美团点评旅游推荐系统的演进

• 语言: 中文（简体）
• 格式: .pdf
• 来源: github.com/baiyutang

摘要

文档阐述了美团点评旅游推荐系统的演进过程及应用实践。系统针对旅游场景下的用户需求，采用基于用户画像的召回策略和L2R的排序策略优化，解决了需求个性化、推荐形式多样、本异地差异大以及季节性明显等问题。推荐引擎架构从海量数据的离线计算到高并发在线服务，支持了各类推荐场景。在实际应用中，推荐系统覆盖美团和点评双平台，展现多样化的推荐形式，但在处理相似门票、景酒套餐等复杂场景时也面临挑战。

AI总结

《美团点评旅游推荐系统的演进》摘要 • **美团点评酒旅业务简介**
- 负责酒旅搜索、排序、推荐及数据仓库和数据产品建设。 • **基于用户画像的召回策略演进**
- 早期以简单规则为主，2015年开始引入机器学习，2018年升级为深度学习，进一步提升召回精度。 • **基于学习到排序（L2R）的排序策略优化**
- 从基本排序模型（2015年）到深度排序模型（2020年），逐步引入多目标优化、多样化约束和实时特征，提升排序效果。 • **推荐引擎架构设计**
- 从离线计算到高并发在线服务，构建了高效、稳定的推荐系统。 • **推荐在美团点评酒旅的应用实践**
- 旅游推荐面临的核心问题：需求个性化、高频的异地请求（超过30%订单来自异地）、推荐形式多样、季节性显著（如冬季温泉订单占比超过20%）。
- 应用场景：美团/点评双平台，实时策略效果统计。
- 推荐形式：景点门票、跟团游、景酒套餐等多样化展示，根据场景灵活调整。