KR20140056167A - 검색 효율이 증가된 예비-쇼핑 예약 시스템을 위한 방법 및 시스템 - Google Patents

검색 효율이 증가된 예비-쇼핑 예약 시스템을 위한 방법 및 시스템 Download PDF

Info

Publication number
KR20140056167A
KR20140056167A KR1020137029888A KR20137029888A KR20140056167A KR 20140056167 A KR20140056167 A KR 20140056167A KR 1020137029888 A KR1020137029888 A KR 1020137029888A KR 20137029888 A KR20137029888 A KR 20137029888A KR 20140056167 A KR20140056167 A KR 20140056167A
Authority
KR
South Korea
Prior art keywords
travel
query
recommendation
recommendations
search
Prior art date
Application number
KR1020137029888A
Other languages
English (en)
Other versions
KR101636603B1 (ko
Inventor
다미엔 시아브리니
클라우딘 레이너드
루크 이스나디
기욤 르그랑
레미 골
Original Assignee
아마데우스 에스.에이.에스.
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 아마데우스 에스.에이.에스. filed Critical 아마데우스 에스.에이.에스.
Publication of KR20140056167A publication Critical patent/KR20140056167A/ko
Application granted granted Critical
Publication of KR101636603B1 publication Critical patent/KR101636603B1/ko

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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/14—Travel agencies
    • 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
    • G06Q10/02—Reservations, e.g. for tickets, services or events

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

본 발명의 바람직한 실시예에 따른 방법은, 제한된 운영 비용으로 높은 캐시 정확도를 보장하면서, 많은 제공자로부터의 항공 여행 카탈로그 전체를 저장하는 것을 가능하게 하는 예비-쇼핑 예약 툴을 제공한다. 그 시스템은 가능할 때, 즉, 요금이 공개적이고 특정 여행 제공자에 대해 교섭된 것은 아닐 때 여러 다른 여행 제공자(항공사, 여행사)로부터 오는 똑같은 여행 추천을 병합하기 위해 요금 지식을 이용한다. 이것은 중복 가격이 시스템에 저장되는 것을 방지하고 그 비용 효과를 개선한다. 본 발명의 바람직한 실시예에 따른 시스템은 데이터 사전-계산의 비용을 최적화하면서도 동시에 양호한 데이터 정확도를 유지하기 위해 수개의 전용 데이터 분석 엔진에 의존한다.

Description

검색 효율이 증가된 예비-쇼핑 예약 시스템을 위한 방법 및 시스템{METHOD AND SYSTEM FOR A PRE-SHOPPING RESERVATION SYSTEM WITH INCREASED SEARCH EFFICIENCY}
본 발명은 예약 시스템 분야에 관한 것으로, 구체적으로는 여행 검색에 있어서 효율을 증가시키는 대용량 검색 플랫폼을 위한 방법 및 시스템에 관한 것이다.
최첨단 예약 시스템은 예컨대 항공편 부킹 같은 쇼핑 비즈니스에 항공편 검색 애플리케이션을 제공하는 항공사 예약 시스템처럼 전용 전역 분배 시스템(Global Distribution System: GDS)에 보통 기반하고 있다. "부킹을 위한 쇼핑"이라고도 불리는 이러한 활동은 다량의 계산과 관련되고 소정의 시간이 걸릴 수 있다. 이러한 지연을 최소화하기 위해, 사용자는 통상 약간의 자유도를 갖는다: 그들은 여행의 출발 및 도착 도시, 출국 및 귀국 일자를 특정해야 한다. 지연을 더 최소화하기 위해, 그들은 그들이 정확한 항공편 요건을 갖고 있으면 예컨대 바람직한 운항 항공사 및 객실 등급을 특정할 수 있다. 사용자는 결국에는 특정 여행(도시 쌍, 출발 및 도착 일자)을 부킹하려는 목적으로 그에 대한 최상의 가격을 찾으려 검색한다. 검색은 통상 소정의 유연성을 제안한다: 예컨대, 요청된 여행에 대해 100개의 가장 저렴한 항공편 추천을 반환한다; 밀접하게-관련된 일자에 대해 더 저렴한 항공편을 반환한다. 모든 필요한 계산(가장 저렴한 요금 및 규칙 조합을 검색, 후보 항공편의 좌석 이용가능성을 체크...)은 질의 시에 수행되어, 그 반환된 추천이 부킹에 이용가능할 것임을 보장한다. 결과적으로, 그러한 검색 트랜잭션은 비용이 들고 완료하는데 수초가 걸린다. 이러한 비용은, 예컨대 다가오는 2개월 또는 3개월 동안의 가장 저렴한 항공편과 같이, 더 개방형 검색 요청에 그것들이 대답하지 못하게 한다. 이것은 시스템 성능 및 응답 시간에 이롭기는 하지만, 파라미터 선택에 있어서 더 광범위한 자유를 갖는 더 사용자 친화적인 상호작용을 틀림없이 고마워할 고객에게는 이상적이지 않다.
항공 여행 가격을 검색하는 태스크로의 다른 접근법은 소위 "예비-쇼핑"(pre-shopping)이다. 이러한 용어로는 예약 시스템을 통해 데이터베이스에 대한 문의를 요구하지만 그 결과 반드시 적절한 부킹을 초래하지는 않는 그들 활동을 가리킨다. 이러한 활동은, 그들이 즉각적인 수익을 발생시키지는 않더라도 그 잠재적 고객의 장래 선택에 영향을 줄 수 있기 때문에, 항공사 또는 여행사에 극히 중요하다. 많은 자유도로 사용자의 질의에 영-지연 응답을 제공할 수 있는 툴이 있으면 매우 고마울 것이다. 예비-쇼핑으로는, 사용자는 항공 여행의 운항 항공사 또는 여행사의 카탈로그 전체를 브라우징할 수 있다. 그들 사용자는 수십억의 여행 추천에 걸쳐 추천을 브라우징함으로써 쇼핑 이전에 마음을 결정하기를 바란다. 쇼핑에 비해, 추천을 브라우징하는 것은 검색에 대한 즉각적 응답을 내포한다(수십 밀리초). 그리하여 예비-쇼핑 시스템의 전형적 접근법은 사용자가 사전-계산된 여행 추천의 캐시(cache)를 브라우징(browsing)하게끔 두는 것이다. 그러한 접근법으로는, 검색 질의는 훨씬 더 강력할 수 있다: 사용자는 많은 개방형 기준으로 검색할 수 있다: 출발 도시만, 일자 범위, 가격 범위... 예를 위해:
"600 유로 이하로 다음 12개월 내 파리로부터 어느 도착지로라도 2주 또는 3주 여행을 찾으려 검색".
이 접근법의 결함은 사용자에게 반환된 추천이 단지 그 사전-계산시에 유효한 것으로 보증될 뿐이라는 것이다. 구체적으로, 그것들은 검색시에는 부킹 적격이 더 이상 없을 수 있다. 다른 캐시 브라우징 도메인(예컨대, WWW 검색)과 달리, 항공 여행 예비-쇼핑은 항공 여행 가격 변동성(price volatility)에 대해 매우 분별 있다: 다가오는 몇 주 내 항공편의 최상 가격은 매일 변할 가능성이 크다. 이러한 변동성은 캐시 정확도, 즉, 예비-쇼핑에서의 가격과 쇼핑에서의 가격 간 일치성에 크게 영향을 준다. 업계에서 통상의 정확도 비율은 약 20-30%이다. 더 높은 캐시 정확도를 유지하는 것은 흔히 (여행 카탈로그 전체를 다루기 위한) 대용량 재계산과 또한 (항공편 변동성을 다루기 위한) 빈번한 재계산을 의미한다. 이것은 하드웨어 자원에 있어서 매우 부담이 큰 것이다.
최첨단 예비-쇼핑 툴은 툴의 효율을 제한하는 소정 결함을 갖는다. 예컨대, TravelTainment 예비-쇼핑 플랫폼: ("TTibe: TravelTainment Internet Booking Engine" http://www.traveltainment.fr/a-propos-de-traveltainment/qui-sommes-nous/)는 사전-계산된 여행(주로 독일의 도시로부터 출발하는 항공편)의 그 자신의 데이터베이스에 걸친 브라우징 설비를 제공한다. 항공 여행 데이터는 예컨대 Amadeus의 Extreme Pricer에 의해 대용량 계산 플랫폼(MCP)의 산물로 제공된다. 여행 데이터는 1일과 23일 사이의 모든 체류 지속기간 동안, 다가오는 해의 매일에 대해, 수천의 도시 쌍으로부터의 가장 저렴한 항공편을 표현한다. 매일, 여행 베이스 전체(수천만의 가격)가 Amadeus에 의해 재계산되고 그 플랫폼으로의 통합을 위해 TravelTainment에 보내진다. 여행 도메인이 고객의 견지에서는 오히려 빠짐없는 것이지만, 이러한 접근법은 2개의 주요한 결함을 갖는다:
-모든 데이터가 Amadeus에 의해 매일 재계산되는데, 운영 비용이 든다.
-이러한 양의 데이터를 통합하는 것은 TravelTainment에 비용이 들고 단지 하루에 한 번만 수행될 수 있다. 이것은 그 고객이 경험하는 가격 정확도에 영향을 준다.
상업적으로 이용가능한 다른 플랫폼은 Kayak의 Explore:
(http://www.kayak.com/news/kayak-adds-map-based-search-tool-to-popular- ipad - app . bd . html),
Opodo의 EscapeMap:
(http://promos.opodo.co.uk/airtools/escape_map.html),
Amadeus 기술에 의해 작동되는 Lufthansa의 Trip Finder:
(http://www.lufthansa.com/online/portal/lh/us/nonav/local?nodeid=3322431&l=en). 이들 3개의 예비-쇼핑 플랫폼은 사전-계산된 솔루션의 그 캐시에 피드하기 위해 TravelTainment와는 다른 전략을 갖는다: 그것들은 모두 실제 쇼핑 트래픽을 기록하는 것에 의존한다, 즉, 그들 쇼핑 플랫폼상에서 동작된 검색 트랜잭션의 결과를 기록한다. 이러한 접근법은 사전-계산이 거의 비용이 들지 않게 된다는 점에서 이점을 갖는다. 그렇지만, 그것은 그들 각자의 고객에게는 일련의 불이익으로 다가온다:
- 통상적이지 않은 도착지는 기록된 트래픽에 기인하여 예비-쇼핑에는 이용가능하지 않을 수 있다.
- 기록된 트래픽에서 빠진 일자에 기인하여, 가격 도메인에 다수의 "구멍"이 존재한다.
- 복잡한 여행 추천 예컨대 예매를 제안하는 것이 어렵다.
- 일부 변동성 가격 추천이 수일 동안(수주까지도) 업데이트되지 않는다.
모든 이들 단점은 상당한 정도까지는 고객이 경험하는 예비-쇼핑 정확도와 절충할 수 있다.
본 발명의 목적은 종래 기술 시스템과 연관된 문제 중 적어도 일부를 완화하려는 것이다.
본 발명의 일 태양에 의하면, 분산된 예약 시스템에서 비-구속적 여행 질의에 따라 가격책정된 여행 추천을 발생시키기 위한 방법이 제공되는데, 분산된 예약 시스템은 복수의 파라미터에 따라 여행 이용가능성 및 요금에 관한 정보가 들어있는 복수의 여행 데이터베이스로의 액세스를 갖고, 각각의 여행 질의는 복수의 파라미터 중에서 선택된 파라미터에 각각 관련되는 선호도의 세트를 포함하고, 그 방법은, 복수의 파라미터 중 적어도 하나에 의해 정렬되는, 특정 여행에 대한 이용가능성 및/또는 요금에 관한 정보를 각각 포함하는 사전-계산된 여행 추천 중 선택된 것을 포함하는 캐시를 복수의 고속 액세스 메모리 로케이션 상에 유지하는 단계; 필요로 되는 리프레시 빈도(refresh frequency)를 나타내는 스코어를 캐시된 여행 추천의 각각에 배정하는 단계; 여행 추천 중 적어도 일부에 포함된 정보를 리프레시하기 위해 복수의 데이터베이스에 대용량 질의를 론칭(launching)함으로써 사전-계산된 여행 추천 중 선택된 것을 업데이트하는 단계; 시스템에 의해 수신되는 여행 질의에 응답하여, 여행 질의에 포함된 선호도를 이행하는 그들 여행 추천을 찾아내기 위해 복수의 고속 액세스 메모리 로케이션을 검색하는 단계; 및 여행 질의에 대한 응답을 사용자에게 발행하고 여행 추천 중 선택된 것의 스코어를 업데이트하는 단계를 포함하되, 각각의 여행 추천의 리프레시의 빈도는 배정된 스코어에 의존한다.
본 발명의 제2 태양에 의하면, 위에서 설명된 방법을 수행하도록 적응된 하나 이상의 컴포넌트를 포함하는 시스템이 제공된다.
본 발명의 추가적 실시예에 의하면, 컴퓨터 프로그램이 제공되는데, 상기 컴퓨터 프로그램이 컴퓨터 시스템 상에서 실행될 때 위에서 설명된 방법을 수행하기 위한 명령어를 포함한다.
본 발명의 바람직한 실시예에 따른 방법은, 제한된 운영 비용으로 높은 캐시 정확도를 보장하면서, 많은 제공자로부터의 항공 여행 카탈로그 전체를 저장하는 것을 가능하게 한다. 그 시스템은 가능할 때(즉, 요금이 공개적이고 특정 여행 제공자에 대해 교섭된 것은 아닐 때) 여러 다른 여행 제공자로부터 오는 똑같은 여행 추천을 병합하기 위해 요금 지식을 이용한다. 이것은 중복 가격이 시스템에 저장되는 것을 방지하고 그 비용 효과를 개선한다. 본 발명의 바람직한 실시예에 따른 시스템은 데이터 사전-계산의 비용을 최적화하면서도 동시에 양호한 데이터 정확도를 유지하기 위해 수개의 전용 데이터 분석 엔진에 의존한다.
이제, 예로써, 수반 도면을 참조할 것이다.
도 1은 본 발명의 일 실시예에 따라 예비-쇼핑 예약 시스템을 위한 대용량 검색 플랫폼도;
도 2는 본 발명의 대용량 검색 플랫폼을 구현하는 가능한 예약 시스템도;
도 3 내지 8은 본 발명의 일 실시예에 따라 예비-쇼핑 예약 시스템을 위한 대용량 검색 플랫폼의 단일 모듈 컴포넌트의 상세도;
도 9는 본 발명의 바람직한 실시예의 방법을 지원하도록 적응된 범용 컴퓨터 시스템도;
도 10은 본 발명의 일 실시예에 따라 방법 프로세스 단계의 흐름도.
본 발명의 바람직한 실시예에 따른 분산된 검색 플랫폼은 사전-계산된 항공 여행 가격을 저장하는 것을 목표로 하고 수개의 이점을 제공한다.
그것은 항공 여행의 카탈로그 전체를 보유하도록 설계된다. 검색 플랫폼은 예컨대 다가올 해의 모든 날들에 대해 수천의 마켓의 최상 가격을 여행의 체류 지속기간에 의존하여 날마다 수개의 가능한 가격을 저장할 수 있다. 본 발명의 분산된 본질은 그것이 저장할 마켓의 어떠한 수까지라도 스케일링하게 둔다.
그것은 항공 여행 데이터의 저장을 최적화하는데, 아래의 이득이 있다:
- 여행 검색 효율: 검색 트랜잭션의 달성가능한 응답 시간은 그 복잡도(개방 도착지, 일년 전체 검색...)가 어떠하든지 수십 밀리초이다.
- 여행 데이터 업데이트 효율: 업데이트는 전반적 저장에 제한적으로 영향을 미쳐, 계속적 업데이트를 가능하게 하면서, 새로운 데이터를 즉각적으로 이용가능하게 된다.
- 여행 데이터 저장 효율: 데이터는 많은 카탈로그에서 공통이면 인수 분해되어 저장 비용을 추가로 감축할 수 있다.
그것은 지속가능한 비용으로 예비-쇼핑 여행 추천의 고품질을 유지할 수 있다. 그 시스템은 재계산을 요구하는 여행 가격을 검출하도록 다양한 엔진을 갖는다. 이것은 부분적 재계산을 유도하여 하드웨어 자원을 절약할 수 있다. 절약된 자원은 사용자의 견지에서 (80-90% 범위의) 더 높은 캐시 정확도를 달성하도록 다른 재계산에 재투자될 수 있다.
그 시스템은 그 고객 및 여행 제공자의 요구에 의존하여 여러 다른 유형의 검색 산물을 제공한다. 예를 들어, 운항 항공사는 자신의 항공사에 대한 추천 및 그 파트너의 것을 검색하도록 검색 산물을 요구할 것이다. 반대로, 온라인 여행사는 운항 항공사를 걸러냄이 없이 어떠한 유형의 항공 여행이라도 검색하도록 검색 산물을 요구할 것이다. 그들 2개의 산물은 내부 특이성을 가질 수 있고 그에 따라 최적화될 수 있다.
도 1은 본 발명의 바람직한 실시예에 따라 항공 여행 추천을 저장 및 검색하기 위한 분산된 시스템(101)을 도시하고 있다. 저장된 카탈로그 또는 항공 여행 추천은 분산된 시스템을 구성하는 모든 머신에 퍼진다. 모든 머신마다에서는, 전역 데이터의 서브파트가 고속 데이터 액세스를 위해 고속 액세스 메모리 로케이션(예컨대, RAM)에 저장된다. 도 1은 본 발명을 구현하는 시스템의 아키텍처의 논리적 뷰를 제시하고 있다. 물리적으로 분산되어 있기는 하지만, 시스템의 논리적 뷰는 2개의 주요 그룹으로 분할될 수 있다:
데이터베이스(103) 및 정사각형 박스(105, 107)는 분산된 검색 시스템의 전형적 파트를 표현한다. 데이터베이스(103)는 논리적으로는 추천 풀로 그룹화되고 물리적으로는 여러 다른 머신에 걸쳐 저장되는 모든 항공 여행 추천을 표현한다. 정사각형 박스(105, 107)는 피드 및 검색 엔진을 표현한다:
- 피드 엔진(105)은 사전-계산된 항공 여행 추천(예컨대, 동일 도시 쌍을 갖는 모든 여행)의 그룹을 인덱싱하고(index) 그들을 분산된 시스템에서의 머신 중 하나에 저장한다.
- 검색 엔진(107)은 물리적 머신 중에서 데이터의 그룹의 위치를 찾아내고 인덱스 검색 설비를 제공하여 사용자로부터 비롯된 질의에 대답한다.
타원 항목(109 내지 115)은 일련의 비즈니스-지향 분석 엔진을 표현한다. 그들 목적은 플랫폼의 하드웨어 비용(및 그리하여 여행 제공자에 대한 비용)을 최적화하는 것이다: 그것들은 매일 재계산할 추천의 수 대 시스템에 저장된 사전-계산된 가격의 정확도 간 양호한 절충을 달성하는 것을 목표로 한다. 이들 엔진은 피드 및 검색 동작을 분석하고 시스템에 저장된 데이터의 품질 및 변동성에 대한 메트릭스(metrics)를 발생시킨다. 그들 엔진 중 일부는 GDS의 다른 쇼핑 서비스(본 발명의 일부분이 아님)를 이용한다. 구체적으로,
- 학습 엔진(109)은 일자 및 마켓에 걸쳐 일부 가격의 변동성, 즉, 가격이 얼마나 오래 동일하게 머물러 있는지에 대한 소정 정보를 추출하기 위해 매일 플랫폼에 저장되는 여행 추천을 분석한다.
- 인기도 엔진(111)은 시스템에 저장된 가장 관련 있는 데이터에 관한 메트릭스를 얻기 위해 (일자마다, 마켓마다...) 가장 많이 요청되거나 또는 가장 많이 반환된 여행 추천을 트래킹한다.
- 정확도 엔진(113)은 시스템에 저장된 캐시된 여행 추천과 실제 쇼핑 가격 간 불일치, 즉, 더 이상 부킹 가능하지 않은 항공편 또는 그 가격이 바뀐 항공편을 검출하려고 한다.
- 보고 코디네이터(115)는 이전 엔진의 결과를 취합 및 저장한다. 그 역할은 이용가능한 자원을 고려하여 그리고 이전 엔진의 결과에 기초하여 항공편 데이터 전체 중 어느 부분이 재계산되어야 하는지 결정하는 것이다. 그러한 결정은 알고리즘에 따라 행해진다.
그 시스템에 있어서, 모든 분석 엔진은 피드 및 검색 엔진(105, 107)과 병렬로 작업하고, 그래서 그들 작업은 사용자에게 성능 영향을 주지 않는다(응답 시간 저하 없음).
도 2를 참조하면 완성 검색 플랫폼이 표현되어 있다. 그러한 플랫폼은, 유럽 특허 출원 EP11305518.0(이하의 설명에서는 이 시스템을 대용량 계산 플랫폼 또는 MCP라고 지칭할 것임)과 같이, 여행 추천 계산 시스템(203)에 의해 피드되는 컴포넌트 중 하나로서 본 발명의 바람직한 실시예에 따라 시스템(201)을 포함한다. 양 시스템은 GDS(205)에 의해 제공되는 다른 내부 서비스와 상호작용할 수 있다. 도 2는 검색 플랫폼에서 여행 추천 카탈로그 전체를 저장하기 위해 따르는 하이 레벨 흐름을 묘사하고 있다.
플랫폼의 고객으로서, 여행 제공자(항공사, 여행사...)는 그들이 그들 여행 도메인의 어느 부분을 검색 플랫폼 내에 통합하기를 원하는지 결정한다. 그 지점으로부터, 그들은 여행 추천 계산 시스템에 대한 일련의 계산 오더인 소위 대용량 질의를 여행 추천 계산 시스템에 보낸다. 그들 오더는 발생시킬 여행 추천(예컨대, 매일, 기간이 1일과 20일 사이의 여행에 대한 최상의 추천)뿐만 아니라 고려할 마켓(예컨대, 다가올 해의 모든 날들에 대해 도시 쌍의 리스트)을 상세히 나타낸다. 그러한 오더는 고객에 의해 빈번하게 재평가될 수 있거나 또는 그것들은 순환 계산을 위한 베이스로 역할할 수 있다.
여행 추천 계산 시스템은 요청된 추천을 계산하기 위해 GDS의 내부 서비스를 이용한다. 특히, 추천을 발생시키기 위해, 그것이 사용할 수도 있는 것은, 존재하는 항공편의 리스트를 검색하기 위해 여행 서비스; 요금 및 항공편의 최상 조합을 구하기 위해 가격책정 서비스; 부킹에 이용가능한 현재 좌석을 살펴보기 위해 이용가능성 서비스...이다.
추천이 발생됨에 따라, 계산 시스템은 통합을 위해 본 발명의 바람직한 실시예에 따른 시스템에 그 결과를 보낸다. 수신된 추천은 사전-계산된 여행 추천의 전역 캐시를 파퓰레이팅하도록 전용 메모리 로케이션에 저장되어, 궁극적으로 사용자의 검색 질의에 이용가능하게 된다. 여행 추천이 통합되고 나면, 일부 모니터링 태스크는 동등한 쇼핑 추천과의 낮은 일치성에 기인하여 재계산되어야 하는 캐시된 여행 추천을 검출하도록 백그라운드에서 일어난다. 이러한 모니터링은 GDS에 의해 제공되는 내부 서비스를 사용할 수 있다.
일치하지 않는 추천이 검출될 때, 본 발명의 바람직한 실시예에 따른 시스템은 일련의 계산 오더(대용량 질의)를 발생시켜 그들을 계산 시스템에 보낸다. 후자는 최근 추천을 발생시켜 양호한 캐시 일치성을 유지하도록 도울 것이다.
도 3은 피드 엔진(105)(도 1 참조)의 구조 및 기능을 표현한다. 피드 엔진은 여행 추천 계산 시스템, 예컨대, MCP에 의해 반환된 항공 여행 추천의 그룹들을 수신한다. 예컨대, 파리로부터 런던(마켓 PAR-LON)으로의 모든 가격. 그들 데이터의 통합은 수개의 단계로 일어난다:
- 여행 추천을 디스패치
본 발명의 바람직한 실시예에 따른 시스템에 있어서, 관련된 데이터는 초고속 검색 응답 시간을 배달하기 위해 동일한 물리적 머신 상에 저장되는 것을 목표로 한다. 예컨대, 동일한 출발 도시를 갖는 2개의 마켓(PAR-LON 및 PAR-NYC)은 동일한 물리적 머신 상에 내려앉을 것이다.
피드 엔진은 데이터를 호스팅할 물리적 머신(들)을 결정하기 위해 추천 그룹(여행 제공자 ID, 사무소 ID, 마켓, 지리적 위치...)으로부터 정보를 추출한다. 이러한 데이터 밸런싱 메커니즘은 컨시스턴트 해싱 또는 라운드 로빈과 같은 주지의 분배 기술을 이용한다. 주지의 데이터 복제 스킴에서 보이는 바와 같이, 많은 머신은 신뢰도, 결함-허용도 또는 액세스가능성을 개선하기 위해 동일한 추천 그룹을 호스팅할 수 있다.
- 여행 추천을 조직화
피드 엔진은 여행 추천 계산 시스템, 예컨대, MCP로부터 여행 추천의 일괄을 수신한다. 들어오는 데이터는 그 후, 본 발명의 바람직한 실시예에 따른 시스템에 더 맞는 방식으로, 소위 데이터 세트로 그룹화된다. 현재 설명되는 시스템에 의해 제공되는 각각의 검색 산물은 그 성능을 최적화하기 위해 특유의 데이터 조직화 전략을 갖는다. 예를 위하여, 특정 요구에 대해 여행 추천 계산 시스템, 예컨대, MCP로부터 오는 항공편 그룹은 똑같은 도시 쌍 그룹으로 조직화되고 그 후 2개 유형의 데이터 세트에 배정될 수 있다: 1) 동일 도시 쌍 및 직항 전용; 및 2) 동일 도시 쌍 및 연결편 있는 항공.
- 가속기를 구축
그 조직화 위에, 본 발명의 바람직한 실시예에 따른 시스템은 여행 추천에 대한 메타-정보만이 들어있는 부가적 데이터 세트를 생성한다. 이들 데이터는 초고속 검색을 달성하는 것을 도와준다. 예컨대, 메타-정보의 데이터 세트는 출발 도시로부터 도달가능한 도시를 그리고 각각의 도달가능한 도시에 대해 도시 쌍에 대한 가장 저렴한 가격을 호스팅할 수 있다. 결국에는, 검색은 솔루션을 반환하기 전에 너무 많은 여행 추천을 보는 것을 회피하기 위한 이러한 정보로부터 득을 볼 수 있다.
- 인덱스를 구축
데이터베이스처럼, 본 발명의 바람직한 실시예에 따른 시스템은 고속 액세스 시간을 제공하기 위해 데이터 세트 위에 인덱스를 구성한다. 사전-계산된 항공 여행 추천에 대해, 검색 기준은 매우 개방형이다: 일자의 소정 범위로, 가격의 소정 범위에 대해, 임의적인 도착 도시에 대해...가격을 검색할 수 있다. 검색 기준당 하나의 인덱스를 생성하는 대신에, 본 발명의 바람직한 실시예에 따른 시스템은, 검색 기준이 무엇이든지 데이터로의 동등하게 효율적인 액세스를 유지하면서, 데이터 세트당 단일 인덱스를 구성하도록 주지의 다차원 데이터 구조(K-D-B-트리)를 이용한다. 이러한 접근법은 사용되는 저장량을 제한한다. 2개의 여행 제공자가 공통 여행 추천을 공유하고 요금이 (단지 특정 사무소 ID에만 적용가능한 여행 제공자의 교섭 요금과 반대로) 공개적이면, 그것들은 공간 이득을 얻고 하드웨어 비용을 감축하기 위해 시스템 저장에 있어서 공유될 수 있다.
- 일치성 관리자
여행 추천 계산 시스템, 예컨대, MCP로부터 새로운 여행 추천이 이용가능할 때, 동등한 데이터 세트는 새로운 또는 더 적은 여행 추천으로 업데이트되고, 그 인덱스는 재구축된다. 동시다발적으로, 영향받는 데이터 세트는 여행 추천을 찾으려 검색될 수 있다. (성능과 일치성의 양 관점에서) 진행중 검색에 대한 영향을 방지하기 위해, 피드 엔진은 데이터 세트의 개정을 관리한다. 검색이 n 개정의 데이터 세트 상에 수행되고 있는 동안, 피드는 n+1 개정을 구성한다. 개정된 데이터 세트가 구성 및 인덱싱될 때 그것은 검색을 위한 새로운 참조 데이터 세트가 된다. 이전 데이터 세트는, 직후에, 데이터 세트를 호스팅하는 분산된 시스템 내 모든 물리적 머신의 저장 메모리로부터 삭제된다. 이것은 그들 데이터가 그들이 마칠 때까지 진행중 검색에 이용가능하게 유지되어 일치성 문제를 방지하는 것을 보장한다.
도 4는 검색 엔진(107)(도 1 참조)을 표현한다. 검색 엔진은 사용자로부터 항공 여행 검색 요청을 수신하고 모든 데이터로 크롤링하여(crawl) 최상의 추천을 반환한다. 이러한 프로세스는 수개의 단계로 일어난다:
- 서버 친화도
들어오는 검색 요청은 본 발명의 바람직한 실시예에 따른 시스템에 의해 제공된 특정 검색 산물에 의해 프로세싱되어야 한다. 그 지점으로부터, 그것은 요청에 대답하는데 필요한 데이터가 들어있는 물리적 머신에 라우팅되어야 한다. 항공 여행 추천은 추천이 목표로 되었던 검색 산물의 특이성에 기초하여 피드 엔진에 의해 물리적 머신에 디스패치되었다. 검색 엔진은 반대 동작을 수행한다: 그것은 대답할 검색 질의를 분석하고, 그 유형에 기초하여 그것은 검색할 데이터 및 그것들이 위치하는 물리적 머신(들)을 결정한다.
- 검색 도메인을 결정
검색 요청이 관련 물리적 머신에 포워딩되고 나면, 검색 엔진은 검색 질의와 관련된 메타-정보를 찾아내야 할 데이터 세트를 결정한다. 메타-정보는 검색 질의에 대한 잠재적 솔루션이 들어있는 항공 여행 추천의 모든 데이터 세트의 위치를 찾는데 사용된다.
- 검색을 실행
모든 잠재적 항공 여행 추천의 위치가 찾아지고 나면, 검색 엔진은 검색 질의에 나타난 기준, 예컨대, 가격 범위, 일자 범위, 항공 운항 항공사 등...에 기초하여 최상의 여행 추천을 수집하기 위해 다차원 인덱스를 파싱한다. 검색 엔진은 모든 잠재적 여행 솔루션을 검색하지는 않기로 결정하기 위해 이전 메타-정보를 이용할 수 있다. 예를 위해, 특정 도시 NCE로부터 출발하는 최상의 가격에 대해 요청된 검색 질의를 가정하자. 검색 동안, 도착 도시 PAR로의 여행이 100유로로 찾아내어졌다고 가정하자. 메타-정보가 도시 NYC에 대한 가장 낮은 가격이 500유로라고 서술하고 있으면, 검색 엔진은 NCE로부터 NYC로의 솔루션을 검색해보려고조차 하지 않을 것이다.
- 관련된 검색
검색 실행 단계가 여행 추천 없음을 반환한 경우에는, 사용자의 질의가 너무 제한적인 것일 수 있다: 그리하여 매치 결핍의 이유가 이전에 고려된 각각의 도시 쌍에 대해 분석된다. 예로서, 이유는 명시된 일자 범위에 항공편이 존재하지 않는다거나 또는 항공편은 존재하지만 질의에 나타난 한계보다 더 비싸다는 것일 수 있다. 사용자의 질의가 너무 제한적인 경우, 검색 엔진은 원래 질의에 나타난 제약에 밀접하게 관련된 추천을 반환하도록 대비책 전략을 구현한다. 그것은 복수의 파라미터에 대한 제약을 완화하고(더 넓은 일자 범위, 더 높은 가격 한계...) 검색 실행 단계로 되돌아간다. 루프는 몇몇 추천이 찾아내어질 때든지, 설정된 재시도 수에 도달할 때든지 또는 최대 허용 재시도 시간에 도달할 때든지 종료한다. 대비책 전략이 어떠한 추천도 반환하지 않는 경우, 적용가능할 때 또 다른 대비책 전략이 구현된다. 요청된 도착지가 지리적 의미(예컨대, 도시, 국가)를 갖는 경우, 검색 엔진은 밀접한 지리적 지역을 결정하도록 GDS에 의해 제공된 지리적 서비스(본 발명의 일부분이 아님)를 사용하고, 그것은, 위에서 설명된 방식으로, 원래 질의의 도착지 제약을 넓히고 검색 실행 단계로 되돌아간다. 대비책 전략이 둘 다 추천을 검색하지 못하면, 빈 결과가 반환된다.
- 여행 솔루션 취합
검색 질의에 대한 모든 솔루션이 찾아내어지면, 검색 엔진은 여러 다른 데이터 세트로부터 반환되었을 수 있는 똑같은 결과를 병합하도록 패스를 수행한다. 이러한 경우는, 예컨대 검색이 도시 쌍에 대한 가장 저렴한 직항이 들어있는 데이터 세트와 모든 (직항 및 정거하는) 항공편이 들어있는 또 다른 데이터 세트를 들여다봐야 하면, 발생할 수 있다. 마지막에는, 찾아내어진 여행 솔루션이 검색 질의의 요구에 기초하여 조직화된다: 도착 도시에 의한, 일자에 의한, 오름차순 가격에 의한, (직항이든 연결편을 갖든) 항공사에 의한 그룹 솔루션. 그 후 그 결과는 사용자에게 반환된다.
도 5는 학습 엔진(109)(도 1 참조)을 도시하고 있다. 학습 엔진은 학습 및 통계 데이터베이스를 포함한다. 학습 엔진의 목적은 그 가격이 빈번하게 바뀌지 않고 그리하여 정확하게 머물러 있는데 빈번한 재계산을 필요로 하지 않는 항공 여행을 검출하는 것이다. 학습 엔진은 그 논리적 분석의 기초를 항공 여행 항공편의 일반적 속성에 둔다: 다가오는 날들에 스케줄링된 항공편의 가격은 매우 변동성이다, 즉, 동일한 항공편(동일 출발 일자)이 하루 뒤 다시 가격이 책정되면, 그 가격은 바뀌었을 것 같다. 반대로, 수개월 떨어져 스케줄링된 항공편의 가격은 그것이 하루 뒤 또는 일주일 뒤 다시 가격이 책정되더라도 바뀌지 않을 것 같다. 학습 엔진은 위에서 상세히 나타낸 속성에 기초하여 변동성 모델을 각각의 마켓에 연관시킨다. 그것은 그것이 매일 수신하는 여행 추천에 기초하여 변동성 모델을 유지보수한다(그리고 필요하면 그것을 시정한다).
- 여행 추천의 가격을 기록
들어오는 여행 추천이 수신될 때, 그것들은 복제되고 하나의 복사본은 학습 엔진으로 간다. 여행 추천은 마켓에 의해 그룹화된다, 즉, 다가오는 해의 날들에 대해, 하나의 도시 쌍에 대한 여행 추천. 시스템이 일자의 작은 범위에 걸쳐 변동성 항공편만을 재계산하도록 여행 추천 계산 시스템(예컨대, MCP)에 명령할 수 있기 때문에 연중 모든 날들이 추천을 내놓는 것은 아님을 주목하라. 학습 엔진은 들어오는 여행 추천의 가격을 추출하고 그것들을 그 계산 일자와 함께 전용 학습 데이터베이스에 기록한다. 그들 가격은 장래의 항공 여행 데이터 통합을 위해 가격 비교를 위한 기초로서 역할한다.
- 마켓 데이터를 로딩 및 변동성 모델을 시정
학습 엔진은 들어오는 마켓에 대해 그 전용 데이터베이스에 이전에 저장된 모든 가격을 로딩한다. 그것은 모아둔 가격을 이용가능한 들어오는 가격과 비교한다. 학습 엔진은 가격 비교의 결과에 의존하여 마켓에 대해 변동성 모델을 적응시킨다: 2개의 똑같은 항공편이 서로 다른 가격을 가질 때, 그 차이는 학습 데이터베이스에 통계로서 저장된다. 차이가 너무 빈번하게 일어날 때, 변동성 모델은 업데이트된다: 걸친 일자 범위는 더 변동성이라고 마크된다. 변동 빈도에 대한 통계를 저장하는 것은 공휴일 시즌처럼 정기적 이벤트에 기인하는 가격 변동의 효과를 완화하는 것을 도와준다. 2개의 똑같은 항공편이 모델에 기초하여 예상되는 것보다 더 긴 기간 동안 동일 가격을 가지면, 모델은 또한 업데이트된다: 걸친 일자 범위는 덜 변동성이라고 마크된다.
- 변동성 보고를 발생
모든 들어오는 여행 추천의 분석이 마쳐지고 나면, 학습 엔진은 본 명세서에서 설명되는 분산된 검색 플랫폼에 지금 막 통합되었던 데이터의 개정된 변동성이 들어있는 보고를 발생시킨다. 변동성 보고는 고객 ID(데이터의 제공자)당 발생되고 마켓당, 출발 일자당 조직화된다.
발생된 보고는 소위 보고 코디네이터라는 또 다른 엔진에 보내진다. 결국에는 후자는 이러한 정보 소스를 사용해서 여행 추천 계산 시스템(예컨대, MCP) 상에서 이용가능한 계산 자원에 의존하여 재계산되어야 하는 항공 여행 추천의 서브세트를 결정할 것이다.
도 6은 인기도 엔진(111)(도 1 참조)을 도시하고 있다. 인기도 엔진은 인기도 데이터베이스를 포함한다. 들어오는 검색 요청 시, 인기도 엔진은 사용자 트랜잭션으로부터 검색 동향을 추출할 기회를 얻는다. 이것은 시스템에 저장된 여행 가격의 인기도에 대한 통찰력을 준다. 분석은 다음 단계로 수행된다:
- 입력 및 출력 분석
검색 엔진에 도달하기 전에, 입력 검색 질의는 복제되고 하나의 복사본은 인기도 엔진으로 들어간다. 대칭적으로, 검색 트랜잭션의 출력은 사용자에게 되돌려 보내지기 전에 복제되고 복사본은 인기도 엔진으로 간다. 인기도 엔진은 소정 인기도 메트릭스를 얻기 위해 트랜잭션의 입력과 출력 둘 다를 분석한다. 분석은 입력 검색 질의의 기준에 의존하여 서로 다른 정보를 내놓는다. 예를 들어: 검색 질의가 특정 마켓(도시 쌍)에 대한 여행 추천을 요청하였으면, 엔진은 마켓당 인기있는 출발 일자 상의 랭킹을 질의로부터 추출할 수 있다. 검색 질의가 단일 출발 도시로부터의 여행 추천을 요청하였으면, 엔진은 출발 도시당 그리고 가격, 일자 범위당...선호되는 도착 도시(또는 도착 국가) 상의 랭킹을 솔루션으로부터 추출할 수 있다.
- 통계를 데이터베이스에 저장
입력 질의 및 출력 솔루션으로부터 추출된 동향은 전용 인기도 데이터베이스에 저장된다. 이러한 저장은 본질적으로 분산되어서, (인기도 엔진이 동작하는) 어떠한 물리적 머신이라도 시스템의 다른 물리적 머신 상에서 산출된 데이터로부터 득을 볼 수 있다.
- 기록을 취합 및 인기도 보고를 발생
병렬로, 인기도 엔진의 순환 작업은 분산된 데이터베이스로부터 이전에 계산된 통계를 추출하고 소정 계통적 인기도 메트릭스를 구축하는 것이다. 예컨대, 인기도에 대해 분석되었던 검색 질의의 총 수에 기초하여, 인기있는 마켓, 즉, 입력 질의에 의해 가장 표적이 되었던 마켓, 출력 여행 솔루션에서 반환된 더욱 저렴한 마켓...의 랭킹을 추출한다. 또 다른 가능성은, 공휴일 시즌과 같은 특정 이벤트에 대한 동향을 추출하거나 또는 세계에서 여러 다른 지리적 지역에 대해 가장 인기있는 마켓에 대한 통계를 발생시키기 위해, 연중 내내 주어진 일자 범위에 대해 가장 인기있는 마켓에 대한 통계를 발생시키는 것이다. 이러한 정제는 (예컨대, 국내 항공편에 대한...) 더 관련있는 인기도 척도를 추출하는 것을 도와준다. 발생된 보고는 그 후 보고 코디네이터에 보내져 그에 인기도 메트릭스로의 액세스를 부여한다.
도 7은 정확도 엔진(113)(도 1 참조)을 도시하고 있다. 정확도 엔진은 가격 정확도 데이터베이스를 포함한다. 정확도 엔진의 목표는 사전-계산된 항공 여행 추천을 제어하고 그 가격이 실제(즉, 현재) 쇼핑 가격으로부터 너무 많이 발산하는 것들을 검출하는 것이다. 그 엔진의 원리는 외부 Amadeus 쇼핑 서비스(본 발명의 일부분이 아님)를 사용하여 쇼핑 트랜잭션을 슈팅하고 그 반환된 가격을 여행 추천의 캐시의 것과 비교하는 것이다.
이 엔진은 수개의 단계로 동작한다.
- 입력 및 출력 트랜잭션을 사용, 스로틀링(throttling) 있음
인기도 엔진에 대해서처럼, 정확도 엔진은 복제된 입력 검색 질의 및 출력 여행 솔루션의 복사본을 수신한다. 하드웨어 비용 및 응답 시간이 너무 많이 드는 너무 많은 실제 쇼핑 트랜잭션을 슈팅하는 것을 회피하기 위해, 스로틀링 패스가 본 명세서에서 설명되는 분산된 검색 플랫폼을 통과하는 자연 트래픽의 서브세트 상에 동작하도록 적용된다.
- 요금 검색 트랜잭션을 발생
하나는 정확도 엔진이 시스템에 저장된 여행 추천의 대표 서브세트를 분석하기에 충분히 다양화되는 요금 검색 트랜잭션을 발생시킬 것을 보장해야 한다. 그렇게 하기 위해, 발생 전략은 2부분으로 되어 있다:
여행 인기도에 기초하여 요금 검색 트랜잭션을 발생시킨다: 정확도 엔진은 출력 솔루션의 인기도를 분석하고 추가적 분석을 위해 가장 인기있는 것들만을 유지하도록 (앞서 제시된) 인기도 데이터베이스에 액세스한다. 이것은 캐시된 가격 대 실제 쇼핑 가격에 관해 사용자가 경험하는 일치성을 최대화한다.
여행 추천의 캐시의 컨텐츠에 기초하여 랜덤 트랜잭션을 발생시킨다. 분석에 대해 여행의 랜덤 선출은 궁극적으로 여행 추천의 캐시 전체의 정확도를 제공하는 것을 목표로 한다. 그것은 사용자에 대해 양호한 여행 찾기능력을 보장한다, 즉, 인기없는 항공편의 정확도 또한, 하드웨어 비용을 제한하기 위해 덜 자주이기는 하지만, 모니터링된다.
- 데이터를 취합
모인 정확도 메트릭스는 전용, 분산된 정확도 데이터베이스에 저장된다. 순환 작업은 모든 정확도 메트릭스를 수개의 보고(고객에 의한, 마켓에 의한, 출발 일자에 의한...솔루션의 정확도)로 통합하고 그것들을 추가적 사용을 위해 보고 코디네이터에 보낸다.
도 8은 보고 코디네이터(115)(도 1 참조)를 도시하고 있다. 보고 코디네이터는 본 발명의 바람직한 실시예에 따른 시스템의 마지막 비즈니스 분석 엔진이다. 그 역할은, 이전 엔진에 의해 보고된 모든 메트릭스에 기초하여 그리고 여행 추천 계산 시스템(예컨대, MCP) 상에서 이용가능한 계산 자원에 따라, 플랫폼 내 데이터의 어느 부분이 재계산되어야 하는지 결정하는 것이다.
재계산의 결정은 수개의 단계로 수행된다.
보고를 저장
들어오는 변동성, 인기도 및 정확도 보고로부터의 모든 메트릭스는 전용 보고 데이터베이스에 로컬 저장된다. 이러한 저장은 보고 코디네이터가 이전 메트릭스에 기초하여 그 결정을 취하기 때문에 필요하다. 예컨대, 보고 코디네이터는 변동성 보고에 기초하여 여행 추천의 캐시에 저장된 데이터의 연령을 추론한다. 이러한 정보는 그 후 보고 데이터베이스에 유지된다.
재계산을 결정
보고 코디네이터에 의해 이루어진 결정은 캐시의 데이터 정확도 대 계산 시스템(예컨대, MCP) 상의 계산 자원을 밸런싱하도록 휴리스틱스에 기초하고 있다. 기본적 접근법은 계산 시스템(예컨대, MCP) 상에서 이용가능한 자원이 주어질 때 가장 적은 정확한 캐시된 여행 추천을 재계산하는 것이다. 가장 적은 정확한 데이터 중, 가장 인기있는 것들이 재계산 오더의 발생에 우선 고려된다. 재계산을 위한 후보는 항공편 도메인에서 인근 여행 그룹(각각의 마켓에 대해 가까운 일자 범위)을 형성하기 위해 보고 코디네이터에 의해 선택된다. 이것에 의하면 여행 추천 계산 시스템이 몇몇 재계산을 상호적으로 하고 그 자원 소모를 더 최적화할 수 있게 된다.
각각의 재계산 오더 사이에, 보고 코디네이터는 (보고 데이터베이스에 저장된) 변동성 모델 및 여행 추천의 추론된 연령을 사용하여 MSP에서의 모든 남아있는 데이터의 예측 정확도를 업데이트한다.
도 9를 참조하면, 시스템의 범용 컴퓨터(예컨대, 컴퓨터, 예약 서버, 데이터베이스 관리 서브시스템, 라우터, 네트워크 서버)가 (950)으로 표시되어 있다. 컴퓨터(950)는 시스템 버스(953)에 병렬로 접속되어 있는 수개의 유닛에 의해 형성되어 있다. 상세하게는, 하나 이상의 마이크로프로세서(956)는 컴퓨터(950)의 동작을 제어한다; RAM(959)은 마이크로프로세서(956)에 의해 작업 메모리로 직접 사용되고, ROM(962)은 컴퓨터(950)의 부트스트랩을 위한 기본 코드를 저장한다. 주변 유닛은 (각자의 인터페이스에 의해) 로컬 버스(965) 주위로 클러스터링되어 있다. 구체적으로, 대용량 메모리는 CD-ROM(974)을 읽기 위한 드라이브(971) 및 하드-디스크(968)로 이루어진다. 더욱, 컴퓨터(950)는 입력 디바이스(977)(예컨대, 키보드 및 마우스), 및 출력 디바이스(980)(예컨대, 모니터 및 프린터)를 포함한다. 네트워크 인터페이스 카드(983)는 컴퓨터(950)를 네트워크에 접속하도록 사용된다. 브리지 유닛(986)은 로컬 버스(965)와 시스템 버스(953)를 인터페이싱한다. 각각의 마이크로프로세서(956) 및 브리지 유닛(986)은 정보 송신을 위해 시스템 버스(953)로의 액세스를 요청하는 마스터 에이전트로서 동작할 수 있다. 아비터(arbiter)(989)는 시스템 버스(953)로의 상호 배타와 액세스의 승인을 관리한다. 시스템이 다른 토폴로지를 갖거나 다른 네트워크에 기반하면, 유사한 고려가 적용된다. 대안으로, 컴퓨터는 여러 다른 구조를 갖거나, 균등한 유닛을 포함하거나, (PDA, 모바일 폰 등과 같이) 다른 데이터 프로세싱 엔티티로 이루어진다.
위에서 설명된 방법은 또한 도 10에 도시된 선도로 표현된다. 그 방법은 복수의 파라미터에 따른 요금 및 여행 이용가능성에 대한 정보가 들어있는 복수의 여행 데이터베이스로의 액세스를 갖는 분산된 예약 시스템에서 동작하는 예비-쇼핑 툴(즉, 비-구속적 여행 질의에 따라 가격책정된 여행 추천을 발생시키기 위한 것)이고, 각각의 여행 질의는 선호도의 세트를 포함하고, 각각의 선호도는 복수의 파라미터 중에서 선택된 파라미터에 관련된다. 분산된 예약 시스템은 사용자가 그들 질의에 대한 고속 응답을 가질 수 있도록 여행 추천 중 선택된 것이 유지되고 있는 복수의 고속 액세스 메모리 로케이션을 포함한다. 캐시와는 달리 고속 액세스 메모리에 저장된 컨텐츠는 카탈로그의 가장 많이 액세스된 여행으로 이루어지는 서브세트만이 아니라 여행 카탈로그 전체를 표현하기 때문에, 당업자는 아래 용어가 기술적으로는 완벽히 적절하지는 않음을 인식할 것임에도 불구하고, 우리는 이들 고속 액세스 메모리를 "사전-계산된 여행 추천으로 이루어진 캐시"라는 용어로 지칭한다. 환언하면, 캐시라는 용어는 "쇼핑 트랜잭션 캐시"에 관한 것이다. 유사하게, 그들 고속 액세스 메모리 상에 저장된 정보는 "캐시 정보"(예컨대, "캐시된 여행 추천")라고 지칭된다. 사전-계산된 여행 추천의 캐시와의 문제는 추천에 들어있는 데이터는 그들 가격이 쇼핑 동안 발견된 실제 가격과의 일치성을 유지하기 위해 업데이트될 필요가 있다는 것이다. 이것은 (시간 및 시스템 성능의 관점에서) 매우 비용이 드는 활동이고 시스템 성능과 정보의 일치성 사이에 밸런스가 구해져야 한다. 본 발명의 주요 특징 중 하나는 서로 다른 여행 추천이 동시에 그리고 동일 빈도로 업데이트되지는 않는다는 것이다; 그보다는, 그 업데이트가 스케줄링되는 것에 따라, 각각의 여행 추천에 "빈도" 스코어가 배정된다: 더 변동성일 것 같은 정보는 더 빈번하게 리프레시될 것이다. 그 방법은 흑색원(1001)에서 시작하고 그 후 박스(1003)로 가고 거기서 시스템은 복수의 고속 액세스 메모리 로케이션 상에 사전-계산된 여행 추천 중 선택된 것으로 이루어진 캐시를 유지하고, 각각의 여행 추천은 복수의 파라미터 중 적어도 하나에 의해 정렬되는, 특정 여행에 대한 요금 및/또는 이용가능성에 관한 정보를 포함한다. 캐시된 여행 추천의 정렬 및 인덱싱은 위에서 설명된 바와 같이 수개의 방식으로 이루어질 수 있다: 이것은 가능한 가장 짧은 시간에 옳은 정보를 식별하는데 중요하다. 그 후, 필요로 되는 리프레시 빈도를 나타내는 스코어는 캐시된 여행 추천의 각각에 배정된다(단계(1005)). 이 스코어는 정보의 리프레시가 이루어져야 할 때를 결정하는데 사용될 것이다. 본 발명의 바람직한 실시예에 따른 리프레시(단계(1009))는 위에서 설명된 바와 같은 일괄 프로세싱으로 행해진다: 본 발명의 바람직한 실시예에 있어서, 대용량 질의는 전용 서브시스템, 예컨대 위에서 언급된 대용량 계산 플랫폼처럼 예컨대 전용 여행 추천 계산 시스템을 통해 론칭된다. 그러한 대용량 질의의 론칭(단계(1007))은 고정된 시각에 행해지거나 사용자에 의해 호출되거나 특정 이벤트에 의해 트리거링될 수 있다: 예컨대 대용량 질의는 시간의 사전-결정된 기간마다 (예컨대, 하루 중 끝에 또는 매 시간마다) 행해질 수 있다; 그것은 임계 대용량의 질의가 수신될 때 또는 최대 용량에 도달할 때 자동으로 수행될 수 있거나; 또는 다시 그것은 시스템의 관리책임자에 의해 또는 여행 제공자에 의해 요청될 수 있다. 사용자 질의가 수신(단계(1011))될 때, 시스템은 우선 고속 액세스 메모리 로케이션 내 검색을 시도한다(1013). 솔루션이 찾아내어지지 않으면(단계(1015)), 그때 옵션 대비책 조치가 론칭될 수 있다(단계(1017)): 대비책 조치가 제공되지 않으면 사용자로의 메시지는 시스템에서 이용가능한 결과가 없다고 알릴 것이다. 대안으로, 사용자의 질의가 너무 제한적일 수 있다는 것을 고려하여, 새로운 검색이 조절된 파라미터로 론칭될 수 있다: 그리하여 매치 결핍의 이유가 이전에 고려된 각각의 도시 쌍에 대해 분석된다. 예로서, 이유는 명시된 일자 범위에 항공편이 존재하지 않는다거나 또는 항공편은 존재하지만 질의에 나타난 한계보다 더 비싸다는 것일 수 있다. 사용자의 질의가 너무 제한적인 경우, 검색 엔진은 원래 질의에 나타난 제약에 밀접하게 관련된 추천을 반환하도록 대비책 전략을 구현한다. 그것은 복수의 파라미터에 대한 제약을 완화하고(더 넓은 일자 범위, 더 높은 가격 한계...) 검색 실행 단계로 되돌아간다. 루프는 몇몇 추천이 찾아내어질 때든지, 설정된 재시도 수에 도달할 때든지 또는 최대 허용 재시도 시간에 도달할 때든지 종료한다. 대비책 전략이 어떠한 추천도 반환하지 않는 경우, 적용가능할 때 또 다른 대비책 전략이 구현된다. 요청된 도착지가 지리적 의미(예컨대, 도시, 국가)를 갖는 경우, 검색 엔진은 밀접한 지리적 지역을 결정하도록 GDS에 의해 제공된 지리적 서비스(본 발명의 일부분이 아님)를 사용하고, 그것은, 위에서 설명된 방식으로, 원래 질의의 도착지 제약을 넓히고 검색 실행 단계로 되돌아간다. 대비책 전략이 둘 다 추천을 검색하지 못하면, 빈 결과가 반환된다. 또 다른 가능한 솔루션은 질의를 외부 데이터베이스에 론칭하여 그 요청된 여행 추천을 찾아내고 사전-계산된 여행 추천의 캐시를 강화하는 것일 수 있다. 결과가 획득되면, 사전-계산된 여행 추천의 캐시는 이러한 새로운 정보로 강화될 것이다. 어떠한 경우에서라도 응답이 사용자에게 발행된다(단계(1019)). 여행 추천의 스코어는 또한 업데이트를 필요로 할 수 있다. 본 명세서에서 설명된 실시예에 있어서는, 예비-쇼핑 정보, 즉, 반드시 예약을 완료하는 것을 목표로 하지는 않는 정보 예컨대 여행 이용가능성, 요금, 시간 또는 일반 정보를 찾으려는 사용자에 의해 질의가 송신된다. 본 발명의 바람직한 실시예에 있어서, 질의를 수신하고 사용자 질의를 만족시키기 위해 데이터베이스 조회를 수행하는 시스템은 실제 예약 시스템과는 별개이지만, 당업자는 2개의 시스템(예비-쇼핑 및 예약)이 함께 통합될 수 있음을 인식할 것이다.
개시의 범위로부터 벗어남이 없이 상기한 것에 대한 개조 및 수정이 이루어질 수 있음을 인식할 것이다. 당연히, 로컬 및 특정 요건을 만족시키기 위해, 당업자는 위에서 설명된 솔루션에 많은 수정 및 개조를 적용할 수 있다. 특히, 본 발명이 그 바람직한 실시예를 참조하여 어느 정도 구체적으로 설명되었지만, 형태 및 상세에 있어서 다양한 생략, 대체 및 변경과 더불어 다른 실시예도 가능함을 이해하여야 한다; 더욱, 명시적으로, 본 발명의 어느 개시된 실시예와 연결하여 설명된 특정 엘리먼트 및/또는 방법 단계는 설계 선택의 일반적 사항으로서 어느 다른 실시예에 편입될 수도 있음이 의도된다.
(본 발명의 각각의 실시예를 구현하는데 사용될 수 있는) 프로그램이 여러 다른 방식으로 구조화되면, 또는 부가적 모듈 또는 기능이 제공되면 유사한 고려가 적용된다; 마찬가지로, 메모리 구조는 다른 유형일 수도 있고, 또는 균등한 개체(반드시 물리적 저장 매체로 구성되는 것은 아님)로 대체될 수도 있다. 더욱, 제안된 솔루션은 (다른 순서로라도, 유사한 또는 부가적 단계를 갖는) 균등한 방법으로 구현되는데 적합하다. 어떠한 경우에라도, 프로그램은 외부 또는 거주 소프트웨어, 펌웨어 또는 마이크로코드(객체 코드로든 소스 코드로든)와 같이 어떠한 데이터 프로세싱 시스템과도 연결되어 또는 그에 의해 사용되기에 적합한 어떠한 형태라도 취할 수 있다. 더욱, 프로그램은 어떠한 컴퓨터-사용가능한 매체 상에라도 제공될 수 있다; 매체는 프로그램을 포함하거나, 저장하거나, 통신하거나, 전파하거나, 또는 전송하기에 적합한 어떠한 엘리먼트라도 될 수 있다. 그러한 매체의 예는 (프로그램이 사전-로딩될 수 있는) 고정 디스크, 착탈식 디스크, 테이프, 카드, 와이어, 파이버, 무선 커넥션, 네트워크, 브로드캐스트 웨이브 등이다; 예컨대, 매체는 전자, 자기, 광학, 전자기, 적외선 또는 반도체 유형일 수 있다.
어떠한 경우라도, 본 발명에 따른 솔루션은 (예컨대, 반도체 재료의 칩에 집적된) 하드웨어 구조로 또는 소프트웨어와 하드웨어의 조합으로 수행되는데 적합하다.

Claims (15)

  1. 분산된 예약 시스템에서 비-구속적 여행 질의에 따라 가격책정된 여행 추천을 발생시키기 위한 방법으로서, 상기 분산된 예약 시스템은 복수의 파라미터에 따라 여행 이용가능성 및 요금에 관한 정보가 들어있는 복수의 여행 데이터베이스로의 액세스를 갖고, 각각의 여행 질의는 복수의 파라미터 중에서 선택된 파라미터에 각각 관련되는 선호도의 세트를 포함하며, 상기 방법은,
    - 상기 복수의 파라미터 중 적어도 하나에 의해 정렬되는, 특정 여행에 대한 이용가능성 및/또는 요금에 관한 정보를 각각 포함하는 사전-계산된 여행 추천 중 선택된 것을 포함하는 캐시(cache)를 복수의 고속 액세스 메모리 로케이션 상에 유지하는 단계;
    - 필요로 되는 리프레시 빈도(refresh frequency)를 나타내는 스코어를 캐시된 여행 추천의 각각에 배정하는 단계;
    - 상기 여행 추천 중 적어도 일부에 포함된 정보를 리프레시하기 위해 상기 복수의 데이터베이스에 대용량 질의를 론칭(launching)함으로써 상기 사전-계산된 여행 추천 중 상기 선택된 것을 업데이트하는 단계;
    - 상기 시스템에 의해 수신되는 여행 질의에 응답하여, 상기 여행 질의에 포함된 상기 선호도를 이행하는 그들 여행 추천을 찾아내기 위해 상기 복수의 고속 액세스 메모리 로케이션을 검색하는 단계; 및
    - 상기 여행 질의에 대한 응답을 사용자에게 발행하고 상기 여행 추천 중 상기 선택된 것의 상기 스코어를 업데이트하는 단계를 포함하되,
    각각의 여행 추천의 상기 리프레시 빈도는 배정된 스코어에 의존하는 것인, 분산된 예약 시스템에서 비-구속적 여행 질의에 따라 가격책정된 여행 추천을 발생시키기 위한 방법.
  2. 제1항에 있어서, 상기 필요로 되는 리프레시 빈도를 나타내는 스코어는 상기 여행 추천의 이용가능성 및/또는 요금에 관한 정보의 변동성을 나타내는 값을 포함하는 것인, 분산된 예약 시스템에서 비-구속적 여행 질의에 따라 가격책정된 여행 추천을 발생시키기 위한 방법.
  3. 제1항 또는 제2항에 있어서, 상기 필요로 되는 리프레시 빈도를 나타내는 스코어는 상기 여행 추천의 인기도를 나타내는 값을 포함하는 것인, 분산된 예약 시스템에서 비-구속적 여행 질의에 따라 가격책정된 여행 추천을 발생시키기 위한 방법.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서, 상기 복수의 여행 데이터베이스로의 액세스 및 상기 사전-계산된 여행 추천 중 상기 선택된 것을 강화하는 단계는 전용 서브-시스템에 의해 행해지는 것인, 분산된 예약 시스템에서 비-구속적 여행 질의에 따라 가격책정된 여행 추천을 발생시키기 위한 방법.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서,
    - 상기 사전-계산된 여행 추천 중 상기 선택된 것을 복수의 동종 그룹으로 분할하고 각각의 그룹을 상기 고속 액세스 메모리 로케이션 중 하나에 저장하는 단계를 더 포함하되, 동종 그룹에서의 각각의 여행 추천은 동일 값을 갖는 파라미터를 적어도 소정 수 갖는 것인, 분산된 예약 시스템에서 비-구속적 여행 질의에 따라 가격책정된 여행 추천을 발생시키기 위한 방법.
  6. 제1항 내지 제5항 중 어느 한 항에 있어서, 상기 대용량 질의를 론칭하는 단계는 소정 시간 간격으로 행해지는 것인, 분산된 예약 시스템에서 비-구속적 여행 질의에 따라 가격책정된 여행 추천을 발생시키기 위한 방법.
  7. 제1항 내지 제6항 중 어느 한 항에 있어서, 상기 대용량 질의는 일괄 프로세스로 행해지는 것인, 분산된 예약 시스템에서 비-구속적 여행 질의에 따라 가격책정된 여행 추천을 발생시키기 위한 방법.
  8. 제1항 내지 제7항 중 어느 한 항에 있어서, 상기 복수의 고속 액세스 메모리 로케이션 상에 저장된 여행 추천은 다차원 데이터 구조에 따라 인덱싱되는(indexed) 것인, 분산된 예약 시스템에서 비-구속적 여행 질의에 따라 가격책정된 여행 추천을 발생시키기 위한 방법.
  9. 제1항 내지 제8항 중 어느 한 항에 있어서,
    - 상기 복수의 고속 액세스 메모리 로케이션을 검색함으로써 획득되는 결과 없음에 응답하여, 정보 목적으로 근접 결과를 반환할 목표로, 상기 복수의 파라미터에 대한 완화된 제약을 갖는 일련의 밀접하게 관련된 질의를 론칭하는 단계를 더 포함하는, 분산된 예약 시스템에서 비-구속적 여행 질의에 따라 가격책정된 여행 추천을 발생시키기 위한 방법.
  10. 제1항 내지 제8항 주 어느 한 항에 있어서,
    - 상기 복수의 고속 액세스 메모리 로케이션을 검색함으로써 획득되는 결과 없음에 응답하여, 경보 메시지를 사용자에게 발행하는 단계를 더 포함하는, 분산된 예약 시스템에서 비-구속적 여행 질의에 따라 가격책정된 여행 추천을 발생시키기 위한 방법.
  11. 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램이 컴퓨터 상에서 실행될 때, 제1항 내지 제10항 중 어느 한 항에 따른 방법의 단계들을 수행하기 위한 명령어를 포함하는 컴퓨터 프로그램.
  12. 제10항의 컴퓨터 프로그램을 구체화하는 컴퓨터 읽기 가능한 수단을 포함하는 컴퓨터 프로그램 제품.
  13. 제1항 내지 제10항 중 어느 한 항의 방법을 포함하는 예비-쇼핑 시스템(pre-shopping system)용 소프트웨어 툴.
  14. 예비-쇼핑 여행 질의를 관리하기 위한 분산된 데이터 프로세싱 시스템으로서, 상기 분산된 데이터 프로세싱 시스템은 복수의 파라미터에 따라 여행 이용가능성 및 요금에 관한 정보가 들어있는 복수의 여행 데이터베이스로의 액세스를 갖고, 각각의 여행 질의는 상기 복수의 파라미터 중에서 선택된 파라미터에 각각 관련되는 선호도의 세트를 포함하되, 상기 시스템은 제1항 내지 제10항 중 어느 한 항의 방법을 수행하도록 적응된 하나 이상의 컴포넌트를 포함하는 것인, 예비-쇼핑 여행 질의를 관리하기 위한 분산된 데이터 프로세싱 시스템.
  15. 제1항 내지 제10항 중 어느 한 항의 방법을 구현하기 위해 데이터 프로세싱 시스템에 배치된 서비스.
KR1020137029888A 2011-06-27 2012-04-27 검색 효율이 증가된 예비-쇼핑 예약 시스템을 위한 방법 및 시스템 KR101636603B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP11305813A EP2541473A1 (en) 2011-06-27 2011-06-27 Method and system for a pre-shopping reservation system with increased search efficiency
EP11305813.5 2011-06-27
PCT/EP2012/057749 WO2013000600A1 (en) 2011-06-27 2012-04-27 Method and system for a pre-shopping reservation system with increased search efficiency

Publications (2)

Publication Number Publication Date
KR20140056167A true KR20140056167A (ko) 2014-05-09
KR101636603B1 KR101636603B1 (ko) 2016-07-05

Family

ID=44865487

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020137029888A KR101636603B1 (ko) 2011-06-27 2012-04-27 검색 효율이 증가된 예비-쇼핑 예약 시스템을 위한 방법 및 시스템

Country Status (10)

Country Link
US (1) US9098881B2 (ko)
EP (1) EP2541473A1 (ko)
JP (1) JP5932031B2 (ko)
KR (1) KR101636603B1 (ko)
CN (1) CN103597503B (ko)
AU (1) AU2012278229B2 (ko)
BR (1) BR112013030227A2 (ko)
CA (1) CA2834107C (ko)
SG (1) SG194228A1 (ko)
WO (1) WO2013000600A1 (ko)

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7974892B2 (en) 2004-06-23 2011-07-05 Concur Technologies, Inc. System and method for expense management
US9286601B2 (en) * 2012-09-07 2016-03-15 Concur Technologies, Inc. Methods and systems for displaying schedule information
WO2007142696A2 (en) * 2005-12-08 2007-12-13 Mybuys, Inc Apparatus and method for providing a marketing service
IL240542B (en) * 2013-02-13 2022-08-01 Op40 Holdings Inc Shared cloud services and their uses
US9251478B2 (en) * 2013-07-29 2016-02-02 Amadeus S.A.S. Processing information queries in a distributed information processing environment
JP6534659B2 (ja) * 2013-11-13 2019-06-26 アマデウス エス．アー．エス．Ａｍａｄｅｕｓ Ｓ．Ａ．Ｓ． オンライン自己予約ツールとサードパーティシステム検索結果の統合
US20150206072A1 (en) * 2014-01-17 2015-07-23 Traxo, Llc System and method for providing a best fit travel service recommendation
US9984165B2 (en) 2014-02-13 2018-05-29 Amadeus S.A.S. Increasing search result validity
ES2689305T3 (es) 2014-02-13 2018-11-13 Amadeus S.A.S. Aumentar la validez del resultado de búsqueda
WO2015120968A1 (en) * 2014-02-13 2015-08-20 Amadeus S.A.S. Increasing search result validity
US9582536B2 (en) 2014-02-19 2017-02-28 Amadeus S.A.S. Long-term validity of pre-computed request results
US20150278353A1 (en) * 2014-03-31 2015-10-01 Linkedln Corporation Methods and systems for surfacing content items based on impression discounting
EP3016000B1 (en) 2014-11-03 2024-07-31 Amadeus S.A.S. Managing pre-computed search results
US10395294B2 (en) 2014-11-03 2019-08-27 Amadeus S.A.S. Managing pre-computed search results
WO2016070964A1 (en) 2014-11-03 2016-05-12 Amadeus S.A.S. Managing pre-computed search results
US10970653B1 (en) * 2015-07-31 2021-04-06 Priceline.Com Llc Caching and updating data records based on relationships between the data records
ES2702654T3 (es) 2015-08-03 2019-03-04 Amadeus Sas Tratamiento de peticiones de datos
CN106021463B (zh) * 2016-05-17 2019-07-09 北京百度网讯科技有限公司 基于人工智能提供智能服务的方法、智能服务系统及智能终端
CN107885743A (zh) * 2016-09-29 2018-04-06 南京途牛科技有限公司 一种基于缓存的航班余位查询方法
US10740824B2 (en) * 2018-03-15 2020-08-11 Amadeus S.A.S. Product delivery system and method
US11085777B2 (en) * 2018-07-27 2021-08-10 Adobe Inc. Generating digital event sequences utilizing a dynamic user preference interface to modify recommendation model reward functions
CN109558463B (zh) * 2018-11-15 2023-01-03 广东港鑫科技有限公司 一种智能报表的数据处理方法、装置及存储介质
US11004099B2 (en) * 2019-04-30 2021-05-11 Capital One Services, Llc System and method for providing a price for a vehicle
CN111046001B (zh) * 2019-12-28 2023-03-14 浪潮电子信息产业股份有限公司 一种批量创建文件的方法、装置、设备及存储介质
CN111339122B (zh) * 2020-02-13 2023-11-10 南京意博软件科技有限公司 一种差旅平台的主动缓存方法、差旅查询方法和相关产品
US20220075786A1 (en) * 2020-09-09 2022-03-10 Amadeus S.A.S. Dynamic database query processing
US11341137B1 (en) 2020-12-04 2022-05-24 Amadeus S.A.S. Processing search requests

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030200194A1 (en) * 2002-04-18 2003-10-23 International Business Machines Corporation Computer apparatus and method for caching results of a database query
US20050108069A1 (en) * 2003-11-18 2005-05-19 Tomer Shiran System and a method for prefetching travel information
US20080167906A1 (en) * 2007-01-05 2008-07-10 De Marcken Carl Support for flexible travel planning
US20080262878A1 (en) * 2007-04-17 2008-10-23 Travelocity.Com Lp Systems, methods, and computer program products for generating and updating a cache of price and availability information for travel packages and components

Family Cites Families (75)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4862357A (en) 1987-01-28 1989-08-29 Systemone Holdings, Inc. Computer reservation system with means to rank travel itineraries chosen in terms of schedule/fare data
US5495606A (en) 1993-11-04 1996-02-27 International Business Machines Corporation System for parallel processing of complex read-only database queries using master and slave central processor complexes
US5822747A (en) 1996-08-23 1998-10-13 Tandem Computers, Inc. System and method for optimizing database queries
US5819255A (en) 1996-08-23 1998-10-06 Tandem Computers, Inc. System and method for database query optimization
US5924090A (en) 1997-05-01 1999-07-13 Northern Light Technology Llc Method and apparatus for searching a database of records
US6158044A (en) 1997-05-21 2000-12-05 Epropose, Inc. Proposal based architecture system
US6067541A (en) 1997-09-17 2000-05-23 Microsoft Corporation Monitoring document changes in a file system of documents with the document change information stored in a persistent log
US7328166B1 (en) 1999-01-20 2008-02-05 Sabre, Inc. Global reservations transaction management system and method
US6392997B1 (en) 1999-03-16 2002-05-21 Cisco Technology, Inc. Technique for group-based routing update with limited per neighbor/adjacency customization
AU4350700A (en) 1999-04-16 2000-11-02 Cg & G Software Plus Tee time reservation system
WO2001033472A2 (en) * 1999-11-01 2001-05-10 Ita Software, Inc. Method and apparatus for providing availability of airline seats
US20020022978A1 (en) * 1999-12-03 2002-02-21 Schiff Martin R. Systems and methods of displaying cruise line pricing data
US7437408B2 (en) 2000-02-14 2008-10-14 Lockheed Martin Corporation Information aggregation, processing and distribution system
EP1130551A3 (en) 2000-02-22 2004-01-21 Glory Kogyo Kabushiki Kaisha Bill handling machine
WO2001098936A2 (en) 2000-06-22 2001-12-27 Microsoft Corporation Distributed computing services platform
NO312697B1 (no) 2000-09-01 2002-06-17 Ericsson Telefon Ab L M Fremgangsmåte for å tilveiebringe effektive operasjoner i et serversystem
US6640222B1 (en) 2000-09-29 2003-10-28 Motorola, Inc. Method for selecting an information unit among conflicting information units based on context fields by a user device
US20020078045A1 (en) 2000-12-14 2002-06-20 Rabindranath Dutta System, method, and program for ranking search results using user category weighting
US20020078150A1 (en) 2000-12-18 2002-06-20 Nortel Networks Limited And Bell Canada Method of team member profile selection within a virtual team environment
FR2819321B1 (fr) * 2001-01-10 2005-01-21 Amadeus Procede de traitement et d'acces a des donnees dans un systeme de reservation par ordinateur, et systeme de mise en oeuvre
US7003565B2 (en) 2001-04-03 2006-02-21 International Business Machines Corporation Clickstream data collection technique
US7165105B2 (en) 2001-07-16 2007-01-16 Netgenesis Corporation System and method for logical view analysis and visualization of user behavior in a distributed computer network
US7512652B1 (en) 2001-09-28 2009-03-31 Aol Llc, A Delaware Limited Liability Company Passive personalization of buddy lists
AU2003212792A1 (en) * 2002-01-09 2003-07-30 Agilquest Corporation System and method for managing workplace real estate and other resources
CA2381737A1 (en) 2002-04-15 2003-10-15 Ibm Canada Limited-Ibm Canada Limitee Framework for managing data that provides correlation information in a distributed computing system
US20030233473A1 (en) 2002-05-07 2003-12-18 International Business Machines Corporation Method for configuring logical connections to a router in a data communication system
US7337226B2 (en) 2002-05-10 2008-02-26 Oracle International Corporation Method and mechanism for implementing dynamic sizing of session pools
AU2003239385A1 (en) 2002-05-10 2003-11-11 Richard R. Reisman Method and apparatus for browsing using multiple coordinated device
US7146400B2 (en) 2002-05-29 2006-12-05 International Business Machines Corporation Web and lotus notes adapter layers
US20040078251A1 (en) 2002-10-16 2004-04-22 Demarcken Carl G. Dividing a travel query into sub-queries
US8020196B2 (en) 2002-10-25 2011-09-13 Randle William M Secure transmission and exchange of standardized data
US8602774B2 (en) 2002-12-04 2013-12-10 Bryan Wasylucha Process of tooth whitening and apparatus therefor
US7454761B1 (en) 2002-12-20 2008-11-18 Cisco Technology, Inc. Method and apparatus for correlating output of distributed processes
US20040128542A1 (en) 2002-12-31 2004-07-01 International Business Machines Corporation Method and system for native authentication protocols in a heterogeneous federated environment
WO2004109443A2 (en) 2003-06-02 2004-12-16 Liquid Machines, Inc. Managing data objects in dynamic, distributed and collaborative contexts
KR100541758B1 (ko) 2003-07-08 2006-01-10 주식회사 팬택앤큐리텔 무선가입자망의 가입자접속장치에서 패킷 형태의 과금갱신 정보 전송 방법
US20050108068A1 (en) 2003-11-14 2005-05-19 Marcken Carl D. Generating flight schedules using fare routings and rules
US7395279B2 (en) 2003-11-17 2008-07-01 International Business Machines Corporation System and method for achieving different levels of data consistency
JP4452533B2 (ja) 2004-03-19 2010-04-21 株式会社日立製作所 システムおよび記憶装置システム
US7778962B2 (en) 2004-04-30 2010-08-17 Microsoft Corporation Client store synchronization through intermediary store change packets
US20050262100A1 (en) 2004-05-19 2005-11-24 Bea Systems, Inc. System and method for context propagation in application servers and transaction-based systems
KR101148215B1 (ko) * 2004-05-26 2012-05-25 아마데우스 에스.에이.에스. 여행 상품의 예약장치 및 예약방법
US7644107B2 (en) 2004-09-30 2010-01-05 Microsoft Corporation System and method for batched indexing of network documents
US20060155857A1 (en) 2005-01-06 2006-07-13 Oracle International Corporation Deterministic session state management within a global cache array
US20060212583A1 (en) 2005-03-17 2006-09-21 Beadle Bruce A Distributing messaging session logs to users entering an already ongoing messaging session
JP2006268793A (ja) * 2005-03-25 2006-10-05 Canon Marketing Japan Inc 旅行商品検索サーバ及びそのプログラム
US7412224B2 (en) 2005-11-14 2008-08-12 Nokia Corporation Portable local server with context sensing
US7644121B2 (en) 2005-11-30 2010-01-05 Clickpath, Llc Method and system for online session tracking
US7944880B2 (en) 2005-12-12 2011-05-17 Telefonaktiebolaget L M Ericsson (Publ) Method and arrangement for establishing a communication session for multimedia
US8589195B2 (en) 2006-01-18 2013-11-19 Google Inc. Multi-passenger multi-route travel planning
JP2007219608A (ja) 2006-02-14 2007-08-30 Fujitsu Ltd 負荷分散処理プログラム及び負荷分散装置
US7925624B2 (en) 2006-03-31 2011-04-12 Amazon Technologies, Inc. System and method for providing high availability data
US7774463B2 (en) 2006-07-25 2010-08-10 Sap Ag Unified meta-model for a service oriented architecture
CN101131738A (zh) * 2006-08-25 2008-02-27 佛山市顺德区顺达电脑厂有限公司 旅游行程规划系统以及方法
US8112550B2 (en) 2006-09-19 2012-02-07 Tacoda Llc System and method for preserving consumer choice
US7711587B2 (en) 2007-01-05 2010-05-04 Ita Software, Inc. Providing travel information using cached query answers
WO2008086157A2 (en) * 2007-01-05 2008-07-17 Ita Software, Inc. Notification service for presenting travel information
AU2008229623A1 (en) 2007-03-16 2008-09-25 Pr Software Pty Limited An internet mediated booking and distribution system
US7870267B2 (en) 2007-05-16 2011-01-11 International Business Machines Corporation Creating global sessions across converged protocol applications
US8108528B2 (en) 2007-07-11 2012-01-31 International Business Machines Corporation System and method for verifying the identity of a chat partner during an instant messaging session
JP5493267B2 (ja) * 2007-12-11 2014-05-14 大日本印刷株式会社 商品検索装置および商品検索方法
CN101187946A (zh) 2007-12-14 2008-05-28 无敌科技(西安)有限公司 利用实时信息更新数据系统及其方法
US20110082942A1 (en) 2008-05-28 2011-04-07 Panasonic Corporation Communication terminal device, communication control method, and communication control program
US20100094856A1 (en) 2008-10-14 2010-04-15 Eric Rodrick System and method for using a list capable search box to batch process search terms and results from websites providing single line search boxes
WO2010085365A1 (en) 2009-01-23 2010-07-29 Travelzoo Inc. System and method for presenting pricing information for online travel products and services
US20100312586A1 (en) 2009-06-03 2010-12-09 Drefs Martin J Generation of Travel-Related Offerings
EP2282287A1 (en) 2009-07-28 2011-02-09 Amadeus S.A.S. Method to keep coherent a travel shopping basket
US20110047017A1 (en) 2009-08-21 2011-02-24 Valassis Communications, Inc. Offer Management Method And System
US8356026B2 (en) 2009-08-31 2013-01-15 Microsoft Corporation Predictive data caching
US9515849B2 (en) 2009-12-22 2016-12-06 At&T Intellectual Property I, L.P. Method and apparatus for managing communication faults
US9880014B2 (en) 2010-11-24 2018-01-30 Telenav, Inc. Navigation system with session transfer mechanism and method of operation thereof
ES2689112T3 (es) 2011-03-15 2018-11-08 Amadeus S.A.S. Método y sistema para mecanismo de sincronización en sistema de reservas de múltiples servidores
ES2454548T3 (es) 2011-03-15 2014-04-10 Amadeus S.A.S. Procedimiento y sistema para proporcionar una sesión en un entorno heterogéneo
EP2500848A1 (en) 2011-03-15 2012-09-19 Amadeus S.A.S. Method and system for centralized reservation context management on multi-server reservation system
EP2521074A1 (en) 2011-05-02 2012-11-07 Amadeus S.A.S. Method and system for an improved reservation system optimizing repeated search requests

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030200194A1 (en) * 2002-04-18 2003-10-23 International Business Machines Corporation Computer apparatus and method for caching results of a database query
US20050108069A1 (en) * 2003-11-18 2005-05-19 Tomer Shiran System and a method for prefetching travel information
US20080167906A1 (en) * 2007-01-05 2008-07-10 De Marcken Carl Support for flexible travel planning
US20080262878A1 (en) * 2007-04-17 2008-10-23 Travelocity.Com Lp Systems, methods, and computer program products for generating and updating a cache of price and availability information for travel packages and components

Also Published As

Publication number Publication date
EP2541473A1 (en) 2013-01-02
CA2834107A1 (en) 2013-01-03
CA2834107C (en) 2018-03-13
AU2012278229A1 (en) 2013-04-18
US20120330693A1 (en) 2012-12-27
CN103597503B (zh) 2017-02-08
WO2013000600A1 (en) 2013-01-03
JP2014526079A (ja) 2014-10-02
CN103597503A (zh) 2014-02-19
JP5932031B2 (ja) 2016-06-08
AU2012278229B2 (en) 2015-11-12
US9098881B2 (en) 2015-08-04
SG194228A1 (en) 2013-12-30
KR101636603B1 (ko) 2016-07-05
BR112013030227A2 (pt) 2016-12-06

Similar Documents

Publication Publication Date Title
KR101636603B1 (ko) 검색 효율이 증가된 예비-쇼핑 예약 시스템을 위한 방법 및 시스템
KR101916837B1 (ko) 일괄 지향 연산을 사용하는 데이터베이스 시스템
US10762539B2 (en) Resource estimation for queries in large-scale distributed database system
US10121169B2 (en) Table level distributed database system for big data storage and query
JP5538510B2 (ja) 集合の類似性に基づく拡張性に富むユーザクラスタリング
US20130073586A1 (en) Database system using batch-oriented computation
US7788216B2 (en) Method and system for retrieving advertisement information
CN102859516B (zh) 使用历史搜索结果生成改进的文档分类数据
US20140101093A1 (en) Distributed, real-time online analytical processing (olap)
US10242388B2 (en) Systems and methods for efficiently selecting advertisements for scoring
US20110246550A1 (en) System and method for aggregation of data from a plurality of data sources
US11126641B2 (en) Optimized data distribution system
US8903872B1 (en) NoSql online analytical processing architecture
US20230119271A1 (en) Indexing documents in a nested hierarchy of directories
Cheng Product recommendation system design
Mishra et al. uR-tree: a spatial index structure for handling multiple point selection queries
Rajasekar et al. A Novel Multi-user Itinerary Planning for Traveling Services

Legal Events

Date Code Title Description
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant