本文關(guān)鍵詞：民航新旅客成長性預(yù)測方法研究

  更多相關(guān)文章： 民航 新旅客 成長性預(yù)測 社會網(wǎng)絡(luò) 組合預(yù)測模型

【摘要】：隨著民航業(yè)的高速發(fā)展和信息化,民航企業(yè)從各個基礎(chǔ)業(yè)務(wù)系統(tǒng)中積累了大量的旅客數(shù)據(jù),包括旅客個人信息、查詢與訂單數(shù)據(jù)和實際飛行數(shù)據(jù)等。如何從海量的基礎(chǔ)業(yè)務(wù)數(shù)據(jù)中挖掘出有價值的知識成為民航領(lǐng)域當(dāng)前一個重大的課題。預(yù)測旅客價值成長性,特別是新旅客的成長性正是其中一項非常有意義的研究議題。如果能夠?qū)H有少量歷史出行記錄的新旅客準確判斷其未來市場價值,將有助于航空公司為其提供個性化的服務(wù)來吸引潛在的高價值客戶,同時還可以對旅客進行細分,從而制定更豐富的營銷策略,降低營銷成本。 本文將新旅客價值成長性預(yù)測問題形式化為分類問題。受限于歷史數(shù)據(jù)的稀少,采用傳統(tǒng)分類方法對新旅客成長性的預(yù)測效果不如歷史數(shù)據(jù)豐富的老旅客。為了彌補新旅客歷史出行記錄稀少而導(dǎo)致無法準確預(yù)測的缺陷,本文提出了一種基于旅客同行社會網(wǎng)絡(luò)的組合預(yù)測方法。首先根據(jù)航空公司旅客信息系統(tǒng)中記錄的旅客歷史出行記錄提取旅客之間的社會關(guān)系并構(gòu)建旅客同行網(wǎng)絡(luò),并采用更加合理的權(quán)重計算模型來衡量關(guān)系的強度。隨后分別在旅客個體和旅客關(guān)系方面構(gòu)建了豐富的特征屬性進行新旅客成長性的初步預(yù)測。最后利用旅客的社會網(wǎng)絡(luò)結(jié)構(gòu)信息提出了一種有效的組合預(yù)測模型,該模型融合了旅客個體和旅客關(guān)系的預(yù)測結(jié)果,提升了整體預(yù)測效果。 本文在某航空公司的真實數(shù)據(jù)集上構(gòu)建了旅客同行社會網(wǎng)絡(luò),并根據(jù)網(wǎng)絡(luò)分析的結(jié)果進行樣本采集和樣本分析。通過對比傳統(tǒng)分類算法的分類效果,為本文選擇了最合適的分類算法分別作為基于個體的分類器和基于關(guān)系的分類器。最終,在數(shù)據(jù)集上設(shè)計的多組對比實驗既證明了本文的研究意義,其結(jié)果也表明本文提出的方法對民航新旅客未來價值成長性的預(yù)測是非常有效的,能夠有效地彌補新旅客歷史數(shù)據(jù)匱乏的問題。同時該預(yù)測方法在兩種價值度量模型上均有不同程度的性能提升,證明了本文的方法具有較好的通用性。
【關(guān)鍵詞】：民航 新旅客 成長性預(yù)測 社會網(wǎng)絡(luò) 組合預(yù)測模型
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：F562.6;TP301.6
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-16
• 1.1 研究背景11-12
• 1.2 研究目的及意義12-13
• 1.3 研究現(xiàn)狀13-14
• 1.4 主要研究內(nèi)容14-15
• 1.5 論文組織結(jié)構(gòu)15-16
• 2 相關(guān)理論知識16-24
• 2.1 社會網(wǎng)絡(luò)基礎(chǔ)概念16-19
• 2.1.1 社會網(wǎng)絡(luò)概述16-17
• 2.1.2 社會網(wǎng)絡(luò)基本性質(zhì)17-19
• 2.2 分類算法19-21
• 2.3 客戶價值模型21-23
• 2.4 本章小結(jié)23-24
• 3 構(gòu)建民航旅客同行網(wǎng)絡(luò)24-29
• 3.1 同行網(wǎng)絡(luò)概述24-25
• 3.2 同行網(wǎng)絡(luò)構(gòu)建25-28
• 3.3 本章小結(jié)28-29
• 4 民航新旅客成長性預(yù)測29-46
• 4.1 問題定義29-32
• 4.2 模型總體框架32-34
• 4.3 特征構(gòu)造34-41
• 4.3.1 基于個體屬性的特征34-37
• 4.3.2 基于關(guān)系屬性的特征37-41
• 4.4 成長性預(yù)測模型41-45
• 4.5 本章小結(jié)45-46
• 5 實驗及結(jié)果分析46-60
• 5.1 同行網(wǎng)絡(luò)構(gòu)建及分析46-51
• 5.1.1 同行網(wǎng)絡(luò)構(gòu)建流程46-48
• 5.1.2 同行網(wǎng)絡(luò)統(tǒng)計分析48-51
• 5.2 樣本采集及分析51-54
• 5.2.1 樣本采集51-52
• 5.2.2 樣本分析52-54
• 5.3 傳統(tǒng)分類器對比實驗54-55
• 5.4 新老旅客預(yù)測對比實驗及分析55-57
• 5.5 四種預(yù)測模型對比實驗及分析57-59
• 5.6 本章小結(jié)59-60
• 6 總結(jié)與展望60-62
• 6.1 論文總結(jié)60
• 6.2 不足與展望60-62
• 參考文獻62-65
• 作者簡歷及攻讀碩士學(xué)位期間取得的研究成果65-67
• 學(xué)位論文數(shù)據(jù)集67

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 蒙肖蓮,蔡淑琴,杜寬旗,寇建亭;商業(yè)銀行客戶流失預(yù)測模型研究[J];系統(tǒng)工程;2004年12期

2 田玲;邱會中;鄭莉華;;基于神經(jīng)網(wǎng)絡(luò)的電信客戶流失預(yù)測主題建模及實現(xiàn)[J];計算機應(yīng)用;2007年09期

3 萬懷宇;林友芳;武志昊;黃厚寬;;Discovering Typed Communities in Mobile Social Networks[J];Journal of Computer Science & Technology;2012年03期

，

本文編號：846778