一种短租民宿智能定价系统和方法技术方案

本发明专利技术涉及智能定价技术领域，具体涉及一种短租民宿智能定价系统和方法。一种短租民宿智能定价方法，包括以下步骤：(1)基于网上类似房源的报价训练得到一个基准定价模型，然后根据房源特征和预定日期，得到基准价格；(2)基于历史成交数据训练得到预订概率预测模型，然后根据房源特征、基准价格、预定日期热门程度，得到预定概率；(3)基于历史成交价格训练得到价格预测模型，然后根据基准价格、预定概率、当前入住率，得到房源建议定价。本发明专利技术提供的智能定价系统解决了因定价问题导致恶意竞争、经营亏损现象的发生，给民宿房东针对房源特征提供合理的定价指导，提高民宿入住率的同时，使收益最大化。益最大化。

【技术实现步骤摘要】
一种短租民宿智能定价系统和方法


[0001]本专利技术涉及智能定价
，具体涉及一种短租民宿智能定价系统和方法。

技术介绍

[0002]在中国经济新模式和政策条例的扶持下，民宿行业在全国范围内呈现爆发式增长态势。因其区别于快捷酒店的特征优势，民宿成为越来越多消费者旅游住宿的首选，民宿房源数和民宿市场规模总量不断攀升。
[0003]然而，随着民宿市场竞争加剧，在民宿热门城市开始出现民宿个人房东退出市场现象，其原因主要是民宿个人房东在定价方面存在以下问题，致使民宿经营亏损，直至退市。其一，民宿市场恶性价格竞争现象严重；其二，缺乏针对民宿个人房东的定价指导；其三，价方法单一。解决民宿定价问题是保护民宿个性化特点，推动民宿行业可持续发展所需要重点突破的问题。
[0004]为了解决目前民宿市场上恶意价格竞争行为，引导民宿个人房东综合多因素进行定价，为民宿个人房东提供定价模型辅助和策略指导，本专利技术提供了一种短租民宿智能定价系统，提高民宿入住率的同时，使收益最大化。

技术实现思路

[0005]为了解决上述技术问题，本专利技术的第一个方面提供了一种短租民宿智能定价方法，包括以下步骤：
[0006](1)基于网上类似房源的报价训练得到一个基准定价模型，然后根据房源特征和预定日期，得到基准价格；
[0007](2)基于历史成交数据训练得到预订概率预测模型，然后根据房源特征、基准价格、预定日期热门程度，得到预定概率；
[0008](3)基于历史成交价格训练得到价格预测模型，然后根据基准价格、预定概率、当前入住率，得到房源建议定价。
[0009]作为本专利技术一种优选的技术方案，所述房源特征选自地理位置、面积、房间的数量、可住人数、物业类型、床的数量、厕所的数量、窗户的数量、设备、停车场的数量中的至少一种。
[0010]作为本专利技术一种优选的技术方案，所述设备选自空调，冰箱，电视，洗衣机，WIFI，热水器，燃气灶、电饭煲，微波炉，餐具，音响，投影仪中的至少一种。
[0011]本专利技术的第二个方面提供了一种短租民宿智能定价系统，所述系统包括：外部接口层、模型层和Hadoop分布式文件系统；所述外部接口层用于调用、控制和监控模型层；所述模型层负责模型的训练、使用训练所得模型进行预测；所述Hadoop分布式文件系统能提供高吞吐量的数据访问。
[0012]作为本专利技术一种优选的技术方案，所述外部接口层包括房源建议定价查询接口、系统管理接口；所述房源建议价格查询接口可输入测试数据；所述测试数据包括房源特征、
预定日期、基准价格、预定概率、预定日期热门程度、当前入住率中的至少一种；所述系统管理接口用于对模型层进行测试数据调整、控制和监控。
[0013]作为本专利技术一种优选的技术方案，所述模型层包括基本定价模型、预定概率模型和价格预测模型；所述基本定价模型包括基本定价模型训练模块、基本定价预测模块；所述预定概率预测模型包括预定概率模型训练模块、预定概率预测模块；所述价格预测模块包括价格预测模型训练模块、价格预测模块。
[0014]作为本专利技术一种优选的技术方案，所述模型层还包括数据转换模块；所述数据转换模块从外部系统取得数据，进行格式转换，得到训练数据集，存入Hadoop分布式文件系统，供基本定价模型训练模块、预定概率模型训练模块和价格预测模型训练模块使用。
[0015]作为本专利技术一种优选的技术方案，所述基本定价模型训练模块、预定概率模型训练模块和价格预测模型训练模从Hadoop分布式文件系统读入训练数据集，训练的到相应的模型；然后存入Hadoop分布式文件系统，供基本定价预测模块、预定概率预测模块和价格预测模块使用。
[0016]作为本专利技术一种优选的技术方案，所述基本定价预测模块、预定概率预测模块和价格预测模块从Hadoop分布式文件系统载入相应的模型，等待输入测试数据，输出预测结果。
[0017]作为本专利技术一种优选的技术方案，所述系统还包括定时任务层，设定每天定时运行基本定价模型训练任务、预定概率模型训练任务和价格预测模型训练任务。
[0018]有益效果
[0019]本专利技术提供了一种短租民宿智能定价系统和方法，首先，基于网上类似房源的报价训练得到一个基准定价模型，根据测试数据，得到基准价格；然后，基于历史成交数据训练得到预订概率预测模型，根据测试数据，得到预定概率；最后，基于历史成交价格训练得到价格预测模型，根据测试数据，得到房源建议定价。本专利技术提供的智能定价系统解决了因定价问题导致恶意竞争、经营亏损现象的发生，给民宿房东针对房源特征提供合理的定价指导，提高民宿入住率的同时，使收益最大化。
具体实施方式
[0020]参选以下本专利技术的优选实施方法的详述以及包括的实施例可更容易地理解本专利技术的内容。除非另有限定，本文使用的所有技术以及科学术语具有与本专利技术所属领域普通技术人员通常理解的相同的含义。当存在矛盾时，以本说明书中的定义为准。
[0021]本专利技术的第一个方面提供了一种短租民宿智能定价方法，包括以下步骤：
[0022](1)基于网上类似房源的报价训练得到一个基准定价模型，然后根据房源特征和预定日期，得到基准价格；
[0023](2)基于历史成交数据训练得到预订概率预测模型，然后根据房源特征、基准价格、预定日期热门程度，得到预定概率；
[0024](3)基于历史成交价格训练得到价格预测模型，然后根据基准价格、预定概率、当前入住率，得到房源建议定价。
[0025]作为本专利技术一种优选的实施方式，所述房源特征选自地理位置、面积、房间的数量、可住人数、物业类型、床的数量、厕所的数量、窗户的数量、设备、停车场的数量中的至少
一种。
[0026]作为本专利技术一种优选的实施方式，所述设备选自空调，冰箱，电视，洗衣机，WIFI，热水器，燃气灶、电饭煲，微波炉，餐具，音响，投影仪中的至少一种。
[0027]本专利技术的第二个方面提供了一种短租民宿智能定价系统，所述系统包括：外部接口层、模型层和Hadoop分布式文件系统；所述外部接口层用于调用、控制和监控模型层；所述模型层负责模型的训练、使用训练所得模型进行预测；所述Hadoop分布式文件系统能提供高吞吐量的数据访问。
[0028]外部接口层
[0029]本专利技术中，所述外部接口层包括房源建议定价查询接口、系统管理接口；所述房源建议价格查询接口可输入测试数据；所述测试数据包括房源特征、预定日期、基准价格、预定概率、预定日期热门程度、当前入住率中的至少一种；所述系统管理接口用于对模型层进行测试数据调整、控制和监控。
[0030]模型层
[0031]本专利技术中，所述模型层包括基本定价模型、预定概率模型和价格预测模型；所述基本定价模型包括基本定价模型训练模块、基本定价预测模块；所述预定概率预测模型包括预定概率模型训练模块、预定概率预测模块；所述价格预测模块包括价格预测模型训练模块、价格预测模块。
[0032]在一种优选的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种短租民宿智能定价方法，其特征在于，包括以下步骤：(1)基于网上类似房源的报价训练得到一个基准定价模型，然后根据房源特征和预定日期，得到基准价格；(2)基于历史成交数据训练得到预订概率预测模型，然后根据房源特征、基准价格、预定日期热门程度，得到预定概率；(3)基于历史成交价格训练得到价格预测模型，然后根据基准价格、预定概率、当前入住率，得到房源建议定价。2.根据权利要求1所述的短租民宿智能定价方法，其特征在于，所述房源特征选自地理位置、面积、房间的数量、可住人数、物业类型、床的数量、厕所的数量、窗户的数量、设备、停车场的数量中的至少一种。3.根据权利要求2所述的短租民宿智能定价方法，其特征在于，所述设备选自空调，冰箱，电视，洗衣机，WIFI，热水器，燃气灶、电饭煲，微波炉，餐具，音响，投影仪中的至少一种。4.一种短租民宿智能定价系统，其特征在于，所述系统包括：外部接口层、模型层和Hadoop分布式文件系统；所述外部接口层用于调用、控制和监控模型层；所述模型层负责模型的训练、使用训练所得模型进行预测；所述Hadoop分布式文件系统能提供高吞吐量的数据访问。5.根据权利要求4所述的短租民宿智能定价系统，其特征在于，所述外部接口层包括房源建议定价查询接口、系统管理接口；所述房源建议价格查询接口可输入测试数据；所述测试数据包括房源特征、预定日期、基准价格、预定概率、预定日期热门程度、当前入住率中的至少一种；所述系统管理接口...

【专利技术属性】
技术研发人员：甘雨，李沛剡，
申请(专利权)人：上海字符飞舞科技有限公司，
类型：发明
国别省市：