民航旅客个体出行价值预测应用研究

发布时间：2023-05-18 22:29

　　近年来,中国民用航空旅客人数呈现出逐年增长的态势,形成了庞大的旅客消费群体。面对激烈的市场竞争,及时发现旅客的价值变化逐渐成为了众多民航公司关注的焦点。如果依据旅客的历史消费行为数据能够判定其未来的市场表现和价值,将有助于航空公司为旅客提供精准的营销和贴心的服务,提升旅客满意度和忠诚度。首先,正确的衡量一个旅客民航领域的市场价值是本文整个研究工作的基础。本文通过对多种用户价值度量方式的研究,提出一种可以应用于民航领域的旅客价值评估参数化模型(Recency,Frequency,Unit-revenue,Mile,RFUM)。该模型从不同维度出发,对旅客在民航市场中的价值做了评估。然后借助参数化过程,分别对几种属性赋予不同的权重值,将旅客的价值转化为了介于0到1之间的数值标量。RFUM模型在全面衡量旅客价值的基础上,为民航市场决策者提供了一定程度的便利,能够直观地观察出旅客价值的差异性。其次,民航领域的客户价值预测问题是本文研究工作的重点内容。本文提出了一种时间感知的多任务价值预测模型(Time-aware Multi-task Value Prediction,TMVP)来预测旅客的价...

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
ABSTRACT
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 主要研究内容
    1.4 论文组织结构
2 相关技术和理论介绍
    2.1 用户价值模型
        2.1.1 客户终生价值模型
        2.1.2 RFM模型
    2.2 价值预测模型
        2.2.1 时间序列模型
        2.2.2 机器学习方法
    2.3 深度学习基础
        2.3.1 深层神经网络
        2.3.2 循环神经网络
        2.3.3 注意力机制
    2.4 多任务学习
        2.4.1 基本概念
        2.4.2 多任务学习的有效性
        2.4.3 深度学习中的多任务学习
    2.5 本章小结
3 旅客价值评估模型
    3.1 问题定义
    3.2 旅客价值评估方法
        3.2.1 旅客价值
        3.2.2 价值指标
        3.2.3 参数化价值权重
    3.3 案例分析
        3.3.1 实验数据
        3.3.2 结果分析
    3.4 本章小节
4 旅客价值预测模型
    4.1 问题定义
    4.2 旅客价值预测方法
        4.2.1 信息提取模块
        4.2.2 外部因素融合
        4.2.3 多目标学习
        4.2.4 模型训练
    4.3 旅客特征设计
        4.3.1 个体特征设计
        4.3.2 关系特征设计
    4.4 实验及结果分析
        4.4.1 实验数据
        4.4.2 实验平台
        4.4.3 基准方法
        4.4.4 实验超参设置
        4.4.5 实验结果分析
    4.5 本章小结
5 总结与展望
    5.1 工作总结
    5.2 不足与展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集



本文编号：3819120