一种基于社交网络的民航新旅客成长性预测方法

对于一个高效的客户关系管理系统而言,预测客户成长性是必不可少的环节.本文尝试根据新旅客的短期历史出行数据对其未来价值成长性进行预测.为了克服新旅客历史出行记录稀少而导致无法准确预测的缺陷,提出了一种基于旅客社交网络的预测方法.首先根据旅客历史出行记录构建旅客同行网络;然后分别从旅客个体和旅客关系的角度构建多种分类特征,用来进行旅客成长性预测;最后提出了一种结合个体预测与关系预测的组合预测模型,以达到准确预测的目的.在某航空公司的真实数据集上进行实验,证明了本文提出的方法对民航新旅客未来价值成长性的推断是有效的.     

基于演化博弈的民航旅客群体性事件处置策略

为研究民航旅客群体性事件处置策略,通过演化博弈的相关理论,对各航空公司之间的博弈过程进行分析,从而建立航空公司处置策略模型.并在此基础之上,以某机场航站楼为仿真对象,运用仿真软件来模拟航空公司不同处置策略的作用效果.仿真结果表明,随着延误时间的增加,以及之前干预措施等因素的影响,航空公司工作人员的干预时机及次数均会影响...     

基于系统动力学的民航旅客安保演化博弈研究

针对民航旅客安保的严峻形势,在民航公安机关与民航风险旅客有限理性的前提下建立了民航旅客安保的演化博弈模型,研究双方策略选择的影响因素和相互作用机制,并在此基础上使用系统动力学分析工具对不同参数进行模拟仿真.仿真结果表明,通过加大对旅客违法行为的处罚力度、提升安全投入、提高情报研判水平、加强对公安机关的绩效考核有助于降低...     

基于软约束满足理论的用户偏好建模方法

用户建模是电子商务领域的重要研究问题之一,但是到目前为止还没有非常有效的方法能够建模用户的动态偏好等特征。在分析电子商务领域用户偏好特征获取一般特点的基础上,提出基于实例的两阶段递增式用户偏好特征获取方法。并采用基于半环的软约束满足问题表示用户的各类偏好特征,将用户建模看成是潜在方案空间上施加一系列偏好约束的过程。提出不同的偏好约束类型以及利用偏好约束建立用户模型的过程,实现电子商务领域复杂用户偏好的灵活建模。     

基于PLS的民航旅客满意度测评研究

简要介绍了顾客满意度的基本理论和偏最小二乘法的基本原理。根据民航企业特点给出民航旅客满意度的测评模型,并给出了一个具体例子进行理论模型的验证.计算出了旅客满意度和忠诚度等二级指标的值,对此做了简要分析。偏最小二乘法能较好地克服了各指标间的多重共线性问题,通过此方法求得的旅客满意度指数更准确、合理。     

延迟容忍网络中基于地点偏好的社会感知多播路由协议设计

根据延迟容忍网络中人类运动体现出的地点偏好特征,提出了一个社会感知路由协议,并采用了点到社区的多播方式。相应地设计了节点分布式地获取社区及其地理位置的方法,其中的分布式社区检测算法独立于路由协议,并具有灵活、准确的特征。协议以文中发掘出的新的社会感知量——地点偏好为中心,将消息不断地向目的社区所在的地理位置推进,在消息抵达社区成员节点之后利用社区结构所蕴含的强社会关系在社区内部继续传送消息,并激活消息复制机制。本协议基于社会网络分析,从地理位置的角度准确预测节点运动从而进行路由。实验结果表明:本协议与两个未采用地点偏好的社会感知路由协议相比,在不增加协议开销的情况下提升了至少10%的发包成功率;在社区及其地理位置已知的场景下具有更好的性能,在保持最高的发包成功率的同时缩减了50%以上的开销。     

民航无线宽带网络规划探析

介绍民航无线宽带通信网络的特点,组网方式及规划流程和步骤。     

基于旅客时间价值的高铁民航空间距离研究

近年来,我国高速铁路快速发展,对民航市场产生冲击。本文利用时间价值的相关理论模型对高铁与民航的竞争空间距离进行分析。通过建立旅客出行时间价值与民航相对于高铁的边际时间节省成本之间存在的关系来探究民航与高铁的竞争性问题,并建立了边际时间节省成本的计算模型,通过模拟的方式,观察了在不同的假设条件下,民航与高铁在不同的出行距离下所对应的消费者群体。总体上,随着旅客时间价值的变化,高铁民航的有效竞争空间距离以800km为界,且随时枢纽衔接时间、运行速度等变化而变化。     

基于节点状态的中南地区民航网络级联失效

随着中国各类突发事件的频繁发生,为保障民航交通网络的安全运营,使民航网络在不断动态演化过程中保持较强的网络抗毁能力,通过复杂网络理论构建民航网络级联失效模型,该模型根据级联失效现象下民航网络节点的变化情况,构建了一种基于节点状态的民航网络容量-负载级联失效模型,模型中的网络节点包含"正常-失效-暂停"三种状态.以中南地...     

以社交网络为核心的校园信息系统架构

如何推进信息技术与高等教育的深度融合,建设知识开放的共享环境已成为教育信息化领域的一个重要课题.本文介绍了社交网络的概念和核心特征,提出了一个以社交网络为核心的校园信息系统架构,并分析了实现该平台的一些关键技术.     

基于用户关系的在线社会网络关键用户识别算法

为了从在线社会网络中识别关键用户,并对用户的关键性进行量化排序,提出URRank算法,通过模拟人类社会的投票行为,综合考虑用户自身的活跃度和用户间的关注与互动关系,经过迭代计算,量化用户的关键性.以新浪微博的部分抓取数据为例,通过比较现有几种关键用户排序算法发现,URRank算法能够避免其他算法存在的被欺骗及片面性问题,识别出具有高认知度和高覆盖度的关键用户.     

参照零模型的符号社交网络理论研究

 结构平衡理论和地位理论是社交网络领域的重要理论,可以用来分析同时具有正向和负向连边的社交符号网络。提出了3种新的随机断边重连零模型,基于随机断边重连和符号随机置乱两大类零模型,对符号社交网络的地位理论和结构平衡理论进行了系统研究。发现基于零模型不但可以验证两种理论在实证网络中的准确性,还能揭示正边、负边拓扑结构和连边符号相关性对于整个网络性质的影响。提出了一个新框架,研究能否将有向符号网络转化为无向符号网络,发现目前常用的将有向符号网络转化成无向符号网络的方法在有些情况下对于研究社交网络理论是不合适的,存在着信息损失;讨论了非符号有向网络中的势能理论。     

基于三角生长网络的局域社会平衡动力学

 构建一种具有较多三角关系且聚类系数可调节的三角生长网络,利用计算机模拟,研究了网络拓扑结构改变对社会平衡动力学演化的影响。结果表明,当网络加边连接概率p_a≥0.5,网络为稠密连接时,网络的统计性质与完全连接图类似,社会平衡的演化与初始状态无关,且当转变概率p≥1/2 时, 网络系统发生从非全友好态到全友好态的动力学相变;当连接概率p_a<0.5,网络为稀疏连接时,网络的统计性质具有无标度网络的特性,社会平衡的演化呈现初值依赖性和动力学相变消失。     

基于时段偏好的高铁旅客车次选择行为研究

高频公交化运营已成为部分高速铁路线路满足快速增长需求的行车组织模式.历史售票数据显示旅客对同一起讫站(OD)间平行车次的选择具有明显差异性,基于Logit模型构建考虑出发时段偏好的旅客平行车次选择方法.从车次选择率及购票特征两方面阐述旅客对平行车次选择的差异性,认为出发时段是影响旅客选择的关键要素.利用RP(Revealed Preference)与SP(Stated Preference)组合调查方法获取旅客实际出发时段偏好及潜在支付意愿.将旅客出发时段偏好融合至选择广义费用函数,构建平行车次条件下旅客的车次选择模型.京沪高铁实证分析显示:模型预测结果与实际情况间平均相对误差为6.62%,验证了方法的有效性和准确性.为精细化需求特征分析及管理提供理论基础和决策方法.     

电话社会网络结构的实证分析

根据城市中的电话通话记录建立了一个大型的社会网络,研究了这个网络的有关结构特性.网络呈现了与相关社会网络相似的特性,如度分布的幂律特性、小世界效应、非平凡聚集或网络传递的特点等,同时该网络也表现出与其他社会网络不同的特性,如度的异向匹配.通过给边赋予权重,分析了网络在加权情况下的一些静态结构性质,其中,包括点强度分布、强度相关性及群聚系数等.     

基于偏好设计的物理规划理论

从数学角度探求了基于偏好设计的物理规划理论的有效性.通过定义偏好的概念及对偏好的数学量化,采用数值分析方法,构造了四种不同偏好结构的偏好函数,进而构造出综合偏好函数,并建立了物理规划数学模型.通过实例分析,得到了符合不同偏好区间的设计结果.     

基于度-负载联合偏好的无标度网络局部路由策略

提出了一种无标度(scale-free)网络上的自适应局部路由策略.发送节点根据每个邻居节点当前负载与其发送能力的关系,自适应调整向该邻居节点转发信息包的概率.此概率与每个邻居节点度的α次方成正比,α是可自适应变化的偏好因子,由节点度以及负载联合决定.当节点负载小于发送能力时,增大其偏好因子;反之,则减小.这样使得整个网络业务量较小时,可以优先把业务转发往度较大的节点,从而使信息更快到达目的地;而业务量较大时,将业务分散处理,避免在度大的节点处拥塞,使得所有节点的发送能力均能得到充分利用,从而提高了整个网络的业务承载能力.仿真结果表明,本策略有效地提高了网络容量,并且降低了网络中信息包的平均传输时延.     

一种基于位置和时间信息的兴趣点推荐方法

在社交网络中,人们往往会访问自己比较感兴趣和离自己比较近的地方,而兴趣点推荐就是根据用户的兴趣偏好能够有效地帮助用户选择自己比较感兴趣的地点。笔者提出一种基于位置和时间信息的兴趣点推荐方法。该方法从兴趣点的角度出发分为3个步骤,首先使用用户历史访问的兴趣点的位置信息计算用户历史访问兴趣点和用户未曾访问过的兴趣点的相似度;然后使用时间信息,将一天划分为不同的时间段,统计所有兴趣点在一天中不同时间段被签到的次数,计算用户历史访问兴趣点和用户未曾访问过的兴趣点的相似度;最后根据兴趣点的位置和时间信息综合计算用户历史访问兴趣点与用户未曾访问兴趣点的相似度,根据Top-N策略向用户推荐用户未曾访问过的兴趣点。在现实社会中的真实数据集上进行实验验证,实验结果表明笔者提出的方法是有效的。