首页|融合多任务深度学习与主动学习的民航常旅客缺失数据填补

融合多任务深度学习与主动学习的民航常旅客缺失数据填补

FILLING MISSING DATA OF CIVIL AVIATION FREQUENT PASSENGERS BY COMBINING MULTI-TASK DEEP LEARNING AND ACTIVE LEARNING

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对用溯源法主动对数据记录进行真实值填补成本较高的问题,结合多任务学习与主动学习的优势,提出一种深度多任务主动学习网络,将缺失数据填补任务与常旅客价值分类任务同时进行训练.此外,考虑到生产大数据环境,提出一种基于Spark的主动填补运行机制,使得深度多任务网络模型能在大数据环境下高效运行.实验表明,模型在不损失数据填补和分类性能的前提下,模型可有效降低所需训练数据的规模,进而减少训练模型所需时间以及人工标记样本所耗费的人力成本.

李国、袁闻、王怀超

展开 >

中国民航大学计算机科学与技术学院 天津 300300

中国民航大学中国民航信息技术科研基地 天津 300300

民航常旅客运营数据 缺失值 常旅客价值分类 深度多任务主动学习 降噪自编码器 Spark

U18331143122019120MHRD20160109

2022

10.3969/j.issn.1000-386x.2022.08.003

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2022.39(8)
  • 5