基于草图模型的多目的地行程建模
机器学习
2021-03-08 v3 机器学习
摘要
近期提出的 EMDE(高效流形密度估计器)模型在基于会话的推荐中取得了最先进的结果。在本工作中,我们探索其在 Booking Data Challenge 竞赛中的应用。该竞赛的目标是基于包含数百万条真实匿名住宿预订的数据集,为用户行程的下一目的地做出最佳推荐。我们在此竞赛中获得了第 2 名。首先,我们使用我们的图嵌入方法 Cleora 将城市表示为有向图并学习其向量表示。接着,我们应用 EMDE 基于先前访问过的城市以及每次行程的某些特征来预测用户的下一目的地。我们在 https://github.com/Synerise/booking-challenge 发布了源代码。
引用
@article{arxiv.2102.11252,
title = {Modeling Multi-Destination Trips with Sketch-Based Model},
author = {Michał Daniluk and Barbara Rychalska and Konrad Gołuchowski and Jacek Dąbrowski},
journal= {arXiv preprint arXiv:2102.11252},
year = {2021}
}