A Multi-Source Ensemble Approach to Candidate Generation for Alternative Vacation Rental Property Recommendations
本文提出了一种用于度假租赁候选生成的多源集成方法，该方法将基于项目的协同过滤与图神经网络相结合，通过有效解决诸如异构库存、地理约束和冷启动场景等挑战，显著提升了召回率及下游排序质量。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在广阔的数字旅游市场中，寻找完美的住宿地点往往感觉就像在大海捞针。当旅行者查看某个特定的度假租赁房源时，系统的任务是建议其他可能同样符合其需求的相似住宅。这个过程依赖于一个由“发现”与“选择”组成的两步舞步。首先，计算机必须从包含数百万处房产的目录中快速提取出一组具有多样性的潜在匹配项。这个初始阶段被称为候选生成（candidate generation）。这是一个旨在撒开广网的过滤阶段，以确保没有任何好的选项仅仅因为其较新或评论较少而被遗漏。一旦收集到这个池子，第二个更精细的系统就会对它们进行排序，以便向用户展示最优质的选择。旅游平台面临的挑战在于，度假租赁房源不像酒店客房那样统一；它们是独特的，散布在不同的街区，并且每分钟都在变化可用性。这使得计算机很难在不被受欢迎程度所误导或不遗漏隐藏瑰宝的情况下，了解哪些房屋是真正相似的。
Expedia Group 的研究人员致力于通过测试一种构建这种初始建议池的新方法来解决这个问题。他们与一个托管着超过两百万处活跃度假租赁房产（从小型城市公寓到大型海滨别墅不等）的海量平台合作。他们的目标是改进系统在旅行者查看特定房源时寻找替代住宅的方式。他们对比了三种不同的执行该任务的方法。第一种是传统的做法，它观察哪些房源经常被同一群人查看。第二种使用了一种更简单的方法，它从房源在搜索会话中共同出现的模式中学习。第三种，也是最复杂的方法，使用了一种被称为图神经网络（graph neural network）的人工智能类型。这种先进的系统描绘了用户、房产及其特征之间的关系，使其能够理解那些并非显而易见的联系，例如：拥有特定设施的一栋房子如何能吸引与另一栋外观完全不同的房子相同类型的旅行者。
团队发现，没有任何一种方法本身是完美的。传统方法擅长寻找最显而易见的、热门的替代品，但在处理尚未被许多人查看的新房产时却显得力不从心。较简单的基于模式的方法速度很快，但往往会错过房屋之间更深层、更细微的相似性。然而，基于图的系统则擅长寻找多样化且不那么明显的匹配项，并能为缺乏交互历史的全新房源提供明智的建议。突破点在于，研究人员将传统方法的优势与基于图的系统结合在一起，创造了一个单一的混合引擎。通过让传统方法处理那些热门、知名的住宅，同时让图系统去搜寻独特和新颖的住宅，他们创建了一个更强大的候选名单。
这种结合的结果是显著的。当研究人员用这个新的混合系统与他们现有的最佳设置进行对比测试时，他们发现新系统成功检索到了更高比例的正确替代住宅。具体而言，当查看 300 个建议列表时，新系统提高其寻找相关选项的能力近 15%。这种提升不仅仅在于找到更多的匹配项，更在于找到了旧系统所遗漏的正确类型的匹配项。基于图的部分在发掘替代方案方面特别有效，这些方案不仅受欢迎，而且真正符合旅行者的特定需求，即使这些房屋从未被预订过。这表明，通过使用一个既能从用户行为中学习，又能从房产物理特征中学习的系统，平台可以提供更加丰富且更有帮助的体验。
至关重要的是，这项研究还观察了在这些候选生成之后发生了什么。在这些系统中，一个常见的担忧是：在开始阶段找到更多好的选项并不一定意味着最终能为用户带来更好的结果。研究人员发现，一个更强大、更多样化的候选池确实会导致更好的最终排名。当系统拥有更好的选择列表时，最终的推荐更有可能促成预订。然而，作者指出，这种联系是复杂的。改进初始列表通常需要调整最终的排名系统，使其能与新类型的建议协同工作。这并不是一个简单的“即插即用”式的修复；系统的两个部分必须协同工作。
这项工作凸显了构建旅游推荐方式的一种转变。与其依靠单一的方法来猜测旅行者的需求，不如结合不同的方法，使系统能够看到全貌。它可以识别一处房源的受欢迎程度，同时也能理解使其变得特别的独特细节。对于数百万浏览度假租赁网站的旅行者来说，这意味着系统能够更好地建议一个感觉“对了”的家，无论那是一座著名的海滨别墅，还是一个无人问津的安静的新挂牌小屋。这项研究证实，通过使用先进的学习技术来理解房产与人之间的关系，旅游平台可以超越简单的流行度竞赛，提供真正个性化的替代方案。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。