Airbnb 位置检索的转换之旅：从启发式方法到强化学习

Airbnb 搜索系统在持续演化过程中面临诸多独特挑战。我们运营的市场因地理位置、住宅多样性以及来宾多样化的偏好而呈现细腻特征。构建能够满足不同来宾需求，同时精准展示相关住宅的高效搜索系统，是 Airbnb 成功的核心所在。Airbnb 搜索系统面临的挑战虽与其他推荐和搜索系统类似，但其独特的问题在于位点检索：它需要为检索查询定义与之相关的拓扑地图区域，以实现住宅检索。本文旨在展示从零构建基于机器学习的位置检索产品的方法、挑战与实际效果。尽管缺乏适用于当前文献的成熟机器学习方法，我们从冷启动、泛化、差异化和算法偏见等方面展开工作，详述启发式方法、统计方法、机器学习方法和强化学习方法的有效性，尤其针对当前文献中常被忽视的系统。