CN113312399A - 一种处理票价搜索的方法及*** - Google Patents
一种处理票价搜索的方法及*** Download PDFInfo
- Publication number
- CN113312399A CN113312399A CN202110608656.1A CN202110608656A CN113312399A CN 113312399 A CN113312399 A CN 113312399A CN 202110608656 A CN202110608656 A CN 202110608656A CN 113312399 A CN113312399 A CN 113312399A
- Authority
- CN
- China
- Prior art keywords
- fare
- key
- prediction
- historical
- search request
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012545 processing Methods 0.000 title claims abstract description 37
- 230000008569 process Effects 0.000 claims description 22
- 238000010276 construction Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000003203 everyday effect Effects 0.000 description 4
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2425—Iterative querying; Query formulation based on the results of a preceding query
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种处理票价搜索的方法及***,获取目标用户发送的票价搜索请求;根据票价搜索请求构建第一key;从预设的数据库所包含的所有第二key中,确定与第一key对应的第二key作为目标key,并从数据库中获取与目标key对应的value作为目标value;根据目标value对应的票价预测历史数据,对票价搜索请求进行票价预测,得到票价预测数据并将其反馈给目标用户。在数据库中预先获取大量的票价预测历史数据,当用户发送票价搜索请求时,从数据库中获取与该票价搜索请求对应的票价预测历史数据,并根据获取的票价预测历史数据进行票价预测,得到票价预测数据并将其反馈给目标用户作为购票依据,提高用户的体验。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种处理票价搜索的方法及***。
背景技术
随着科技的发展和生活水平的提高,飞机逐渐成为人们日常出行所选择的主要交通工具之一。
用户在购买机票时,可通过互联网查询相应的机票价格。但是目前通过互联网查询机票价格时,仅能提供当天所能购买的机票价格,而机票价格会随着购买时期的变化而波动,用户无法获悉更详细的机票价格波动信息,导致用户无法确定最佳的购票时机,用户体验较差。
发明内容
有鉴于此,本发明实施例提供一种处理票价搜索的方法及***,以解决现有查询票价方式存在的用户体验差等问题。
为实现上述目的,本发明实施例提供如下技术方案:
本发明实施例第一方面公开一种处理票价搜索的方法,所述方法包括:
获取目标用户发送的票价搜索请求,所述票价搜索请求至少包含:始发地、目的地、行程出发时间和行程类型;
根据所述票价搜索请求所包含的始发地、目的地、行程出发时间和行程类型,构建第一key;
从预设的数据库所包含的所有第二key中,确定与所述第一key对应的第二key作为目标key,并从所述数据库中获取与所述目标key对应的value作为目标value,其中,所述数据库包含多个第二key和对应的value,所述第二key根据预设历史时间段内的历史票价搜索请求构建得到,所述第二key的value至少由票价预测历史数据构建得到,所述票价预测历史数据由对所述第二key对应的历史票价搜索请求进行票价预测得到;
根据所述目标value对应的票价预测历史数据,对所述票价搜索请求进行票价预测,得到票价预测数据并将其反馈给所述目标用户。
优选的,构建所述数据库包含的第二key和对应的value的过程,包括:
获取预设历史时间段内的多个历史票价搜索请求,所述历史票价搜索请求至少包含:始发地、目的地、行程出发时间、行程类型、用于指示是否直飞的指定特征和搜索时间;
针对每一历史票价搜索请求,利用所述历史票价搜索请求构建对应的初始key,并利用所述历史票价搜索请求对应的请求结果中的最低机票价格,构建所述初始key的初始value;
根据所有所述初始value,对所有所述初始key进行降序排列;
针对降序排列后的每一初始key,利用所述初始key对应的历史票价搜索请求,构建相应的第二key;
针对每一第二key,对所述第二key对应的历史票价搜索请求进行票价预测,利用进行票价预测得到的票价预测历史数据构建所述第二key的value;
将每一所述第二key和对应的value存储至数据库中。
优选的,所述从预设的数据库所包含的所有第二key中,确定与所述第一key对应的第二key作为目标key,并从所述数据库中获取与所述目标key对应的value作为目标value,包括:
从预设的数据库所包含的所有第二key中,确定与所述第一key具有相同始发地、相同目的地、相同行程出发时间和相同行程类型的第二key作为目标key;
从所述数据库中,查询与所述第一key具有相同始发地、相同目的地、相同行程出发时间和相同行程类型的第二key的value,将其作为所述目标key对应的目标value。
优选的,所述票价预测数据至少包括:距所述票价搜索请求对应的搜索时间未来预设时间段内,每天的最低预测机票价格和预测准确度。
优选的,将所述票价预测数据反馈给所述目标用户的过程,包括:
利用所述未来预设时间段内每天的最低预测机票价格,生成最低预测机票价格走势图;
将所述最低预测机票价格走势图和所述预测准确度反馈给所述目标用户。
优选的,所述根据所述目标value对应的票价预测历史数据,对所述票价搜索请求进行票价预测,得到票价预测数据并将其反馈给所述目标用户,包括:
根据所述目标value对应的票价预测历史数据,并结合预先训练得到的票价预测模型,对所述票价搜索请求进行票价预测,得到票价预测数据并将其反馈给所述目标用户。
本发明实施例第二方面公开一种处理票价搜索的***,所述***包括:
获取单元,用于获取目标用户发送的票价搜索请求,所述票价搜索请求至少包含:始发地、目的地、行程出发时间和行程类型;
构建单元,用于根据所述票价搜索请求所包含的始发地、目的地、行程出发时间和行程类型,构建第一key;
处理单元,用于从预设的数据库所包含的所有第二key中,确定与所述第一key对应的第二key作为目标key,并从所述数据库中获取与所述目标key对应的value作为目标value,其中,所述数据库包含多个第二key和对应的value,所述第二key根据预设历史时间段内的历史票价搜索请求构建得到,所述第二key的value至少由票价预测历史数据构建得到,所述票价预测历史数据由对所述第二key对应的历史票价搜索请求进行票价预测得到;
预测单元,用于根据所述目标value对应的票价预测历史数据,对所述票价搜索请求进行票价预测,得到票价预测数据并将其反馈给所述目标用户。
优选的,用于构建所述数据库包含的第二key和对应的value的所述处理单元,包括:
获取模块,用于获取预设历史时间段内的多个历史票价搜索请求,所述历史票价搜索请求至少包含:始发地、目的地、行程出发时间、行程类型、用于指示是否直飞的指定特征和搜索时间;
第一构建模块,用于针对每一历史票价搜索请求,利用所述历史票价搜索请求构建对应的初始key,并利用所述历史票价搜索请求对应的请求结果中的最低机票价格,构建所述初始key的初始value;
排序模块,用于根据所有所述初始value,对所有所述初始key进行降序排列;
第二构建模块,用于针对降序排列后的每一初始key,利用所述初始key对应的历史票价搜索请求,构建相应的第二key;
预测模块,用于针对每一第二key,对所述第二key对应的历史票价搜索请求进行票价预测,利用进行票价预测得到的票价预测历史数据构建所述第二key的value;
存储模块,用于将每一所述第二key和对应的value存储至数据库中。
本发明实施例第三方面公开一种电子设备,包括:处理器以及存储器,所述处理器以及存储器通过通信总线相连;其中,所述处理器,用于调用并执行所述存储器中存储的程序;所述存储器,用于存储程序,所述程序用于实现如本发明实施例第一方面公开的处理票价搜索的方法。
本发明实施例第四方面公开一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机可执行指令,所述计算机可执行指令用于执行本发明实施例第一方面公开的处理票价搜索的方法。
基于上述本发明实施例提供的一种处理票价搜索的方法及***,该方法为:获取目标用户发送的票价搜索请求;根据票价搜索请求所包含的始发地、目的地、行程出发时间和行程类型,构建第一key;从预设的数据库所包含的所有第二key中,确定与第一key对应的第二key作为目标key,并从数据库中获取与目标key对应的value作为目标value;根据目标value对应的票价预测历史数据,对票价搜索请求进行票价预测,得到票价预测数据并将其反馈给目标用户。本方案中,根据目标用户发送的票价搜索请求构建第一key,从预先设置的数据库中查询与第一key对应的第二key作为目标key,并从数据库中获取与目标key对应的value作为目标value,根据目标value对应的票价预测历史数据,对票价搜索请求进行票价预测,得到票价预测数据并将其反馈给目标用户,在数据库中预先获取大量的票价预测历史数据,当用户发送票价搜索请求时,从数据库中获取与该票价搜索请求对应的票价预测历史数据,并根据获取的票价预测历史数据对票价搜索请求进行票价预测,得到票价预测数据并将其反馈给目标用户作为购票依据,提高用户的体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种处理票价搜索的方法的流程图;
图2为本发明实施例提供的展示票价预测数据的示意图;
图3为本发明实施例提供的构建数据库的流程图;
图4为本发明实施例提供的一种处理票价搜索的***的结构框图;
图5为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本申请中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
由背景技术可知,目前用户在通过互联网查询机票价格时,仅能查询得到当天所能购买的机票价格,但是机票价格会随着购买时期的变化而波动,用户无法获悉更详细的机票价格波动信息,使用户无法确定最佳的购票时机,用户体验较差。
因此,本发明实施例提供一种处理票价搜索的方法及***,在数据库中预先获取大量的票价预测历史数据,当用户发送票价搜索请求时,从数据库中获取与该票价搜索请求对应的票价预测历史数据,并根据获取的票价预测历史数据对票价搜索请求进行票价预测,得到票价预测数据并将其反馈给目标用户作为购票依据,以提高用户的体验。
参见图1,示出了本发明实施例提供的一种处理票价搜索的方法的流程图,该方法包括:
步骤S101:获取目标用户发送的票价搜索请求。
需要说明的是,票价搜索请求至少包含:始发地、目的地、行程出发时间(也称为行程出发日期)和行程类型,行程类型指示该目标用户的行程为单程行程(通常以OW表示)或往返程行程(通常以RT表示)。
进一步需要说明的是,当行程类型为单程行程时,行程出发时间即表示去程出发时间,而当行程类型为往返程行程时,行程出发时间包括了去程出发时间和回程出发时间。
可以理解的是,票价搜索请求中通常还包括了:该票价搜索请求所对应的搜索时间和用于指示是否直飞的指定特征,该搜索时间即为目标用户搜索机票的当前时间,比如目标用户在2021年3月2日搜索机票价格,2021年3月2日即为搜索时间。
在具体实现步骤S101的过程中,获取目标用户发送的票价搜索请求,并从票价搜索请求中获取相应的始发地、目的地、行程出发时间、行程类型、搜索时间和用于指示是否直飞的指定特征等信息。
步骤S102:根据票价搜索请求所包含的始发地、目的地、行程出发时间和行程类型,构建第一key。
在具体实现步骤S102的过程中,根据票价搜索请求所包含的始发地、目的地、行程出发时间和行程类型,构建第一key,第一key的内容为[行程类型/出发地/目的地/行程出发时间]。
可以理解的是,由上述步骤S101的内容可知,票价搜索请求中还包含了用于指示是否直飞的指定特征,因此在构建第一key的时候,通常会将该用于指示是否直飞的指定特征添加至第一key中,故第一key的实际内容为[行程类型/是否直飞/出发地/目的地/行程出发时间],但是在从数据库中查询与第一key对应的第二key时,仅需要利用第一key中的行程类型、出发地、目的地和行程出发时间进行查询即可,关于数据库中的内容详见以下步骤中的内容。
比如:目标用户需查询2020年4月13日北京飞往悉尼的直飞航班,行程类型为单程行程,第一key的内容为[OW/Y/BJS/SYD/20200413/],其中,OW表示单程行程,Y表示直飞,BJS表示北京,SYD表示悉尼,20200413表示行程出发时间,由于该行程类型为单程行程,故“20200413”之后的内容为空。
步骤S103:从预设的数据库所包含的所有第二key中,确定与第一key对应的第二key作为目标key,并从数据库中获取与目标key对应的value作为目标value。
需要说明的是,预先收集预设历史时间段内的历史票价搜索请求,比如:收集近半年的历史票价搜索请求,在收集历史票价搜索请求的同时,获取历史票价搜索请求的搜索时间对应的请求结果中的最低机票价格。
可以理解的是,用户在某搜索时间搜索机票价格时(即用户发送相应的票价搜索请求时),会在请求结果(票价搜索请求对应的机票搜索反馈结果)中携带搜索时间对应的最低机票价格(也就是当前日期搜索得到的最低机票价格),最低机票价格为与票价搜索请求的行程出发时间对应的最低机票价格,比如:用户在2020年4月1日搜索2020年5月1日xx飞往xx的机票,请求结果中会携带在2020年4月1日搜索得到的出发日期为2020年5月1日xx飞往xx的最低机票价格。
利用收集得到的历史票价搜索请求,构建数据库中的第二key,并对历史票价搜索请求进行票价预测得到对应的票价预测历史数据,至少利用该票价预测历史数据构建第二key的value。
票价预测历史数据即为:预测历史票价搜索请求的搜索时间的未来预设时间段内每天的最低预测机票价格,比如:某历史票价搜索请求的搜索时间为2019年12月30日,历史票价搜索请求为搜索2020年2月3日xx飞往xx的机票,该历史票价搜索请求的票价预测历史数据为:2019年12月31日至2020年1月6日内出发时间为2020年2月3日xx飞往xx的每天的最低预测机票价格。
也就是说,数据库包含多个第二key和对应的value,第二key根据预设历史时间段内的历史票价搜索请求构建得到,第二key的value至少由票价预测历史数据构建得到,票价预测历史数据由对第二key对应的历史票价搜索请求进行票价预测得到,具体可通过预设的预测算法或预先训练好的票价预测模型进行预测。
可以理解的是,数据库中的每一第二key至少由始发地、目的地、行程出发时间、行程类型和用于指示是否直飞的指定特征构成。
在具体实现步骤S103的过程中,从预设的数据库所包含的所有第二key中,确定与第一key具有相同始发地、相同目的地、相同行程出发时间和相同行程类型的第二key作为目标key。从数据库中,查询与第一key具有相同始发地、相同目的地、相同行程出发时间和相同行程类型的第二key的value,将其作为目标key对应的目标value,也就是查询与目标key对应的value作为目标value。
需要说明的是,由上述内容可知,第二key还包含用于指示是否直飞的指定特征(其中Y表示直飞,N用于表示中转航班),也就是说,仅以第一key的始发地、目的地、行程出发时间和行程类型从数据库中查询相应的第二key,可能查询到多个第二key,即查询得到的多个第二key虽然与第一key具有相同始发地、相同目的地、相同行程出发时间和相同行程类型,但查询得到的多个第二key中,有些第二key的指定特征为Y(直飞),有些第二key的指定特征为N(中转航班),此时,将前述查询得到的所有第二key均作为目标key。
换而言之,只要与第一key具有相同始发地、相同目的地、相同行程出发时间和相同行程类型的第二key,无论指定特征为直飞还是中转航班,均将其作为目标key。
步骤S104:根据目标value对应的票价预测历史数据,对票价搜索请求进行票价预测,得到票价预测数据并将其反馈给目标用户。
在具体实现步骤S104的过程中,获取目标value(一个及以上)对应的票价预测历史数据,将目标value的票价预测历史数据作为依据,结合预先训练得到的票价预测模型,对目标用户的票价搜索请求进行票价预测,得到票价预测数据并将其反馈给该目标用户。
同理,也可将目标value的票价预测历史数据作为依据,结合相应的预测算法,对目标用户的票价搜索请求进行票价预测得到票价预测数据。
可以理解的是,目标用户的票价搜索请求对应的票价预测数据至少包括:距该票价搜索请求对应的搜索时间未来预设时间段内,每天的最低预测机票价格(行程出发时间对应的最低预测机票价格)和预测准确度,比如:距票价搜索请求对应的搜索时间未来7天内,每天的最低预测机票价格和预测准确度(也称为信心指数)。
也就是说,目标用户的票价搜索请求对应的票价预测数据的具体内容至少为:[未来第1天的最低预测机票价格/未来第2天的最低预测机票价格/…/未来第n天的最低预测机票价格/信心指数]。
将所得到的票价预测数据反馈给目标用户,在前端显示该票价预测数据,使目标用户能直观的了解到自身想要关注的机票的价格波动情况。
具体将票价预测数据反馈给目标用户的方式为:利用未来预设时间段内每天的最低预测机票价格,生成最低预测机票价格走势图,将最低预测机票价格走势图和预测准确度反馈给目标用户。
需要说明的是,将未来预设时间段内每天的最低预测机票价格生成相应的走势图,能够使目标用户更加直观的了解到机票的价格波动情况,同理,也可采用其它方式(比如表格)将票价预测数据展示给用户,在此对于票价预测数据的展示方式不做具体限定。
可以理解的是,在将票价预测数据展示给目标用户的同时,也可以将更多的信息展示给该目标用户,比如:将距票价搜索请求的搜索时间近一个月(仅用于举例)和近两个月(仅用于举例)内的最低机票价格展示给目标用户,同时,也可将票价搜索请求中的行程类型、始发地和目的地等信息同时展示给目标用户,也可将票价搜索请求的搜索时间当天的最低机票价格展示给目标用户,在此对于需要向目标用户展示的信息的种类不做具体限定。
为更好解释说明如何将票价预测数据和其它信息展示给目标用户,通过图2示出的展示票价预测数据的示意图进行举例说明,图2仅用于举例。
需要说明的是,假设目标用户在2021年2月13日(搜索时间)搜索出发时间为2021年5月1日由北京飞往悉尼的机票价格,经过上述步骤S101至步骤S104的相关处理后,得到相应的票价预测数据,该票价预测数据包括:20201年2月14日至2021年2月20日内,出发时间为2021年5月1日由北京飞往悉尼的每天的最低预测机票价格。
将2021年2月13日搜索得到的出发时间为2021年5月1日由北京飞往悉尼的最低机票价格,结合票价预测数据,生成最低预测机票价格走势图。
如图2示出的内容,该最低预测机票价格走势图包括:2021年2月13日当天搜索得到的最低机票价格(3681元),以及20201年2月14日至2021年2月20日内每天的最低预测机票价格(分别为2345元、3654元、2480元、3654元、2654元、2654元和1838元),同时,也分别展示了始发地和目的地(图2中的BJS-SYD)、行程类型(图2中的OW)、用于指示是否直飞的指定特征(图2中的Y)、预测生成日期(图2中的xxx)、信心指数(图2中的66.24%)、两个月内的最低机票价格(图2中的1228元),以及一个月内的最低机票价格(图2中的1228元)。
通过上述图2示出的最低预测机票价格走势图,目标用户可以直观了解到,在2021年2月20日能够买到出发时间为2021年5月1日由北京飞往悉尼的最低机票价格,在2021年2月20日处进行特殊标记,比如:在图2的最低预测机票价格走势图的折线上,将与2021年2月20日处对应的圆圈指示符号进行放大并加粗,从而起到向目标用户推荐在2021年2月20日购票较为合适的作用。
需要说明的是,对于目标用户发送的票价搜索请求,均会进行记录和存储,并根据未来预设时间段内每天的实际最低机票价格,对上述得到的票价预测数据进行校验,验证票价预测数据是否正确,并依据验证结果来对信心指数进行重新计算。
在本发明实施例中,根据目标用户发送的票价搜索请求构建第一key,从预先设置的数据库中查询与第一key对应的第二key作为目标key,并从数据库中获取与目标key对应的value作为目标value,根据目标value对应的票价预测历史数据,对票价搜索请求进行票价预测,得到票价预测数据并将其反馈给目标用户作为购票依据,提高用户的体验。
上述本发明实施例步骤S103中涉及的构建数据库的过程,参见图3,示出了本发明实施例提供的构建数据库的流程图,包括以下步骤:
步骤S301:获取预设历史时间段内的多个历史票价搜索请求。
需要说明的,对于民航领域,每天会产生数千万条搜索机票的相关数据,记录前述相关数据并以此作为本发明实施例中进行票价预测的依据,相关数据包括但不仅限于:始发地、目的地、执飞航司、出发日期、起飞时间、到达时间、中转停留时间、查询时间、不同舱位的机票价格、机票税费、不同舱位的余票数和航班执飞机型等数据。
可以理解的是,历史票价搜索请求至少包含:始发地、目的地、行程出发时间、行程类型、用于指示是否直飞的指定特征和搜索时间。
在具体实现步骤S301的过程中,获取预设历史时间段内的多个历史票价搜索请求,并获取每个历史票价搜索请求中的始发地、目的地、行程出发时间、行程类型、用于指示是否直飞的指定特征和搜索时间。
优选的,统计历史票价搜索请求的总个数,在需进行分类统计(比如按用户搜索的城市进行分类统计)时,可通过统计得到的总个数辅助分类统计。
步骤S302:针对每一历史票价搜索请求,利用历史票价搜索请求构建对应的初始key,并利用历史票价搜索请求对应的请求结果中的最低机票价格,构建初始key的初始value。
在具体实现步骤S302的过程中,针对每一历史票价搜索请求,利用该历史票价搜索请求中的行程类型、始发地、目的地、行程出发时间和搜索时间,构建该历史票价搜索请求对应的初始key,即该初始key的内容为:[行程类型/始发地/目的地/行程出发时间/搜索时间],该历史票价搜索请求的请求结果中的最低机票价格为初始key对应的初始value。
也就是说,每个历史票价搜索请求可构建一对键值对(初始key-初始value)。
比如:对于某个历史票价搜索请求,假设该历史票价搜索请求用于搜索北京飞往上海的机票价格,如果该历史票价搜索请求的行程类型为单程行程,则对应的初始key为:[OW/BJS/SHA/20200401/20200201],与其对应的初始value为在2020年2月1日搜索得到的最低机票价格,行程出发时间为2020年4月1日;如果该历史票价搜索请求的行程类型为往返程行程,则对应的初始key为:[RT/BJS/SHA/20200401/20200408/20200201],与其对应的初始value为在2020年2月1日搜索得到的最低机票价格,第一次行程出发时间为2020年4月1日,第二次行程出发时间为2020年4月8日(相当于返程)。
需要说明的是,在确定初始key和初始value的过程中,可能会出现历史票价搜索请求的最低机票价格缺失的情况,出现此情况时,将最低机票价格缺失的历史票价搜索请求重新进行票价搜索,将搜索结果生成的最低价格补充为相应的最低机票价格。
步骤S303:根据所有初始value,对所有初始key进行降序排列。
需要说明的,可能出现相同的历史票价搜索请求,故,由该历史票价搜索请求构建的初始key会存在多个对应的初始value。在具体实现步骤S303的过程中,针对每一个初始key,从所有初始value中,统计与该初始key对应的初始value的条数。以此方式,统计每一个初始key对应的初始value的条数。
按照每一个初始key对应的初始value的条数,对所有初始key进行降序排列,比如表1示出的内容。
表1:
初始key | 对应的初始value的条数 |
OW/BJS/HKG/20200401/20200201 | 1200 |
OW/SHA/TYO/20200401/20200201 | 1100 |
OW/CAN/LON/20200401/20200201 | 900 |
OW/BJS/SEL/20200401/20200201 | 600 |
需要说明的是,上述表1仅用于举例。
可以理解的是,在对所有初始key进行降序排列后,可计算排序后的每个初始key的流行度值(即搜索频度),流行度值的计算方式为:流行度值=待计算的初始key的初始value条数/排序序号为1的初始key的初始value条数,其中,排序序号为1的初始key即为降序排序后初始value条数最多的初始key。
优选的,可对排序后的初始key进行数据优化,具体的优化过程为:计算排序后的每个初始key对应的总初始value条数,根据每个初始key对应的总初始value条数,计算每个初始key的初始value条数的数据占比,仅保留前面预设占比(比如选择前面占比90%)的初始key对应的相关数据。
每个初始key对应的总初始value条数=自身对应的初始value条数+上一排序序号的初始key对应的总初始value条数,比如:第m个初始key对应的总初始value条数=第m个初始key对应的初始value条数+第(m-1)个初始key对应的总初始value条数,其中,第0个初始key对应的总初始value条数为0。
每个初始key的初始value条数的数据占比=自身对应的总初始value条数/最后一个初始key的对应的总初始value条数,比如:假设降序排序后总共有s个初始key,则第m(此时m小于等于s)个初始key的初始value条数的数据占比=第m个初始key对应的总初始value条数/第s个初始key对应的总初始value条数。
为更好解释说明上述关于流行度值、总初始value条数和数据占比的内容,通过表2示出的内容进行举例说明,表2仅用于举例。
表2:
步骤S304:针对降序排列后的每一初始key,利用初始key对应的历史票价搜索请求,构建相应的第二key。
在具体实现步骤S304的过程中,在对初始key进行降序排列后,对于降序排列后的每一初始key,利用该初始key对应的历史票价搜索请求中的始发地、目的地、行程出发时间、行程类型和用于指示是否直飞的指定特征,构建相应的第二key,该第二key的内容为:[行程类型/指定特征/始发地/目的地/行程出发时间]。
通过以上方式,构建多个第二key。
步骤S305:针对每一第二key,对第二key对应的历史票价搜索请求进行票价预测,利用进行票价预测得到的票价预测历史数据构建第二key的value。
在具体实现步骤S305的过程中,对于每一第二key,对该第二key对应的历史票价搜索请求进行票价预测,得到票价预测历史数据,将该票价预测历史数据作为该第二key的value,该第二key的value的具体内容为:[未来第1天的最低预测机票价格/未来第2天的最低预测机票价格/…/未来第n天的最低预测机票价格/信心指数]。
优选的,也可将历史票价搜索请求的近期一段时间(比如过去1个月内和过去2个月内)的最低机票价格添加至第二key的value中,此时第二key的value的具体内容为:[未来第1天的最低预测机票价格/未来第2天的最低预测机票价格/…/未来第n天的最低预测机票价格/信心指数/过去1个月内的最低机票价格/过去2个月内的最低机票价格]。
通过以上方式,确定每个第二key的value。
步骤S306:将每一第二key和对应的value存储至数据库中。
在具体实现步骤S306的过程中,将第二key和对应的value在数据库中构建诸如(第二key,value)的索引,并将所构建的索引存储至数据库中。
比如:假设最多预测7(即上述value中的n=7)天的最低预测机票价格,某个索引为:第二key为[OW/Y/BJS/SYD/20200401/],对应的value为[3681/2345/3654/2480/3654/2654/2654/1838/0.6624/1228/1228]。
也就是说,该数据库中每一第二key对应的value即为经过数据处理得到的票价预测历史数据。
在本发明实施例中,在数据库中预先获取大量的票价预测历史数据,当用户发送票价搜索请求时,从数据库中获取与该票价搜索请求对应的票价预测历史数据,并根据获取的票价预测历史数据对票价搜索请求进行票价预测,得到票价预测数据并将其反馈给目标用户作为购票依据,提高用户的体验。
与上述本发明实施例提供的一种处理票价搜索的方法相对应,参见图4,本发明实施例还提供了一种处理票价搜索的***的结构框图,该***包括:获取单元401、构建单元402、处理单元403和预测单元404;
获取单元401,用于获取目标用户发送的票价搜索请求,票价搜索请求至少包含:始发地、目的地、行程出发时间和行程类型。
构建单元402,用于根据票价搜索请求所包含的始发地、目的地、行程出发时间和行程类型,构建第一key。
处理单元403,用于从预设的数据库所包含的所有第二key中,确定与第一key对应的第二key作为目标key,并从数据库中获取与目标key对应的value作为目标value,其中,数据库包含多个第二key和对应的value,第二key根据预设历史时间段内的历史票价搜索请求构建得到,第二key的value至少由票价预测历史数据构建得到,票价预测历史数据由对第二key对应的历史票价搜索请求进行票价预测得到。
在具体实现中,处理单元403具体用于:从预设的数据库所包含的所有第二key中,确定与第一key具有相同始发地、相同目的地、相同行程出发时间和相同行程类型的第二key作为目标key,从数据库中,查询与第一key具有相同始发地、相同目的地、相同行程出发时间和相同行程类型的第二key的value,将其作为目标key对应的目标value。
预测单元404,用于根据目标value对应的票价预测历史数据,对票价搜索请求进行票价预测,得到票价预测数据并将其反馈给所述目标用户。
在具体实现中,票价预测数据至少包括:距票价搜索请求对应的搜索时间未来预设时间段内,每天的最低预测机票价格和预测准确度,用于将票价预测数据反馈给目标用户的预测单元404,具体用于:利用未来预设时间段内每天的最低预测机票价格,生成最低预测机票价格走势图,将最低预测机票价格走势图和预测准确度反馈给目标用户。
在另一具体实现中,预测单元404具体用于:根据目标value对应的票价预测历史数据,并结合预先训练得到的票价预测模型,对票价搜索请求进行票价预测,得到票价预测数据并将其反馈给目标用户。
在本发明实施例中,根据目标用户发送的票价搜索请求构建第一key,从预先设置的数据库中查询与第一key对应的第二key作为目标key,并从数据库中获取与目标key对应的value作为目标value,根据目标value对应的票价预测历史数据,对票价搜索请求进行票价预测,得到票价预测数据并将其反馈给目标用户作为购票依据,提高用户的体验。
优选的,结合图3示出的内容,用于构建数据库包含的第二key和对应的value的处理单元403包括:获取模块、第一构建模块、排序模块、第二构建模块、预测模块和存储模块,各个模块的执行原理如下:
获取模块,用于获取预设历史时间段内的多个历史票价搜索请求,历史票价搜索请求至少包含:始发地、目的地、行程出发时间、行程类型、用于指示是否直飞的指定特征和搜索时间。
第一构建模块,用于针对每一历史票价搜索请求,利用历史票价搜索请求构建对应的初始key,并利用历史票价搜索请求对应的请求结果中的最低机票价格,构建初始key的初始value。
排序模块,用于根据所有初始value,对所有初始key进行降序排列。
第二构建模块,用于针对降序排列后的每一初始key,利用初始key对应的历史票价搜索请求,构建相应的第二key。
预测模块,用于针对每一第二key,对第二key对应的历史票价搜索请求进行票价预测,利用进行票价预测得到的票价预测历史数据构建第二key的value。
存储模块,用于将每一第二key和对应的value存储至数据库中。
在本发明实施例中,在数据库中预先获取大量的票价预测历史数据,当用户发送票价搜索请求时,从数据库中获取与该票价搜索请求对应的票价预测历史数据,并根据获取的票价预测历史数据对票价搜索请求进行票价预测,得到票价预测数据并将其反馈给目标用户作为购票依据,提高用户的体验。
本发明实施例还提供一种电子设备,该电子设备包括:处理器以及存储器,处理器以及存储器通过通信总线相连;其中,处理器,用于调用并执行存储器中存储的程序;存储器,用于存储程序,该程序用于实现处理票价搜索的方法。
下面参考图5,其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示,电子设备可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置506加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备操作所需的各种程序和数据。处理装置501、ROM 502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开实施例的方法中限定的上述功能。
更进一步的,本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机可执行指令,计算机可执行指令用于执行处理票价搜索的方法。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取目标用户发送的票价搜索请求;根据票价搜索请求所包含的始发地、目的地、行程出发时间和行程类型,构建第一key;从预设的数据库所包含的所有第二key中,确定与第一key对应的第二key作为目标key,并从数据库中获取与目标key对应的value作为目标value;根据目标value对应的票价预测历史数据,对票价搜索请求进行票价预测,得到票价预测数据并将其反馈给目标用户。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***或***实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的***及***实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种处理票价搜索的方法,其特征在于,所述方法包括:
获取目标用户发送的票价搜索请求,所述票价搜索请求至少包含:始发地、目的地、行程出发时间和行程类型;
根据所述票价搜索请求所包含的始发地、目的地、行程出发时间和行程类型,构建第一key;
从预设的数据库所包含的所有第二key中,确定与所述第一key对应的第二key作为目标key,并从所述数据库中获取与所述目标key对应的value作为目标value,其中,所述数据库包含多个第二key和对应的value,所述第二key根据预设历史时间段内的历史票价搜索请求构建得到,所述第二key的value至少由票价预测历史数据构建得到,所述票价预测历史数据由对所述第二key对应的历史票价搜索请求进行票价预测得到;
根据所述目标value对应的票价预测历史数据,对所述票价搜索请求进行票价预测,得到票价预测数据并将其反馈给所述目标用户。
2.根据权利要求1所述的方法,其特征在于,构建所述数据库包含的第二key和对应的value的过程,包括:
获取预设历史时间段内的多个历史票价搜索请求,所述历史票价搜索请求至少包含:始发地、目的地、行程出发时间、行程类型、用于指示是否直飞的指定特征和搜索时间;
针对每一历史票价搜索请求,利用所述历史票价搜索请求构建对应的初始key,并利用所述历史票价搜索请求对应的请求结果中的最低机票价格,构建所述初始key的初始value;
根据所有所述初始value,对所有所述初始key进行降序排列;
针对降序排列后的每一初始key,利用所述初始key对应的历史票价搜索请求,构建相应的第二key;
针对每一第二key,对所述第二key对应的历史票价搜索请求进行票价预测,利用进行票价预测得到的票价预测历史数据构建所述第二key的value;
将每一所述第二key和对应的value存储至数据库中。
3.根据权利要求1所述的方法,其特征在于,所述从预设的数据库所包含的所有第二key中,确定与所述第一key对应的第二key作为目标key,并从所述数据库中获取与所述目标key对应的value作为目标value,包括:
从预设的数据库所包含的所有第二key中,确定与所述第一key具有相同始发地、相同目的地、相同行程出发时间和相同行程类型的第二key作为目标key;
从所述数据库中,查询与所述第一key具有相同始发地、相同目的地、相同行程出发时间和相同行程类型的第二key的value,将其作为所述目标key对应的目标value。
4.根据权利要求1所述的方法,其特征在于,所述票价预测数据至少包括:距所述票价搜索请求对应的搜索时间未来预设时间段内,每天的最低预测机票价格和预测准确度。
5.根据权利要求4所述的方法,其特征在于,将所述票价预测数据反馈给所述目标用户的过程,包括:
利用所述未来预设时间段内每天的最低预测机票价格,生成最低预测机票价格走势图;
将所述最低预测机票价格走势图和所述预测准确度反馈给所述目标用户。
6.根据权利要求1所述的方法,其特征在于,所述根据所述目标value对应的票价预测历史数据,对所述票价搜索请求进行票价预测,得到票价预测数据并将其反馈给所述目标用户,包括:
根据所述目标value对应的票价预测历史数据,并结合预先训练得到的票价预测模型,对所述票价搜索请求进行票价预测,得到票价预测数据并将其反馈给所述目标用户。
7.一种处理票价搜索的***,其特征在于,所述***包括:
获取单元,用于获取目标用户发送的票价搜索请求,所述票价搜索请求至少包含:始发地、目的地、行程出发时间和行程类型;
构建单元,用于根据所述票价搜索请求所包含的始发地、目的地、行程出发时间和行程类型,构建第一key;
处理单元,用于从预设的数据库所包含的所有第二key中,确定与所述第一key对应的第二key作为目标key,并从所述数据库中获取与所述目标key对应的value作为目标value,其中,所述数据库包含多个第二key和对应的value,所述第二key根据预设历史时间段内的历史票价搜索请求构建得到,所述第二key的value至少由票价预测历史数据构建得到,所述票价预测历史数据由对所述第二key对应的历史票价搜索请求进行票价预测得到;
预测单元,用于根据所述目标value对应的票价预测历史数据,对所述票价搜索请求进行票价预测,得到票价预测数据并将其反馈给所述目标用户。
8.根据权利要求7所述的***,其特征在于,用于构建所述数据库包含的第二key和对应的value的所述处理单元,包括:
获取模块,用于获取预设历史时间段内的多个历史票价搜索请求,所述历史票价搜索请求至少包含:始发地、目的地、行程出发时间、行程类型、用于指示是否直飞的指定特征和搜索时间;
第一构建模块,用于针对每一历史票价搜索请求,利用所述历史票价搜索请求构建对应的初始key,并利用所述历史票价搜索请求对应的请求结果中的最低机票价格,构建所述初始key的初始value;
排序模块,用于根据所有所述初始value,对所有所述初始key进行降序排列;
第二构建模块,用于针对降序排列后的每一初始key,利用所述初始key对应的历史票价搜索请求,构建相应的第二key;
预测模块,用于针对每一第二key,对所述第二key对应的历史票价搜索请求进行票价预测,利用进行票价预测得到的票价预测历史数据构建所述第二key的value;
存储模块,用于将每一所述第二key和对应的value存储至数据库中。
9.一种电子设备,其特征在于,包括:处理器以及存储器,所述处理器以及存储器通过通信总线相连;其中,所述处理器,用于调用并执行所述存储器中存储的程序;所述存储器,用于存储程序,所述程序用于实现如权利要求1-6任意一所述的处理票价搜索的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机可执行指令,所述计算机可执行指令用于执行权利要求1-6任意一所述的处理票价搜索的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110608656.1A CN113312399B (zh) | 2021-06-01 | 2021-06-01 | 一种处理票价搜索的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110608656.1A CN113312399B (zh) | 2021-06-01 | 2021-06-01 | 一种处理票价搜索的方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113312399A true CN113312399A (zh) | 2021-08-27 |
CN113312399B CN113312399B (zh) | 2023-12-19 |
Family
ID=77376801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110608656.1A Active CN113312399B (zh) | 2021-06-01 | 2021-06-01 | 一种处理票价搜索的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113312399B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113643076A (zh) * | 2021-10-13 | 2021-11-12 | 中航信移动科技有限公司 | 机票价格预测方法、装置、计算机设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019079568A (ja) * | 2019-01-24 | 2019-05-23 | スカイスキャナー リミテッドSkyscanner Ltd | 見積もり価格、たとえば航空運賃価格見積もりの組を提供するための方法及びサーバ |
CN109947823A (zh) * | 2019-03-20 | 2019-06-28 | 深圳市活力天汇科技股份有限公司 | 一种国内机票价格预测方法 |
CN110766227A (zh) * | 2019-10-24 | 2020-02-07 | 沈阳民航东北凯亚有限公司 | 一种票价预测方法及装置 |
CN112699153A (zh) * | 2021-01-14 | 2021-04-23 | 上海交通大学 | 机票查询中的缓存存活时间设置与协同更新方法和*** |
-
2021
- 2021-06-01 CN CN202110608656.1A patent/CN113312399B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019079568A (ja) * | 2019-01-24 | 2019-05-23 | スカイスキャナー リミテッドSkyscanner Ltd | 見積もり価格、たとえば航空運賃価格見積もりの組を提供するための方法及びサーバ |
CN109947823A (zh) * | 2019-03-20 | 2019-06-28 | 深圳市活力天汇科技股份有限公司 | 一种国内机票价格预测方法 |
CN110766227A (zh) * | 2019-10-24 | 2020-02-07 | 沈阳民航东北凯亚有限公司 | 一种票价预测方法及装置 |
CN112699153A (zh) * | 2021-01-14 | 2021-04-23 | 上海交通大学 | 机票查询中的缓存存活时间设置与协同更新方法和*** |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113643076A (zh) * | 2021-10-13 | 2021-11-12 | 中航信移动科技有限公司 | 机票价格预测方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113312399B (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2019101806A4 (en) | Methods and systems for providing information for an on-demand service | |
RU2658164C2 (ru) | Способ (варианты) и устройство (варианты) обработки информации, терминал и сервер | |
CN114930369A (zh) | 具有不同费率类别的旅行服务 | |
WO2016124118A1 (zh) | 一种订单处理方法与*** | |
CN106919996A (zh) | 一种目的地预测方法及装置 | |
JP2016085734A (ja) | 輸送サービス予約方法、輸送サービス予約装置、及び輸送サービス予約プログラム | |
JP5560026B2 (ja) | 地図表示装置、地図表示方法及び地図表示プログラム | |
CN110249357B (zh) | 用于数据更新的***和方法 | |
TW201901185A (zh) | 用於確定預估到達時間的系統和方法 | |
US20210174270A1 (en) | Rideshare vehicle demand forecasting device, method for forecasting rideshare vehicle demand, and storage medium | |
US11493352B2 (en) | Information processing system | |
CN111831897A (zh) | 一种出行目的地推荐方法、装置、电子设备及存储介质 | |
CN113050856B (zh) | 交互方法、交互装置、存储介质和电子设备 | |
JP2020159749A (ja) | 情報管理システム、情報管理方法、および情報管理装置 | |
JP7520429B2 (ja) | プログラム及び情報処理装置 | |
KR101659603B1 (ko) | 사용자 구매 패턴에 따른 항공료 최적화 산출/결제 시스템과 그 방법 | |
CN112579910A (zh) | 信息处理方法、信息处理装置、存储介质和电子设备 | |
CN113312399B (zh) | 一种处理票价搜索的方法及*** | |
WO2020123062A1 (en) | Hierarchical generation of booking probability | |
CN110457607A (zh) | 一种部分行程信息推荐方法、装置、介质和电子设备 | |
CN116757731B (zh) | 航班季节因子的预测方法、装置、电子设备和存储介质 | |
JP2014190952A (ja) | ナビゲーションシステム、ナビゲーション方法、及びナビゲーションプログラム | |
CN110852665A (zh) | 信息处理装置以及信息处理方法、非临时性的存储介质 | |
CN111242711A (zh) | 信息提示方法、装置、电子设备和存储介质 | |
EP2811450A1 (en) | Flight-plan generating apparatus |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |