JP6960940B2 - 時限付き在庫の利用予測のための回帰木で圧縮された特徴ベクトル機械 - Google Patents
時限付き在庫の利用予測のための回帰木で圧縮された特徴ベクトル機械 Download PDFInfo
- Publication number
- JP6960940B2 JP6960940B2 JP2018555140A JP2018555140A JP6960940B2 JP 6960940 B2 JP6960940 B2 JP 6960940B2 JP 2018555140 A JP2018555140 A JP 2018555140A JP 2018555140 A JP2018555140 A JP 2018555140A JP 6960940 B2 JP6960940 B2 JP 6960940B2
- Authority
- JP
- Japan
- Prior art keywords
- price
- inventory
- timed
- time
- likelihood
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
Description
本出願は、2016年4月20日に出願された米国特許仮出願第62/325,006号明細書、および2017年4月7日に出願された米国特許出願第15/482,453号明細書の利益を主張し、それらの全体が、参照により組み込まれる。
図1は、一実施形態に係る、購入、貸出し、借受け、予約指定などのために時限付き在庫を提供するオンラインシステムを含む計算環境のブロック図である。ネットワーク109は、本明細書ではクライアント102Aと呼ばれる、取引の一方の当事者と、本明細書ではマネージャ102Bと呼ばれる、取引の他方の当事者との間の通信経路を表す。
図2は、一実施形態に係る、オンラインシステム111の論理コンポーネントのブロック図である。オンラインシステム111は、フロントエンドサーバ201、クライアントモジュール203、マネージャモジュール205、リスティングモジュール207、探索モジュール209、取引モジュール211、需要モジュール213、およびデータベース250を備える。オンラインシステム111はまた、本明細書に記述されていない、異なるおよび他のモジュールも包含できることを当業者はさらに認識するであろう。さらに、ファイアウォール、認証システム、支払い処理システム、ネットワーク管理ツール、負荷分散装置など、従来の要素は、本明細書に記述された主題にとって直接に重要ではないので、示されていない。
クライアントモジュール203は、クライアントがそれらとオンラインシステム111との対話を管理することを可能にし、オンラインシステム111の他のコンポーネントによって要求され得るクライアント関連の情報の処理論理を実行するプログラムコードを備え、それを行うための1つの手段である。各クライアントは、オンラインシステム111において、固有のクライアントIDとクライアントプロファイルを有し、その両方がクライアントストア251に格納されている個々のクライアントオブジェクトで表される。クライアントプロファイルは、プロファイルピクチャおよび/または他の識別情報、地理的位置、並びにクライアントカレンダーを含むことができる、いくつかのクライアント関連の属性フィールドを含む。クライアントモジュール203は、クライアントがそれらのクライアントプロファイルを設定および変更するためのコードを提供する。オンラインシステム111は、各クライアントが複数のマネージャと通信することを可能にする。オンラインシステム111は、クライアントがマネージャとの間で通信、取引の要求、および取引をやり取りすることを可能にする。
リスティングモジュール207は、マネージャがクライアントによる予約のための時限付き在庫をリスト化するためのプログラムコードを備え、それを行うための1つの手段である。リスティングモジュール207は、申し出されている在庫を記述するマネージャからのリスティング、開始日、終了日、開始時間および終了時間のうちの1つまたは複数を含むその可用性の時間フレーム、価格、地理的位置、在庫を特徴付ける画像および記述、並びにその他の任意の関連情報を受信するように構成される。例えば、宿泊施設のオンラインシステムの場合、リスティングは、宿泊施設のタイプ(例えば、家、アパート、部屋、睡眠場所他)、そのサイズの表現(例えば、面積、または部屋数)、宿泊施設が使用可能な日付、および価格(例えば、1泊当たり、1週間当たり、1月当たりなど)を含む。リスティングモジュール207は、ユーザがビデオ、写真、および他の媒体など、在庫についての付加的な情報を含むことを可能にする。
探索モジュール209は、クライアントから入力探索クエリを受信して、入力クエリにマッチする時限付き在庫および/またはリスティングのセットを返すように構成されているプログラムコードを備え、この機能を遂行するための1つの手段である。探索クエリは、クエリストア254にオンラインシステム111によって格納されるクエリオブジェクトとして保存される。クエリは、探索位置、所望の開始時間/日付、所望の期間、所望のリスティングタイプ、および所望の価格帯を包含することができ、リスティングの他の所望の属性を含むこともできる。潜在的なクライアントは、探索モジュール209から結果を受信するために上記のクエリの全てのパラメータを提供しなくてもよい。探索モジュール209は、提出されたクエリのパラメータを満たす、提出されたクエリに応答する時限付き在庫および/またはリスティングのセットを提供する。オンラインシステム111はまた、クライアントが探索クエリを提出せずにリスティングをブラウズできるようにすることもでき、この場合、記録される閲覧データは、提出される探索クエリからのいかなるさらなる詳細も伴わずに、クライアントが特定のリスティングを閲覧したことを示すだけとなる。クライアントが、可能な取引を探してさらに入念に見直すために時限付き在庫/リスティングを選択する入力を提供すると、探索モジュール209は、どの在庫/リスティングをクライアントが閲覧したかを示す選択/閲覧データを記録する。この情報もまたクエリデータストア254に格納される。
III.A 概要
図3Aは、一実施形態に係る、需要モジュールのコンポーネントおよび動作を示すフロー図である。オンラインシステム111において時限付き在庫の需要を予測するために、需要モジュール213は、複数の特徴モデル305、需要関数300、尤度モデル310、および価格決定モデル320を含む一連のモデルおよび関数を使用する。
図3Aは、図面のモデル、関数、およびデータストアのそれぞれの間の矢印に従って時限付き在庫の需要関数300と尤度モデル310を訓練するための処理フローを示す。需要モジュール213は、訓練ストア256からの訓練データを使用して特徴モデル305を330で訓練する。需要モジュール213は次に、訓練データの各サンプルの特徴ベクトル毎の需要関数300を評価して、各サンプルの特徴ベクトル毎のラベルに基づいて尤度モデル310を340で訓練する。
図4A〜図4Dは、一実施形態に係る、需要モジュールによって使用される訓練データのラベル付け論理を示している。図4Aにおいて、1日の時間間隔を有するリスティングカレンダーが示されている。これは、リスティングが日ベースでのクライアントによる予約のために申し出されるだけであることを意味する(クライアントは、隣接する複数日でリスティングの予約を要求する場合もあるが)。図4Aは、取引ストア255から検索されて訓練データとして使用するために別個にストア256に転送されることが可能である予約履歴データから訓練データがどのようにサンプリングされるかを示す。図4Aに示されているタイムラインは、単一のリスティングから取られたデータを表す。リスティングは、10月24日の期限時間(または期限日)400、10月2日の開始リスティング時間(または開始リスティング日)410、および10月15日の要求が受信されて受け入れられた時間(または日)420を有する。
図6は、一実施形態に係る、特徴モデルw(f)を示す。図6は、特徴1の値を需要関数300の重みに関連付ける特徴モデル305を示す。統計モデル600は、需要モデル300の出力D(f)と、個々のサンプルの対応する特徴値fとの間の部分残差である訓練データポイント610への適合である。訓練処理の各反復により残差が変化して、統計モデル600がデータに適合される。確率的勾配降下法およびバックフィッティングアルゴリズムなどのアルゴリズムは、需要モデル300の全ての特徴の統計モデル600間の部分残差を最小にしようとする。訓練データセットを反復処理した後、統計モデル600は、所与の特徴値毎に重みを出力する特徴モデル305に収束する。データを適合させるために、B−スプライン、3次スプライン、任意のタイプの回帰、(分類データおよび2進データのための)ディラックのデルタ関数、またはこれらの方法の任意の組合せを含む多くの統計方法が使用されることが可能である。オンラインシステム111の管理者は、データを最もよく表すために特徴モデル305を構成することができる。適合した後に、特徴モデル305は、特徴値の最大範囲にわたって−1と1との間の荷重値を有することになる。いくつかの実施形態において、特徴値は、範囲を0と1との間に制限するように標準化される。特徴が分類別または2進であれば、統計モデル600は単純に、特徴分類から荷重値へのマッピングであるか、または重みの判定に使用するために設計されたスケールに分類データを変換することに基づくことが可能である。
図8は、一実施形態に係る、需要モジュール213によって使用される尤度モデル310を示す。需要モジュール213が特徴モデル305を訓練すると、需要モジュール213は、訓練データのいくつかのサンプルの特徴ベクトルfのセットを使用し、需要関数300を使用してサンプル毎の推定された需要D(f)を出力することができる。尤度モデル310を訓練するために、需要モジュール213は、推定された需要D(f)のラベル付けされた値に尤度関数800を適合する。尤度関数800は、プラスのラベルを与えられたD(f)を特徴ベクトルfが有する尤度、その他の言い方をされるならば、所与のサンプルが時限付き在庫の期限切れの前に取引要求を受信した尤度を判定する二進分類の問題を解く関数である。図8において、マイナスのラベルは、白丸810で表されており、その一方でプラスのラベルは、黒丸820によって表されている。尤度関数800は、点が黒である尤度をサンプルの推定された需要に基づいて近似する。
P(D(f))=(1+exp(αD(f)+β))-1
ここにαとβは、学習定数である。最大尤度法を使用してプラットスケーリングアルゴリズムを訓練し、それがこの2進分類の問題を最適に解けるようにするために、ヒンジ損失関数などの損失関数または別の同様の技術が使用される。
図9A〜図9Cは、リスティングの価格決定モデル320を作成する処理を示す。需要モデル300(特徴モデル305を含む)と、尤度モデル310(尤度関数800を含む)との両方が、訓練データのサンプルを使用して訓練された後、需要モジュール213は、任意の特徴ベクトルfを、取引要求を受信する尤度P(D(f))に変換する能力を有する。
上述されているように、図9A〜図9Cは、リスティングに関する価格曲線および価格決定モデル320を作成する処理を示している。あるいは、記述されているシステムは、リスティング毎の回帰木を使用して、リスティングに関する一般化モデルおよび価格曲線を生成することができる。システムは、ある数(Er)の期限切れまでの時間(例えば、リスティングの期限切れまでの1日から60日)においてある数(N)の価格(例えば、現在の価格の10%から200%)で尤度モデルを(例えば、それぞれのリスティングおよび期限切れまでの日数毎に)使用して、各価格および期限切れまでの各時間で取引要求を受信する尤度を算出する。次にシステムは、生成されたデータポイント(N×Er個のデータポイント)のそれぞれを取り出し、回帰木を訓練してN×Er個のデータポイントを一般化モデルに「圧縮」する。例えば、システムが1泊当たり10個の価格で120泊の範囲を使用する場合には、システムは、1200個(10個の価格/1泊×120泊)のデータポイントを使用して回帰木を訓練して、一般化モデルを作成する。このアプローチは、前述されている価格決定モデルに勝る少なくとも2つの利点を有している。第1に、それは、複数の独立した、1泊毎の曲線とは対照的に、全ての宿泊数にわたる各リスティングに関する単一のモデルを作り出す。従って、任意の長さのリードタイム、または期限切れまでの時間にわたる回帰木で圧縮された価格曲線での外挿のさらに大きな可能性がある。第2に、以降で記述されている実験結果を通じて示されているように、回帰木で圧縮された曲線は、生の(raw)価格と尤度とのマッピングをより忠実に再現する。
V.A. 閾値化およびアンカー価格
一実施形態においては、需要モジュール213が価格を出力した後に、1つの付加的閾値化ステップが適用されることが可能である。このステップにおいては、アンカー価格(例えば、閾値価格)が確立され、それは、例えば、(以前の予約を伴うリスティングに関する)予約価格の中央値、またはそのリスティングに関する市場価格およびモデルの価格のパーセンタイルの最大値(例えば、10パーセンタイル)であることが可能である。市場は、リスティングの地理的位置およびタイプに基づいてなど、リスティングに関して格納されている特徴データのセットに従って定義されることが可能である(例えば、宿泊施設予約指定システムにおいて、1ベッドルームアパートメントなど)。需要モジュール213は、例えば、マネージャに示される価格提示がアンカー価格の70%を下回らないように、およびアンカー価格の120%を上回らないように、価格提示を限度設定する。
この技術は、いつ上限閾値を下げるべきか、または下限閾値を上げるべきかを判定するために、予約要求を受信するモデル出力尤度を使用する。取引要求を受信する高い尤度をマネージャが有する場合には、より低い価格をモデルが提示しないことを確実にするために下限閾値が上げられることが可能である。取引要求を受信する低い尤度をマネージャが有する場合には、より高い価格をモデルが提示しないことを確実にするために上限閾値が下げられることが可能である。例示的な一実施形態においては、下限閾値は、アンカー価格(もしくは閾値価格)のおよそ70%から始まるか、またはアンカー価格(もしくは閾値価格)のおよそ70%に至り、上限閾値は、アンカー価格(もしくは閾値価格)の120%から始まるか、またはアンカー価格(もしくは閾値価格)の120%に至る。
尤度=シグモイド(傾き×s+オフセット)
(1)尤度(PR)≦CutoffLowの場合には(ここにPRは、価格比(例えば、乗数×閾値価格)であり、尤度(PR)は、PRでの予約要求をマネージャが受信する尤度を指しており、CutoffLowは、予約尤度に関する下限閾値である)、価格比に関する上限をPRに変え、
(2)尤度(PR)≧CutoffHighの場合には、価格比の下限をPRに変える。
この技術は、リスティングに関するクライアント需要の履歴におけるスパイクを、今後発生するであろう(通常は周期的な)現実世界の出来事の再発生の前に使用して、それらの出来事と、それらの出来事に関する需要との両方を、それらの発生または再発生の前に検知する。システムは、それらの出来事が発生するであろうという判定された知識を使用して、予想された需要に基づいて、マネージャに提案される価格内部情報に関する閾値を引き上げ、それによってマネージャは、そのような出来事の前後の時間期間中のさらに高い価格のさらに適切な範囲を知らされる。
本記述の一部は、情報上での動作のアルゴリズムおよび記号表現の点から本発明の実施形態を記述している。これらのアルゴリズムの記述および表現は、データ処理の当業者によって、自分達の仕事の内容を他の当業者に効率的に伝えるために広く使用される。これらの動作は、機能的、計算的、または論理的に記述されているが、コンピュータプログラムまたは等価の電気回路、マイクロコード他によって実装されるものと理解される。さらに、一般性を失うことなく、動作のこれらの配置をモジュールと呼ぶことが時には便利であることも分かっている。記述された動作およびそれらの関連付けられたモジュールは、ソフトウェア、ファームウェア、ハードウェア、またはそれらの任意の組合せにおいて具現化されることが可能である。一実施形態において、ソフトウェアモジュールは、記述された一部または全てのステップ、動作、または処理を遂行するためにコンピュータプロセッサによって実行されることが可能であるコンピュータプログラムコードを包含する持続的コンピュータ可読媒体を備えるコンピュータプログラム製品で実装される。
Claims (14)
- 宿泊施設予約アプリケーションに関連付けられるオンラインコンピュータシステムによって実行される方法であって、前記方法は、
対象リストの価格提示の要求を受信することであって、前記対象リストは、前記オンラインコンピュータシステムの複数のクライアントのうちの1つによって予約されるのに使用可能な時限付き在庫に関連付けられる、ことと、
前記時限付き在庫に関連付けられ、および訓練ストアに格納されている予約履歴データに基づいて訓練データポイントのコーパスを生成することであって、前記訓練データポイントのそれぞれは、前記時限付き在庫の期限切れまでの価格および時間を備える、ことと、
前記訓練ストアが予約履歴データを含んでいない前記訓練データポイントのコーパスの期限切れまでの時間のセットよりも大きい期限切れまでの時間のセットを判定することによって前記時限付き在庫の期限切れまでの時間の外挿セットを生成することであって、期限切れまでの時間の前記外挿セットは、前記訓練データポイントのコーパスのものよりも大きい時間を含む、ことと、
期限切れまでの時間の前記外挿セットを価格決定のための回帰ツリーモデルに入力して、前記時限付き在庫が期限切れまでの時間の前記外挿セットのそれぞれにおいて取引要求を受信する尤度を判定することであって、前記回帰ツリーモデルは、外挿のための基準として使用される、ことと、
前記訓練データポイントを使用して前記回帰ツリーモデルを訓練して、前記訓練データポイントのコーパスを圧縮することによって一般化モデルを生成することであって、前記一般化モデルは、価格曲線が適用される泊に関係なく適用可能な時限付き在庫の価格曲線を出力するように構成されており、前記訓練データポイントのコーパスの圧縮は、前記回帰ツリーモデルが選択可能な泊ごとに個別の価格曲線を生成することを回避できる、ことと、
訓練された前記回帰ツリーモデルの出力を使用して、所与の泊についての前記時限付き在庫の価格曲線を生成することであって、前記回帰ツリーモデルは、前記時限付き在庫が期限切れになるまでの期間内に前記時限付き在庫の取引要求を受信する尤度を表す、ことと、
生成された価格曲線に基づいて、前記時限付き在庫および前記所与の泊に対する価格提示を判定することと、
マネージャのコンピュータ装置上の前記宿泊施設予約アプリケーションのユーザインタフェースを通して表示のための前記判定された価格提示を提供することと
を備える方法。 - 前記回帰ツリーモデルを訓練した後に前記対象リストの価格に影響を与える変化の表示を受信することと、
前記価格に影響を与える変化の前記表示に基づいて、前記時限付き在庫が期限切れまでの時間の前記外挿セットのそれぞれにおいて取引要求を受信する前記尤度を更新することと
を備える、請求項1の方法。 - 生成された前記価格曲線に基づいて前記価格提示を判定することは、前記時限付き在庫の価格と、前記時限付き在庫が前記所与の泊についての取引要求を受信する尤度とを乗算した積を最大化する新しい価格を選択することを備え、前記価格曲線は、前記尤度と前記価格の関係を示す、請求項1の方法。
- 前記時限付き在庫の取引要求を受信する閾値尤度の選択を前記マネージャのコンピュータ装置から受信することと、
前記生成された価格曲線に基づいて、前記所与の泊についての取引要求を受信する前記閾値尤度をもたらす価格提示を判定することと
を備える、請求項1の方法。 - 前記価格提示は、前記時限付き在庫および前記所与の泊に対する取引要求を受信する閾値尤度をもたらす最大価格を示す、請求項1の方法。
- 宿泊施設予約アプリケーションに関連付けられるオンラインコンピュータシステムのプロセッサによって実行可能な命令をエンコードしたプログラムを記録した非一時的コンピュータ可読媒体であって、前記命令は、前記プロセッサによって実行されると、前記プロセッサに、
対象リストの価格提示の要求を受信することであって、前記対象リストは、前記オンラインコンピュータシステムの複数のクライアントのうちの1つによって予約されるのに使用可能な時限付き在庫に関連付けられる、ことと、
前記時限付き在庫に関連付けられ、および訓練ストアに格納されている予約履歴データに基づいて訓練データポイントのコーパスを生成することであって、前記訓練データポイントのそれぞれは、前記時限付き在庫の期限切れまでの価格および時間を備える、ことと、
前記訓練ストアが予約履歴データを含んでいない前記訓練データポイントのコーパスの期限切れまでの時間のセットよりも大きい期限切れまでの時間のセットを判定することによって前記時限付き在庫の期限切れまでの時間の外挿セットを生成することであって、期限切れまでの時間の前記外挿セットは、前記訓練データポイントのコーパスのものよりも大きい時間を含む、ことと、
期限切れまでの時間の前記外挿セットを価格決定のための回帰ツリーモデルに入力して、前記時限付き在庫が期限切れまでの時間の前記外挿セットのそれぞれにおいて取引要求を受信する尤度を判定することであって、前記回帰ツリーモデルは、外挿のための基準として使用される、ことと、
前記訓練データポイントを使用して前記回帰ツリーモデルを訓練して、前記訓練データポイントのコーパスを圧縮することによって一般化モデルを生成することであって、前記一般化モデルは、価格曲線が適用される泊に関係なく適用可能な時限付き在庫の価格曲線を出力するように構成されており、前記訓練データポイントのコーパスの圧縮は、前記回帰ツリーモデルが選択可能な泊ごとに個別の価格曲線を生成することを回避できる、ことと、
訓練された前記回帰ツリーモデルの出力を使用して、所与の泊についての前記時限付き在庫の価格曲線を生成することであって、前記回帰ツリーモデルは、前記時限付き在庫が期限切れになるまでの期間内に前記時限付き在庫の取引要求を受信する尤度を表す、ことと、
生成された価格曲線に基づいて、前記時限付き在庫および前記所与の泊に対する価格提示を判定することと、
マネージャのコンピュータ装置上の前記宿泊施設予約アプリケーションのユーザインタフェースを通して表示のための前記判定された価格提示を提供することと
を実行させる、非一時的コンピュータ可読媒体。 - 前記回帰ツリーモデルを訓練した後に前記対象リストの価格に影響を与える変化の表示を受信することと、
前記価格に影響を与える変化の前記表示に基づいて、前記時限付き在庫が期限切れまでの時間の前記外挿セットのそれぞれにおいて取引要求を受信する前記尤度を更新することと
をさらに実行させる、請求項6の非一時的コンピュータ可読媒体。 - 生成された前記価格曲線に基づいて前記価格提示を判定することは、前記時限付き在庫の価格と、前記時限付き在庫が前記所与の泊についての取引要求を受信する尤度とを乗算した積を最大化する新しい価格を選択することを備え、前記価格曲線は、前記尤度と前記価格の関係を示す、請求項6の非一時的コンピュータ可読媒体。
- 前記時限付き在庫の取引要求を受信する閾値尤度の選択を前記マネージャのコンピュータ装置から受信することと、
前記生成された価格曲線に基づいて、前記所与の泊についての取引要求を受信する前記閾値尤度をもたらす価格提示を判定することと
をさらに実行させる、請求項6の非一時的コンピュータ可読媒体。 - 前記価格提示は、前記時限付き在庫および前記所与の泊に対する取引要求を受信する閾値尤度をもたらす最大価格を示す、請求項6の非一時的コンピュータ可読媒体。
- 宿泊施設予約アプリケーションに関連付けられるオンラインコンピュータシステムであって、
コンピュータプログラム命令を実行するための1つまたは複数のコンピュータプロセッサと、
前記コンピュータプログラム命令を格納する非一時的コンピュータ可読媒体と
を備え、前記コンピュータプログラム命令は、前記1つまたは複数のコンピュータプロセッサによって実行されると、前記1つまたは複数のコンピュータプロセッサに、
対象リストの価格提示の要求を受信することであって、前記対象リストは、前記オンラインコンピュータシステムの複数のクライアントのうちの1つによって予約されるのに使用可能な時限付き在庫に関連付けられる、ことと、
前記時限付き在庫に関連付けられ、および訓練ストアに格納されている予約履歴データに基づいて訓練データポイントのコーパスを生成することであって、前記訓練データポイントのそれぞれは、前記時限付き在庫の期限切れまでの価格および時間を備える、ことと、
前記訓練ストアが予約履歴データを含んでいない前記訓練データポイントのコーパスの期限切れまでの時間のセットよりも大きい期限切れまでの時間のセットを判定することによって前記時限付き在庫の期限切れまでの時間の外挿セットを生成することであって、期限切れまでの時間の前記外挿セットは、前記訓練データポイントのコーパスのものよりも大きい時間を含む、ことと、
期限切れまでの時間の前記外挿セットを価格決定のための回帰ツリーモデルに入力して、前記時限付き在庫が期限切れまでの時間の前記外挿セットのそれぞれにおいて取引要求を受信する尤度を判定することであって、前記回帰ツリーモデルは、外挿のための基準として使用される、ことと、
前記訓練データポイントを使用して前記回帰ツリーモデルを訓練して、前記訓練データポイントのコーパスを圧縮することによって一般化モデルを生成することであって、前記一般化モデルは、価格曲線が適用される泊に関係なく適用可能な時限付き在庫の価格曲線を出力するように構成されており、前記訓練データポイントのコーパスの圧縮は、前記回帰ツリーモデルが選択可能な泊ごとに個別の価格曲線を生成することを回避できる、ことと、
訓練された前記回帰ツリーモデルの出力を使用して、所与の泊についての前記時限付き在庫の価格曲線を生成することであって、前記回帰ツリーモデルは、前記時限付き在庫が期限切れになるまでの期間内に前記時限付き在庫の取引要求を受信する尤度を表す、ことと、
生成された価格曲線に基づいて、前記時限付き在庫および前記所与の泊に対する価格提示を判定することと、
マネージャのコンピュータ装置上の前記宿泊施設予約アプリケーションのユーザインタフェースを通して表示のための前記判定された価格提示を提供することと
を含む手順を実行させる、
コンピュータシステム。 - 前記手順は、
前記回帰ツリーモデルを訓練した後に前記対象リストの価格に影響を与える変化の表示を受信することと、
前記価格に影響を与える変化の前記表示に基づいて、前記時限付き在庫が期限切れまでの時間の前記外挿セットのそれぞれにおいて取引要求を受信する前記尤度を更新することと
をさらに備える、請求項11のコンピュータシステム。 - 生成された前記価格曲線に基づいて前記価格提示を判定することは、前記時限付き在庫の価格と、前記時限付き在庫が前記所与の泊についての取引要求を受信する尤度とを乗算した積を最大化する新しい価格を選択することを備え、前記価格曲線は、前記尤度と前記価格の関係を示す、請求項11のコンピュータシステム。
- 前記手順は、
前記時限付き在庫の取引要求を受信する閾値尤度の選択を前記マネージャのコンピュータ装置から受信することと、
前記生成された価格曲線に基づいて、前記所与の泊についての取引要求を受信する前記閾値尤度をもたらす価格提示を判定することと
をさらに備える、請求項11のコンピュータシステム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662325006P | 2016-04-20 | 2016-04-20 | |
US62/325,006 | 2016-04-20 | ||
US15/482,453 US10528909B2 (en) | 2016-04-20 | 2017-04-07 | Regression-tree compressed feature vector machine for time-expiring inventory utilization prediction |
US15/482,453 | 2017-04-07 | ||
PCT/US2017/026945 WO2017184379A1 (en) | 2016-04-20 | 2017-04-11 | Regression-tree compressed feature vector machine for tim-expiring inventory utilization prediction |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019516184A JP2019516184A (ja) | 2019-06-13 |
JP2019516184A5 JP2019516184A5 (ja) | 2020-06-11 |
JP6960940B2 true JP6960940B2 (ja) | 2021-11-05 |
Family
ID=60089640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018555140A Active JP6960940B2 (ja) | 2016-04-20 | 2017-04-11 | 時限付き在庫の利用予測のための回帰木で圧縮された特徴ベクトル機械 |
Country Status (8)
Country | Link |
---|---|
US (2) | US10528909B2 (ja) |
JP (1) | JP6960940B2 (ja) |
KR (1) | KR20180133434A (ja) |
CN (1) | CN109155039B (ja) |
AU (1) | AU2017254086A1 (ja) |
CA (1) | CA3021196A1 (ja) |
MX (1) | MX2018012465A (ja) |
WO (1) | WO2017184379A1 (ja) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10783442B1 (en) * | 2016-12-19 | 2020-09-22 | Amazon Technologies, Inc. | Demand forecasting via direct quantile loss optimization |
US20190347540A1 (en) * | 2018-05-10 | 2019-11-14 | Fmr Llc | AI-Based Context Evaluation Engine Apparatuses, Methods and Systems |
EP3935581A4 (en) | 2019-03-04 | 2022-11-30 | Iocurrents, Inc. | DATA COMPRESSION AND COMMUNICATION USING MACHINE LEARNING |
US11651275B2 (en) | 2019-08-19 | 2023-05-16 | International Business Machines Corporation | Tree-based associative data augmentation |
US11295242B2 (en) | 2019-11-13 | 2022-04-05 | International Business Machines Corporation | Automated data and label creation for supervised machine learning regression testing |
US11514506B2 (en) * | 2020-02-05 | 2022-11-29 | Ebay Inc. | Listing conversion estimation and optimization |
US11393013B2 (en) | 2020-06-25 | 2022-07-19 | Mercari, Inc. | Method, non-transitory computer-readable device, and system for intelligent listing creation |
US11694218B2 (en) * | 2020-06-25 | 2023-07-04 | Mercari, Inc. | Computer technology for automated pricing guidance |
CN111680221B (zh) * | 2020-08-11 | 2020-11-13 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、设备及计算机可读存储介质 |
CN112862312B (zh) * | 2021-02-07 | 2022-09-06 | 山东大学 | 基于随机在线算法的制造服务资源动态调度方法及系统 |
US11741099B2 (en) | 2021-02-28 | 2023-08-29 | International Business Machines Corporation | Supporting database queries using unsupervised vector embedding approaches over unseen data |
CN113610308A (zh) * | 2021-08-12 | 2021-11-05 | 国网江苏省电力有限公司常州供电分公司 | 基于剩余寿命预测的安全库存预测方法 |
WO2023067525A1 (en) * | 2021-10-19 | 2023-04-27 | Datalex (Ireland) Ltd. | System and method for dynamically enhancing a pricing database based on external information |
US20230289721A1 (en) * | 2022-03-08 | 2023-09-14 | Kinaxis Inc. | Systems and methods for probabilistic estimation in tree-based forecast models |
US11790240B1 (en) * | 2023-02-10 | 2023-10-17 | SurgeTech, LLC | Machine learning networks, architectures and techniques for determining or predicting demand metrics in one or more channels |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7120599B2 (en) | 1999-12-30 | 2006-10-10 | Ge Capital Commercial Finance, Inc. | Methods and systems for modeling using classification and regression trees |
US7970713B1 (en) * | 2000-05-10 | 2011-06-28 | OIP Technologies, Inc. | Method and apparatus for automatic pricing in electronic commerce |
JP2002133074A (ja) * | 2000-10-27 | 2002-05-10 | Nippon Telegr & Teleph Corp <Ntt> | 価格設定方法及びその装置並びにプログラムを記録した記録媒体 |
JP2004094809A (ja) * | 2002-09-03 | 2004-03-25 | Toshiba Corp | ホテル予約予測モデル作成方法 |
EP1618486A4 (en) * | 2003-03-27 | 2008-10-08 | Univ Washington | IMPLEMENT A PREDATIVE PRIZE BASED ON PREHISTORY |
JP2005078116A (ja) | 2003-08-29 | 2005-03-24 | Toshiba Corp | 料金割付配分システムおよび料金割付配分方法 |
US7774226B2 (en) * | 2003-09-18 | 2010-08-10 | International Business Machines Corporation | Accepting bids under uncertain future demands |
US7472096B2 (en) | 2005-07-18 | 2008-12-30 | Microsoft Corporation | Training a learning system with arbitrary cost functions |
US20130254035A1 (en) | 2005-09-14 | 2013-09-26 | Jumptap, Inc. | Revenue models associated with syndication of a behavioral profile using a monetization platform |
US20080222132A1 (en) | 2007-03-07 | 2008-09-11 | Jiangyi Pan | Personalized shopping recommendation based on search units |
US20090012955A1 (en) | 2007-07-03 | 2009-01-08 | John Chu | Method and system for continuous, dynamic, adaptive recommendation based on a continuously evolving personal region of interest |
US9612126B2 (en) | 2007-12-03 | 2017-04-04 | Nokia Technologies Oy | Visual travel guide |
WO2010120840A2 (en) * | 2009-04-14 | 2010-10-21 | Jda Software, Inc. | Travel price optimization (tpo) |
US8676632B1 (en) * | 2009-07-16 | 2014-03-18 | Overstock.Com, Inc. | Pricing and forecasting |
US20110295722A1 (en) * | 2010-06-09 | 2011-12-01 | Reisman Richard R | Methods, Apparatus, and Systems for Enabling Feedback-Dependent Transactions |
US9660971B1 (en) * | 2012-03-08 | 2017-05-23 | Amazon Technologies, Inc. | Generating event recommendations based upon media consumption |
US8612274B2 (en) * | 2012-04-30 | 2013-12-17 | Yahoo! Inc. | Pricing engine revenue evaluation |
US20140067469A1 (en) | 2012-09-04 | 2014-03-06 | Duetto Research, Inc. | Travel demand forecast using shopping data |
US10467553B2 (en) | 2013-03-13 | 2019-11-05 | Airbnb, Inc. | Automated determination of booking availability for user sourced accommodations |
US9672223B2 (en) | 2013-04-25 | 2017-06-06 | Google Inc. | Geo photo searching based on current conditions at a location |
US20150310570A1 (en) * | 2014-04-28 | 2015-10-29 | Duetto Research, Inc. | Open pricing and pricing rules |
US20160055505A1 (en) * | 2014-08-22 | 2016-02-25 | Duetto Research, Inc. | Price elasticity testing |
-
2017
- 2017-04-07 US US15/482,453 patent/US10528909B2/en active Active
- 2017-04-11 CA CA3021196A patent/CA3021196A1/en not_active Abandoned
- 2017-04-11 JP JP2018555140A patent/JP6960940B2/ja active Active
- 2017-04-11 MX MX2018012465A patent/MX2018012465A/es unknown
- 2017-04-11 AU AU2017254086A patent/AU2017254086A1/en not_active Abandoned
- 2017-04-11 WO PCT/US2017/026945 patent/WO2017184379A1/en active Application Filing
- 2017-04-11 KR KR1020187031171A patent/KR20180133434A/ko not_active Application Discontinuation
- 2017-04-11 CN CN201780025157.1A patent/CN109155039B/zh active Active
-
2019
- 2019-11-19 US US16/688,569 patent/US10621548B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US10621548B2 (en) | 2020-04-14 |
WO2017184379A1 (en) | 2017-10-26 |
AU2017254086A1 (en) | 2018-10-18 |
JP2019516184A (ja) | 2019-06-13 |
US20170308846A1 (en) | 2017-10-26 |
US10528909B2 (en) | 2020-01-07 |
KR20180133434A (ko) | 2018-12-14 |
WO2017184379A8 (en) | 2018-11-08 |
CA3021196A1 (en) | 2017-10-26 |
MX2018012465A (es) | 2019-02-21 |
CN109155039A (zh) | 2019-01-04 |
US20200090116A1 (en) | 2020-03-19 |
CN109155039B (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6960940B2 (ja) | 時限付き在庫の利用予測のための回帰木で圧縮された特徴ベクトル機械 | |
JP6783761B2 (ja) | 時限付き在庫の需要予測 | |
JP6685454B2 (ja) | 宿泊設備リスティングに対する宿主選好を決定すること | |
US11379891B2 (en) | Method, apparatus, and computer program product for forecasting demand | |
US20180018683A1 (en) | Demand Prediction for Time-Expiring Inventory | |
US20120323587A1 (en) | Systems and methods for estimating the sales price of a property | |
Smith et al. | The effect of relisting on house selling price | |
US20140136370A1 (en) | System and Method for Optimization of Lease Management and Operation | |
JP6961551B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
US20150379600A1 (en) | Order management system and method for limited counterpart transactions | |
JP6169645B2 (ja) | 情報処理装置、資産推計方法およびコンピュータプログラム | |
Aroul et al. | The impact of brand affiliation on asset values: the case of UK hotels | |
US20220366461A1 (en) | Method, apparatus, and computer program product for forecasting demand | |
JP6925305B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
Osei-Kofi | The effect of customer satisfaction on customer loyalty in savings and loans companies in Ghana: case study of Multi Credit Savings and Loans Limited |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200413 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200413 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200415 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20200415 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20200630 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200714 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20201012 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201225 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20210323 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210721 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20210721 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20210729 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20210803 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210921 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211012 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6960940 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |