oct 2026 21:11:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-28 21:04:31.43521
- Title: A Smart Instant Book Filter Model based on Dual-Objective Optimization
- Title（参考訳）: 双対目的最適化に基づくスマートインスタントブックフィルタモデル
- Abstract要約: 本稿では、インスタントブックフィルタをインテリジェントに適用し、予約率を損なうことなく、リクエスト・ツー・ブックをインスタントブックにシフトする新しいスマートインスタントブックフィルタシステムを提案する。
我々は,本システムにおけるA/Bテストの結果をグローバルユーザに対して公開し,即時予約率と総予約率の両面で,従来の人間仕様モデルよりも優れた性能を示した。
- 参考スコア（独自算出の注目度）: 3.8499384100751413
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hospitality service in online marketplaces has become increasingly popular over the past few years, not only because it helps people easily rent short-term lodging but also because it empowers travelers to connect with locals and feel belonging. A typical pattern of these industries is a central platform mediating the economic interactions between guests and hosts, where a successful booking experience is the key to user satisfaction. However, one of the biggest challenges is the possible delay of response and chance of rejection when guests try to book a request-to-book listing. Previously, we enabled the instant book feature to allow hosts to instantly accept qualified guests and guests to confirm bookings immediately. Yet the symptom has not been alleviated given mixed request-to-book and instant book listing supply in search results. One possible solution is to promote all instant book listings in search results; however, booking rate will be damaged due to some improperly promoted low quality listings. In this paper, we present a novel smart instant book filter system that applies the instant book filter intelligently and shifts request-to-book to instant book without hurting booking rate. Compared with traditional two-sided markets research that targets finding strategies to maximize a single overall social welfare goal, our proposed system aims to maximize the instant book rate with the constraint that booking rate should not decrease, forming a dual-objective optimization problem. We show A/B testing results for our system exposed to global users, demonstrating that our model performs better than previous human-expert-tuned models in terms of both instant book rate and overall booking rate. We also achieved improved metrics such as the host instant book adoption rate. The proposed system has been deployed to production and is serving millions of users every day.
- Abstract（参考訳）: オンラインマーケットプレースにおけるホスピタリティサービスは、短期宿泊を容易にレンタルできるだけでなく、旅行者が地元の人たちとつながり、所有感を持てるようになるため、ここ数年で人気が高まっている。
これらの業界の典型的なパターンは、ゲストとホスト間の経済的相互作用を仲介する中心的なプラットフォームであり、予約体験の成功がユーザの満足の鍵である。
しかし、最大の課題の1つは、ゲストが予約を予約しようとすると、応答の遅れや拒否される可能性があることである。
従来、即時予約機能を有効にして、ホストが即時に資格のあるゲストやゲストを受け付け、即時に予約を確認できるようにしました。
しかし、この症状は検索結果にリクエスト・ツー・ブックとインスタント・ブック・リスティングが混在していることから緩和されてはいない。
1つの解決策は、検索結果における全てのインスタントブックの掲載を促進することであるが、低品質の掲載が不適切に促進されているため、予約率が損なわれる。
本稿では、インスタントブックフィルタをインテリジェントに適用し、予約率を損なうことなく、リクエスト・ツー・ブックをインスタントブックにシフトする新しいスマートインスタントブックフィルタシステムを提案する。
単一社会福祉目標を最大化するための戦略を見つけることを目的とした従来の二面市場調査と比べ,本システムでは,予約率の低下を抑える制約により,即時予約率を最大化することを目指しており,二重目的最適化問題を形成している。
我々は,本システムにおけるA/Bテストの結果をグローバルユーザに対して公開し,即時予約率と総予約率の両面で,従来の人間仕様モデルよりも優れた性能を示した。
また、ホストのインスタントブックの採用率などの改善された指標も達成しました。
提案するシステムは本番環境にデプロイされ,毎日数百万のユーザにサービスを提供している。
関連論文リスト
- Inference Auctions [62.91620314460838]
我々は、ユーザーがより高速なサービスに入札できる推論オークションを設計する。
私たちのオークションは遅延を犠牲にすることなく経済的に効率よく優先順位を割り当てます。
論文 参考訳（メタデータ） (2026-09-30T16:24:10Z) - Applying Embedding-Based Retrieval to Airbnb Search [8.969357483707375]
本稿は、Airbnb検索のための効率的で高品質な検索システムを構築するための私たちの旅について詳述する。
埋め込みベース検索(EBR)システムを実装する際に遭遇した,ユニークな課題について述べる。
EBRシステムは製品としてローンチされ、定期的な検索、フレキシブルな日付、マーケティングキャンペーンのプロモーションメールなどいくつかのユースケースで使用されている。
論文 参考訳（メタデータ） (2026-01-11T11:41:55Z) - Enhancing Hotel Recommendations with AI: LLM-Based Review Summarization and Query-Driven Insights [0.4199844472131921]
大規模言語モデル(LLM)は、ユーザレビューから重要な洞察を要約し、マイニングすることで、短い賃貸住宅のレコメンデーションを強化することができる。
本論文で提示されたWebアプリケーションは,Booking.com プラットフォーム上のプロパティからテキストベースのユーザレビューを分離する手順を "instaGuide" という名で自動化する。
以上の結果から,LLMによる要約により,利用者が適切な短期賃貸アパートの検索に費やす時間を大幅に削減できる可能性が示唆された。
論文 参考訳（メタデータ） (2025-10-21T04:02:51Z) - PAUSE: Low-Latency and Privacy-Aware Active User Selection for Federated Learning [49.02872047060618]
フェデレートラーニング(FL)は、エッジデバイスが、潜在的にプライベートなデータを共有することなく、機械学習モデルを協調的にトレーニングすることを可能にする。
FLには2つの重要な課題がある。第一に、時間とともにプライバシーの漏洩が蓄積され、第二に、通信のレイテンシである。
本稿では,アクティブユーザ選択によるプライバシー漏洩と通信遅延の蓄積を共同で解決する手法を提案する。
論文 参考訳（メタデータ） (2025-03-17T13:50:35Z) - Optimizing Airbnb Search Journey with Multi-task Learning [12.365018195685263]
Airbnb検索ランキングの課題に対処する、新しいマルチタスクディープラーニングモデルアーキテクチャであるJourney Rankerを紹介します。
Journey Rankerは、中級ゲストアクションを、肯定的かつ否定的なマイルストーンとして活用し、ゲストをよりうまく予約に進める。
また、ゲスト状態や検索クエリなどのコンテキスト情報を使用して、ゲストとホストの好みのバランスを取る。
論文 参考訳（メタデータ） (2023-05-28T23:25:51Z) - Incentive-Aware Recommender Systems in Two-Sided Markets [49.692453629365204]
最適性能を達成しつつエージェントのインセンティブと整合する新しいレコメンデータシステムを提案する。
我々のフレームワークは、このインセンティブを意識したシステムを、両側市場におけるマルチエージェントバンディット問題としてモデル化する。
どちらのアルゴリズムも、エージェントが過剰な露出から保護する、ポストフェアネス基準を満たす。
論文 参考訳（メタデータ） (2022-11-23T22:20:12Z) - Learning To Rank Diversely At Airbnb [5.375300856158364]
Airbnbは二面的なマーケットプレースで、家賃のリスティングを所有するホストと世界中から来場客を集めている。
ニューラルネットワークベースの学習をテクニックのランク付けに適用することで、ゲストとホストのマッチングが大幅に改善された。
論文 参考訳（メタデータ） (2022-09-19T22:57:10Z) - Intelligent Request Strategy Design in Recommender System [76.90734681369156]
我々は、Intelligent Request Strategy Design(IRSD)というエッジインテリジェンスの新しい学習タスクを構想する。
IRSDは、ユーザのリアルタイムな意図に基づいて、リクエスト挿入の適切なタイミングを決定することにより、ウォーターフォールRSの有効性を向上させることを目的としている。
我々は、アップリフトベースのOn-edge Smart Request Framework(AdaRequest)という、適応的な要求挿入戦略の新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2022-06-23T16:51:38Z) - A novel auction system for selecting advertisements in Real-Time bidding [68.8204255655161]
リアルタイム入札(Real-Time Bidding)は、インターネット広告システムで、近年非常に人気を集めている。
本稿では、経済的な側面だけでなく、広告システムの機能にかかわる他の要因も考慮した、新たなアプローチによる代替ベッティングシステムを提案する。
論文 参考訳（メタデータ） (2020-10-22T18:36:41Z) - Dynamic Knapsack Optimization Towards Efficient Multi-Channel Sequential
Advertising [52.3825928886714]
我々は、動的knapsack問題として、シーケンシャルな広告戦略最適化を定式化する。
理論的に保証された二段階最適化フレームワークを提案し、元の最適化空間の解空間を大幅に削減する。
強化学習の探索効率を向上させるため,効果的な行動空間削減手法も考案した。
論文 参考訳（メタデータ） (2020-06-29T18:50:35Z) - Real-Time Optimization Of Web Publisher RTB Revenues [10.908037452134302]
本稿では,第2価格オークションによるWebパブリッシャーの収益を最適化するエンジンについて述べる。
エンジンは競売ごとに約1ミリ秒で最適な予備価格を予測できる。
論文 参考訳（メタデータ） (2020-06-12T11:14:56Z)
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。