增强下一目的地预测：一种基于真实世界航空数据的新型长短期记忆神经网络方法
机器学习
2024-09-17 v2 人工智能
摘要
在现代交通运输业中，准确预测旅客的下一目的地能为公司带来多重益处，例如提升客户满意度和实现精准营销。本研究致力于开发一个精确的模型，以捕捉旅行数据中的序列模式和依赖关系，从而实现对个人旅客未来目的地的准确预测。为此，提出了一种基于长短期记忆网络 (LSTM) 并结合滑动窗口方法的新型模型架构，用于交通运输业中的目的地预测。实验结果表明，所提出的模型在不同数据规模和性能指标下均表现出令人满意的性能和高分。本研究推进了目的地预测方法的发展，使公司能够在动态的旅行环境中提供个性化推荐并优化客户体验。
引用
@article{arxiv.2401.12830,
title = {Enhancing Next Destination Prediction: A Novel Long Short-Term Memory Neural Network Approach Using Real-World Airline Data},
author = {Salih Salihoglu and Gulser Koksal and Orhan Abar},
journal= {arXiv preprint arXiv:2401.12830},
year = {2024}
}