“我们数据的管理实际经历了4个阶段，我们IT的领域引入信息化，基于数据库，最后到云的存储阶段。然后，以前我们是查询，然后做报表，然后挖掘分析，到今天呢，基于这样新的算法，根据数据做一个趋势的预测。”
“我们可以得到3点一个很好的优势，就是说，一个是快速响应，第二个是支持多元化，最后一个就是便捷。”
各位领导，各位来宾，下午好！
今天演讲的题目是，《深度学习，在航空互联网的应用》。今天非常高兴有机会将我们的东西来分享一下。
我们都知道，我们数据的管理实际经历了4个阶段，我们IT的领域引入信息化，基于数据库，最后到云的存储阶段。然后，以前我们是查询，然后做报表，然后挖掘分析，到今天呢，基于这样新的算法，根据数据做一个趋势的预测。 这个就是传统的业务上的东西，我们可以我们传统的系统，我们去订票，我们那些信息会聚到这里来，我们没有一个更好的机会更深层次的挖掘。通过这些信息我们做一个实时的分析，继而做一些推荐，从而给我们的应收和带来一个很好的互动。那么，我们可以看到，我们怎么做，整体上来说呢，我们打造了一个4层的结构，底层我们通过感知层，当然我们随着我们未来的设备的普及，我们可能会有一个传感器的介入，目前系统当中在这个层面上，我们从这样的埋设的点当中，抽取数据，通过网络进入平台当中来，继而最终在此基础上形成应用。那么，刚才看的的感知框架，里面得是一些数据，实际上我们在这里面引入了，大家看到这个实际上是哲学上的活动理论，我们从这样的理论描述整个社会当中人际的框架将这样的框架引入到这个领域来，就是说，我们的每个社会当中人，那么，它不是一个单独的个体，通过我们的规则形成我们的群体，比如说我们的人组织起来，通过群体，角色分工完成一个活动，比如说机上上网，或者机上去游戏。我们可能继而产生了这样的规则，整个描述称之为上网行为的描述。人在机上上网，我们访问的目标借助一类的工具，通过框架描述我们的上网行为，继而我们会得到这样的一组数据，通过五个维度来看，每个访问的人，从事的动作，它访问的目标，可能访问了一个互联网站，可能播放了一个视频，等等一系列事件，叫主谓宾，这里面更重要的是下面两块，是看视频点的广告，还是先上网点的广告，产生了一个行为的关联，同样是点击视频，不同任在视频停留的时间，它是拖动还是播放等等，我们称之为属性。
当然，表达出来之后，我们得到这样数据的表格，数据累积之后用CPU的计算，可能已经不能达到实时的相应，这时候我们就引入深度学习。为了引入深度学习我们做这样的转换，我们将二维的数据，形成这样的一个表格，提取一个值，用一系列的公式形成一个值，将大量的数据形成一系列的像素级的数据，我们称之为虚拟图象。这个领域之后我们做了一下过度，将上网的行为数据和图象数据很好的结合起来。了解这个领域非常熟，我们通过原始的图象经过出来以后，我们进行池化，然后进行分类，我们乘客访问我们的业务对象，比如说点击视频，我们看我们的网站，这些数据进入我们的预测引擎，最终通过我们的归类，进而推荐我们的业务，形成一个互动式的循环。在不同的盲文当中不同的优化和引入，比较重要的一点就是，我们传统谈到大数据的时候，其实把数据汇集上来，通过图表来呈现，怎么对我们的业务产生直接的影响呢，它的行为放入我们的引擎当中来，根据以往的大数据结果，形成很好的对比，比如说推荐他想要的广告，进一步引入下面的销售。在这个系统当中不是任何系统都不是100%正确，所以留了一个干预的结果。通过上面的做法之后，我们可以得到3点一个很好的优势，就是说，一个是快速响应，第二个是支持多元化，最后一个就是便捷。
它的应用方向，我们看到有一个智能的推荐，第二个数据的分析，第三个有个角色在里面，应用三大的方向，在这之后，我们得到什么样的改变呢？第一个我们有很好的呈现，我们可以看到全局的数据。第二个数据可以涉及到更多的层次上面。第三个我们可以根据用户的画像，做一些预测。第四个可能就是有一些行为，最后我们做一些计划，这里不细细展开了。当然，我们整体实际上在整个的底层是以大数据的框架为支撑，任务式的分析，也有流失的处理实时计算，更多在服务上做，实际上以数据为核心展开的。这是我们做的一些UI的截图，我们这边看到左上角是行为数据的汇总，右边是人访问的行为的一些列举。
这是我们人员对广告资源的汇集，这是我们一个数据的呈现，第三个我们人员的画像，这块实际上是我们流量的信息。
閱讀更多 航空事兒 的文章
