随着人们生产生活的网络化,日常生活中产生的数据呈爆炸式增长,每个城市每天都会产生数十亿条各种各样的数据,数据中包含着这个城市当前发展的规律以及走向,这背后蕴藏着巨大的数据价值和商机。因此,对这些数据进行分析是十分必要的。本文通过对某长途客车公司的乘客大数据进行处理和分析,解决两方面问题:一方面,修正长客公司会员数据中中文地址歧义问题;另一方面,从会员群体中筛选出优质会员。针对会员中文地址歧义问题。本文提出采用深度学习的方法实现中文地址的特征提取,并基于余弦相似度对特征进行分类,以达到消歧的目的。该问题涉及主要研究内容包括:中文地址的预处理,autoencoder模型的设计和训练,基于余弦相似度的分类和消歧误差分析等。最后本文提出了“96-48-24-7-24-48-96”结构的含三层隐层的深度神经网络结构,成功的将80余万个歧义地址进行修正,准确率达到99.8%。针对筛选优质会员问题。本文首先采用传统的基于评价指标的方法筛选出了优质会员。然后,对于这些会员的相关信息进行数值化,并将其信息输入到搭建好的深度神经网络中学习,提取优质会员的抽象特征。最后,利用这些抽象的特征对全体会员进行重新筛选。本研究还通过对比不同结构深度网络的训练过程,得出本文提出的含三层隐层的深度神经网络较其他神经网络结构更加适合筛选优质会员的工作,其筛选出的优质会员消费贡献要大于其他网络结构筛选出的会员。本文将深度学习和大数据处理相结合,提出以数据特征为基础的文本消歧和推荐系统研究。基于深度学习提取的数据特征是对原始数据的近似无损压缩,既从数据维度上保证了计算的高效,又最大程度的保留了原始数据的信息,使得大量数据的处理成为可能。本文的研究同样具有推广性,可以用在电子商务,工业生产,医疗卫生等领域。