Learning to Rank for Maps at Airbnb

作为一个双边市场，Airbnb将出租房源的房东和来自全球的潜在客人聚集在一起。客人搜索房源的结果主要通过两种界面展示：(1)以矩形卡片列表的形式展示，卡片上包含房源的图片、价格、评分和其他细节，称为列表结果；(2)以地图上的椭圆形图钉的形式展示房源价格，称为地图结果。这两种界面自问世以来一直使用相同的排序算法，通过预测房源的预订概率并选择排名靠前的房源进行展示。然而，一些基本的排序假设是为列表结果设计的世界而建立的，对于地图结果来说并不适用。本文描述了我们如何通过修订用户与搜索结果交互的数学基础来重建地图排序算法。我们的迭代和实验驱动方法引领我们走过了一条曲折的道路，最终形成了两种界面的统一理论。我们的旅程展示了设计机器学习算法时所假设的前提条件可能并不适用于所有用户界面，以及如何进行调整。这对Airbnb的用户体验产生了最大的改善之一，我们将其作为一系列实验验证进行讨论。

重新设计Airbnb地图搜索结果的排名算法，以提高用户体验。

重新构建数学模型，考虑地图搜索结果与列表搜索结果的不同，采用迭代和实验驱动的方法，最终得到了适用于两种搜索结果的统一算法。

论文通过实验验证了新算法的有效性，提高了Airbnb用户的搜索体验。论文还开源了数据集和代码，为后续研究提供了基础。

相关研究包括基于地图的搜索结果排名算法的研究，以及机器学习算法在搜索结果排名中的应用研究。