CN112163786B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN112163786B CN112163786B CN202011121141.0A CN202011121141A CN112163786B CN 112163786 B CN112163786 B CN 112163786B CN 202011121141 A CN202011121141 A CN 202011121141A CN 112163786 B CN112163786 B CN 112163786B
- Authority
- CN
- China
- Prior art keywords
- passenger
- score
- value
- relationship
- peer
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims abstract description 13
- 238000012546 transfer Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 238000004140 cleaning Methods 0.000 claims abstract description 4
- 238000010606 normalization Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 18
- 230000007704 transition Effects 0.000 claims description 16
- 230000008520 organization Effects 0.000 claims description 9
- 238000013016 damping Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000011156 evaluation Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据和pagerank算法的民航旅客个人影响力评估方法,包括以下步骤:获取旅客出行数据,根据旅客出行数据计算旅客间最终粘度值;建立客户价值转移概率矩阵;通过建立RFMC模型进行清洗计算,获得旅客个体价值,定义个性化转移向量;基于旅客个体价值和客户社交关系网络,计算旅客影响力得分;基于旅客个体价值和客户社交关系网络,建立旅客影响力迭代模型。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pagerank算法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。
Description
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pagerank算法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pagerank算法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pagerank算法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,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,根据旅客出行数据计算旅客间最终粘度值;
S2、建立客户价值转移概率矩阵,在客户社交关系网络G中,W为边的权重集合,Iij=Iji表示旅客i、j间的最终粘度值,客户价值转移概率矩阵具体为:
其中,Mij为客户价值转移概率矩阵,N(i)为节点i的邻居节点集;
S3、通过建立RFMC模型进行清洗计算,获得旅客个体价值,所述RFMC模型为:
其中,vi表示旅客i的个体价值;
在客户社交关系网络G中,定义个性化转移向量U=[u1 u2 … un],个性化转移概率的表达式为:
其中,ui为旅客i的个性化转移概率,n为旅客数量,rk表示所有旅客影响力得分初始值;
S4、基于旅客个体价值和客户社交关系网络,计算旅客影响力得分:
其中,ri为旅客i的影响力得分,α为阻尼系数,0≤α≤1,rj为旅客j的影响力得分;
S5、基于旅客个体价值和客户社交关系网络,建立旅客影响力迭代模型:
其中,为经过a次迭代计算后的旅客影响力得分向量,n为旅客数量,Mn×n为转移概率矩阵,Un×1为个性化转移向量;
每迭代一次进行一次规范化处理,并满足:
设置迭代终止条件为:
||Ra+1-Ra||2≤ε
其中,ε为阈值。
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:
Vij=βp×P′ij+βb×B′ij+βs×S′ij
其中,Vij为旅客关系得分,P'ij为同订单关系得分归一化处理后的结果,B'ij为同行值机关系得分归一化处理后的结果,S'ij为同行座位关系得分归一化处理后的结果,βp为同订单关系得分权重,βb为同行值机关系得分权重,βs为同行座位关系得分权重;
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:
Wij=Vij×cij÷1.1
其中,Wij为旅客粘度值得分,cij为旅客关系系数;
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'ij为旅客相对关系得分,其代表以旅客i为中心,在旅客i的关系网中,旅客i、j关系得分与旅客i同其他旅客关系得分的对比值,Vij为旅客关系得分,VMAX表示的是以旅客i为中心,在旅客i的关系网中,与除了旅客i之外的其他旅客关系得分的最大值;
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′ij、W′ji为旅客相对关系总得分值,τ为旅客粘度值得分的权重系数,(1-τ)为旅客相对关系得分的权重系数,ρij为同行系数,其数值根据同行时间因素确定;
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,xij为旅客i、j的同行人数值,xij为在同民航订座人数最大值和同值机编组人数最小值中取最小值。
优选地,所述同行系数ρij通过以下公式计算得出:
其中,Kij为旅客i与旅客j的同行次数,t'L为旅客i与旅客j最近一次同行时间,t'为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间。
优选地,所述同行值机关系得分通过以下方法计算:
其中,Bij为同行值机关系得分,dci[k]为旅客i和旅客j第k次同行的登机牌序号差值,t'k为旅客i和旅客j第k次同行时间,t'为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间。
优选地,所述同行值机关系得分通过以下方法计算:
其中,Bij为同行值机关系得分,D[k]为旅客i和旅客j第k次同值机编组的旅客数量,t'k为旅客i和旅客j第k次同行时间,t'为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间。
优选地,所述同行座位关系得分通过以下方法计算:
dseat[k]=αdp[k]+βdh[k]
其中,Sij为同行座位关系得分,dseat[k]为旅客i和旅客j第k次同行时座位的曼哈顿距离,t'k为旅客i和旅客j第k次同行时间,t'为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间,dp[k]为旅客i和旅客j第k次同行的座位纵向距离,dh[k]为旅客i和旅客j第k次同行的座位横向距离,α为纵向距离权重,β为横向距离权重。
优选地,所述同订单关系得分通过以下方法计算:
其中,S1[k]为旅客i和旅客j第k次机票同订单的订单旅客数量,S2[k]为旅客i和旅客j第k次CC平台同票号的订单旅客数量,S3[k]为旅客i和旅客j第k次旅游度假同订单的订单旅客数量,S4[k]为旅客i和旅客j第k次假期平台同订单的订单旅客数量,t1k为旅客i和旅客j第k次机票同订单的订单时间,t2k为旅客i和旅客j第k次CC平台同票号的订单时间,t3k为旅客i和旅客j第k次旅游度假同订单的订单时间,t4k为旅客i和旅客j第k次假期平台同订单的订单时间,t'为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间。
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,xcenter为得分数据的中位数,所述中位数为将所有得分数据进行排序,选取的排序在中间的得分数据的值。
优选地,所述旅客关系信息包含旅客关系类型,所述旅客关系类型至少包括直系亲属、配偶、近亲属、亲戚、朋友、同学、同事、其他、无关系中的一种或多种,每种旅客关系类型唯一对应一旅客关系系数。
优选地,所述旅客关系系数取值范围为1~1.1。
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pagerank算法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pagerank算法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,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,根据旅客出行数据计算旅客间最终粘度值。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:
Vij=βp×P′ij+βb×B′ij+βs×S′ij
其中,Vij为旅客关系得分,P'ij为同订单关系得分归一化处理后的结果,B'ij为同行值机关系得分归一化处理后的结果,S'ij为同行座位关系得分归一化处理后的结果,βp为同订单关系得分权重,βb为同行值机关系得分权重,βs为同行座位关系得分权重。
归一化处理通过以下方法计算得到归一化结果:
其中,xcenter为得分数据的中位数,中位数为将所有得分数据进行排序,选取的排序在中间的得分数据的值。若得分数据的总数量是偶数,则xcenter取中间两个得分数据的平均值。若中位数为0,则xcenter取非0的最小值。
同行值机关系得分通过以下方法计算:
其中,Bij为同行值机关系得分,dci[k]为旅客i和旅客j第k次同行的登机牌序号差值,t'k为旅客i和旅客j第k次同行时间,t'为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间。
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,Bij为同行值机关系得分,D[k]为旅客i和旅客j第k次同值机编组的旅客数量,t'k为旅客i和旅客j第k次同行时间,t'为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间。
同行座位关系得分通过以下方法计算:
dseat[k]=αdp[k]+βdh[k]
其中,Sij为同行座位关系得分,dseat[k]为旅客i和旅客j第k次同行时座位的曼哈顿距离,t'k为旅客i和旅客j第k次同行时间,t'为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间,dp[k]为旅客i和旅客j第k次同行的座位纵向距离,dh[k]为旅客i和旅客j第k次同行的座位横向距离,α为纵向距离权重,β为横向距离权重。
同订单关系得分通过以下方法计算:
其中,S1[k]为旅客i和旅客j第k次机票同订单的订单旅客数量,S2[k]为旅客i和旅客j第k次CC平台同票号的订单旅客数量,S3[k]为旅客i和旅客j第k次旅游度假同订单的订单旅客数量,S4[k]为旅客i和旅客j第k次假期平台同订单的订单旅客数量,t1k为旅客i和旅客j第k次机票同订单的订单时间,t2k为旅客i和旅客j第k次CC平台同票号的订单时间,t3k为旅客i和旅客j第k次旅游度假同订单的订单时间,t4k为旅客i和旅客j第k次假期平台同订单的订单时间,t'为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间。
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:
Wij=Vij×cij÷1.1
其中,Wij为旅客粘度值得分,cij为旅客关系系数。旅客关系信息包含旅客关系类型,旅客关系类型至少包括直系亲属、配偶、近亲属、亲戚、朋友、同学、同事、其他、无关系中的一种或多种,每种旅客关系类型唯一对应一旅客关系系数。旅客关系系数取值范围为1~1.1。
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'ij为旅客相对关系得分,其代表以旅客i为中心,在旅客i的关系网中,旅客i、j关系得分与旅客i同其他旅客关系得分的对比值,Vij为旅客关系得分,VMAX表示的是以旅客i为中心,在旅客i的关系网中,与除了旅客i之外的其他旅客关系得分的最大值。
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′ij、W′ji为旅客相对关系总得分值,τ为旅客粘度值得分的权重系数,(1-τ)为旅客相对关系得分的权重系数,ρij为同行系数,其数值根据同行时间因素确定。同行系数ρij通过以下公式计算得出:
其中,Kij为旅客i与旅客j的同行次数,t'L为旅客i与旅客j最近一次同行时间,t'为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间。
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,xij为旅客i、j的同行人数值,xij为在同民航订座人数最大值和同值机编组人数最小值中取最小值。
S2、建立客户价值转移概率矩阵,在客户社交关系网络G中,W为边的权重集合,Iij=Iji表示旅客i、j间的最终粘度值,客户价值转移概率矩阵具体为:
其中,Mij为客户价值转移概率矩阵,N(i)为节点i的邻居节点集。
S3、通过建立RFMC模型进行清洗计算,获得旅客个体价值,RFMC模型为:
其中,vi表示旅客i的个体价值;
在客户社交关系网络G中,定义个性化转移向量U=[u1 u2 … un],个性化转移概率的表达式为:
其中,ui为旅客i的个性化转移概率,n为旅客数量,rk表示所有旅客影响力得分初始值。
S4、基于旅客个体价值和客户社交关系网络,计算旅客影响力得分:
其中,ri为旅客i的影响力得分,α为阻尼系数,0≤α≤1,rj为旅客j的影响力得分。
S5、基于旅客个体价值和客户社交关系网络,建立旅客影响力迭代模型:
其中,为经过a次迭代计算后的旅客影响力得分向量,n为旅客数量,Mn×n为转移概率矩阵,Un×1为个性化转移向量;
每迭代一次进行一次规范化处理,并满足:
设置迭代终止条件为:
||Ra+1-Ra||2≤ε
其中,ε为阈值。
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。
Claims (9)
1.一种基于大数据和pagerank算法的民航旅客个人影响力评估方法,其特征在于,包括以下步骤:
S1、获取旅客出行数据,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,根据旅客出行数据计算旅客间最终粘度值;
S2、建立客户价值转移概率矩阵,在客户社交关系网络G中,W为边的权重集合,Iij=Iji表示旅客i、j间的最终粘度值,客户价值转移概率矩阵具体为:
其中,Mij为客户价值转移概率矩阵,N(i)为节点i的邻居节点集;
S3、通过建立RFMC模型进行清洗计算,获得旅客个体价值,所述RFMC模型为:
其中,vi表示旅客i的个体价值;
在客户社交关系网络G中,定义个性化转移向量U=[u1 u2…un],个性化转移概率的表达式为:
其中,ui为旅客i的个性化转移概率,n为旅客数量,rk表示所有旅客影响力得分初始值;
S4、基于旅客个体价值和客户社交关系网络,计算旅客影响力得分:
其中,ri为旅客i的影响力得分,α为阻尼系数,0≤α≤1,rj为旅客j的影响力得分;
S5、基于旅客个体价值和客户社交关系网络,建立旅客影响力迭代模型:
其中,为经过a次迭代计算后的旅客影响力得分向量,n为旅客数量,Mn×n为转移概率矩阵,Un×1为个性化转移向量;
每迭代一次进行一次规范化处理,并满足:
设置迭代终止条件为:
||Ra+1-Ra||2≤ε
其中,ε为阈值;
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:
Vij=βp×P′ij+βb×B′ij+βs×S′ij
其中,Vij为旅客关系得分,P'ij为同订单关系得分归一化处理后的结果,B'ij为同行值机关系得分归一化处理后的结果,S'ij为同行座位关系得分归一化处理后的结果,βp为同订单关系得分权重,βb为同行值机关系得分权重,βs为同行座位关系得分权重;
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:
Wij=Vij×cij÷1.1
其中,Wij为旅客粘度值得分,cij为旅客关系系数;
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'ij为旅客相对关系得分,其代表以旅客i为中心,在旅客i的关系网中,旅客i、j关系得分与旅客i同其他旅客关系得分的对比值,Vij为旅客关系得分,VMAX表示的是以旅客i为中心,在旅客i的关系网中,与除了旅客i之外的其他旅客关系得分的最大值;
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'ij、W'ji为旅客相对关系总得分值,τ为旅客粘度值得分的权重系数,(1-τ)为旅客相对关系得分的权重系数,ρij为同行系数,其数值根据同行时间因素确定;
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,xij为旅客i、j的同行人数值。
2.如权利要求1所述的一种基于大数据和pagerank算法的民航旅客个人影响力评估方法,其特征在于,所述同行系数ρij通过以下公式计算得出:
其中,Kij为旅客i与旅客j的同行次数,t'L为旅客i与旅客j最近一次同行时间,t'为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间。
3.如权利要求2所述的一种基于大数据和pagerank算法的民航旅客个人影响力评估方法,其特征在于,所述同行值机关系得分通过以下方法计算:
其中,Bij为同行值机关系得分,dci[k]为旅客i和旅客j第k次同行的登机牌序号差值,t'k为旅客i和旅客j第k次同行时间,t'为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间。
4.如权利要求2所述的一种基于大数据和pagerank算法的民航旅客个人影响力评估方法,其特征在于,所述同行值机关系得分通过以下方法计算:
其中,Bij为同行值机关系得分,D[k]为旅客i和旅客j第k次同值机编组的旅客数量,t'k为旅客i和旅客j第k次同行时间,t'为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间。
5.如权利要求2所述的一种基于大数据和pagerank算法的民航旅客个人影响力评估方法,其特征在于,所述同行座位关系得分通过以下方法计算:
dseat[k]=αdp[k]+βdh[k]
其中,Sij为同行座位关系得分,dseat[k]为旅客i和旅客j第k次同行时座位的曼哈顿距离,t'k为旅客i和旅客j第k次同行时间,t'为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间,dp[k]为旅客i和旅客j第k次同行的座位纵向距离,dh[k]为旅客i和旅客j第k次同行的座位横向距离,α为纵向距离权重,β为横向距离权重。
6.如权利要求2所述的一种基于大数据和pagerank算法的民航旅客个人影响力评估方法,其特征在于,所述同订单关系得分通过以下方法计算:
其中,S1[k]为旅客i和旅客j第k次机票同订单的订单旅客数量,S2[k]为旅客i和旅客j第k次CC平台同票号的订单旅客数量,S3[k]为旅客i和旅客j第k次旅游度假同订单的订单旅客数量,S4[k]为旅客i和旅客j第k次假期平台同订单的订单旅客数量,t1k为旅客i和旅客j第k次机票同订单的订单时间,t2k为旅客i和旅客j第k次CC平台同票号的订单时间,t3k为旅客i和旅客j第k次旅游度假同订单的订单时间,t4k为旅客i和旅客j第k次假期平台同订单的订单时间,t'为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间。
7.如权利要求2所述的一种基于大数据和pagerank算法的民航旅客个人影响力评估方法,其特征在于,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,xcenter为得分数据的中位数,所述中位数为将所有得分数据进行排序,选取的排序在中间的得分数据的值。
8.如权利要求2所述的一种基于大数据和pagerank算法的民航旅客个人影响力评估方法,其特征在于,所述旅客关系信息包含旅客关系类型,所述旅客关系类型至少包括直系亲属、配偶、近亲属、亲戚、朋友、同学、同事、其他、无关系中的一种或多种,每种旅客关系类型唯一对应一旅客关系系数。
9.如权利要求8所述的一种基于大数据和pagerank算法的民航旅客个人影响力评估方法,其特征在于,所述旅客关系系数取值范围为1~1.1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011121141.0A CN112163786B (zh) | 2020-10-19 | 2020-10-19 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011121141.0A CN112163786B (zh) | 2020-10-19 | 2020-10-19 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112163786A CN112163786A (zh) | 2021-01-01 |
CN112163786B true CN112163786B (zh) | 2024-05-28 |
Family
ID=73867578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011121141.0A Active CN112163786B (zh) | 2020-10-19 | 2020-10-19 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112163786B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021189A (zh) * | 2014-06-13 | 2014-09-03 | 中国民航信息网络股份有限公司 | 一种民航旅客网络生成方法 |
CN105631750A (zh) * | 2015-12-25 | 2016-06-01 | 中国民航信息网络股份有限公司 | 民航旅客团体发现方法 |
CN105654337A (zh) * | 2015-12-25 | 2016-06-08 | 中国民航信息网络股份有限公司 | 民航旅客价值评估方法 |
CN107886372A (zh) * | 2017-12-06 | 2018-04-06 | 中国南方航空股份有限公司 | 客户价值发现方法 |
CN108596678A (zh) * | 2018-05-02 | 2018-09-28 | 陈思恩 | 一种航空公司旅客价值计算方法 |
CN109522372A (zh) * | 2018-11-21 | 2019-03-26 | 北京交通大学 | 民航领域旅客价值的预测方法 |
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 |
KR102096419B1 (ko) * | 2019-09-24 | 2020-04-03 | 주식회사 옵티마이즈 | 위치정보와 빅데이터 분석에 기반한 여행 동행 및 상품 제공 시스템 및 방법 |
CN111368213A (zh) * | 2020-03-04 | 2020-07-03 | 山西大学 | 一种民航旅客关系网络的重叠社区结构检测方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7941339B2 (en) * | 2004-12-23 | 2011-05-10 | International Business Machines Corporation | Method and system for managing customer network value |
-
2020
- 2020-10-19 CN CN202011121141.0A patent/CN112163786B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021189A (zh) * | 2014-06-13 | 2014-09-03 | 中国民航信息网络股份有限公司 | 一种民航旅客网络生成方法 |
CN105631750A (zh) * | 2015-12-25 | 2016-06-01 | 中国民航信息网络股份有限公司 | 民航旅客团体发现方法 |
CN105654337A (zh) * | 2015-12-25 | 2016-06-08 | 中国民航信息网络股份有限公司 | 民航旅客价值评估方法 |
CN107886372A (zh) * | 2017-12-06 | 2018-04-06 | 中国南方航空股份有限公司 | 客户价值发现方法 |
CN108596678A (zh) * | 2018-05-02 | 2018-09-28 | 陈思恩 | 一种航空公司旅客价值计算方法 |
GB201815344D0 (en) * | 2018-05-02 | 2018-11-07 | Chen Sien | Machine learning system and medium for calculating passenger values of airline |
CN109522372A (zh) * | 2018-11-21 | 2019-03-26 | 北京交通大学 | 民航领域旅客价值的预测方法 |
KR102096419B1 (ko) * | 2019-09-24 | 2020-04-03 | 주식회사 옵티마이즈 | 위치정보와 빅데이터 분석에 기반한 여행 동행 및 상품 제공 시스템 및 방법 |
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 |
CN111368213A (zh) * | 2020-03-04 | 2020-07-03 | 山西大学 | 一种民航旅客关系网络的重叠社区结构检测方法及系统 |
Non-Patent Citations (4)
Title |
---|
一种基于社交网络的民航新旅客成长性预测方法;林友芳 等;《北京交通大学学报》;第38卷(第06期);第40-46页 * |
一种融合个体属性与社交关系的民航旅客价值度量方法;丁建立 等;《航空学报》;第39卷(第02期);第1-12页 * |
民航旅客社会网络构建方法研究;冯霞 等;《计算机仿真》;第30卷(第06期);第51-54、142页 * |
重要节点发现算法在民航旅客社会网络中的应用研究;曹卫东 等;《计算机应用与软件》;第33卷(第02期);第237-241页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112163786A (zh) | 2021-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101259604B1 (ko) | 소셜 네트워크 기반의 컨텐츠 추천 시스템 및 컨텐츠 추천 방법 | |
CN108304974B (zh) | 一种基于优化C5.0和Apriori的民航NOSHOW预测及强因子分析方法 | |
CN102955813B (zh) | 一种信息搜索方法和系统 | |
CN103593353A (zh) | 信息搜索方法、展示信息排序权重值确定方法及其装置 | |
CN112308616B (zh) | 一种航司旅客的群体划分方法及装置 | |
CN104077417A (zh) | 社交网络中的人物标签推荐方法和系统 | |
CN110321421B (zh) | 用于网站知识社区系统的专家推荐方法及计算机存储介质 | |
Canelas et al. | Human capital, labour market outcomes, and horizontal inequality in Guatemala | |
CN110569920A (zh) | 一种多任务机器学习的预测方法 | |
CN103617259A (zh) | 一种基于有社会关系和项目内容的贝叶斯概率矩阵分解推荐方法 | |
CN111599219B (zh) | 一种基于排序学习的多数据源航班起飞时间预测方法 | |
CN108804577A (zh) | 一种资讯标签兴趣度的预估方法 | |
CN114595850A (zh) | 基于机器学习的政务预约服务推荐方法 | |
CN113779384A (zh) | 一种基于客户画像的航班推荐系统 | |
CN111949848A (zh) | 一种基于特定事件的跨平台传播态势评估及分级方法 | |
CN112163786B (zh) | 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 | |
CN104317881A (zh) | 一种基于用户话题权威性的微博重排序方法 | |
CN109684561B (zh) | 基于用户签到行为变化的深层语义分析的兴趣点推荐方法 | |
CN108647739B (zh) | 一种基于改进的密度峰值聚类的社交网络社区发现方法 | |
CN114782114A (zh) | 一种基于CNN-GRU和SSA-GWO-LightGBM的机票价格预测方法 | |
CN110728459A (zh) | 出行方式识别系统、方法、装置及模型训练方法、装置 | |
CN112784177B (zh) | 一种空间距离自适应的下一个兴趣点推荐方法 | |
CN117669837A (zh) | 一种机场陆侧换乘交通方式选择预测方法及系统 | |
CN112163787B (zh) | 一种基于大数据的旅客相对关系预测方法 | |
CN111324641A (zh) | 人员估计方法、装置及计算机可读存储介质和终端设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |