A data-mining approach to travel price forecasting - Archive ouverte HAL Access content directly
Theses Year : 2013

A data-mining approach to travel price forecasting

Machine-learning pour la prédiction des prix dans le secteur du tourisme en ligne

(1)
1

Abstract

The goal of this paper is to consider the design of decision-making tools in the context of varying travel prices from the customer’s perspective. Based on vast streams of heterogeneous historical data collected through the internet, we describe here two approaches to forecasting travel price changes at a given horizon, taking as input variables a list of descriptive characteristics of the flight, together with possible features of the past evolution of the related price series. Though heterogeneous in many respects ( e.g. sampling, scale), the collection of historical prices series is here represented in a unified manner, by marked point processes (MPP). State-of-the-art supervised learning algorithms, possibly combined with a preliminary clustering stage, grouping flights whose related price series exhibit similar behavior, can be next used in order to help the customer to decide when to purchase her/his ticket.
Nous nous intéressons au problème de la prédiction de l’occurrence d’une baisse de prix pour fournir un conseil à l’achat immédiat ou reporté d’un voyage sur un site web de comparaison des prix. La méthodologie proposée repose sur l’apprentissage statistique d’un modèle d’évolution du prix à partir de l’information conjointe d’attributs du voyage considéré et d’observations passées du prix et de la "popularité" celui-ci. L’originalité principale consiste à représenter l’évolution des prix par le processus ponctuel inhomogène des sauts de celui-ci. A partir d’une base de données constituée par liligo.com, nous mettons en oeuvre une méthode d’apprentissage d’un modèle d’évolution des prix. Ce modèle permet de fournir un prédicteur de l’occurrence d’une baisse du prix sur une période future donnée et donc de prodiguer un conseil d’achat ou d’attente au client.
Fichier principal
Vignette du fichier
TheseWohlfarthV2.pdf (4.72 Mo) Télécharger le fichier
Origin : Version validated by the jury (STAR)

Dates and versions

tel-01310537 , version 1 (02-05-2016)

Identifiers

  • HAL Id : tel-01310537 , version 1

Cite

Till Wohlfarth. Machine-learning pour la prédiction des prix dans le secteur du tourisme en ligne. Analyse de données, Statistiques et Probabilités [physics.data-an]. Télécom ParisTech, 2013. Français. ⟨NNT : 2013ENST0090⟩. ⟨tel-01310537⟩
909 View
11449 Download

Share

Gmail Facebook Twitter LinkedIn More