paper: <real time personalization using Embeddings for Search Ranking at Airbnb>
目的：推薦house給客戶，要使得客戶喜歡，並且，房東要接受該用戶（時間，偏愛的客戶類型匹配）
細分目的：短期推薦（當客戶點擊了一個listing之後給他推薦相似的listing，最好屬於同一個market），長期推薦（一個用戶一年只用兩三次，很稀疏，且訂的房間屬於不同market，cross market 應該如何推薦）
embedding 思想：一個序列中，相依出現的元素，相似度應該高，embedding的結果應該相似
方法：1、給listing做embedding，給定所有的點擊序列（序列劃分方法：30分鐘內得連續點擊或者booked了算一個序列），word2vec的辦法，來給listing做embedding 特殊技巧：負採樣，booked listing作爲全局context，加入loss，然後，同一個市場（地方）的集合中選一些負樣本，冷啓動問題：根據基本的特徵，選三個去平均來init
2、給user_type和listing_type做embedding，根據基本特徵，分出user_type和listing_type的幾個類別，給這些類別embedding，這個場景下只用booked listing，這樣，就有（user_type，listing_type）序列（只針對一個用戶而言），就可以按照上面的辦法給type embedding，如此一來，客戶的type可能隨時間變化的問題可以解決，對於用戶當前的user_type，選出cosine距離最小的listing_type給他推薦就好了。
技巧：loss裏面加入reject的序列