一种基于大数据和神经网络的民航旅客个人影响力评估方法
文献发布时间:2023-06-19 09:24:30
技术领域
本发明涉及大数据技术领域,特别涉及一种基于大数据和神经网络的民航旅客个人影响力评估方法。
背景技术
随着社会现代化建设高速发展,人民群众对于美好生活的追求日益增加,对于出行服务与体验的需求也更加多样化。越来越多的旅客选择搭乘飞机这一方便快捷的出行方式,因此各大航空公司的各类信息系统中存储的大量旅客出行数据呈现出爆发性增长。如何充分利用这些数据资源深耕旅客价值、拓展旅客资源,挖掘旅客潜在需求、为旅客提供优质个性化服务从而刺激收益提升,是现今民航业面临的一个巨大的机遇与挑战。
民航旅客通过订票、值机等共同出行行为中,在一定程度上体现了旅客之间的社交关系。旅客之间的社交关系对于旅客价值的评估分析具有相当重要的意义,但目前旅客价值的评估分析并未充分考虑的旅客关系所带来的影响力,导致最终旅客价值评估不够准确,无法满足民航企业对于旅客价值分析的要求。
发明内容
为解决上述问题,本发明提供了一种基于大数据和神经网络的民航旅客个人影响力评估方法。
本发明采用以下技术方案:
一种基于大数据和神经网络的民航旅客个人影响力评估方法,包括以下步骤:
S1、获取旅客出行数据,计算旅客间最终粘度值,所述旅客出行数据包括出行订单信息、值机信息、座位信息及旅客关系信息;
S2、通过RFM
其中,v
S3、通过以下公式计算旅客直接影响力:
其中,D
S4、对旅客直接影响力进行归一化处理:
其中,D
S5、计算旅客总影响力:
其中,G
优选地,还包括步骤S6,对旅客总影响力进行标准化计算,结合旅客个体价值计算获得最终旅客影响力得分。
优选地,所述步骤S6包括以下分步骤:
S61、对旅客总影响力进行标准化计算:
其中,G
S62、结合旅客个体价值计算获得最终旅客影响力得分:
INF
其中,β为旅客关系网总影响力权重系数,1-β为旅客个人价值权重系数。
优选地,所述旅客间最终粘度值通过以下步骤计算:
S11、基于出行订单信息计算同订单关系得分,基于值机信息计算同行值机关系得分,基于座位信息计算同行座位关系得分,经归一化处理后,计算出旅客关系得分,旅客关系得分通过以下公式计算:
V
其中,V
S12、基于旅客关系信息确定出旅客关系系数,通过以下公式计算出旅客粘度值得分:
W
其中,W
S13、建立旅客相对关系得分模型,计算出旅客相对关系得分:
其中,V′
S14、基于旅客粘度值得分和旅客相对关系得分,通过以下公式计算出旅客相对关系总得分值:
其中,W’
S15、基于旅客同行次数,对所述旅客相对关系总得分值计算方式进行优化,获得旅客间最终粘度值,优化模型为:
其中,t为旅客i、j的同行次数,μ为调整系数,x
优选地,所述同行系数ρ
其中,K
优选地,所述同行值机关系得分通过以下方法计算:
其中,B
优选地,所述同行值机关系得分通过以下方法计算:
其中,B
优选地,所述同行座位关系得分通过以下方法计算:
d
其中,S
优选地,所述同订单关系得分通过以下方法计算:
其中,S
优选地,所述步骤S11中的归一化处理通过以下方法计算得到归一化结果:
其中,x
采用上述技术方案后,本发明与背景技术相比,具有如下优点:
本发明利用民航旅客出行数据计算旅客间最终粘度值,结合三层神经网络计算旅客影响力得分,能够为旅客价值评估提供数据参考,提高旅客价值评估的准确性,极大程度上满足民航企业对于旅客价值分析的要求。
附图说明
图1为本发明的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例
参考图1所示,本发明公开了一种基于大数据和神经网络的民航旅客个人影响力评估方法,包括以下步骤:
S1、获取旅客出行数据,计算旅客间最终粘度值,旅客出行数据包括出行订单信息、值机信息、座位信息及旅客关系信息。旅客间最终粘度值通过以下步骤计算:
S11、基于出行订单信息计算同订单关系得分,基于值机信息计算同行值机关系得分,基于座位信息计算同行座位关系得分,经归一化处理后,计算出旅客关系得分,旅客关系得分通过以下公式计算:
V
其中,V
归一化处理通过以下方法计算得到归一化结果:
其中,x
同行值机关系得分通过以下方法计算:
其中,B
在本实施例中,同行值机关系得分也可以通过以下方法计算:
其中,B
同行座位关系得分通过以下方法计算:
d
其中,S
同订单关系得分通过以下方法计算:
其中,S
S12、基于旅客关系信息确定出旅客关系系数,通过以下公式计算出旅客粘度值得分:
W
其中,W
S13、建立旅客相对关系得分模型,计算出旅客相对关系得分:
其中,V′
S14、基于旅客粘度值得分和旅客相对关系得分,通过以下公式计算出旅客相对关系总得分值:
其中,W’
其中,K
S15、基于旅客同行次数,对旅客相对关系总得分值计算方式进行优化,获得旅客间最终粘度值,优化模型为:
其中,t为旅客i、j的同行次数,μ为调整系数,x
S2、通过RFM
其中,v
S3、通过以下公式计算旅客直接影响力:
其中,D
S4、对旅客直接影响力进行归一化处理:
其中,D
S5、计算旅客总影响力:
其中,G
S6、对旅客总影响力进行标准化计算,结合旅客个体价值计算获得最终旅客影响力得分。该步骤具体包括以下分步骤:
S61、对旅客总影响力进行标准化计算:
其中,G
S62、结合旅客个体价值计算获得最终旅客影响力得分:
INF
其中,β为旅客关系网总影响力权重系数,1-β为旅客个人价值权重系数。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
- 一种基于大数据和神经网络的民航旅客个人影响力评估方法
- 一种基于大数据和pagerank算法的民航旅客个人影响力评估方法