MétaCan
Menu
Retour à la cohorte
Enregistrement W2460981252 · doi:10.1504/ijbidm.2016.076418

Prediction of retail prices of products using local competitors

2016· article· en· W2460981252 sur OpenAlexaff
Hassan Waqar Ahmad, Sandra Zilles, Howard J. Hamilton, Richard Dosselmann

Notice bibliographique

RevueInternational Journal of Business Intelligence and Data Mining · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Load and Power Forecasting
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésCompetitor analysisProduct (mathematics)Vector autoregressionEconometricsAutoregressive modelComputer scienceIndustrial organizationBusinessMarketingEconomicsMathematics

Résumé

récupéré en direct d'OpenAlex

Businesses and customers are interested in predicting the retail prices of products. In a competitive environment, the price of a product at a given target outlet is typically related to the price of the same or similar products at nearby competing outlets. This research predicts the start of day and current prices of a specific product at every outlet in a given city using four vector autoregression models that incorporate the historical retail prices of the product at a target outlet and at competing outlets. The models also include the estimated wholesale price of the product. Three ways of identifying local competitors are considered. The wholesale supplier is that with similar pricing patterns to a target outlet. The proposed models outperform a simple autoregression approach that does not include local competitors or wholesale prices in experiments carried out using data obtained from outlets in five North American cities.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,811
Score d'incertitude au seuil0,231

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,097
Tête enseignante GPT0,279
Écart entre enseignants0,182 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Business Intelligence and Data MiningMême sujetEnergy Load and Power ForecastingTravaux en français237 207