Airbnb 是一个旅**屋租赁网站，用户可以通过该网站公布、搜刮度假房屋租赁信息并完成在线预定程序，它成立于2008年8月，总部设在美国加州旧金山市。 Airbnb的用户遍及190个国家的近33000个城市，公布的房屋租赁信息达到50多万条，被期间周刊称为“住房中的EBay”。在6月4日举行的 OpenAir开辟者大会上，Airbnb公布了一个为人而设计的呆板学习软件包—— Aerosolve 。

  与其他的呆板学习库相比，Aerosolve具有以下特点：

  特性呈现基于thrift ，支持Pairwise Ranking Loss和单上下文的多条款呈现。在Aerosolve中，特性会按照逻辑分组，每一个组称为一个特性簇，我们可以一次性地对整个特性组进行转换，或者将 两个不同的特性簇组合到一起创立新的特性簇。每一个特性向量（FeatureVector）有三种类型：stringFeatures、 floatFeatures和denseFeatures。

  支持一种 特性转换语言 ，让用户能够对特性进行更多的控制。Aerosolve将特性转换包含在一个独立的转换模块中，与模型解耦，用户既能够将转换操纵拆散利用，又可以提前转 换相干数据。比方，在一个使用程序中用户可以在运转时上下文确定之前对一个文集中的条款数据进行转换和存储，然后在运转时做上下文的转换，并将转换后的上 下文与提前转换的条款逐一进行联合获取最终的特性向量。常用的转换操纵包罗： 列表转换 、 交叉转换 和 多尺度网格转换 。

  人类友好的 调试模型 。模型目录中包含很多模型，但是此中最重要的两个是：线性模型和样条模型，其他的都是试验性的模型或者是为可推理模型创立转换的子模型。

  独立的轻量级 Java推理代码 。

  利用Scala代码进行 训练 。

  简略的 图片内容分析代码 ，适合于图片的排序或者排名。

  需要注意的是，Aerosolve适合于希罕的、可推理的特性，比方搜刮（搜刮关键词、过滤词）或代价（房屋的数目、位置和代价）中通常会呈现的特性；不适合非常密集的人类无法推理的特性，比方原始的像素集或者音频样本。

  末了，Aerosolve所需的制品托管在bintray上，要是你利用Maven、SBT或者Gradle，那么需要将仓库指向 bintray 。要是想了解更多信息，可以点击 这里 。