【技术实现步骤摘要】
机票定价策略筛选的方法、系统、设备以及介质
本专利技术涉及的是一种计算机应用领域的技术，更具体的说，涉及一种机票定价策略筛选的方法、系统、设备以及介质。
技术介绍
现有的机票定价策略有许多来源渠道，因为原始机票定价策略的量过于庞大直接放入缓存会占用过多资源且效率低下，所以需要先对原始机票定价策略进行筛选，仅保留部分优质的机票定价策略放入缓存供搜索引擎进行检索。目前的机票定价策略过滤方案为遍历整个机票定价策略数据集逐个对比机票定价策略，若A机票定价策略在所有维度上都优于B机票定价策略则A机票定价策略被保留B机票定价策略被剔除，最终留下所有未被剔除的机票定价策略进入缓存。为了支撑大规模机票定价策略的筛选过滤，耗费了大量计算资源。
技术实现思路
针对现有技术存在的问题，本专利技术的目的在于提供一种机票定价策略筛选的方法、系统、设备以及介质，能够针对每一个起飞城市建立一个预测模型，并且该预测模型为决策树模型，可以通过分布式服务器来训练每个模型即一个预测模型在一个服务器中训练运行，实现对对当前的机票价格策略的预测，从而获得该机票定价策略的预测值，根据预测值进行排序之后只保留部分...
【技术保护点】
1.一种机票定价策略筛选的方法，其特征在于，包括：S110，采集历史机票定价策略的历史定价数据，形成一样本集，每一所述历史定价数据具有一指示该历史机票定价策略是否被应用的类别标签；S120，按照所述历史定价数据中的起飞城市将所述样本集划分为多个子样本集，每一所述子样本集对应一个所述起飞城市；S130，根据每一所述子样本集训练一预测模型，其中，每一所述预测模型与一个所述起飞城市对应，所述预测模型以定价数据作为输入，输出一与所述机票定价策略相关联的预测值；S140，获取当前的所述机票定价策略的定价数据；S150，根据所述定价数据中的起飞城市，将所述定价数据输入对应的所述预测模型...
【技术特征摘要】
1.一种机票定价策略筛选的方法，其特征在于，包括：S110，采集历史机票定价策略的历史定价数据，形成一样本集，每一所述历史定价数据具有一指示该历史机票定价策略是否被应用的类别标签；S120，按照所述历史定价数据中的起飞城市将所述样本集划分为多个子样本集，每一所述子样本集对应一个所述起飞城市；S130，根据每一所述子样本集训练一预测模型，其中，每一所述预测模型与一个所述起飞城市对应，所述预测模型以定价数据作为输入，输出一与所述机票定价策略相关联的预测值；S140，获取当前的所述机票定价策略的定价数据；S150，根据所述定价数据中的起飞城市，将所述定价数据输入对应的所述预测模型获得所述机票定价策略的预测值；S160，根据所述机票定价策略的预测值对当前的所述机票定价策略进行排序并删除排序在后的多个所述机票定价策略；S170，判断每一所述预测模型的准确率是否大于一预设阈值，若否，则回到步骤S110。2.根据权利要求1所述的机票定价策略筛选的方法，其特征在于，所述S130，根据每一所述子样本集训练一预测模型包括：S131，将子样本集划分为训练集和测试集，其中，所述训练集中的样本数量与所述测试集中的样本数量的比值为5；S132，根据所述历史定价数据提取所述训练集和所述测试集中的样本的特征；S133，根据所述训练集和所述测试集中的样本的特征通过决策树算法获得与所述子样本集对应的所述预测模型。3.根据权利要求1所述的机票定价策略筛选的方法，其特征在于，所述方法还包括：S210，提取所述样本集中部分的样本作为一筛选样本集，所述筛选样本集中所述历史定价数据的类别标签的值为1指示该历史机票定价策略被应用，所述类别标签的值为0时指示该历史机票定价策略未被应用；S220，对所述筛选样本集中的所述历史定价数据进行特征提取；S230，将所提取的特征作为一筛选模型的输入，所述类别标签作为输出训练所述筛选模型；S240，将对当前的所述机票定价策略进行排序并删除之后获得的所述机票定价策略的特征输入所述筛选模型获得所述机票定价策略的类别标签的值，并将所述类别标签的值为1的机票定价策略导入服务端的缓存中。4.根据权利要求2所述...
【专利技术属性】
技术研发人员：谢小文，肖铨武，聂强强，
申请(专利权)人：携程旅游网络技术上海有限公司，
类型：发明
国别省市：上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。