基于深度神经网络的空间-时间稀疏数据事件票价预测
机器学习
2019-12-06 v2 机器学习
摘要
事件票价预测对于任何运动队或音乐团体的营销策略都十分重要。准确的预测模型可帮助营销团队更有效且高效地制定推广计划。然而，给定所有历史交易记录，预测未来任意时刻剩余座位的售价具有挑战性，不仅因为售价与众多特征相关（座位位置、交易距事件日期、事件日期、队伍表现等），也因为数据集中的时间与空间稀疏性。对于一场比赛/音乐会，一个座位的售票价格仅在售出时刻可观测一次。此外，某些座位可能甚至未被购买（因此无记录可用）。事实上，数据稀疏性在许多预测问题中常见。在此，我们提出一种双层优化深度神经网络以应对时空稀疏性难题。具体而言，我们引入粗化与细化层，并设计双层损失函数以整合不同层级的损失从而获得更好预测精度。我们的模型能发现票价、座位位置、销售时间、事件信息等的相互关系。实验表明，我们所提模型在真实世界售票价格预测中优于其他基准方法。
引用
@article{arxiv.1912.01139,
title = {Event Ticket Price Prediction with Deep Neural Network on Spatial-Temporal Sparse Data},
author = {Fei Huang and Hao Huang},
journal= {arXiv preprint arXiv:1912.01139},
year = {2019}
}