SIFT：Search Intent-to-Filter Transformer 在 Airbnb 中用于多任务个性化筛选条件排序

arXiv:2610.07810v1 公告类型：新 Abstract：搜索筛选条件帮助房客在 Airbnb 等双边市场的海量目录中进行导航，而推荐合适的筛选条件能够显著提升预订转化率。然而，许多此类生产环境中的筛选条件排序系统，都是通过 ETL 流水线生成的手工设计、预聚合特征来表示房客。这使得系统维护成本高昂，也难以扩展到新的筛选条件类型或上下文维度（如行程长度、同行人数）。我们提出 SIFT（Search Intent-to-Filter Transformer），这是一种基于 Transformer 架构的排序模型，能够直接从原始行为序列中学习房客偏好。SIFT 以统一的房客表示取代手工特征工程，并将其用于多个预测任务，包括预订可能性、筛选条件互动，以及序数容量阈值（例如 2 间及以上卧室）预测——为双边市场中的筛选条件排序提供了一种通用框架，同时支持布尔型和数值范围型筛选条件。将 SIFT 扩展到新的筛选条件只需添加一个新的预测头，而无需构建新的特征流水线。为保持服务响应速度，该房客表示不是在请求时计算，而是按日离线计算。在线下评估中，相较于生产基线，SIFT 将预订和设施互动的 PR-AUC 分别提升了 51.9% 和 62.8%。在线 A/B 测试中，SIFT 使用户与推荐筛选条件的互动提升了 20.0%，搜索用户的整体筛选条件使用率提升了 0.72%，新支持的卧室、浴室和床位筛选条件的使用率分别提升了 3.9%、10.7% 和 0.52%。为展示系统的可扩展性，我们利用同一共享表示快速集成了一种全新的酒店意图筛选条件，使未取消的酒店预订提升了 3.8%，整个市场的总体预订量提升了 0.76%。目前，SIFT 已全面部署到生产环境中，为数百万房客提供可扩展的个性化服务。