智行 LBS 的 Learning to Rank 模型 - 酒店排序模型为例.pptx
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《智行 LBS 的 Learning to Rank 模型 - 酒店排序模型为例.pptx》由用户(无敌的果实)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 智行 LBS Learning to Rank 模型 酒店排序模型为例 酒店 排序
- 资源描述:
-
1、智行酒店排序模型实践提纲智行酒店排序的场景SVM rankFactorization MachinePointwise,Pairwise方法智行酒店排序的场景:全城推荐、地标附近Pointwise learning to rank 用分类的方法判断商品的相关度(label: 购买/未购买、点击/未点击) 例如,线性得分函数 Score(d, q) = Score(, ) = a + b + c 数据不平衡问题:下采样Pairwise learning to rank:SVM Pair定义:同一个搜索词下任意两个搜索结果 目标:将pair的排序关系分类正确 希望得到一个函数f使 c c iff
2、f( ) f( )ikik 其中, c是第i个样本的相关度得分,f( ) = wiii 应用于智行酒店排序的地标搜场景SVMranking的优缺点: 很好的平衡价格,酒店点评分,酒店设施的影响 可解释性强(配合样条) 交互特征学习能力弱,特征稀疏的样本学习能力差Factorization Machine FM,x非常稀疏 建模了二阶交互特征,V作为潜向量BPR: Bayesian Personalized Ranking说明:把FM变成了pairwise learn to rankFM的优点: 实现个性化排序 能处理非常稀疏的特征向量总结 Ranking SVM作为酒店以POI为搜索条件的模型 FM-BPR 作为酒店没有指定POI的城市默认排序模型Q&A
展开阅读全文