学习廉价且新颖的航班行程
机器学习
2018-12-06 v1 机器学习
摘要
我们考虑通过组合不同航空公司的航段来高效构建廉价且新颖的往返航班行程的问题。我们分析了导致此类行程价格的因素，发现许多行程仅由 30% 的航空公司组合产生，且此类行程离用户搜索日期越近，相比单一航空公司机票更便宜的可能性越大。我们利用这些洞察将该问题表述为廉价行程构建的召回率与构建成本之间的权衡。我们提出了一种带位置嵌入的监督学习方案，其 AUC=80.48，较简单基线有显著提升。我们讨论了处理模型陈旧性与稳定性的各种实际考量，并给出了机器学习流水线的设计。最后，我们展示了模型在生产环境中的性能分析及其对 Skyscanner 用户的影响。
引用
@article{arxiv.1812.01735,
title = {Learning Cheap and Novel Flight Itineraries},
author = {Dmytro Karamshuk and David Matthews},
journal= {arXiv preprint arXiv:1812.01735},
year = {2018}
}