利用域适配对齐酒店嵌入以进行下一项目推荐
信息检索
2021-09-01 v1 机器学习
摘要
在线平台中，同一集团下常拥有多个面向不同客户画像或不同领域的品牌。例如在酒店业，Expedia Group 拥有 Brand Expedia、Hotels.com 和 Wotif 等多个品牌，它们要么面向不同的旅行者画像，要么在本地语境下更具相关性。在此背景下，学习可用于多品牌推荐任务的酒店嵌入，需要借助对齐方法得到一个可迁移的通用嵌入。同时，需确保该通用嵌入空间不会在任何品牌上的性能退化。本文基于 hotel2vec 模型，提出一种简单的正则化方法，通过域适配对齐不同品牌的酒店嵌入。我们还探索了先前用于跨语言嵌入以对齐不同语言空间的对齐方法。我们在使用来自两个品牌的点击会话的下一酒店预测任务上展示了结果。结果表明，所提方法能对齐两个嵌入空间，同时在两个品牌上均取得良好性能。此外，相较于单品牌训练，我们所提方法能显著减少训练时间并提升预测性能。
引用
@article{arxiv.2108.13824,
title = {Aligning Hotel Embeddings using Domain Adaptation for Next-Item Recommendation},
author = {Ioannis Partalas},
journal= {arXiv preprint arXiv:2108.13824},
year = {2021}
}
备注
ACM SIGIR Workshop on eCommerce, July 15, 2021, Virtual Event, Montreal, Canada