論文の概要: PriceAggregator: An Intelligent System for Hotel Price Fetching
- arxiv url: http://arxiv.org/abs/2008.02087v1
- Date: Tue, 30 Jun 2020 01:28:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-15 05:30:52.592035
- Title: PriceAggregator: An Intelligent System for Hotel Price Fetching
- Title(参考訳): PriceAggregator:ホテル価格設定のためのインテリジェントシステム
- Authors: Jiangwei Zhang, Li Zhang, Vigneshwaran Raveendran, Ziv Ben-Zuk, and
Leonard Lu
- Abstract要約: アゴダ (Agoda) は、ホテル、休暇のレンタル、フライト、空港輸送のためのオンライン旅行代理店である。
アゴダは非直接サプライヤーのホテルの部屋を集約し、アゴダの客が常にホテル、部屋の種類、パッケージを選ばせるようにしている。
最大の課題は、各サプライヤーがAgodaに1秒あたりのクエリ(QPS)を限定してホテル価格でしか取得できないことだ。
- 参考スコア(独自算出の注目度): 3.72081324968989
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper describes the hotel price aggregation system - PriceAggregator,
deployed at Agoda, a global online travel agency for hotels, vacation rentals,
flights and airport transfer. Agoda aggregates non-direct suppliers' hotel
rooms to ensure that Agoda's customers always have the widest selection of
hotels, room types and packages. As of today, Agoda aggregates millions of
hotels. The major challenge is that each supplier only allows Agoda to fetch
for the hotel price with a limited amount of Queries Per Second (QPS). Due to
the sheer volume of Agoda's user search traffic, this limited amount of QPS is
never enough to cover all user searches. Inevitably, many user searches have to
be ignored. Hence, booking lost. To overcome the challenge, we built
PriceAggregator. PriceAggregator intelligently determines when, how and what to
send to the suppliers to fetch for price. In this paper, we not only prove
PriceAggregator is optimal theoretically but also demonstrate that
PriceAggregator performs well in practice. PriceAggregator has been deployed in
Agoda. Extensive online A/B experimentation have shown that PriceAggregator
increases Agoda's bookings significantly.
- Abstract(参考訳): 本稿では、ホテル、休暇レンタル、フライト、空港の乗り換えのためのグローバルなオンライン旅行代理店である agodaに展開する、ホテル価格集約システム(プライスアグリゲータ)について述べる。
agodaは、間接サプライヤーのホテルルームを集約し、アグダの顧客が常に最も幅広いホテル、ルームタイプ、パッケージを選べるようにしている。
今日、アグダは何百万ものホテルを集約している。
最大の課題は、各サプライヤーがAgodaに1秒あたりのクェリ数(QPS)を限定してホテル価格でしか取得できないことだ。
アゴダのユーザー検索トラフィックの量が多いため、この限られた量のQPSは全ユーザー検索をカバーするには不十分である。
必然的に、多くのユーザー検索を無視する必要がある。
そのため予約が途絶えた。
この課題を克服するために、PriceAggregatorを開発しました。
priceaggregatorは、サプライヤにいつ、どのように、そして何で価格を引き出すかをインテリジェントに決定する。
本稿では,PriceAggregatorが理論的に最適であることを示すだけでなく,PriceAggregatorが実際によく動作することを示す。
PriceAggregatorはAgodaにデプロイされている。
大規模なオンラインA/B実験により、PriceAggregatorはAgodaの予約を大幅に増加させた。
関連論文リスト
- A Primal-Dual Online Learning Approach for Dynamic Pricing of Sequentially Displayed Complementary Items under Sale Constraints [54.46126953873298]
顧客に対して順次表示される補完アイテムの動的価格設定の問題に対処する。
各項目の価格を個別に最適化するのは効果がないため、補完項目のコヒーレントな価格ポリシーが不可欠である。
実世界のデータからランダムに生成した合成設定を用いて,我々のアプローチを実証的に評価し,制約違反や後悔の観点からその性能を比較した。
論文 参考訳(メタデータ) (2024-07-08T09:55:31Z) - Unified Physical-Digital Attack Detection Challenge [70.67222784932528]
Face Anti-Spoofing (FAS) は、顔認識(FR)システムを保護するために重要である。
UniAttackDataは、Unified Detectionのための最大の公開データセットである。
我々は,一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元
論文 参考訳(メタデータ) (2024-04-09T11:00:11Z) - Make me an Offer: Forward and Reverse Auctioning Problems in the Tourism
Industry [0.0]
本研究では,低人気層や低季節の宿泊客が部屋を競売できる2つのオークションシステムを開発した。
ホテル屋側と客側の両方で得られる大きなメリットが示されている。
論文 参考訳(メタデータ) (2023-11-19T19:04:24Z) - Predicting Listing Prices In Dynamic Short Term Rental Markets Using
Machine Learning Models [0.0]
私たちは、機械学習モデリングアプローチを用いてAirbnbレンタルの価格を予測することを目指している。
本研究の目的は、テキサス州オースチンでAirbnbの賃貸価格を予測するための正確な機械学習モデルを構築することである。
プロジェクトの第2の目的は、Airbnbのレンタル価格を駆動する重要な要因を特定し、これらの要因が場所や資産タイプによってどのように異なるかを調べることです。
論文 参考訳(メタデータ) (2023-08-14T04:15:09Z) - Optimizing Airbnb Search Journey with Multi-task Learning [12.365018195685263]
Airbnb検索ランキングの課題に対処する、新しいマルチタスクディープラーニングモデルアーキテクチャであるJourney Rankerを紹介します。
Journey Rankerは、中級ゲストアクションを、肯定的かつ否定的なマイルストーンとして活用し、ゲストをよりうまく予約に進める。
また、ゲスト状態や検索クエリなどのコンテキスト情報を使用して、ゲストとホストの好みのバランスを取る。
論文 参考訳(メタデータ) (2023-05-28T23:25:51Z) - Surveillance Face Presentation Attack Detection Challenge [68.06719263243806]
Face Anti-Spoofing (FAS) は、様々な物理的攻撃から顔認識システムを保護するために不可欠である。
大規模サーベイランスハイフィデリティマスク(SuHiFiMask)を収集する
SuHiFiMaskには、年齢層別101ドルのビデオが10,195ドル、メインストリームの監視カメラが7ドルだ。
監視シナリオにおける顔提示攻撃検出の課題を整理する。
論文 参考訳(メタデータ) (2023-04-15T15:23:19Z) - Price DOES Matter! Modeling Price and Interest Preferences in
Session-based Recommendation [55.0391061198924]
セッションベースのレコメンデーションは、匿名ユーザが自分の短い行動シーケンスに基づいて購入したいアイテムを予測することを目的としている。
セッションベースのレコメンデーションの価格設定を組み込むのは簡単ではない。
セッションベースレコメンデーションのためのCoHHN(Co-guided Heterogeneous Hypergraph Network)を提案する。
論文 参考訳(メタデータ) (2022-05-09T10:47:15Z) - Predicting Airbnb Rental Prices Using Multiple Feature Modalities [0.6445605125467573]
位置情報,時間的,視覚的,自然言語的特徴を用いて,信頼性と正確な価格予測アルゴリズムを提案する。
この価格予測回帰タスクは、価格に基づいて類似のレンタルを推奨するなど、複数のダウンストリームの使用も可能である。
論文 参考訳(メタデータ) (2021-12-13T05:57:05Z) - A novel auction system for selecting advertisements in Real-Time bidding [68.8204255655161]
リアルタイム入札(Real-Time Bidding)は、インターネット広告システムで、近年非常に人気を集めている。
本稿では、経済的な側面だけでなく、広告システムの機能にかかわる他の要因も考慮した、新たなアプローチによる代替ベッティングシステムを提案する。
論文 参考訳(メタデータ) (2020-10-22T18:36:41Z) - HotelRec: a Novel Very Large-Scale Hotel Recommendation Dataset [39.38032088973816]
最先端のディープラーニングベースのモデルは、最高のパフォーマンスを達成するために、大量のデータを必要とします。
HotelRecは、5000万のレビューがあるホテルドメインで最大の公開データセットである。
論文 参考訳(メタデータ) (2020-02-17T09:30:52Z) - Understanding the Impact of Customer Reviews on Hotel Rating: An
Empirical Research [0.0]
ホテルのレビューサイトは、訪問者が訪れたホテルの体験、レビュー、提案を共有するための有名なステージになった。
ヨーロッパでは、ホテル事業は国内で最も重要な金融発展の1つとなっている。
この試験の背景にある動機は、客の全般的な傾きに応じて要素の範囲を理解し、認識することであり、また顧客の欲求の度合いを決定するためのレビューを通じて追加される可能性がある。
論文 参考訳(メタデータ) (2020-02-13T04:36:57Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。