情节概要：当我们想到的推荐引擎，我们可能会认为亚马逊或Netflix的，但同时消费品娱乐可能是推荐引擎最突出的领域，还有其他的。这个星期，我们用的马杜戈皮纳坦说话MakeMyTrip他是为数不多的几个印度麒麟公司，关于推荐引擎的旅游公司。
据戈皮纳坦，MakeMyTrip的推荐引擎必须找出给定目的地的客户最好的酒店，但酒店推荐给初次使用的用户和那些谁不频繁的网站可以证明具有挑战性。如何做一个旅游公司的基于AI-推荐引擎开始做灵通建议的过程？
戈皮纳坦会谈一下如何推荐引擎会立即满足人们的首选产品或服务时，现场数据不存在告知AI驱动的建议。
订阅我们人工智能产业播客用你喜欢的播客服务：
客人：马杜戈皮纳坦，副总裁，数据科学MakeMyTrip
专长：自然语言处理，机器学习，云计算，数据分析，软件工程，巨蟒
介绍识别：Madhu是MakeMyTrip.com的数据科学副总裁，他在MakeMyTrip.com负责开发基于自然语言处理和机器学习的智能系统。在MakeMyTrip之前，Madhu是VMobo的CTO和Analysis的首席架构师。他是Infosys的产品孵化团队成员，也是微软的架构师布道者。
他还自告奋勇为印度的唯一标识管理局欺诈检测算法，发展自己的技能。在职业生涯早期，他曾担任TCSI的软件工程师和软件架构师Covad公司通讯。
马头赢得了他在数学建模博士学位科学的印度理工学院。
这篇文章是一个广泛的一系列采访了印度分析我们深入AI的一部分 - 在这里阅读报告全文，并从印度各地探索从AI高管和研究人员更多的报价。
采访中强调了
（03:25）你说，当选择出现时，必须有某种形式的排名，因为没有人愿意要经过三千事情的清单中。你如何给业务人员解释说，复杂的推荐的问题是如何解决的？
Madhu Gopinathan:一方面，我们的消费者，而另一方面，我们的酒店。从历史数据看，我可以提取在酒店客户的喜好。我们收集了很多关于客户的数据，如设备类型和他们的历史。我们利用这个信息，并与酒店相匹配。
例如，对于拥有高端iOS设备的用户，我们可能会为他们预订四星或五星级酒店，高于低端安卓系统。这是帮助我们找到合适酒店的一个因素。
还有其他一些因素，如平日预订，成虫数，住院时间。这些信息帮助我们缩小了可靠的选择，以及我们持续监控和改进。
在某些情况下，你会比别人有更多的数据。你可能只有他们使用的设备和他们上网的地方。其他人可能有一个帐户，与他们的旅行历史在过去八个月。考虑到有关该用户的信息有限或过多，以及他们最近的行为，您可以向他们提供什么信息?你有每种情况的模型吗?
MG:其原理是，你有更多的信息，更可靠，你可以缩小[推荐]。当你有更少的信息，您可以用池谁拥有相似的外形的人的信息。如果你不知道客户或这些方法的资料，可以随时推荐受欢迎的酒店。
我们还发现细微差别。流行的周末酒店距离广受欢迎的酒店平日不同。如果人们在商务旅行，他们更喜欢在某些街区的酒店。这也是从周末的首选酒店和居民区不同。此外，还有其他条件，如时间的日预订，办理登机手续的日期，人数
（06:47），请在您没有相关的酒店预订历史信息新发展的城市，你如何开始得到适当的酒店推荐？
MG:我们通常做一些勘探和开采。就像在拉斯维加斯的赌场参观。你不坚持只是一个投币机。你会尝试进行试验。但是，当你找到一个很好的，你玩它多次。以同样的方式，我们推荐一些通常的酒店，还推荐新找到平衡。
要找到联盟中的新球员，你需要给他们机会，然后评估哪些相似的人可能会同意我们的观点。
（10:55）你在哪里看到的建议改善作为人工智能技术的进步？
MG:一个是收集更多关于人和酒店的信息。随着与酒店的整合越来越强，我们可以收集更多的信息。我们还通过客户的评论收集他们的信息。随着机器学习越来越受欢迎，我们可以通过图像和视频让人们贡献更多内容。在这个领域，被称为基于方面的情绪分析，人们通常习惯于依赖于评论中的平均评级。我们再深入一层。
如果评论家写道：“酒店是伟大的。但是粮食是不是很好，”某些方面提供了积极的评价，而有些方面不是很好。这对我们来说是有益的。我们可以提取文本数据维度。我们得分基于来自多个审阅这些尺寸的酒店。这些可以被用来帮助发现过程。
这也可能是有用的酒店经营者，看到客户有什么可抱怨的方面和改进的方面。因此，我们正在帮助双方客户和合作伙伴。
(14:30)你的公司正在转向聊天和语音技术。这些技术的远景是什么?
MG:对于旅行中的售后服务，如查看预订状态、电子票务、更改日期等，聊天是很好的。但在印度这样的国家，聊天只对一部分人有用或相关。可能会有更大的一部分人更适应自然语言，以声音作为主要媒介。我们如何帮助他们?这就是我们建立语音模型和寻找合作伙伴的方式。
对于语音频道的客户，我们只能推荐3家酒店，而不是推荐10家。我们可以问他们一个关于他们喜欢的地点的问题，进行对话，并帮助他们预订合适的酒店。
（17:05）到亚马逊的虚拟助理Alexa的类似，它可能涉及实验的一个良好的金额怎么看[声音]会点击。
MG:这显然是对未来的投资。但是，我们希望把它拿出来，看看人们怎么会接受它。
订阅我们人工智能产业播客用你喜欢的播客服务：
标题图片来源:宾夕法尼亚大学
