[发明专利]一种基于混合特征选择算法的民航可疑订单特征提取方法

说明书

一种基于混合特征选择算法的民航可疑订单特征提取方法。其包括数据预处理；选择初始特征；计算初始特征信息增益值并生成预选特征子集；利用决策树C4.5算法选出最优候选特征子集；通过序列前向浮动搜索算法生成子集，并利用决策树C4.5算法评估子集而得到最终选择的特征子集等步骤。本发明优点：在不同的搜索阶段采取不同的评估标准，通过信息增益和序列前向浮动搜索的Filter‑Wrapper混合特征选择算法，兼具Filter算法的快速计算特点和Wrapper算法的高分类精度优势，既保证了算法的性能又降低了算法的时间复杂度，既具有特征子集的动态搜索特点，避免了特征发生嵌套的可能性，又能够获得较高的可疑订单识别率。

技术领域

本发明属于面向民航收益提升的数据挖掘技术领域，特别是涉及一种基于混合特征选择算法的民航可疑订单特征提取方法。

背景技术

在传统的民航业务流程中，旅客购买机票分为两个重要的阶段，一是航班座位预订，二是出票。事实上，在旅客订票阶段，只有真正出票之后的座位预订才能给航空公司带来价值，因此在座位预订和实际销售之间存在着大量的潜在收益漏洞(Revenue Leakage，RL)。比如，随着近几年来代理人和分销商队伍迅速扩大，某些代理通过在旅客姓名记录(Passenger Name Record，PNR)中输入虚假票号、输入虚假旅客姓名、重复订座等各种方法来争取获得更多的利润，导致了航空公司产生了巨大的损失，使得航空公司收益管理人员耗费大量的时间和人力去检查航班上的订座记录，同时要对发现的订单问题采取相应的措施。因此，如何高效地挖掘可疑订单并对其进行及时的清理成为了收益提升管理中的关键一环。为了快速构建可疑订单识别模型，首先需要提取与可疑订单相关的特征维度，而这必须采用合适的特征选择算法来实现。目前，特征选择算法在民航可疑订单识别领域的研究仍处于起步阶段，特征选择算法针对评估标准的不同大致分为过滤模型、封装模型以及混合模型三类。因此，提出合适的特征选择算法应用于可疑订单特征提取是首要任务。

发明内容

为了解决上述问题，本发明的目的在于提供一种基于混合特征选择算法的民航可疑订单特征提取方法。

为了达到上述目的，本发明提供的基于混合特征选择算法的民航可疑订单特征提取方法包括按顺序进行的下列步骤：

步骤一、对民航旅客信息服务系统的PNR订单中的数据进行关联、整合及离散化在内的预处理；

步骤二、从上述预处理后的PNR订单的数据中选择与可疑订单相关的初始特征；

步骤三、计算上述初始特征的信息增益值，对其进行由高到低的排序并生成预选的特征子集；

步骤四、利用上述初始特征的信息增益值计算其增益率，选择增益率最大的初始特征作为最优划分属性特征，然后利用决策树C4.5算法评估上述预选的特征子集，选出使得对可疑订单识别率最高的具有m个特征的特征子集作为最优候选特征子集；

步骤五、通过序列前向浮动搜索算法对上述最优候选特征子集进行迭代而生成新的特征子集，并利用步骤四中的决策树C4.5算法评估每次迭代生成的新的特征子集，评估结果最优的特征子集即为最终选择的特征子集。

在步骤一中，所述的对民航旅客信息服务系统的PNR订单中的数据进行关联、整合及离散化在内的预处理的方法是：

首先将组成PNR订单的旅客信息表、PNR信息表、姓名表、航段状态变更表、航段状态表、航段表以及PNR出票信息表共七个表中的数据通过主键PNR记录编号和航段ID进行关联和整合，再将订票时间与起飞时间的时间间隔离散化为八个等级，将热门航段离散化为两个等级，最后将航段状态表中的舱位等级归一化为三个等级。

在步骤二中，所述的从上述预处理后的PNR订单的数据中选择与可疑订单相关的初始特征的方法是：