近年來,中國民用航空旅客人數(shù)呈現(xiàn)出逐年增長的態(tài)勢,形成了龐大的旅客消費群體。面對激烈的市場競爭,及時發(fā)現(xiàn)旅客的價值變化逐漸成為了眾多民航公司關注的焦點。如果依據(jù)旅客的歷史消費行為數(shù)據(jù)能夠判定其未來的市場表現(xiàn)和價值,將有助于航空公司為旅客提供精準的營銷和貼心的服務,提升旅客滿意度和忠誠度。首先,正確的衡量一個旅客民航領域的市場價值是本文整個研究工作的基礎。本文通過對多種用戶價值度量方式的研究,提出一種可以應用于民航領域的旅客價值評估參數(shù)化模型(Recency,Frequency,Unit-revenue,Mile,RFUM)。該模型從不同維度出發(fā),對旅客在民航市場中的價值做了評估。然后借助參數(shù)化過程,分別對幾種屬性賦予不同的權重值,將旅客的價值轉化為了介于0到1之間的數(shù)值標量。RFUM模型在全面衡量旅客價值的基礎上,為民航市場決策者提供了一定程度的便利,能夠直觀地觀察出旅客價值的差異性。其次,民航領域的客戶價值預測問題是本文研究工作的重點內(nèi)容。本文提出了一種時間感知的多任務價值預測模型(Time-aware Multi-task Value Prediction,TMVP)來預測旅客的價...

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 主要研究內(nèi)容
    1.4 論文組織結構
2 相關技術和理論介紹
    2.1 用戶價值模型
        2.1.1 客戶終生價值模型
        2.1.2 RFM模型
    2.2 價值預測模型
        2.2.1 時間序列模型
        2.2.2 機器學習方法
    2.3 深度學習基礎
        2.3.1 深層神經(jīng)網(wǎng)絡
        2.3.2 循環(huán)神經(jīng)網(wǎng)絡
        2.3.3 注意力機制
    2.4 多任務學習
        2.4.1 基本概念
        2.4.2 多任務學習的有效性
        2.4.3 深度學習中的多任務學習
    2.5 本章小結
3 旅客價值評估模型
    3.1 問題定義
    3.2 旅客價值評估方法
        3.2.1 旅客價值
        3.2.2 價值指標
        3.2.3 參數(shù)化價值權重
    3.3 案例分析
        3.3.1 實驗數(shù)據(jù)
        3.3.2 結果分析
    3.4 本章小節(jié)
4 旅客價值預測模型
    4.1 問題定義
    4.2 旅客價值預測方法
        4.2.1 信息提取模塊
        4.2.2 外部因素融合
        4.2.3 多目標學習
        4.2.4 模型訓練
    4.3 旅客特征設計
        4.3.1 個體特征設計
        4.3.2 關系特征設計
    4.4 實驗及結果分析
        4.4.1 實驗數(shù)據(jù)
        4.4.2 實驗平臺
        4.4.3 基準方法
        4.4.4 實驗超參設置
        4.4.5 實驗結果分析
    4.5 本章小結
5 總結與展望
    5.1 工作總結
    5.2 不足與展望
參考文獻
作者簡歷及攻讀碩士學位期間取得的研究成果
學位論文數(shù)據(jù)集



本文編號：3819120