[发明专利]一种基于机器学习的民航旅客标签分析方法及处理终端

摘要

本发明涉及一种基于机器学习的民航旅客标签分析方法，包括如下步骤：步骤1：获取原始数据；步骤2：对原始数据进行预处理，从而获得向量化样本特征；步骤3：GRU训练，直至满足训练条件后，停止对GRU进行训练，得到GRU训练后的更新门的权重矩阵Wz和重置门的权重矩阵Wr；步骤4：GRU优化，经过训练后的GRU对用户进行推荐消息，定期检索用户的购票行为数据，获取用户是否曾发生过购票行为；步骤5：标签建立，经过步骤3训练和步骤4优化后，第一GRU、第二GRU和第三GRU分别连接Softmax层，根据Softmax层的计算公式计算后的输出值来判断是否对用户建立“民航旅客”的标签。本发明能够精准识别出用户是否为民航旅客，且计算效率高。

主权项

1.一种基于机器学习的民航旅客标签分析方法，其特征在于：包括如下步骤：步骤1：获取原始数据；步骤2：对原始数据进行预处理，从而获得向量化样本特征，包括同一用户的按天统计的向量化样本特征、按月统计的向量化样本特征和按年统计的向量化样本特征；步骤3：GRU训练，在对GRU训练前，获得购票行为的历史数据，根据历史数据的购票行为，赋值给步骤2中得到的向量化样本特征中的用户标签数据n_samples，如果历史数据中有购票行为，则n_samples＝1，否则n_samples＝0，将赋值后的向量化样本特征输入至GRU的前向计算公式对GRU进行训练，直至满足训练条件后，停止对GRU进行训练，得到GRU训练后的更新门的权重矩阵Wz和重置门的权重矩阵Wr；步骤4：GRU优化，经过训练后的GRU对用户进行推荐消息，根据ID‑Mapping技术对用户进行跟踪反馈，定期检索用户的购票行为数据，获取用户是否曾发生过购票行为，再根据用户接收推荐消息后的购买行为来调整n_samples的值，得到推荐后的n_samples值：根据推荐后的n_samples的值，重新赋值给向量化样本特征，再次执行步骤3，对GRU进行优化，得到经过优化后的最终GRU；步骤5：标签建立，将经过步骤3训练和步骤4优化后的最终GRU连接Softmax层，根据Softmax层的计算公式计算后的输出值来判断是否对用户建立“民航旅客”的标签，输出值对应三个结果g(zi)天、g(zi)月和g(zi)年，g(zi)天表示对应输入为按天统计的向量化样本特征经过Softmax层的计算公式计算后的输出值，g(zi)月表示对应输入为按月统计的向量化样本特征经过Softmax层的计算公式计算后的输出值，g(zi)年表示对应输入为按年统计的向量化样本特征经过Softmax层的计算公式计算后的输出值，当计算出的g(zi)天、g(zi)月和g(zi)年有两个或两个以上的最大值出现在第一行，则判断输入数据对应的用户为“民航旅客”，建立“民航旅客”的标签，对应的n_samples＝1，否则建立“非民航旅客”的标签，对应的n_samples＝0。