学习匹配
信息检索
2018-02-12 v1
摘要
Booking.com 是一个虚拟双边市场，客人和住宿提供者是两个不同的利益相关方。他们相遇以满足各自不同的目标。客人希望能够从庞大且多样的库存中，在其要求和约束内快速可靠地选择住宿。住宿提供者希望触达可靠且庞大的市场以最大化其收入。为客人寻找最佳住宿（一个通常由推荐系统社区解决的问题）以及为住宿提供者寻找最佳受众，是良好平台的关键组成部分。本工作描述了 Booking.com 如何扩展这种方法，使客人自身能够通过帮助他们发现其需求和限制、市场实际能提供什么、强化好的决策、劝阻坏的决策等来找到最佳住宿，从而将平台转变为决策过程顾问，而非决策者。Booking.com 用数百个机器学习模型实现这一想法，所有这些模型都通过严格的随机对照实验进行验证。我们进一步详述我们所面临的模型类型、技术、方法论问题和挑战。
引用
@article{arxiv.1802.03102,
title = {Learning to Match},
author = {Themis Mavridis and Pablo Estevez and Lucas Bernardi},
journal= {arXiv preprint arXiv:1802.03102},
year = {2018}
}