ShinglingPFN:基于局部上下文学习的网络货运价格预测模型
鲁鹏飞
章平
吴军
吴夏
刘涛
安徽工程大学 计算机与信息学院,安徽 芜湖 241000
摘要：为解决网络货运平台价格预测不准确导致的成交率下降问题,提出基于Shingling检索的表格先验数据拟合网络(tabular prior-data fitted network,TabPFN)的局部上下文学习(local context learning with TabPFN based on shingling retrieval,ShinglingPFN)模型.首先,该模型运用w-Shingling检索算法,从历史订单数据中匹配出与预测订单最相似的订单,构建局部关联的上下文数据.然后,加载并初始化预训练的TabPFN模型实例,将筛选出的订单数据输入模型,让TabPFN基于这些上下文信息学习货运特征与运费的关联模式.最后,输出该货运样本的运费预测结果.结果表明,ShinglingPFN模型相比随机森林(random forest,RF)模型减少了30.98%的平均绝对误差(mean absolute error,MAE).通过全局敏感性分析,进一步增强了模型的可解释性.ShinglingPFN模型可为平台优化定价策略提供决策支撑.
关键词：表格数据深度学习TabPFNw-Shingling信息检索网络货运价格预测
分类号：TP391.3(计算技术、计算机技术)TP183(自动化基础理论)
资助基金：安徽省高校科学研究项目(2024AH050109)安徽未来技术研究院企业合作项目(2023qyhz12)
论文发表日期：2026-03-20
在线出版日期：2026-03-26（本平台首次上网日期，不代表文献的发表时间）
页数：8( 41-48 )
英文信息