در دهه گذشته اهمیت تجارت الکترونیک نسبت به قبل بدلیل تغییرات ایجاد شده در عادت‌های تجاری جامعه افزایش یافته است. رشد اقتصاد و تکنولوژی، منجر به تولید داده‌های حجیم و در عین حال ارزان شده که به راحتی قابل دسترس هستند. در این بین موازی با پیشرفت‌های تجارت الکترونیکی، اهمیت پیش‌بینی قیمت در حراج‌های آنلاین نیز افزایش یافته است. اگرچه پیش‌بینی قیمت نهایی درحراج‌های آنلاین مزایای بسیاری دارد، اما تاکنون روشی که بتواند در این خصوص عملکرد موفقی نشان دهد ارائه نشده است. روش‌های ارائه شده عمدتا مبتنی بر رگرسیون چندگانه هستند که نتایج امیدوار کننده‌ای ندارند. با توجه به اهمیت تخمین قیمت نهایی در حراج‌های آنلاین، در این تحقیق از شبکه‌های عصبی عمیق بازگشتی با واحد پنهان BiLSTM و شبکه پیشخور رگرسیون و درخت تصمیم و ترکیب روش‌های فوق استفاده شده است.در این روش برای کاهش جذر میانیگن مربع خطا در پیش‌بینی قیمت نهایی از ترکیب هر یک از روش‌های فوق و تکنیک انتخاب ویژگی مبتنی بر الگوریتم فراابتکاری کرم شب‌تاب استفاده شده است. نتایج تجربی در دو پایگاه داده حراج آنلاین ترکیبی eBayنشان می‌دهد که استفاده از شبکه‌های عصبی و ترکیب روش‌های یادگیری ماشین سنتی و شبکه‌های عمیق در پیش‌بینی قیمت نهایی عملکرد موفقی دارد.
