arXiv cs.AI· Yi Hou, Li Fan, Huizhong Duan·· 11 小时前AI 评分22
基于双目标优化的智能即时预订筛选模型
A Smart Instant Book Filter Model based on Dual-Objective Optimization
AI 导读
研究提出一种智能即时预订（instant book）筛选系统，在预订率不下降的约束下最大化即时预订率，构成双目标优化问题。面向全球用户的 A/B 测试显示，该模型在即时预订率和整体预订率上均优于此前由人工专家调优的模型，房东即时预订采用率等指标也有提升。系统已部署到生产环境，每天服务数百万用户。
正文 · AI 翻译
摘要：过去几年，在线市场中的住宿服务日益流行，不仅因为它帮助人们轻松租到短期住所，还因为它让旅行者能够与当地人建立联系并产生归属感。这类行业的典型模式是一个中心平台，负责协调房客与房东之间的经济互动，而成功的预订体验是用户满意度的关键。然而，最大的挑战之一是，当房客尝试预订需要请求预订的房源时，可能出现响应延迟和被拒绝的风险。此前，我们启用了即时预订功能，允许房东即时接受符合条件的房客，房客也能立即确认预订。然而，由于搜索结果中混合存在请求预订和即时预订房源，这一问题仍未得到缓解。一种可能的解决方案是在搜索结果中提升所有即时预订房源；但是，由于一些质量不高的房源被不当提升，预订率将受到损害。
在本文中，我们提出了一种新颖的智能即时预订筛选系统，它能够智能地应用即时预订筛选，并在不损害预订率的情况下将请求预订转化为即时预订。与传统的双边市场研究致力于寻找策略以最大化单一整体社会福利目标相比，我们提出的系统旨在在不降低预订率的约束下最大化即时预订率，形成一个双目标优化问题。
我们展示了系统面向全球用户进行 A/B 测试的结果，表明我们的模型在即时预订率和整体预订率方面均优于此前由人工专家调优的模型。我们还改善了房东即时预订采用率等指标。所提出的系统已部署到生产环境，每天为数百万用户提供服务。
| 评论： | 6 页，5 幅图。发表于 TSMO'18：WSDM 2018 双边市场优化研讨会：搜索、定价、匹配与增长，美国加利福尼亚州玛丽安德尔湾 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.36287 [cs.AI] |
| （或 arXiv:2610.36287v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.36287 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yi Hou [查看电子邮件]
[v1]
2026 年 10 月 26 日星期一 21:11:30 UTC（683 KB）
来源：arXiv cs.AI · arxiv.org