Human-in-the-Loop Contextual Bandits for Short-Term Rental Dynamic Pricing: Structural Equivalence of Historical Warm-Up and Approval-Gated Live Learning

En 3 lignesFramework HITL-GB pour la tarification dynamique dans les locations courte durée : un algorithme de bandit contextuel génère des recommandations de prix qu'un humain peut accepter, modifier ou rejeter. Les auteurs montrent que les données historiques sont structurellement équivalentes à un warm-up on-policy, réduisant le cold-start de ~150 à ~30 épisodes. Validé sur 1 461 nuits réelles (avril 2022-2026).

Résumé généré par Claude — vérifié par l'humain