基于社交网络的民航旅客价值和出行预测模型研究
目前,随着市场竞争日趋激烈,各大航空公司开始转向以拓展客源、深耕旅客价值为核心的发展战略.挖掘潜在高价值旅客,抢占旅客资源,深入挖掘旅客需求并刺激旅客消费,对各大航空公司意义重大.旅客价值受个体价值和社交关系的影响,为了度量旅客价值并挖掘潜在高价值旅客,设计实现RFMc模型计算旅客个体价值,设计实现MRE模型分析旅客关系,随后在Page Rank算法基础上融合旅客个体价值和社交关系设计完成CAPV-Rank方法,实现旅客价值度量、旅客价值预测和潜在高价值旅客挖掘.实验结果表明:CAPV-Rank算法可通过调整权重因子实现多种模式下的旅客价值计算,满足各种业务需求,并能实现旅客价值预测、潜在高价值旅客挖掘,为民航旅客价值度量和预测提供了一种灵活、高效的解决方案.旅客出行受内在驱动力和社交影响力双重影响,为了预测旅客出行航线,分析旅客动态个体行为规律、旅客同行关系、旅客相似关系并进行特征提取,随后在基于元路径的链路预测模型基础上融入不同影响力要素,得到融合动态个体行为和社交影响力的旅客出行航线选择预测(PACP)模型.实验结果表明:PACP模型通过融合多种影响力要素显著提高了预测效率,为旅客出行航线选择的预测问题提供一种更高效、易扩展的解决方法.
- 作者:
- 刘晓庆
- 学位授予单位:
- 中国民航大学
- 专业名称:
- 计算机科学与技术
- 授予学位:
- 硕士
- 学位年度:
- 2018年
- 导师姓名:
- 丁建立
- 中图分类号:
- TP311.13
- 关键词:
- 旅客价值;PageRank;社交关系;链路预测;航线选择预测
- Passenger value; PageRank; Social relations; Link prediction; Airline choice prediction