前言
这篇文章用于对booking.com 在2021年举办的Multi-Destination Trips Dataset进行介绍，并且尝试分析多份解决方案。希望能够对多目的地出行问题感兴趣的同学有所帮助。
一、基本信息
比赛官方网站：https://www.bookingchallenge.com/
这道题的背景是：对于一个旅客来说，经常要去不止一个目的地，比如一个从US去阿姆斯特丹的旅客，在阿姆斯特丹逗留5天，然后在布鲁塞尔带2天，巴黎3天，回到阿姆斯特丹待一天，最后返航。booking需要能够在他预定了第一个房间预订后，推荐接下来的行程。
该比赛共有百万条真实的房间预定记录，需要能够为旅客推荐最好的接下来的目的地。
二、数据与评估
1.数据格式
user_id - User ID
check-in - Reservation check-in date
checkout - Reservation check-out date
affiliate_id - An anonymized ID of affiliate channels where the booker came from (e.g. direct, some third party referrals, paid search engine, etc.)
device_class - desktop/mobile
booker_country - Country from which the reservation was made (anonymized)
hotel_country - Country of the hotel (anonymized)
city_id - city_id of the hotel’s city (anonymized)
utrip_id - Unique identification of user’s trip (a group of multi-destinations bookings within the same trip)
其中，每行记录都是一个旅客的出行的一部分，由utrip_id来标示；同时，一个utrip_id中间间隔的几段旅行，并可能是连续的check-in，check-out，也可能是间隔几天的。
evaluation集结构类似，但是每次旅行的最后一个city_id是未知的，需要预测。
样例举例如下：
2.评估指标
比赛结果需要预测每个旅行（utrip_id）的最后一个旅行城市（city_id）.在评估预测结果的时候，预测结果需要给出4个备选城市，只要有这四个备选城市中包含真实实际城市，就认为推荐正确，否则就推荐错误。
3.结果提交格式
utrip_id - 1000031_1
city_id_1 - 8652
city_id_2 - 8652
city_id_3 - 4323
city_id_4 - 4332
三、难点分析
首先，不同于常见的回归/分类的ML问题，从训练数据中可以看出，数据不能够按照user_id进行聚合，因为这样难以表达一个trip当中的先后顺序，以及check-in，check-out的前后。
其次，这个问题也和一般的物品推荐问题存在一定区别，物品推荐中一般不考虑训练数据中物体出现的先后顺序，但是这一题中城市的先后顺序会绝对的影响输出结果，因为训练数据中隐含着两个城市间是否是常见通行城市，以及出行顺序。
这道题的需求是，在有context的条件下（已知前面几个途径城市）的推荐问题。所以，尽管这是一个推荐问题，但是更适合用RNN来进行建模。
四、基本解题思路
这道题最开始的解决方案，建议先观看视频如下，https://www.youtube.com/watch?v=pwfwUA4ZShI。视频中是2018年booking的DS对这一问题的讲解，可以作为最基本的baseline。
首先，从RNN处理自然语言的角度，以机器翻译为例，可以计算已知一段话的基础上，输出另一段话的概率。
所以，从旅程的角度，已知前面的几个途径地，需要判断以A终点的概率是否比以B为终点的概率更大。
所以，问题描述就变成下面的样子（我是真的很喜欢这个问题描述，非常简洁有没有！！）
RNN的建模结构如下，其中，值得注意的是，embedding部分没有单独训练，而是合在模型中。
也正如如下公式琐事，x即为经过了变换的embedding向量
制定惩罚函数的时候，采用的是crossentropy
在数据过程中，一个注意事项是，一个user的出行过程可能有一段，可能有两段，可能4段，这就涉及到在处理数据的补齐问题。原作者采用排序的方式，利用的trip的长度（经历城市数目）来排序，然后每个batch都不用补齐到最大长度了。
当然，这里的例子比起比赛题目是简化了的。因为仅考虑了trip的前后关系，没有考虑其他背景信息，像是时间/出发国家/订票渠道等等。
以上是最基础的解决方案，在之后的博客中我会继续解读其他方案。