A Local LLM -Based Recommender System for Enhancing Air Cargo Performance Through Digital Marketing Strategies
- سال انتشار: 1404
- محل انتشار: یازدهمین کنفرانس بین المللی مهندسی برق، کامپیوتر، مکانیک و هوش مصنوعی
- کد COI اختصاصی: EECMAI11_074
- زبان مقاله: انگلیسی
- تعداد مشاهده: 54
نویسندگان
Department of IT, Amirkabir University of Technology, Tehran, Iran
چکیده
Faced with increasing operational complexity and heightened service expectations, the air cargo industry must adopt intelligent, adaptive decision-support technologies. This study introduces an advanced offline recommender system grounded in a locally deployed large language model (LLM), optimized through Quantized Low-Rank Adaptation (QLoRA). Designed to enhance key logistics and marketing performance indicators, the system demonstrates considerable gains in load factor prediction accuracy and customer acquisition efficiency. Comparative analysis with conventional recommender systems —namely collaborative and content-based filtering —reveals a ۲۳% improvement in predictive accuracy and a ۱۷% reduction in marketing expenditure per booking. This paper articulates the model architecture, performance metrics, and its potential to transform data-driven air cargo operations.کلیدواژه ها
Air Cargo, Recommender System, Local LLM, QLoRA, Digital Marketingاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.