19、飞行服务推荐与大规模时空数据清洗方法解析

飞行服务推荐与大规模时空数据清洗方法解析

在当今数字化时代，飞行服务推荐和大规模时空数据清洗是两个备受关注的重要领域。飞行服务推荐旨在根据乘客的历史订单信息，为其提供更精准的服务推荐；而大规模时空数据清洗则是解决物联网环境下数据质量问题的关键手段。本文将深入探讨这两个领域的相关技术和方法。

飞行服务推荐中的乘客预测

在飞行服务推荐场景中，共享账户下的乘客预测是一个具有挑战性的问题。为了解决这个问题，研究人员提出了一种基于乘客历史提交订单的通用概率模型。该模型适用于在下单前无法明确识别个人身份的场景，如在线酒店预订。

• 模型原理 ：通过分析乘客的历史订单数据，该模型能够预测单个飞行预订账户中的乘客信息。对于特定的上下文环境，还可以对乘客分布进行预测。
• 实验验证 ：研究人员将乘客预测集成到推荐过程中，并提出了一种基于通用偏好的隐式反馈推荐方法。通过在两个人工数据集和真实数据集上的实验验证，结果表明该模型和推荐方法都具有较高的准确性。

从实验结果的MAP（Mean Average Precision）指标来看，推荐方法的准确性明显高于基线方法。同时，在人工数据集上的改进效果比真实数据集更大，这可能是因为人工数据集中的乘客偏好更加多样化，因为他们是随机选择和组合的。

大规模时空数据清洗方法

在物联网的开放环境中，传感器会快速积累大量低质量的数据。这些数据存在各种错误，如时间戳不一致、数据不完整等，给数据的有效利用带来了很大困难。为了解决这些问题，研究人员提出了一种基于时间聚类和规则过滤的数据清洗方法。