science >> Wetenschap >  >> Elektronica

Speciaal algoritme voor Twitter kan de tevredenheid van vliegtuigpassagiers onthullen

Totaal aantal tweets van 1 maart 2019–11 maart 2019. DOI:10.1186/s40537-019-0224-1

Wetenschappers van de South Ural State University hebben een algoritme ontwikkeld waarmee onderzoekers positieve en negatieve feedback van tweets van luchtreizigers kunnen onderscheiden met behulp van machine learning-methoden. De innovatie vertegenwoordigt een programma voor het verwerken van voorlopige gegevens in combinatie met een getraind convolutief neuraal netwerk. De ontwikkeling is bedoeld om de tevredenheid van luchtvaartklanten te vergroten; de resultaten van het onderzoek zijn gepubliceerd in de Dagboek van Big Data .

Concurrentie tussen luchtvaartmaatschappijen stimuleert hen om manieren te vinden om klanten aan te trekken, en de analyse van sociale netwerken is er een van. Wetenschappers van de Higher School of Electronic and Computer Science van de South Ural State University hebben een algoritme ontwikkeld voor het analyseren van berichten van klanten van luchtvaartmaatschappijen op Twitter om mogelijke redenen te identificeren waarom de passagier positieve emoties ontving of zich ongemakkelijk voelde tijdens de vlucht.

"Passagiersbeoordelingen zijn uiterst belangrijk voor vliegreizen. De gemakkelijkste en meest traditionele manier is een feedbackformulier van klanten. Maar voor passagiers, de handigste manier om hun mening te delen is via sociale netwerken, in plaats van een feedbackformulier. Twitter is een van de meest populaire platforms ter wereld. Informatie van Twitter kan worden gebruikt om aanbevelingen te ontwikkelen om de kwaliteit van de klantenservice te verbeteren, " zegt Sachin Kumar, een senior fellow bij de SUSU-afdeling Systeemprogrammering.

De reiziger houdt rekening met verschillende factoren voordat hij een luchtvaartmaatschappij kiest. Dit kunnen de kosten van vliegtickets zijn, reistijd, aantal overschrijvingen, het gewicht van de ingecheckte bagage, beoordelingen van bestaande klanten, enz. Daarom luchtvaartmaatschappijen besteden veel aandacht aan deze factoren om de kwaliteit van de dienstverlening en het comfort van de klant tijdens de vlucht te verbeteren. Het gebruik van Twitter als aanvullende informatiebron bij het nemen van beslissingen kan de kwaliteit van de dienstverlening en het aantal luchtvaartklanten aanzienlijk verbeteren.

Algemene architectuur van CNN-model Van:Een machine learning-benadering om klanttevredenheid te analyseren op basis van tweets van luchtvaartmaatschappijen

Met behulp van machine learning-methoden, wetenschappers van de South Ural State University analyseerden een database met Twitter-berichten en ontwikkelden een model voor emotieclassificatie in tweets voor verschillende populaire luchtvaartmaatschappijen. Het in het onderzoek voorgestelde model maakt onderscheid tussen positieve en negatieve emoties.

"Twitter werd gebruikt als databron voor onderzoek. Het programma, geschreven in Python, downloadt tweets en verwerkt ze voor. Tweets zijn gegroepeerd in verschillende categorieën, en er werd een logisch verband tussen hen gevonden om een ​​mogelijke reden te vinden voor een tweet die negatieve of positieve emoties van een passagier uitstraalt, " legt Mikhail Tsymbler uit, hoofd van de SUSU Data Mining and Virtualization Department van de Higher School of Electronics and Computer Science.

De resultaten van het onderzoek kunnen worden gebruikt voor de verdere ontwikkeling van commerciële toepassingen. Luchtvaartmaatschappijen kunnen de ervaringen van hun klanten analyseren en proberen de diensten te verbeteren om meer klanten aan te trekken en comfortabelere vluchten aan te bieden. In aanvulling, de in het artikel beschreven aanpak kan worden toegepast om de klanttevredenheid op andere servicegebieden te verhogen. Een onmisbare voorwaarde is alleen de beschikbaarheid van officiële Twitter-accounts.