Hotel2vec：基于自监督学习属性感知的酒店嵌入表示
信息检索
2019-10-10 v1 计算与语言
机器学习
机器学习
摘要
我们提出了一种用于学习酒店向量表示的神经网络架构。与以往通常仅利用用户点击信息来学习物品嵌入的工作不同，我们提出了一种融合多源数据的框架，包括用户点击、酒店属性（如物业类型、星级评分、平均用户评分）、设施信息（如酒店提供免费Wi-Fi或免费早餐）以及地理信息。在模型训练期间，从上述所有信息中学习联合嵌入。我们表明，相较于仅依赖点击数据，纳入酒店的结构化属性能够使我们在下游任务中做出更好的预测。我们在来自一家领先在线旅游平台的超过4000万条用户点击会话上训练嵌入模型，并为超过一百万家酒店学习嵌入。我们最终学到的嵌入整合了用户点击、酒店属性和地理信息的不同子嵌入，提供了一种可解释的表示，可根据应用灵活使用。我们通过实验证明，我们的模型生成了高质量表示，除其他应用外还提升了酒店推荐系统的性能。所提神经模型的一个重要优势是，它通过引入所有酒店均可获得的额外酒店属性，解决了历史点击信息不足的酒店的冷启动问题。
引用
@article{arxiv.1910.03943,
title = {Hotel2vec: Learning Attribute-Aware Hotel Embeddings with Self-Supervision},
author = {Ali Sadeghian and Shervin Minaee and Ioannis Partalas and Xinxin Li and Daisy Zhe Wang and Brooke Cowan},
journal= {arXiv preprint arXiv:1910.03943},
year = {2019}
}