检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

4 篇 学位论文

馆藏范围

4 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

4 篇 管理学
- 4 篇 管理科学与工程(可...
- 4 篇 工商管理
2 篇 经济学
- 2 篇 应用经济学
2 篇 理学
- 2 篇 统计学（可授理学、...

主题

4 篇 酒店订单
2 篇 不平衡数据
1 篇 旅游电子商务
1 篇 java ee程序
1 篇 数据挖掘
1 篇 投诉预测
1 篇 时间序列
1 篇 stacking融合模型
1 篇 android软件
1 篇 预测建模
1 篇 uml建模语言
1 篇 模型融合
1 篇 arima模型
1 篇 机器学习

机构

2 篇 黑龙江大学
1 篇 南京师范大学
1 篇 北京大学

作者

1 篇 陈晶鑫
1 篇 徐槐远
1 篇 袁姝婧
1 篇 赖家材

语言

4 篇 中文

检索条件"主题词=酒店订单"

共 4 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于Java EE的旅游电子商务酒店订单系统的设计与实现

基于Java EE的旅游电子商务酒店订单系统的设计与实现

引用

作者：赖家材北京大学

学位级别：硕士

随着经济发展和人们生活水平的提高,旅游成为人们使用闲暇时间的主要选择之一。旅游业是一种无烟产业,是一项极具发展潜力的产业,已成为全球经济发展势头最强劲、规模最大的产业之一。电信通讯、信息技术和旅游业将成为二十一世纪服务... 详细信息

随着经济发展和人们生活水平的提高,旅游成为人们使用闲暇时间的主要选择之一。旅游业是一种无烟产业,是一项极具发展潜力的产业,已成为全球经济发展势头最强劲、规模最大的产业之一。电信通讯、信息技术和旅游业将成为二十一世纪服务行业中经济发展的原动力,这三者的结合即旅游业信息化将融合为一种更大的驱动力,赋予旅游业以无限的生机和活力,因而开发一个设计良好、功能强大、操作便捷的旅游电子商务平台就成为从事旅游业公司的核心竞争力之一,其中酒店订单系统是核心系统。　　本文针对一家国内的旅行产品交易服务提供商,设计与实现酒店订单系统,该酒店系统包括前后台系统,方便前台客户酒店订单操作和后台管理员进行酒店订单处理,提高公司酒店业务处理工作效率,降低公司运营成本。　　该酒店订单系统为酒店用户提供酒店预订、订单支付、订单修改、订单查询功能,为后台操作人员提供订单调度、订单审核、订单确认、订单支付、订单日夜审、订单结算等功能。本文紧紧围绕着公司对酒店订单系统的实际问题进行分析设计,采用了UML建模语言、Java EE平台及其开源框架。UML作为一种可视化的建模语言,使用易于理解的方式描绘酒店订单系统,便于订单系统用户、开发人员之间交流设计结果。Java EE平台为搭建具有可伸缩性、灵活性、易维护性的企业级系统提供了良好的机制,保证酒店订单系统“高内聚、低耦合”。Java EE开源框架成熟易用,可大大提高开发速度,并且这些开源框架均免费,可大幅度降低开发和维护成本。采用Java EE平台和整合成熟开源框架,采用多层架构设计,利于搭建一个维护性好的酒店订单系统平台。　　本酒店订单系统内部测试完全通过,该系统性能稳定、运行良好、使用便捷,客户能使用web、移动终端登陆系统或者打电话预定酒店。

关键词： Java EE程序 Android软件 UML建模语言酒店订单旅游电子商务

来源：评论

学校读者我要写书评

暂无评论

酒店预定取消订单的数据分析与预测方法研究

酒店预定取消订单的数据分析与预测方法研究

引用

作者：陈晶鑫黑龙江大学

学位级别：硕士

在酒店预订平台中任何一次客户预订的取消都可能对酒店造成直接的经济损失,因为取消预订意味着原本可以销售的客房资源将无法得到充分利用,这对于酒店的收益管理无疑是巨大的挑战。为了有效应对这一挑战,酒店预订平台可以通过对客户数... 详细信息

在酒店预订平台中任何一次客户预订的取消都可能对酒店造成直接的经济损失,因为取消预订意味着原本可以销售的客房资源将无法得到充分利用,这对于酒店的收益管理无疑是巨大的挑战。为了有效应对这一挑战,酒店预订平台可以通过对客户数据进行深入挖掘和分析,更加精准地掌握客户的行为特点和偏好,从而预测客户取消预订的概率,并找出影响客户取消预订的关键因素,为酒店平台的运营决策提供有力支持。本文以某OTA平台2023年3月1日到2023年3月5日为期5天的订单数据为研究对象,将结合不平衡数据处理与主成分分析PCA等数据处理技术,采用Stacking融合将一些基础模型组合成新的预测模型。首先对订单数据的客户特征进行初步描述性分析以及数据预处理包括采用SMOTE进行过采样以及PCA降维处理。其次对整理完的数据分别尝试利用逻辑回归、决策树、随机森林、XGBoost四个基础模型进行训练和预测。基于预测结果,我们再通过Stacking进行不同基模型融合,并且对单模型以及不同组合的融合模型在precision、recall、F1-score、AUC四种性能指标上进行对比分析。对比发现,本文所建立的Stacking融合模型预测效果最好。最后根据随机森林和XGBoost算法的特征重要性排序结果,进行综合性分析找出影响客户取消酒店预订订单的关键因素并提出针对性改善对策。

关键词：酒店订单不平衡数据数据挖掘 Stacking融合模型

来源：评论

学校读者我要写书评

暂无评论

基于时间序列分析的酒店预订数据预测模型

基于时间序列分析的酒店预订数据预测模型

引用

作者：徐槐远黑龙江大学

学位级别：硕士

旅游业被认为是21世纪发展最快的产业之一,它对经济的拉动力不可小觑。其中酒店业对旅游业的重要性不言而喻,酒店管理者都希望能够准确预测旅游需求以达到利益的最大化。本文应用时间序列模型对酒店预订数据进行分析,采用的是某互联网... 详细信息

旅游业被认为是21世纪发展最快的产业之一,它对经济的拉动力不可小觑。其中酒店业对旅游业的重要性不言而喻,酒店管理者都希望能够准确预测旅游需求以达到利益的最大化。本文应用时间序列模型对酒店预订数据进行分析,采用的是某互联网平台酒店预订订单的真实数据,主要将这些数据按日预订时间和入住时间两个维度进行时间序列分析。先比较入住数据和预订数据的时序图和箱线图,然后分别对两者运用ARIMA模型进行建模分析。本文是在对原始数据预处理和简单描述性分析的基础上对数据应用时间序列进行建模与检验。本文对预订房间数进行了预测,为提高预测的效果进行了不同方法的比较。本文应用R软件,完成了不同数据模型的实验。

关键词：时间序列酒店订单预测建模 ARIMA模型

来源：评论

学校读者我要写书评

暂无评论

基于数据挖掘的酒店用户投诉预测模型

基于数据挖掘的酒店用户投诉预测模型

引用

作者：袁姝婧南京师范大学

学位级别：硕士

对于酒店平台而言,在日益递增的竞争压力面前,提升用户体验,发掘用户的真实需求是酒店平台可持续发展的重要一环。在现实场景下,酒店每天都会收到各种方面的投诉,如果可以提前预知该用户是否会投诉,就可以帮助酒店工作人员提高用户服务... 详细信息

对于酒店平台而言,在日益递增的竞争压力面前,提升用户体验,发掘用户的真实需求是酒店平台可持续发展的重要一环。在现实场景下,酒店每天都会收到各种方面的投诉,如果可以提前预知该用户是否会投诉,就可以帮助酒店工作人员提高用户服务满意度,消除客户投诉意愿,以降低客户投诉率,最大限度帮助酒店规避风险。本文主要研究两个问题——用户投诉倾向预测和影响用户投诉变量分析。数据中涉及变量分为两部分,分别为确认订单时所得变量和确认订单后所得变量。数据来自OTA平台的X集团内部关于某种特殊房型订单信息,为了便于研究,本文对变量进行了初步的筛选,最后选取80个变量共199931条数据,其中用户投诉率为0.76%。本文首先针对所有变量进行用户投诉倾向预测。分别采用不采样和四种采样方法下的Logistic回归、随机森林、深度森林和Catboost四种单一分类算法建立模型,以及利用欠采样下的Stacking算法建立模型,并根据各个单一模型的标准化系数或变量重要性进行变量筛选,并分析其重要变量的影响。其中单一模型中欠采样下的深度森林模型的召回率为87.19%,较其他单一模型更优,Stacking模型融合召回率表现效果较单一模型表现更优,召回率为87.42%。接着针对各地区分别建立用户投诉倾向预测模型,并分析各地区影响变量。结果显示西南地区预测模型召回率为90%,高于其他6个地区,华东地区预测模型召回率为80%,低于其他6个地区。为了能够更早地预测有投诉倾向的用户,本文针对截至订单确认时所获取的59个变量信息(编码后)重新建立不采样和四种采样下的随机森林和Catboost两种单一分类模型以及欠采样下的Stacking模型融合。并根据变量重要性进行变量筛选和分析重要变量。其中单一模型中随机森林模型的召回率较高为76.51%,Stacking模型融合召回率表现效果较单一模型表现更优,召回率为77.63%。接着针对各地区分别建立用户投诉倾向预测模型并分析各地区影响变量。其中西南地区预测模型在牺牲精度前提下召回率表现最优,为92.22%,东北地区预测模型效果最差,召回率为70.59%。本文建立的分类模型可以帮助工作人员在用户投诉前提前预测其是否有投诉倾向。在订单确认时预测其是否有投诉倾向,为工作人员提供针对性的服务,于确认订单后再预测一次,使服务更加完善,极大程度上降低用户投诉率,为酒店平台规避风险。

关键词：投诉预测不平衡数据机器学习模型融合酒店订单

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：