基于生成对抗网络的航空公司旅客订座记录生成
机器学习
2018-07-19 v1 机器学习
摘要
旅客订座记录（PNR）是旅游行业的核心。当行程被预订时即生成此类记录，其中包含旅行与旅客信息。航空公司及业内其他参与者相互交换并访问彼此的 PNR 是常见做法，这带来了在不侵犯数据所有权法律的前提下使用这些数据的挑战。为应对这一困难，我们提出一种利用生成对抗网络（GAN）生成逼真合成 PNR 的方法。与其他 GAN 应用不同，PNR 由带有缺失/NaN 值的类别型与数值型特征组成，这使得 GAN 的使用颇具挑战性。我们提出一种基于 Cramér GAN、类别特征嵌入以及 Cross-Net 架构的解决方案。该方法在真实 PNR 数据集上进行了测试，并针对分布匹配、记忆性，以及两个真实业务问题（客户分群与旅客国籍预测）的预测模型性能进行了评估。结果表明，生成的数据与真实 PNR 匹配良好且未记忆原始数据，并可用于训练面向真实业务应用的模型。
引用
@article{arxiv.1807.06657,
title = {Airline Passenger Name Record Generation using Generative Adversarial Networks},
author = {Alejandro Mottini and Alix Lheritier and Rodrigo Acuna-Agost},
journal= {arXiv preprint arXiv:1807.06657},
year = {2018}
}
备注
ICML 2018 - workshop on Theoretical Foundations and Applications of Deep Generative Models