Enhancing Next Destination Prediction: A Novel Long Short-Term Memory Neural Network Approach Using Real-World Airline Data

要約

現代の交通業界では、旅行者の次の目的地を正確に予測することで、顧客満足度やターゲットを絞ったマーケティングなど、企業にさまざまなメリットをもたらします。
この研究は、旅行データの連続的なパターンと依存関係を捕捉し、個々の旅行者の将来の目的地を正確に予測できる正確なモデルの開発に焦点を当てています。
これを達成するために、運輸業界における目的地予測のために、長短期記憶 (LSTM) に基づくスライディング ウィンドウ アプローチを備えた新しいモデル アーキテクチャが提案されています。
実験結果は、さまざまなデータ サイズとパフォーマンス メトリクスにわたって、提案されたモデルによって満足のいくパフォーマンスと高いスコアが達成されたことを強調しています。
この研究は、目的地予測方法の進歩に貢献し、企業がダイナミックな旅行環境においてパーソナライズされた推奨事項を提供し、顧客体験を最適化できるようにします。

要約(オリジナル)

In the modern transportation industry, accurate prediction of travelers’ next destinations brings multiple benefits to companies, such as customer satisfaction and targeted marketing. This study focuses on developing a precise model that captures the sequential patterns and dependencies in travel data, enabling accurate predictions of individual travelers’ future destinations. To achieve this, a novel model architecture with a sliding window approach based on Long Short-Term Memory (LSTM) is proposed for destination prediction in the transportation industry. The experimental results highlight satisfactory performance and high scores achieved by the proposed model across different data sizes and performance metrics. This research contributes to advancing destination prediction methods, empowering companies to deliver personalized recommendations and optimize customer experiences in the dynamic travel landscape.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google