# Airbnb Embedding 实时搜索推荐

## 元数据

- 书名：深度学习推荐系统
- 作者：王喆
- 章节：第8章 前沿实践
- 页码线索：247-259
- 目标岗位：AI PM / 推荐系统产品 / 算法工程师面试
- 优先级：P0
- 标签：airbnb, search, embedding

## 面试问题

Airbnb 如何用 Embedding 改进搜索推荐？

## 30 秒回答

Airbnb 将房源、用户和搜索词 embedding 融入实时搜索排序，结合短期兴趣、长期兴趣和特征工程提升住宿搜索推荐效果。

## 展开要点

- 短期兴趣来自当前 session 行为。
- 长期兴趣来自用户历史行为和偏好。
- 搜索词 embedding 帮助理解 query 与房源匹配。
- 实时排序融合 embedding 特征和业务特征。

## 高频追问

- 短期兴趣和长期兴趣如何权衡？
- 搜索推荐和普通推荐有什么不同？
- Embedding 如何作为排序特征？

## 项目映射

- 职位搜索/课程搜索中同时利用 query、用户历史和 item embedding。
- AI 素材库搜索：当前 JD query + 历史复习偏好。

## AI PM 迁移

AI PM 做搜索/RAG 产品时要同时理解查询意图、用户长期背景和当前任务上下文。

## 备注

本卡为面试复习用的主题重构和答题框架，不保存原书正文。