RE-RecSys：面向房地产领域的端到端推荐系统
信息检索
2024-04-26 v1 机器学习
摘要
我们提出了一种端到端的房地产推荐系统RE-RecSys，该系统已在真实工业环境中投入生产。我们根据可用的历史数据将任何用户分为四类：i) 冷启动用户；ii) 短期用户；iii) 长期用户；iv) 短长期用户。对于冷启动用户，我们提出了一种新颖的基于规则的引擎，该引擎基于地段的流行度和用户偏好。对于短期用户，我们建议使用基于内容过滤的模型，该模型根据用户最近的交互推荐房产。对于长期和短长期用户，我们提出了一种新颖的内容与协同过滤相结合的方法，该方法可以轻松地在真实场景中投入生产。此外，基于转化率，我们为用户在平台上对不同展示进行的操作设计了一种新颖的加权方案，用于训练内容和协同模型。最后，我们在从印度领先房地产平台收集的真实房产和点击流数据集上展示了所提出的RE-RecSys管道的效率。我们表明，所提出的管道可在真实场景中部署，平均延迟小于40毫秒，服务1000 rpm。
引用
@article{arxiv.2404.16553,
title = {RE-RecSys: An End-to-End system for recommending properties in Real-Estate domain},
author = {Venkatesh C and Harshit Oberoi and Anil Goyal and Nikhil Sikka},
journal= {arXiv preprint arXiv:2404.16553},
year = {2024}
}