民航新旅客成长性预测方法研究

发布时间：2017-09-14 00:23

  本文关键词：民航新旅客成长性预测方法研究

  更多相关文章： 民航 新旅客 成长性预测 社会网络 组合预测模型

【摘要】：随着民航业的高速发展和信息化,民航企业从各个基础业务系统中积累了大量的旅客数据,包括旅客个人信息、查询与订单数据和实际飞行数据等。如何从海量的基础业务数据中挖掘出有价值的知识成为民航领域当前一个重大的课题。预测旅客价值成长性,特别是新旅客的成长性正是其中一项非常有意义的研究议题。如果能够对仅有少量历史出行记录的新旅客准确判断其未来市场价值,将有助于航空公司为其提供个性化的服务来吸引潜在的高价值客户,同时还可以对旅客进行细分,从而制定更丰富的营销策略,降低营销成本。 本文将新旅客价值成长性预测问题形式化为分类问题。受限于历史数据的稀少,采用传统分类方法对新旅客成长性的预测效果不如历史数据丰富的老旅客。为了弥补新旅客历史出行记录稀少而导致无法准确预测的缺陷,本文提出了一种基于旅客同行社会网络的组合预测方法。首先根据航空公司旅客信息系统中记录的旅客历史出行记录提取旅客之间的社会关系并构建旅客同行网络,并采用更加合理的权重计算模型来衡量关系的强度。随后分别在旅客个体和旅客关系方面构建了丰富的特征属性进行新旅客成长性的初步预测。最后利用旅客的社会网络结构信息提出了一种有效的组合预测模型,该模型融合了旅客个体和旅客关系的预测结果,提升了整体预测效果。 本文在某航空公司的真实数据集上构建了旅客同行社会网络,并根据网络分析的结果进行样本采集和样本分析。通过对比传统分类算法的分类效果,为本文选择了最合适的分类算法分别作为基于个体的分类器和基于关系的分类器。最终,在数据集上设计的多组对比实验既证明了本文的研究意义,其结果也表明本文提出的方法对民航新旅客未来价值成长性的预测是非常有效的,能够有效地弥补新旅客历史数据匮乏的问题。同时该预测方法在两种价值度量模型上均有不同程度的性能提升,证明了本文的方法具有较好的通用性。
【关键词】：民航 新旅客 成长性预测 社会网络 组合预测模型
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F562.6;TP301.6
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-16
• 1.1 研究背景11-12
• 1.2 研究目的及意义12-13
• 1.3 研究现状13-14
• 1.4 主要研究内容14-15
• 1.5 论文组织结构15-16
• 2 相关理论知识16-24
• 2.1 社会网络基础概念16-19
• 2.1.1 社会网络概述16-17
• 2.1.2 社会网络基本性质17-19
• 2.2 分类算法19-21
• 2.3 客户价值模型21-23
• 2.4 本章小结23-24
• 3 构建民航旅客同行网络24-29
• 3.1 同行网络概述24-25
• 3.2 同行网络构建25-28
• 3.3 本章小结28-29
• 4 民航新旅客成长性预测29-46
• 4.1 问题定义29-32
• 4.2 模型总体框架32-34
• 4.3 特征构造34-41
• 4.3.1 基于个体属性的特征34-37
• 4.3.2 基于关系属性的特征37-41
• 4.4 成长性预测模型41-45
• 4.5 本章小结45-46
• 5 实验及结果分析46-60
• 5.1 同行网络构建及分析46-51
• 5.1.1 同行网络构建流程46-48
• 5.1.2 同行网络统计分析48-51
• 5.2 样本采集及分析51-54
• 5.2.1 样本采集51-52
• 5.2.2 样本分析52-54
• 5.3 传统分类器对比实验54-55
• 5.4 新老旅客预测对比实验及分析55-57
• 5.5 四种预测模型对比实验及分析57-59
• 5.6 本章小结59-60
• 6 总结与展望60-62
• 6.1 论文总结60
• 6.2 不足与展望60-62
• 参考文献62-65
• 作者简历及攻读硕士学位期间取得的研究成果65-67
• 学位论文数据集67

【参考文献】

中国期刊全文数据库 前3条

1 蒙肖莲,蔡淑琴,杜宽旗,寇建亭;商业银行客户流失预测模型研究[J];系统工程;2004年12期

2 田玲;邱会中;郑莉华;;基于神经网络的电信客户流失预测主题建模及实现[J];计算机应用;2007年09期

3 万怀宇;林友芳;武志昊;黄厚宽;;Discovering Typed Communities in Mobile Social Networks[J];Journal of Computer Science & Technology;2012年03期

，

本文编号：846778