摘要：为解决新一代民航旅客服务信息系统中数据缺失不能准确进行旅客流失预测的问题,考虑旅客流失预测任务与旅客缺失数据填补任务具有相关性,提出基于部分距离的SMOTE算法和基于降噪自编码器的多任务深度学习网络模型。基于部分距离的SMOTE算法在数据不完备场景下,对少数类别已流失旅客和准流失旅客进行过采样;设计的多任务深度学习网络模型利用逐层无监督训练和有监督微调,同时进行对缺失数据填补与民航旅客流失预测。实验结果表明,相比传统处理方法,该方法能有效提高数据质量和旅客流失预测的准确性。

摘要：针对混合文本语法杂糅,传统语义分析方法不能有效捕获其语义的问题,提出一种结合双语向量的组合式深度学习模型,用于中英混合文本情感分类。将中英混合文本对齐翻译成双语后,采用双语向量表示;利用CNN提取中文向量的局部特征,利用BiLSTM和注意力机制提取英文向量上下文相关的全局特征;将两种互补模型提取的文本特征进行融合,输入到softmax分类器中进行分类。实验结果表明,提出模型有效提升了混合文本分类的准确率。

摘要：为减少航班预先排序与实际调度结果之间的差异,提高航班运行效率,研究基于多维关联规则分析的航班排序优化方法。利用优化后的多维关联规则分析方法挖掘航班排序差异的特征信息,借鉴生物接种疫苗后的免疫行为,将挖掘到的特征信息用于免疫算法优化航班预排序。仿真结果表明,较之前预排序,优化后的排序结果在总差异和每个航班的偏差方面都得到了改善,该方法可行有效。

摘要：针对目前民航旅客关系网络中旅客关系类别单一、旅客价值计算滞后、旅客潜在价值计算没有考虑旅客之间的相互影响,使得一些具有极大消费潜力的旅客因为目前乘机次数较少而被航空公司忽略的现状,提出了一种融合个体属性与社交关系的民航旅客价值度量方法,采用RFMc模型计算旅客个体价值,并采用多关系评价(MRE)模型分析旅客关系,然后通过改进的PageRank算法设计实现融合旅客个体价值和社交关系的民航旅客价值排序(CAPV-Rank)算法,实现旅客价值度量、旅客价值预测和潜在高价值旅客挖掘。实验结果表明:设计实现的CAPV-Rank算法可通过调整权重因子实现多种模式下的旅客价值计算,满足各种业务需求,并能实现旅客价值预测、潜在高价值旅客挖掘,旨在为民航旅客价值度量和预测提供灵活、高效的解决方案。

摘要：为解决互联网上不同源中同一实体描述多样性的问题,提出一种基于非主属性离群点检测的实体匹配方法。利用非主属性值消除主属性值不同带来的歧义,非主属性值可较快排除不匹配实体,极大提高匹配效率。该匹配方法在一定程度上克服了离群点匹配在传统奇异值分解中不能应用在大规模数据的弊端,其基于规则的方法对数据进行粗筛选,降低实体对的数据规模;根据离群点检测模型做进一步筛选,得到初步的实体对集;根据生成的实体对集进行采样,利用机器学习选择合适的匹配器并训练来获取匹配对。实验结果表明,该方法使准确率和召回率得到提高,其有效性得到验证。

摘要：针对民航主数据识别指标的模糊性与不确定性特点及权重确定缺乏客观性的问题,提出一种基于云模型及粗糙集的民航主数据识别方法。根据民航主数据的特点,选取最具代表性的7个识别指标并将其划分为5个等级;利用正向云发生器生成各识别指标隶属于各主数据等级的综合云模型,计算各实体隶属于各主数据等级的隶属度;引入粗糙集理论计算各识别指标的权重,结合隶属度计算各实体隶属于各主数据的确定度,以最大确定度作为该实体的主数据等级。实验结果表明,该方法所得结果与预期结果一致,验证了该方法的有效性,为主数据识别提供了一种思路。

摘要：为便于航空公司和机场对旅客的监管和服务决策,需要对旅客潜在不文明水平进行有效分级预测。通过社会不文明行为与民航不文明行为的相似性分析,预测旅客在民航潜在的不文明行为等级,针对两类行为描述之间存在的非同源问题,通过改进SIF(smooth inverse frequency)算法设计实现基于行为特征和处罚特征联合相似度匹配的民航潜在不文明等级预测(IPBS-SIF)算法。该算法结合不文明旅客分布规律为处罚规则制定统一量化标准,实现不文明旅客的多粒度融合度量。实验结果表明,IPBS-SIF算法在预测准确度方面相比其它算法提高了12.2%-15.1%,为民航不文明旅客的行为分析和预测提供了有效的解决方案。

摘要：为解决民航业大规模分布式集群系统中服务的亲和性和负载均衡问题,研究JCF中间件平台上原有的负载均衡算法以及常见的负载均衡方法,提出一种亲和性动态负载均衡算法。提取用户标识信息,使用哈希映射方式分配用户请求,将同一用户连续请求映射到相同的目标服务器,针对集群规模变化情况设计动态调整策略。实验结果表明,该算法能够有效解决服务的亲和性和负载均衡问题,保证集群系统的稳定性和可伸缩性。

摘要：为减轻旅客订座后NOSHOW给航空公司造成的巨额经济损失,对海量数据的处理技术进行研究,利用粗糙集理论知识设计MapReduce算法,在Hadoop平台上对特征信息与收益漏洞NOSHOW进行关联性分析,剔除弱相关的特征维度,对约简后的特征信息使用Apriori算法进行关联规则挖掘。实验取得了不同阈值下的NOSHOW规则,利用阈值大小可以制定相应特征旅客群体的出票时限,清理不合理占座,增加座位的销售机会。

摘要：为平衡异地多活系统访问压力、充分利用系统资源、合理有效地为各数据中心分配用户,提出一种基于加权V图的异地多活数据中心用户接入划分方法。考虑各数据中心自身的性能条件和负载情况,通过选取相应指标,运用统计分析和数据变化的方法,确定各中心的加权值,在此基础上,运用加权V图的方法对用户接入进行划分。实验结果表明,该方法能够使用户的接入划分更加合理,均衡了数据中心的系统访问压力,避免了资源的浪费,为大数据时代数据中心建设和灾备系统建设提供技术支持。