通过极端分类实现高精度受众扩展：基于双边市场的研究

Airbnb 搜索需在全球多样化的住宅供应与 guest 位置、设施、风格和价格期望各不相同的客源之间进行平衡。实现这一目标依赖于高效的检索阶段，在此阶段仅呈现 guest 可能真正预订的住宅，随后才应用资源密集型排序模型确定最佳结果。不同于许多推荐引擎，我们的系统面临一种独特挑战——位置检索，这位于排序之上，决定查询哪些地理区域以筛选库存至候选集合。现有方法采用基于深度贝叶斯臂带的系统预测矩形检索边界区域用于筛选。本文旨在展示重新架构搜索以从由将世界划分为 2500 万个均匀单元格定义的最高精度矩形地图单元子集中检索的 methodology、挑战与影响。