基于改进RFM模型与聚类算法的民航客户细分研究

对于传统的RFM模型客户细分而言,由于缺乏科学的指标而无法针对航空市场进行精确的细分,因此提出TLFM模型作为细分的指标,利用自组织映射(SOM)算法和“手肘法”确定k-means算法的最佳k值,从而得到航空市场客户细分的结果。最后根据客户细分的情况和各类客户的行为特征,提出差异性的服务和不同的营销策略来提高航空公司的竞争力。

基于用户兴趣迁移的隐语义模型推荐算法

协同过滤算法一般根据用户的评价信息来推测用户的喜好,但受到数据稀疏问题的影响,许多时候无法得到较为理想的推荐结果。除此之外,一般协同推荐算法忽略了用户兴趣的动态变化。本文所提出的基于改进的隐语义模型(TLFM算法)则将用户的兴趣喜好的改变考虑进来。具体的,在传统的隐语义模型的基础上加入对时间信息的权衡,选取适当的权重,有效地模拟用户兴趣随时间的变化状况,根据用户兴趣变化来决定推荐值,可以很好的提高推荐准确度。