CN108596678A - 一种航空公司旅客价值计算方法 - Google Patents
一种航空公司旅客价值计算方法 Download PDFInfo
- Publication number
- CN108596678A CN108596678A CN201810408752.XA CN201810408752A CN108596678A CN 108596678 A CN108596678 A CN 108596678A CN 201810408752 A CN201810408752 A CN 201810408752A CN 108596678 A CN108596678 A CN 108596678A
- Authority
- CN
- China
- Prior art keywords
- passenger
- value
- model
- parameter
- worth
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 18
- 238000012549 training Methods 0.000 claims abstract description 21
- 238000012360 testing method Methods 0.000 claims abstract description 20
- 238000002790 cross-validation Methods 0.000 claims abstract description 6
- 239000012141 concentrate Substances 0.000 claims abstract description 3
- 238000004458 analytical method Methods 0.000 abstract description 7
- 238000010801 machine learning Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011012 sanitization Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Medical Informatics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种航空公司旅客价值计算方法,包括预设特征数据库,所述特征数据库包括特征参数集,以及与所述特征参数集中各特征参数一一对应的特征算法;获取多个旅客的历史信息,并根据所述特征数据库和多个旅客的历史信息生成训练数据,所述训练数据包括训练集和测试集;将所述训练集输入Xgboost算法引擎,生成价值评估基准模型;根据所述测试集对所述价值评估基准模型进行交叉验证,生成旅客价值评估模型;将旅客信息输入旅客价值评估模型,生成旅客价值评分,并建立所述旅客价值评分与所述旅客信息关联。通过采集航空公司旅客的多维度信息,进而通过机器学习的方式生成旅客价值评分。可以为航空企业的营销决策及成本决策提供精准的旅客价值分析数据。
Description
技术领域
本发明涉及信息技术领域,具体涉及一种航空公司旅客价值计算方法。
背景技术
随着航空企业之间竞争的日益加剧,旅客价值分析成为各航空企业最关注的问题。目前,航空企业对于旅客价值的计算方式多采用对旅客在航空企业的历史记录进行简单的量化分析,进而获得旅客的价值评分。例如,通过旅客的历史记录,计算其在航空公司的历史消费总额或者历史飞行里程,然后将消费总额和历史飞行里程转化为价值评分。这种价值计算方法可以让航空企业粗略地筛选出高端消费群体。但是,这种价值计算方法结构单一,导致最后生成的旅客价值评分不够准确,无法满足现有航空企业对于旅客价值分析的需求。
发明内容
本发明的目的在于提供一种航空公司旅客价值计算方法,通过采集航空公司旅客的多维度信息,进而通过机器学习的方式生成旅客价值评分。可以为航空企业的营销决策及成本决策提供精准的旅客价值分析数据。
为了解决上述技术问题,本发明采用的技术方案为:
一种航空公司旅客价值计算方法,包括:
预设特征数据库,所述特征数据库包括特征参数集,以及与所述特征参数集中各特征参数一一对应的特征算法;
获取多个旅客的历史信息,并根据所述特征数据库和多个旅客的历史信息生成训练数据,所述训练数据包括训练集和测试集;
将所述训练集输入Xgboost算法引擎,生成基准模型;
根据所述测试集对所述基准模型进行交叉验证,生成旅客价值评估模型;
将旅客信息输入旅客价值评估模型,生成旅客价值评分,并建立所述旅客价值评分与所述旅客信息关联。
进一步地,还包括:
预设旅客价值表,所述旅客价值表包括多个旅客价值区间,以及与所述多个旅客价值区间一一对应的旅客预估价值;
根据所述旅客价值评分,获取所述旅客价值评分所属旅客价值区间对应的旅客预估价值,并建立所述旅客预估价值与所述旅客价值评分关联。
进一步地,还包括:
预设潜在价值阈值以及高端旅客数据库,
获取旅客实际价值,根据所述旅客实际价值以及所述旅客预估价值生成旅客潜在价值,并建立所述旅客潜在价值与所述旅客预估价值关联;
判断所述旅客潜在价值是否达到潜在价值阈值;
若是,则将与该旅客潜在价值关联的旅客信息存储入高端旅客数据库。
进一步地,所述根据所述测试集对所述基准模型进行交叉验证,生成旅客价值评估模型,具体为:
预设模型超参数以及模型误差指标;
将所述测试集输入所述基准模型,生成测试结果,并判断所述测试结果误差是否小于模型误差指标;
若是,则将所述基准模型作为旅客价值评估模型;
若否,则对所述模型超参数进行调整,并进行迭代训练。
进一步地,所述特征参数包括变化趋势参数、不良体验参数、出行参数、订票参数、积分参数、属性参数和状态参数。
本发明的有益效果在于:通过预设特征参数集,并将获取到的旅客历史信息经特征算法生成训练数据。进而根据训练数据进行旅客价值评估模型的训练,可为航空企业的营销决策及成本决策提供精准的旅客价值评分。
附图说明
图1为本发明公开的一种航空公司旅客价值计算方法的流程示意图;
图2为本发明公开的一种航空公司旅客价值计算方法实施例的流程示意图。
具体实施方式
下面参照附图对本发明的示例性实施方式进行详细描述。对示例性实施方式的描述仅仅是出于示范的目的,而绝不是对本发明及其应用或用法的限制。
本发明最关键的构思在于:通过采集航空公司旅客的多维度信息,进而通过机器学习的方式生成旅客价值评分。可以为航空企业的营销决策及成本决策提供精准的旅客价值分析数据。
实施例
请参照图1和图2,本发明提供一种航空公司旅客价值计算方法,包括:
预设特征数据库,该特征数据库包括特征参数集以及与特征参数集中各特征参数一一对应的特征算法。其中,特征参数集通过对航空企业内部长期积累的旅客数据进行分析提取获得。为保证最终生成的旅客价值评分的精准性以及数据的参考价值,本方案通过分析验证提取了大量的特征参数,并针对各特征参数的特征制定了对应的特征算法。
作为一较优的实施方式,特征参数集包括变化趋势参数、不良体验参数、出行参数、订票参数、积分参数、属性参数和状态参数。进一步地,变化趋势参数又包括最大订票时间间隔参数、平均订票时间间隔参数、最大提前订票时间参数、平均提前订票时间参数、常订票时间点参数、购票渠道参数、订票次数参数、退票参数、改签次数参数、订票金额参数、延误时间参数等;因所涉及参数种类繁多,在此不对各参数进行一一列举。并且,根据各特征参数的特点以及最终输出数据的需求制定了不同的特征算法。以下,以“最大订票时间间隔参数”为例对其特征算法进行举例说明:
(1)使用Filter过滤算法根据旅客历史信息中的订票时间字段过滤出各旅客信息对应的预设时间阈值内的订票时间;
(2)以旅客ID为Partition字段,订票时间为升序排序字段,使用Lag函数获取Partition内上一条记录的订票时间,记为Lag(订票时间),并进一步生成变量“订票时间差”=订票时间-Lag(订票时间);
(3)以旅客ID为Group字段,使用Max函数作用在变量“订票时间差”上,获得最大订票时间间隔。
如此,在获取到多个旅客的历史信息后,根据特征数据库以及多个旅客历史信息生成训练数据。其中,多个旅客的历史信息可以是一家航空企业的旅客历史信息,也可以是多家航空企业的旅客历史信息。本方案优选为多家航空企业的旅客历史信息。如此,通过获取多家航空企业的旅客历史信息,并根据多家航空企业的旅客历史信息生成旅客价值评估模型。则生成的旅客价值评估模型可以在后续使用过程中根据输入的旅客信息(可以是一家航空企业的旅客信息)生成与多家航空企业的旅客价值相匹配的旅客价值评分。
训练数据包括训练集和测试集。将训练集输入Xbgoost算法引擎,生成基准模型。其中,Xgboost作为一种监督模型,可以建立多层节点。
根据测试集对基准模型进行交叉验证,生成旅客价值评估模型。优选地,预设模型超参数以及模型误差指标,将测试集输入基准模型,生成测试结果,并判断测试结果误差是否小于模型误差指标;若是,则将基准模型作为旅客价值评估模型;若否,则对模型超参数进行调整,并进行迭代训练,直至最终获得的测试结果误差小于模型误差指标。进而生成旅客价值评估模型。
将旅客信息输入旅客价值评估模型,生成旅客价值评分,建立旅客价值评分与旅客信息关联。其中,旅客信息可以是一家航空企业的旅客信息,也可以是多家航空企业的旅客信息。
作为一较优的实施例,可预设旅客价值表,该旅客价值表包括多个旅客价值区间,以及与多个旅客价值区间一一对应的旅客预估价值;根据旅客价值评分,获取旅客价值评分所属旅客价值区间对应的旅客预估价值。
具体地,以下通过表格的形式对一较优的旅客价值表进行展示:
旅客价值评分区间 | 0 | 0~10 | 10~20 | 20~30 | 30~40 |
旅客预估价值 | 0 | 0-500 | 500-700 | 700-1000 | 1000-1500 |
40~50 | 50~60 | 60~70 | 70~80 | 80~90 | 90~99 | 99-100 |
1500-2100 | 2100-2500 | 2500-3000 | 3000-3500 | 3500-4500 | 4500-25000 | 25000+ |
然后,建立旅客预估价值与旅客价值评分关联。如此,通过设置旅客价值表,将旅客评分价值进一步转化为旅客预估价值,可更加直观地获知旅客价值信息。
作为一较优的实施例,可预设潜在价值阈值以及高端旅客数据库;获取旅客实际价值,并根据旅客实际价值以及旅客预估价值生成旅客潜在价值。具体地,通过计算旅客实际价值与旅客预估价值的差值,进而根据该差值与旅客预估价值生成旅客潜在价值。判断旅客潜在价值是否达到潜在价值阈值;若是,将该旅客潜在价值关联的旅客信息存储入高端旅客数据库。如此,通过计算旅客潜在价值,并通过判断该旅客潜在价值是否达到潜在价值阈值来筛选潜在价值高的旅客群体,并将该旅客群体对应的旅客信息在高端旅客数据库中进行存储。便于航空企业营销策划的实施。
本发明的一种航空公司旅客价值计算方法与现有技术相比,可为航空企业提供更加精准的旅客价值评分,其所生成的旅客价值评分对航空企业营销策划以及成本策划具有更高的指导意义。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (5)
1.一种航空公司旅客价值计算方法,其特征在于,包括:
预设特征数据库,所述特征数据库包括特征参数集,以及与所述特征参数集中各特征参数一一对应的特征算法;
获取多个旅客的历史信息,并根据所述特征数据库和多个旅客的历史信息生成训练数据,所述训练数据包括训练集和测试集;
将所述训练集输入Xgboost算法引擎,生成基准模型;
根据所述测试集对所述基准模型进行交叉验证,生成旅客价值评估模型;
将旅客信息输入旅客价值评估模型,生成旅客价值评分,并建立所述旅客价值评分与所述旅客信息关联。
2.如权利要求1所述的一种航空公司旅客价值计算方法,其特征在于,还包括:
预设旅客价值表,所述旅客价值表包括多个旅客价值区间,以及与所述多个旅客价值区间一一对应的旅客预估价值;
根据所述旅客价值评分,获取所述旅客价值评分所属旅客价值区间对应的旅客预估价值,并建立所述旅客预估价值与所述旅客价值评分关联。
3.如权利要求2所述的一种航空公司旅客价值计算方法,其特征在于,还包括:
预设潜在价值阈值以及高端旅客数据库,
获取旅客实际价值,根据所述旅客实际价值以及所述旅客预估价值生成旅客潜在价值,并建立所述旅客潜在价值与所述旅客预估价值关联;
判断所述旅客潜在价值是否达到潜在价值阈值;
若是,则将与该旅客潜在价值关联的旅客信息存储入高端旅客数据库。
4.如权利要求1所述的一种航空公司旅客价值计算方法,其特征在于,所述根据所述测试集对所述基准模型进行交叉验证,生成旅客价值评估模型,具体为:
预设模型超参数以及模型误差指标;
将所述测试集输入所述基准模型,生成测试结果,并判断所述测试结果误差是否小于模型误差指标;
若是,则将所述基准模型作为旅客价值评估模型;
若否,则对所述模型超参数进行调整,并进行迭代训练,生成测试结果误差小于模型误差指标的旅客价值评估模型。
5.如权利要求1所述的一种航空公司旅客价值计算方法,其特征在于:所述特征参数包括变化趋势参数、不良体验参数、出行参数、订票参数、积分参数、属性参数和状态参数。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810408752.XA CN108596678A (zh) | 2018-05-02 | 2018-05-02 | 一种航空公司旅客价值计算方法 |
GB1815344.5A GB2573351A (en) | 2018-05-02 | 2018-09-20 | Machine learning system and medium for calculating passenger values of airline |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810408752.XA CN108596678A (zh) | 2018-05-02 | 2018-05-02 | 一种航空公司旅客价值计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108596678A true CN108596678A (zh) | 2018-09-28 |
Family
ID=63620421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810408752.XA Pending CN108596678A (zh) | 2018-05-02 | 2018-05-02 | 一种航空公司旅客价值计算方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108596678A (zh) |
GB (1) | GB2573351A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110751395A (zh) * | 2019-10-21 | 2020-02-04 | 中国民航信息网络股份有限公司 | 一种旅客行程状态确定方法、装置及服务器 |
CN110751523A (zh) * | 2019-10-21 | 2020-02-04 | 中国民航信息网络股份有限公司 | 一种潜在高价值旅客的发现方法及装置 |
CN111898786A (zh) * | 2019-05-05 | 2020-11-06 | 顺丰科技有限公司 | 一种电子锁需求预测方法、系统、设备及存储介质 |
CN111950623A (zh) * | 2020-08-10 | 2020-11-17 | 中国平安人寿保险股份有限公司 | 数据稳定性监控方法、装置、计算机设备及介质 |
CN112163786A (zh) * | 2020-10-19 | 2021-01-01 | 科技谷(厦门)信息技术有限公司 | 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 |
CN112163785A (zh) * | 2020-10-19 | 2021-01-01 | 科技谷(厦门)信息技术有限公司 | 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 |
CN116166735A (zh) * | 2023-04-21 | 2023-05-26 | 民航成都信息技术有限公司 | 航空数据的处理方法、装置、电子设备及存储介质 |
CN112163786B (zh) * | 2020-10-19 | 2024-05-28 | 科技谷(厦门)信息技术有限公司 | 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 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110288142B (zh) * | 2019-06-18 | 2023-02-28 | 国网上海市电力公司 | 一种基于XGBoost算法的工程超期预测方法 |
CN112215451A (zh) * | 2020-07-21 | 2021-01-12 | 中国人民公安大学 | 一种基于民航旅客分级分类的差异化安检方法及系统 |
CN112329543A (zh) * | 2020-10-12 | 2021-02-05 | 易显智能科技有限责任公司 | 一种驾驶能力过程性评价的方法及相关装置 |
CN112396342B (zh) * | 2020-11-30 | 2023-12-26 | 中国民航信息网络股份有限公司 | 一种旅客价值计算方法、装置及服务器 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107194803A (zh) * | 2017-05-19 | 2017-09-22 | 南京工业大学 | 一种p2p网贷借款人信用风险评估的装置 |
CN107240005A (zh) * | 2017-06-13 | 2017-10-10 | 携程旅游网络技术(上海)有限公司 | 机票附加产品的推荐系统及方法 |
CN107403325A (zh) * | 2017-08-10 | 2017-11-28 | 中国民航信息网络股份有限公司 | 机票订单可信度评价方法和装置 |
-
2018
- 2018-05-02 CN CN201810408752.XA patent/CN108596678A/zh active Pending
- 2018-09-20 GB GB1815344.5A patent/GB2573351A/en not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107194803A (zh) * | 2017-05-19 | 2017-09-22 | 南京工业大学 | 一种p2p网贷借款人信用风险评估的装置 |
CN107240005A (zh) * | 2017-06-13 | 2017-10-10 | 携程旅游网络技术(上海)有限公司 | 机票附加产品的推荐系统及方法 |
CN107403325A (zh) * | 2017-08-10 | 2017-11-28 | 中国民航信息网络股份有限公司 | 机票订单可信度评价方法和装置 |
Non-Patent Citations (1)
Title |
---|
周宁主编: "《信息组织》", 30 September 2017, 武汉大学出版社 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111898786A (zh) * | 2019-05-05 | 2020-11-06 | 顺丰科技有限公司 | 一种电子锁需求预测方法、系统、设备及存储介质 |
CN110751395A (zh) * | 2019-10-21 | 2020-02-04 | 中国民航信息网络股份有限公司 | 一种旅客行程状态确定方法、装置及服务器 |
CN110751523A (zh) * | 2019-10-21 | 2020-02-04 | 中国民航信息网络股份有限公司 | 一种潜在高价值旅客的发现方法及装置 |
CN110751395B (zh) * | 2019-10-21 | 2023-07-04 | 中国民航信息网络股份有限公司 | 一种旅客行程状态确定方法、装置及服务器 |
CN111950623A (zh) * | 2020-08-10 | 2020-11-17 | 中国平安人寿保险股份有限公司 | 数据稳定性监控方法、装置、计算机设备及介质 |
CN111950623B (zh) * | 2020-08-10 | 2023-11-14 | 中国平安人寿保险股份有限公司 | 数据稳定性监控方法、装置、计算机设备及介质 |
CN112163786A (zh) * | 2020-10-19 | 2021-01-01 | 科技谷(厦门)信息技术有限公司 | 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 |
CN112163785A (zh) * | 2020-10-19 | 2021-01-01 | 科技谷(厦门)信息技术有限公司 | 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 |
CN112163786B (zh) * | 2020-10-19 | 2024-05-28 | 科技谷(厦门)信息技术有限公司 | 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 |
CN116166735A (zh) * | 2023-04-21 | 2023-05-26 | 民航成都信息技术有限公司 | 航空数据的处理方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
GB2573351A (en) | 2019-11-06 |
GB201815344D0 (en) | 2018-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108596678A (zh) | 一种航空公司旅客价值计算方法 | |
Fullerton et al. | Lean manufacturing and firm performance: The incremental contribution of lean management accounting practices | |
CN103164474B (zh) | 一种对数据业务进行分析的方法 | |
Ismail | The role of marketing information system on decision making" an applied study on Royal jordanian air lines (RJA)" | |
Barabino et al. | Rethinking bus punctuality by integrating Automatic Vehicle Location data and passenger patterns | |
Wagner | From estimation results to stylized facts twelve recommendations for empirical research in international activities of heterogeneous firms | |
CN106204106A (zh) | 一种特定用户识别方法及系统 | |
CN108985347A (zh) | 分类模型的训练方法、店铺分类的方法及装置 | |
CN102629904A (zh) | 一种网络水军的探测与判定方法 | |
Schusser et al. | Sequence design of quantitative and qualitative surveys for increasing efficiency in forest policy research | |
Nadim et al. | Critical success factors of TQM in higher education institutions context | |
CN102081781A (zh) | 基于信息自循环的金融建模优化方法 | |
CN107274066B (zh) | 一种基于lrfmd模型的共享交通客户价值分析方法 | |
CN102591929B (zh) | 一种图书馆数据处理系统及其数据处理方法 | |
CN104331502A (zh) | 针对快递员周边人群营销中快递员数据的识别方法 | |
CN111882420A (zh) | 响应率的生成方法、营销方法、模型训练方法及装置 | |
CN110335075A (zh) | 适于消费金融的智能营销系统及其工作方法 | |
Barros et al. | How to quickly get a job? The transition from higher education to French labour market by a survival model | |
O’Donnell et al. | Organisational support and employee commitment in Sri Lanka | |
CN113435627A (zh) | 基于工单轨迹信息的电力客户投诉预测方法及装置 | |
Dale‐Olsen | Executive Pay Determination and Firm Performance—Empirical Evidence from a Compressed Wage Environment | |
CN110569363A (zh) | 一种决策流组件生成方法、装置、电子设备及存储介质 | |
Carrillo-Tudela | Job search, human capital and wage inequality | |
CN110163522A (zh) | 一种营销大数据的复核工单分析方法 | |
CN103235828B (zh) | 一种信息数据评分卡的指标的档位分析及调整方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |