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

Résumé : 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.
Type de document :
Thèse
Analyse de données, Statistiques et Probabilités [physics.data-an]. Télécom ParisTech, 2013. Français. 〈NNT : 2013ENST0090〉
Liste complète des métadonnées

https://pastel.archives-ouvertes.fr/tel-01310537
Contributeur : Abes Star <>
Soumis le : lundi 2 mai 2016 - 17:03:21
Dernière modification le : jeudi 11 janvier 2018 - 06:23:39
Document(s) archivé(s) le : mardi 24 mai 2016 - 17:41:51

Fichier

TheseWohlfarthV2.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01310537, version 1

Citation

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〉

Partager

Métriques

Consultations de la notice

644

Téléchargements de fichiers

2976