基于LDA的航线潜在价值挖掘模型

在分析了传统的主题模型后提出了一种基于LDA的航线潜在价值挖掘模型。该模型将旅客出行行为的分析划分成两个阶段,出行意图的确定及出行意图下航线的选择,并与旅客价值进行融合来挖掘航线的潜在价值。出行意图采用Gibbs sampling方法从旅客出行记录中获取,航线则在旅客确定出行意图后由出行意图的航线向量获得,旅客价值则结合出行中的舱位信息进行提取。在中国民航旅客订票数据集上的实验表明,本文模型在2010年和2011年两个数据集上获得的两组航线潜在价值序列比pLSI模型和senLDA模型获得的两组航线潜在价值序列都拥有更好的有序相关性,且在挖掘排名前5的航线潜在价值时,本文模型在该两个数据集上获得了两组完全一致的航线潜在价值序列,表明其在挖掘高潜在价值航线方面的优势。

基于旅客出行意图的航线潜在价值计算模型

传统的航线价值计算通常以统计客流量为主,忽略了旅客偏好对航线潜在价值的影响,因此,本文提出了一种基于旅客出行意图的航线潜在价值计算模型.该模型利用最大似然估计法对旅客舱位偏好进行量化,然后引入出行意图的概念将旅客出行行为进行细分,并利用Gibbs Sampling方法实现出行意图的求解,最终达到航线潜在价值计算的目的.在中国民航旅客订票数据集上的实验表明,本文方法获得的2010年航线价值序列与2011年航线价值序列的相似度要明显高于统计客流量的方法,且对排名前5的高价值航线的挖掘准确率可达100%.

散货船代数据聚类分析

针对数据挖掘技术在散货船代数据中的应用,通过聚类规则分析航线繁忙度和航线价值。首先预处理原始散货船代数据并提取符合挖掘目标的数据;再通过改进的k-means算法挖掘预处理后的数据;最后对挖掘结果进行分析,为船代企业的资源分配及策略制定提供参考。