淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


下載電子全文限經由淡江IP使用) 
系統識別號 U0002-2607202114142900
中文論文名稱 觀光旅館業動態折扣之研究
英文論文名稱 A Study of Predicting the Dynamic Discounts in the Tourist Hotel
校院名稱 淡江大學
系所名稱(中) 資訊工程學系碩士在職專班
系所名稱(英) Department of Computer Science and Information Engineering
學年度 109
學期 2
出版年 110
研究生中文姓名 杜有蘭
研究生英文姓名 Yu-Lan Du
學號 708410021
學位類別 碩士
語文別 中文
口試日期 2021-07-05
論文頁數 37頁
口試委員 指導教授-陳建彰
委員-楊權輝
委員-林承賢
委員-陳建彰
中文關鍵字 動態折扣  機器學習  線性迴歸  支援向量機 
英文關鍵字 Dynamic Discounting  Machine Learning  Linear Regression  SVM 
學科別分類 學科別應用科學資訊工程
中文摘要 本論文以臺灣墾丁地區某五星級國際級休閒旅館之官網訂房最終售價數據作為研究對象,將官網設定專案內容結合觀光局推動各項旅遊補助、提振觀光活動計畫的推動等內容,採用線性迴歸模型及支援向量機模型等機器學習的分析方式,進行訓練及測試,期望能提供觀光旅館業制定客房售價的參考依據。當符合日期、活動等條件時,能提供相對應的折扣建議。本研究主要貢獻在於未來可作為觀光旅館業定價的參考依據,可避免人工定價的不穩定因素,大幅降低因人為而造成的損失,減少成本並提高營收。
英文摘要 This thesis takes the final price data of the official website booking of a five-star international leisure hotel in Kenting, Taiwan as the research object, and combines the contents of the official website setting project with the promotion of various tourism subsidies by the Tourism Bureau and the promotion of tourism activities. The use of machine learning analysis methods such as linear regression model and support vector machine model for training and testing is expected to provide the tourist hotel industry with a reference basis for formulating room prices. When the conditions such as dates and activities are met, corresponding discount suggestions can be provided. The main contribution of this research is that it can be used as a reference for the pricing of the tourist hotel industry in the future, which can avoid the unstable factors of manual pricing, greatly reduce the loss caused by man-made activities, reduce costs and increase revenue.
論文目次 摘要 i
Abstract ii
目次 iii
表次 iv
圖次 v
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 2
第三節 研究方法與進行步驟 3
第二章 文獻探討 4
第一節 臺灣國際觀光旅館定義與現況發展 4
第二節 動態定價 12
第三節 機器學習的意義、分析應用 13
第四節 相關文獻 18
第三章 研究方法 19
第一節 研究模型 19
壹、線性迴歸模型 19
貳、支援向量機模型 22
第二節 資料整理及研究步驟 24
第四章 實驗結果與分析 28
第五章 結論 35
參考文獻 36

圖目錄
圖 1、國際觀光旅館及一般觀光旅館專用標識 (A) 國際觀光旅館專用標識,尺寸:53.5*53.5(公分),背面貼附編號小銅片 (B) 一般觀光旅館專用標識,尺寸:36.5*36.5(公分)背面貼附編號小銅片 5
圖 2、旅館業專用標識及登記證 (A) 旅館業專用標識 (B) 旅館業登記證 9
圖 3、民宿專用標識及登記證 (A) 民宿專用標識 (B) 好客民宿標章 (C) 民宿登記證 第二版(最新) 10
圖 4、機器學習的方法及其相關演算法名稱 17
圖 5、簡單線性迴歸函式 19
圖 6、多項式迴歸函式 20
圖 7、多元線性迴歸函數 21
圖 8、高斯核函數 23
圖 9、本研究之資料收集及訓練資料集進行步驟 24
圖 10、本實驗冬季數據共611筆 26
圖 11、本實驗夏季數據共1224筆 26
圖 12、(A) 冬季數據折扣層級變數的筆數分佈圖 (B) 夏季數據折扣層級變數的筆數分佈圖 29
圖 13、簡單線性迴歸實作PCA前5個特徵預測結果分佈圖 (A) 冬季預測數據 (B) 夏季預測數據 30
圖 14、多元線性迴歸呈現冬季與夏季數據實驗結果訓練預測準確度 31
圖 15、GRIDSEARCHCV C=50 ~ C=200間最佳參數組合比較圖 33
圖 16、支援向量機呈現冬季與夏季數據實驗結果訓練預測準確度 34

表目錄
表 1、國際觀光旅館與一般觀光旅館差異比較 5
表 2、臺灣地區觀光旅館家數及旅館名稱 8
表 3、簡單線性迴歸模型執行結果 19
表 4、多項式迴歸函式以特徵名稱星期為例多維度執行結果 20
表 5、多元線性迴歸模型執行結果 21
表 6、本研究之特徵資料型別轉換如 25
表 7、本研究整理透過PCA降維,後所保留下的前五項特徵 27
表 8、多項式迴歸模型實驗結果 31
表 9、多元線性迴歸預測結果 32
表 10、GRIDSEARCHCV最佳ESTIMATOR參數 33
表 11、支援向量機最佳預測結果 34
參考文獻 中文文獻
[1] 黃仁宗、盧炳志與陳芝伊(2014)。觀光旅館訂價評估:基於AHP先驗機率的貝氏機率網路法。觀光與休閒管理期刊,第2卷,第1期,92-107頁。
[2] 江勁毅、彭國松,(2013)。旅館客房銷售分析與費率動態調整。休閒研究,4(4),35-52
[3] 江勁毅、葉婷瑄,(2019)。以動態定價模型決定旅館房價之實證研究。Journal of Hospitality and Tourism,16(2),45-68
網站
[4] 行政院交通部觀光目(2019),發展觀光條例。https://law.moj.gov.tw/LawClass/LawAll.aspx?pcode=K0110001
[5] 行政院交通部觀光目(2016),旅館業管理規則。https://law.moj.gov.tw/LawClass/LawAll.aspx?pcode=K0110014
[6] 行政院交通部觀光目(2016),觀光旅館業管理規則。https://law.moj.gov.tw/LawClass/LawAll.aspx?pcode=K0110006
[7] 交通部觀光局行政資訊系統https://admin.taiwan.net.tw/BusinessInfo/TourismIndustry/Lusuye
[8] 維基百科https://zh.wikipedia.org/wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0
[9] 氣象氣候 - 墾丁國小http://web.ktps.ptc.edu.tw
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2021-08-04公開。
  • 同意授權瀏覽/列印電子全文服務,於2021-08-04起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2487 或 來信 dss@mail.tku.edu.tw