典型文献
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
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
李国;袁闻;王怀超
作者机构：
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
文献出处：
引用格式：
[1]李国;袁闻;王怀超-.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)[J].计算机应用与软件,2022(08):21-27
A类：
深度多任务主动学习,常旅客价值,常旅客价值分类,民航常旅客运营数据
B类：
缺失数据填补,数据记录,真实值,多任务学习,学习网络,分类任务,Spark,多任务网络,大数据环境下,高效运行,分类性能,训练数据,少训练,训练模型,人工标记,标记样本,所耗,耗费,人力成本,缺失值,降噪自编码器
AB值：
0.255968
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
