Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.ufc.br/handle/riufc/72328
Tipo: | TCC |
Título : | Optimization of a flight recommendation system |
Título en inglés: | Optimization of a flight recommendation system |
Autor : | Soares, Nicolas de Freitas |
Tutor: | Nogueira, Fabrício Gonzalez |
Co-asesor: | Macedo, José Antônio |
Palabras clave : | Reservas;Recomendações;Motor de busca;Subconjunto;Value search |
Fecha de publicación : | 2022 |
Citación : | SOARES, Nicolas de Freitas. Optimization of a flight recommendation system. 2022. 51 f. TCC (Graduação em Engenharia Elétrica) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2022. |
Resumen en portugués brasileño: | Quando um Site de Viagens solicita recomendações de um trajeto entre dois pontos em uma determinada data, há potencialmente milhares de itinerários possíveis. Apenas retornar os 100 voos mais baratos não é a resposta mais relevante: as pessoas também fazem suas escolhas em função da sua conveniência (Ex.: Quanto tempo? Quantas conexões? Qual é a hora de partida?). O problema aqui mencionado não é selecionar o melhor voo, mas um subconjunto de voos que tenha uma elevada probabilidade de conter o voo selecionado. Motores de busca e sistemas de recomendação já são implementados no mercado, como Netflix, Google, Amazon etc. Por conseguinte, o desafio é aplicar esta abordagem à indústria de viagens. O grupo de engenharia de produtos Search, Shopping & Pricing (SSP) trabalha como principal órgão para o sistema de Distribuição da Amadeus, bem como o negócio de e-commerce de TI das companhias aéreas e os novos negócios, desde inteligência de viagens a TI em ferrovias. É responsável pelos produtos de Pesquisa e Compras de Viagens, que alimentam atualmente um vasto número de websites de companhias aéreas e agências de viagens. Com base em um vasto histórico de reservas de voo, o objetivo do presente trabalho é analisar criticamente um dos principais produtos da SSP visando melhorar os seus algoritmos e otimizar o motor de busca da Amadeus, a fim de melhor retornar recomendações de viagem. A metodologia utilizada não é apenas para classificar as recomendações, mas também para encontrar o subconjunto de recomendações mais susceptível de contribuir a uma reserva. O trabalho introduz o conceito de um motor de busca (value search) e mostra como este sistema se baseia na probabilidade de reservas. Depois, ajustam-se alguns dos seus parâmetros, executam-se diferentes combinações, compara-se os seus resultados e escolhe-se o mais eficaz. Ao final, são obtidos resultados consideráveis que mostram o crescimento da performance do algoritmo, tornando os conceitos de seleção de subconjuntos simples e compreensíveis de implementar em um sistema de recomendação. |
Abstract: | When a Travel Website requests for travel recommendations to go from A to B on a given date, there are potentially thousands of possible itineraries. Simply returning the 100 most unexpensive flights is not the most relevant answer: people also make their choice based on their convenience (E.g., How long? How many connections? What is the departure time?). The problem herein is not to select the best flight, but an optimal subset that has a high probability of containing that flight. Search engines and recommendation systems are already implemented in the market e.g., Netflix, Google, Amazon, etc. Therefore, a challenge is to apply this approach to the travel industry. The Search, Shopping & Pricing (SSP) product engineering group serves the core Distribution business of Amadeus as well as Airline IT e-commerce business and the Rail IT and Travel Intelligence new businesses. It is responsible for the travel Search and Shopping products, which power today a vast number of airline and travel agency websites. Based on past bookings, the main goal of the work presented in this final paper is to critically analyze one of SSP’s core products with the aim of enhancing their algorithms and optimizing Amadeus’ search engine to better return travel recommendations. The used methodology is not just to rank the recommendations, but to find the subset of recommendations that is the most likely to lead to a booking. It is introduced the concept of a value search engine and show how this system is based on reservation probability. Then, it is adjusted some of its computing parameters, run different combinations, compared their results, and selected the most effective. At the end of the paper, I aim to obtain considerable results that show the growth of the algorithm's performance, making the concepts of subset selection simple and understandable to implement in a recommendation system. |
URI : | http://www.repositorio.ufc.br/handle/riufc/72328 |
Aparece en las colecciones: | ENGENHARIA ELÉTRICA - Monografias |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
2022_tcc_nfsoares.pdf | 2,54 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.