大规模数据驱动的航空公司市场影响力最大化
机器学习
2021-06-01 v1
摘要
我们提出一个预测驱动的优化框架,通过调节航班频率来最大化美国国内航空客运市场中的市场影响力。在底层,我们的神经网络考虑了多种特征,如经典航空公司性能特征和运输网络特征,以预测市场影响力。在预测模型之上,我们定义了一个预算约束下的航班频率优化问题,以在 2,262 条航线上最大化市场影响力。该问题属于非线性优化问题,传统方法无法精确求解。为此,我们提出一种新颖的自适应梯度上升(AGA)方法。我们的预测模型在中位均方根误差(RMSE)上比基线模型精度提高 2 到 11 倍。此外,我们最大的规模实验中,AGA 优化方法比贪心算法快 690 倍且优化结果更优。
引用
@article{arxiv.2105.15012,
title = {Large-Scale Data-Driven Airline Market Influence Maximization},
author = {Duanshun Li and Jing Liu and Jinsung Jeon and Seoyoung Hong and Thai Le and Dongwon Lee and Noseong Park},
journal= {arXiv preprint arXiv:2105.15012},
year = {2021}
}
备注
Accepted by KDD 2021