卢 敏，贾玉璇

(1.中国民航大学 计算机科学与技术学院，天津 300300；2.中国民用航空局 民航智慧机场理论与系统重点实验室，天津 300300)

0 引 言

现有研究利用机器学习方法来揭示特征之间的潜在关系，建立机票特征模型，忽略每个票价等级的需求。航班的座位数量有限，机票需求会影响价格，其次，不同时间的不同航班，机票需求差异较大。为解决上述问题，本文提出一种机票价格预测的多任务学习模型，其关键思想是引入机票需求预测作为辅助任务，利用辅助任务预测每个票价等级购买的机票数量，机票需求特征表示时间序列在日、周、半月和月内的需求特征，并且通过一维卷积网络中不同尺度的卷积核和卷积步长来学习，最后通过共享多尺度需求特征联合训练两个相关任务，提高模型的泛化能力。本文的主要贡献是：①提出一种多任务学习方法，提高机票价格预测的性能；②设计卷积网络，学习不同层次的需求特征；③由于缺乏公开的数据集，现有的方法从在线旅游预订网站抓取数千万条记录进行实验，较之基准算法，该模型在准确率和F1分数方面提高将近6%，准确率达到51.02%。

1 相关研究

机票的动态定价规则是由航空公司保密的，传统的机票价格预测，通过历史销售情况预测未来价格。随着机器学习的发展，多数研究采用机器学习方法训练机票价格预测模型，输出机票的票价等级。由于机票定价的复杂性，机票的价格受到多种影响因素，机票价格预测具有挑战性。……