CN105975613A - 基于历史访问数据的服务渠道推荐方法、装置及系统 - Google Patents

Abstract

本发明公开了一种基于历史访问数据的服务渠道推荐方法、装置及系统，属于信息推荐领域，本发明采用趋势分析的方法，综合考虑历史平均选择偏好和近期选择的权重，然后进行服务渠道推荐。本发明的有益效果是：使向客户推荐的服务渠道更贴近过往用户选择的习惯和选择兴趣变迁的势态，具有更高的推荐准确度。

Description

基于历史访问数据的服务渠道推荐方法、装置及系统

技术领域

本发明属于信息推荐领域，特别是涉及一种基于历史访问数据的服务渠道推荐方法、装置及系统。

背景技术

在电力系统中，电力用户用电信息采集和交互系统是实施有序用电管理的重要技术平台，为实施针对用电客户的在线服务和对客户交互数据进行针对性分析，提供了重要技术支撑。近年来，相关的系统和平台已经由传统的以缴费业务为主体的单一服务渠道，向提供综合业务(缴费、查询、申述、评价、新闻等)的多元化服务渠道演化，并以短信、网站、手机APP、微信、有线电视等交互手段，实现实时的在线监测分析应用和进行分布式多线程的数据采集。由于用电客户本身的多样性和使用习惯差异，不同的客户对不同的服务渠道偏好各异，同一个客户在不同的服务渠道间也可能随时间出现偏好变化和迁移。因此，为了提升整体的服务水平和用户满意度，售电服务商须要从用电客户历史的服务渠道交互数据出发，分析使用频度、时常、迁移频率、投诉频率、故障频度等历史数据，预测用户在未来的使用偏好或偏好变化，最终选择在合适的时机，将切合用户偏好的服务渠道推荐给用电客户。

目前，虽然学术界和工业界存在一些用户兴趣预测和项目推荐的方法，但其都是针对单一种类数据进行分析，而且不适合电力行业，特别是进行用电客户多元化服务渠道历史交互数据分析、预测、推荐的方法仍是一个空白。因此，本领域内的技术人员亟待提出一种充分考虑真实环境下用电客户在多元化服务渠道上的历史交互行为和相关数据，多元化服务渠道推荐更加准确的方法、装置和系统。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种更加准确的服务渠道推荐方法。

为实现上述目的，本发明提供了一种基于历史访问数据的服务渠道推荐方法，按以下步骤进行：

步骤一、持续监控用电用户在多元服务渠道上的交互行为，每当用户在一个服务渠道上完成一次交互，就记录以下信息：本次完成的交互在整个历史交互记录数据集中的排序号k、本次完成的交互所使用的渠道种类值ZL_k、本次完成的交互所占用的时间SJ_k，本次交互中用户提出的申诉次数SSC_k，k为正整数，ZL_k∈N⁺且0<ZL_k≤M，其中M为服务渠道的数量，N⁺为正整数集合；

步骤二、分析和评估用户对各个服务渠道的满意度：

首先计算采纳数据窗口长度CD；然后计算各频道的平均返迁跨越时长影响度FQ_n：

n为正整数满足1≤n≤m；

步骤三、对用电客户进行偏好评估和预测：

计算考虑用户提出的申诉情况下，用户对各个服务渠道的偏好度PHD_n：

${\mathrm{PHD}}_n=\left\{\begin{array}{c}\begin{array}{ccc}\frac{{\mathrm{FQ}}_n}{\underset{i=1,{\mathrm{ZL}}_i=n}{\overset{k}{\&Sigma;}}\frac{\left({\mathrm{SSC}}_i\right)\&times;a^{k-i}}{{\mathrm{SJ}}_i}}& if& \underset{i=1,{\mathrm{ZL}}_i=n}{\overset{k}{\&Sigma;}}\frac{\left({\mathrm{SSC}}_i\right)\&times;a^{k-i}}{{\mathrm{SJ}}_i}>0\end{array}\\ \begin{array}{cc}{\mathrm{FQ}}_n& else\end{array}\end{array}\right.;$

计算考虑就近用户选择影响的各渠道推荐权重，TJQZ_n：

${\mathrm{TJQZ}}_n={\mathrm{PHD}}_n\&times;\underset{i=1,{\mathrm{ZL}}_i=n,{\mathrm{SSC}}_i=0}{\overset{k}{\&Sigma;}}{a}^{k-i};$

步骤四、进行服务渠道推荐：

比较数组值TJQZ_n中各个分量的值，然后将具有最大值的分量的下标值赋给变量ZDXB，当有多个分量值同最大分量值相同时，则随机选取这多个分量对应的下标值赋给ZDXB；

检查ZDXB值与ZL_k值，若两值不等，则将第ZDXB个服务渠道推荐给用户，否则结束。

较佳的，所述计算采纳数据窗口长度按以下步骤进行：首先计算用户在最近j次(j满足1≤j≤k)交互中，渠道变更发生频度BGPD_j：

${\mathrm{BGPD}}_j=\frac{\underset{1\&le;i\&le;j}{\&Sigma;}{\mathrm{BG}}_i}{k};$

其中，BG_i计算为：

${\mathrm{BG}}_i=\left\{\begin{array}{ccc}0& if& i=1\\ 1& elseif& i>1and{\mathrm{ZL}}_{k-i+1}\&NotEqual;{\mathrm{ZL}}_{k-i}\\ 0& elseif& i>1and{\mathrm{ZL}}_{k-i+1}={\mathrm{ZL}}_{k-i}\end{array}\right.;$

然后，计算采纳数据窗口长度CD：

$CD=\left\{\begin{array}{ccc}\frac{(\underset{1<=i}{\overset{k-1}{\&Sigma;}}{\mathrm{XLB}}_i\&times;a^i)/\left(\underset{1<=i}{\overset{k-1}{\&Sigma;}}{a}^i\right)}{\max \left\{{\mathrm{BGPD}}_j\right|1<=j<=k\}}& if& \max \left\{{\mathrm{BGPD}}_j\right|1<=j<=k\}>0\\ k& elseif& \max \left\{{\mathrm{BGPD}}_j\right|1<=j<=k\}=0\end{array}\right.;$

其中，a为衰减系数，满足0<a<1，XLB_i为相邻两次渠道选择的变更度对总体变更考察窗口长度的贡献值，计算为：

${\mathrm{XLB}}_i=\left\{\begin{array}{c}\begin{array}{ccc}0& if& {\mathrm{ZL}}_{k-i}={\mathrm{ZL}}_{k-i+1}\end{array}\\ \begin{array}{cc}1& else\end{array}\end{array}\right..$

本发明所要解决的另一技术问题是提供一种更加准确的服务渠道推荐装置。

为实现上述目的，本发明提供了一种基于历史访问数据的服务渠道推荐装置，包括用户交互数据监控和记录模块、用户偏好度分析模块、偏好预测模块和推荐控制模块；所述用户偏好度分析模块由数据分析单元和渠道影响力分析单元组成；偏好预测模块由偏好评估单元和推荐方案生成单元组成；

所述用户交互数据监控和记录模块的第一输出端连接数据分析单元的输入端，所述用户交互数据监控和记录模块的第二输出端连接渠道影响力分析单元的第一输入端，所述用户交互数据监控和记录模块的第三输出端连接偏好评估单元的第一输入端，所述用户交互数据监控和记录模块的第四输出端连接推荐方案生成单元的第一输入端，所述用户交互数据监控和记录模块的第五输出端连接推荐控制模块的第一输入端，所述数据分析单元的输出端连接所述渠道影响力分析单元的第二输入端，所述渠道影响力分析单元的输出端连接所述偏好评估单元的第二输入端，所述偏好评估单元的输出端连接所述推荐方案生成单元的第二输入端；

所述用户交互数据监控和记录模块持续监控用电用户在多元服务渠道上的交互行为，每当用户在一个服务渠道上完成一次交互，就记录以下信息：本次完成的交互在整个历史交互记录数据集中的排序号k、本次完成的交互所使用的渠道种类值ZL_k、本次完成的交互所占用的时间SJ_k，本次交互中用户提出的申诉次数SSC_k，k为正整数，ZL_k∈N⁺且0<ZL_k≤M，其中M为服务渠道的数量，N⁺为正整数集合；所述用户交互数据监控和记录模块将上述取得的值，发送给数据分析单元、渠道影响力分析单元、偏好评估单元、推荐方案生成单元和推荐控制模块；

用户偏好度分析模块分析和评估用户对各个服务渠道的满意度：

数据分析单元首先计算采纳数据窗口长度CD，数据分析单元将计算出的CD值发送给渠道影响力分析单元；然后渠道影响力分析单元计算各频道的平均返迁跨越时长影响度FQ_n，渠道影响力分析单元将计算出的FQn数组值，发送给偏好评估单元；

n为正整数满足1≤n≤m；

偏好预测模块对用电客户进行偏好评估和预测：

偏好评估单元计算考虑用户提出的申诉情况下，用户对各个服务渠道的偏好度PHD_n，然后偏好评估单元将计算出的PHD_n数组值发送给推荐方案生成单元；

${\mathrm{PHD}}_n=\left\{\begin{array}{c}\begin{array}{ccc}\frac{{\mathrm{FQ}}_n}{\underset{i=1,{\mathrm{ZL}}_i=n}{\overset{k}{\&Sigma;}}\frac{\left({\mathrm{SSC}}_i\right)\&times;a^{k-i}}{{\mathrm{SJ}}_i}}& if& \underset{i=1,{\mathrm{ZL}}_i=n}{\overset{k}{\&Sigma;}}\frac{\left({\mathrm{SSC}}_i\right)\&times;a^{k-i}}{{\mathrm{SJ}}_i}>0\end{array}\\ \begin{array}{cc}{\mathrm{FQ}}_n& else\end{array}\end{array}\right.;$

推荐方案生成单元计算考虑就近用户选择影响的各渠道推荐权重TJQZ_n，然后推荐方案生成单元将TJQZ_n数组值发送给推荐控制模块；

${\mathrm{TJQZ}}_n={\mathrm{PHD}}_n\&times;\underset{i=1,{\mathrm{ZL}}_i=n,{\mathrm{SSC}}_i=0}{\overset{k}{\&Sigma;}}{a}^{k-i};$

推荐控制模块进行服务渠道推荐：

推荐控制模块比较数组值TJQZ_n中各个分量的值，然后将具有最大值的分量的下标值赋给变量ZDXB，当有多个分量值同最大分量值相同时，则随机选取这多个分量对应的下标值赋给ZDXB；

检查ZDXB值与ZL_k值，若两值不等，则将第ZDXB个服务渠道推荐给用户，否则结束。

较佳的，所述数据分析单元计算采纳数据窗口长度CD：数据分析单元首先计算用户在最近j次(j满足1≤j≤k)交互中，渠道变更发生频度BGPD_j：

${\mathrm{BGPD}}_j=\frac{\underset{1\&le;i\&le;j}{\&Sigma;}{\mathrm{BG}}_i}{k};$

其中，BG_i计算为：

${\mathrm{BG}}_i=\left\{\begin{array}{ccc}0& if& i=1\\ 1& elseif& i>1and{\mathrm{ZL}}_{k-i+1}\&NotEqual;{\mathrm{ZL}}_{k-i}\\ 0& elseif& i>1and{\mathrm{ZL}}_{k-i+1}={\mathrm{ZL}}_{k-i}\end{array}\right.;$

然后，计算采纳数据窗口长度CD：

$CD=\left\{\begin{array}{ccc}\frac{(\underset{1<=i}{\overset{k-1}{\&Sigma;}}{\mathrm{XLB}}_i\&times;a^i)/\left(\underset{1<=i}{\overset{k-1}{\&Sigma;}}{a}^i\right)}{\max \left\{{\mathrm{BGPD}}_j\right|1<=j<=k\}}& if& \max \left\{{\mathrm{BGPD}}_j\right|1<=j<=k\}>0\\ k& elseif& \max \left\{{\mathrm{BGPD}}_j\right|1<=j<=k\}=0\end{array}\right.;$

其中，a为衰减系数，满足0<a<1，XLB_i为相邻两次渠道选择的变更度对总体变更考察窗口长度的贡献值，计算为：

本发明所要解决的另一技术问题是提供一种更加准确的服务渠道推荐系统。

为实现上述目的，本发明提供了一种基于历史访问数据的服务渠道推荐系统，包括服务器，所述服务器内设置有服务渠道推荐装置，所述服务渠道推荐装置包括用户交互数据监控和记录模块、用户偏好度分析模块、偏好预测模块和推荐控制模块；所述用户偏好度分析模块由数据分析单元和渠道影响力分析单元组成；偏好预测模块由偏好评估单元和推荐方案生成单元组成；

所述用户交互数据监控和记录模块的第一输出端连接数据分析单元的输入端，所述用户交互数据监控和记录模块的第二输出端连接渠道影响力分析单元的第一输入端，所述用户交互数据监控和记录模块的第三输出端连接偏好评估单元的第一输入端，所述用户交互数据监控和记录模块的第四输出端连接推荐方案生成单元的第一输入端，所述用户交互数据监控和记录模块的第五输出端连接推荐控制模块的第一输入端，所述数据分析单元的输出端连接所述渠道影响力分析单元的第二输入端，所述渠道影响力分析单元的输出端连接所述偏好评估单元的第二输入端，所述偏好评估单元的输出端连接所述推荐方案生成单元的第二输入端；

所述用户交互数据监控和记录模块持续监控用电用户在多元服务渠道上的交互行为，每当用户在一个服务渠道上完成一次交互，就记录以下信息：本次完成的交互在整个历史交互记录数据集中的排序号k、本次完成的交互所使用的渠道种类值ZL_k、本次完成的交互所占用的时间SJ_k，本次交互中用户提出的申诉次数SSC_k，k为正整数，ZL_k∈N⁺且0<ZL_k≤M，其中M为服务渠道的数量，N⁺为正整数集合；所述用户交互数据监控和记录模块将上述取得的值，发送给数据分析单元、渠道影响力分析单元、偏好评估单元、推荐方案生成单元和推荐控制模块；

用户偏好度分析模块分析和评估用户对各个服务渠道的满意度：

数据分析单元首先计算采纳数据窗口长度CD，数据分析单元将计算出的CD值发送给渠道影响力分析单元；然后渠道影响力分析单元计算各频道的平均返迁跨越时长影响度FQ_n，渠道影响力分析单元将计算出的FQn数组值，发送给偏好评估单元；

n为正整数满足1≤n≤m；

偏好预测模块对用电客户进行偏好评估和预测：

偏好评估单元计算考虑用户提出的申诉情况下，用户对各个服务渠道的偏好度PHD_n，然后偏好评估单元将计算出的PHD_n数组值发送给推荐方案生成单元；

${\mathrm{PHD}}_n=\left\{\begin{array}{c}\begin{array}{ccc}\frac{{\mathrm{FQ}}_n}{\underset{i=1,{\mathrm{ZL}}_i=n}{\overset{k}{\&Sigma;}}\frac{\left({\mathrm{SSC}}_i\right)\&times;a^{k-i}}{{\mathrm{SJ}}_i}}& if& \underset{i=1,{\mathrm{ZL}}_i=n}{\overset{k}{\&Sigma;}}\frac{\left({\mathrm{SSC}}_i\right)\&times;a^{k-i}}{{\mathrm{SJ}}_i}>0\end{array}\\ \begin{array}{cc}{\mathrm{FQ}}_n& else\end{array}\end{array}\right.;$

推荐方案生成单元计算考虑就近用户选择影响的各渠道推荐权重TJQZ_n，然后推荐方案生成单元将TJQZ_n数组值发送给推荐控制模块；

${\mathrm{TJQZ}}_n={\mathrm{PHD}}_n\&times;\underset{i=1,{\mathrm{ZL}}_i=n,{\mathrm{SSC}}_i=0}{\overset{k}{\&Sigma;}}{a}^{k-i};$

推荐控制模块进行服务渠道推荐：

推荐控制模块比较数组值TJQZ_n中各个分量的值，然后将具有最大值的分量的下标值赋给变量ZDXB，当有多个分量值同最大分量值相同时，则随机选取这多个分量对应的下标值赋给ZDXB；

检查ZDXB值与ZL_k值，若两值不等，则将第ZDXB个服务渠道推荐给用户，否则结束。

较佳的，所述数据分析单元计算采纳数据窗口长度CD：数据分析单元首先计算用户在最近j次(j满足1≤j≤k)交互中，渠道变更发生频度BGPD_j：

${\mathrm{BGPD}}_j=\frac{\underset{1\&le;i\&le;j}{\&Sigma;}{\mathrm{BG}}_i}{k};$

其中，BG_i计算为：

${\mathrm{BG}}_i=\left\{\begin{array}{ccc}0& if& i=1\\ 1& elseif& i>1and{\mathrm{ZL}}_{k-i+1}\&NotEqual;{\mathrm{ZL}}_{k-i}\\ 0& elseif& i>1and{\mathrm{ZL}}_{k-i+1}={\mathrm{ZL}}_{k-i}\end{array}\right.;$

然后，计算采纳数据窗口长度CD：

$CD=\left\{\begin{array}{ccc}\frac{(\underset{1<=i}{\overset{k-1}{\&Sigma;}}{\mathrm{XLB}}_i\&times;a^i)/\left(\underset{1<=i}{\overset{k-1}{\&Sigma;}}{a}^i\right)}{\max \left\{{\mathrm{BGPD}}_j\right|1<=j<=k\}}& if& \max \left\{{\mathrm{BGPD}}_j\right|1<=j<=k\}>0\\ k& elseif& \max \left\{{\mathrm{BGPD}}_j\right|1<=j<=k\}=0\end{array}\right.;$

其中，a为衰减系数，满足0<a<1，XLB_i为相邻两次渠道选择的变更度对总体变更考察窗口长度的贡献值，计算为：

本发明的有益效果是：本发明采用趋势分析的方法，综合考虑历史平均选择偏好和近期选择的权重，使推荐的服务渠道更贴近过往习惯和选择兴趣变迁的势态，具有较高的推荐准确度。

附图说明

图1是本发明基于历史访问数据的服务渠道推荐系统一具体实施方式的结构示意图。

图2是本发明基于历史访问数据的服务渠道推荐装置一具体实施方式的结构示意图。

图3是本发明基于历史访问数据的服务渠道推荐方法一具体实施方式的流程示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明：

如图1所示，一种基于历史访问数据的服务渠道推荐系统，包括服务器1，其特征是：所述服务器1内设置有服务渠道推荐装置2，所述服务渠道推荐装置2包括用户交互数据监控和记录模块3、用户偏好度分析模块4、偏好预测模块5和推荐控制模块6；所述用户偏好度分析模块4由数据分析单元401和渠道影响力分析单元402组成；偏好预测模块5由偏好评估单元501和推荐方案生成单元502组成；

所述用户交互数据监控和记录模块3的第一输出端连接数据分析单元401的输入端，所述用户交互数据监控和记录模块3的第二输出端连接渠道影响力分析单元402的第一输入端，所述用户交互数据监控和记录模块3的第三输出端连接偏好评估单元501的第一输入端，所述用户交互数据监控和记录模块3的第四输出端连接推荐方案生成单元502的第一输入端，所述用户交互数据监控和记录模块3的第五输出端连接推荐控制模块6的第一输入端，所述数据分析单元401的输出端连接所述渠道影响力分析单元402的第二输入端，所述渠道影响力分析单元402的输出端连接所述偏好评估单元501的第二输入端，所述偏好评估单元501的输出端连接所述推荐方案生成单元502的第二输入端；

所述用户交互数据监控和记录模块3持续监控用电用户在多元服务渠道上的交互行为，每当用户在一个服务渠道上完成(即下线或离线)一次交互，就记录以下信息：本次完成的交互在整个历史交互记录数据集中的排序号k、本次完成的交互所使用的渠道种类值ZL_k、本次完成的交互所占用的时间SJ_k，本次交互中用户提出的不满意申诉(因响应延迟、连接失效、界面显示错误等)次数SSC_k，k为正整数，ZL_k∈N⁺且0<ZL_k≤M，其中M为服务渠道的数量，N⁺为正整数集合；所述用户交互数据监控和记录模块3将上述取得的值，发送给数据分析单元401、渠道影响力分析单元402、偏好评估单元501、推荐方案生成单元502和推荐控制模块6；

用户偏好度分析模块4分析和评估用户对各个服务渠道的满意度：

数据分析单元401首先计算采纳数据窗口长度CD，数据分析单元401将计算出的CD值发送给渠道影响力分析单元402；然后渠道影响力分析单元402计算各频道的平均返迁跨越时长影响度FQ_n，渠道影响力分析单元402将计算出的FQn数组值，发送给偏好评估单元501；

n为正整数满足1≤n≤m；上述计算的直观意义是，第n个服务渠道的返迁跨越时长影响，可以计算为所有前后两次选择第n个服务渠道且中间不选第n个服务渠道的情况，对应的加入时间衰减效应、第n个服务渠道占用执行时间、和两次选择时间差与CD窗口值中的较小值的乘积的平均。

偏好预测模块5对用电客户进行偏好评估和预测：

偏好评估单元501计算考虑用户提出的不满意申诉(因响应延迟、连接失效、界面显示错误等)情况下，用户对各个服务渠道的偏好度PHD_n，然后偏好评估单元501将计算出的PHD_n数组值发送给推荐方案生成单元502；

值得注意的是，SJ_i值记录了用户占用服务渠道的时间，不为0，因此上述计算不存在除数为0的情况。

推荐方案生成单元502计算考虑就近用户选择影响的各渠道推荐权重TJQZ_n，然后推荐方案生成单元502将TJQZ_n数组值发送给推荐控制模块6；

${\mathrm{TJQZ}}_n={\mathrm{PHD}}_n\&times;\underset{i=1,{\mathrm{ZL}}_i=n,{\mathrm{SSC}}_i=0}{\overset{k}{\&Sigma;}}{a}^{k-i};$

推荐控制模块6进行服务渠道推荐：

推荐控制模块6比较数组值TJQZ_n中各个分量的值，然后将具有最大值的分量的下标值赋给变量ZDXB，当有多个分量值同最大分量值相同时，则随机选取这多个分量对应的下标值赋给ZDXB；

检查ZDXB值与ZL_k值，若两值不等，则将第ZDXB个服务渠道推荐给用户，否则结束。

所述数据分析单元401计算采纳数据窗口长度CD：数据分析单元401首先计算用户在最近j次(j满足1≤j≤k)交互中，渠道变更发生频度BGPD_j：

${\mathrm{BGPD}}_j=\frac{\underset{1\&le;i\&le;j}{\&Sigma;}{\mathrm{BG}}_i}{k};$

其中，BG_i计算为：

${\mathrm{BG}}_i=\left\{\begin{array}{ccc}0& if& i=1\\ 1& elseif& i>1and{\mathrm{ZL}}_{k-i+1}\&NotEqual;{\mathrm{ZL}}_{k-i}\\ 0& elseif& i>1and{\mathrm{ZL}}_{k-i+1}={\mathrm{ZL}}_{k-i}\end{array}\right.;$

上述公式的直观意义是，用户在最近j次交互中的渠道变更频度，可以计算为j次交互中发生相邻两次交互使用渠道不一样的情况次数，除以总共交互次数j得到的比例值。

然后，计算采纳数据窗口长度CD。直观上看，CD可计算为各次相邻渠道选择变更程度的加权平均值，除以最近k次范围内最大变更频度：

$CD=\left\{\begin{array}{ccc}\frac{(\underset{1<=i}{\overset{k-1}{\&Sigma;}}{\mathrm{XLB}}_i\&times;a^i)/\left(\underset{1<=i}{\overset{k-1}{\&Sigma;}}{a}^i\right)}{\max \left\{{\mathrm{BGPD}}_j\right|1<=j<=k\}}& if& \max \left\{{\mathrm{BGPD}}_j\right|1<=j<=k\}>0\\ k& elseif& \max \left\{{\mathrm{BGPD}}_j\right|1<=j<=k\}=0\end{array}\right.;$

其中，a为衰减系数，其作用是使较靠近现在时间的频道选择和频道变更行为具有更大的权重，满足0<a<1，本实施例中，a取值为0.5；XLB_i为相邻两次渠道选择的变更度对总体变更考察窗口长度的贡献值，计算为：本发明实施例所提供的基于历史访问数据的电力用户多元化服务渠道推荐装置，可以部署于一个现有的服务器中，也可以部署以一个单独设置的专用于进行基于历史访问数据的电力用户多元化服务渠道推荐的服务器中。

如图2所示，一种基于历史访问数据的服务渠道推荐装置，包括用户交互数据监控和记录模块3、用户偏好度分析模块4、偏好预测模块5和推荐控制模块6；所述用户偏好度分析模块4由数据分析单元401和渠道影响力分析单元402组成；偏好预测模块5由偏好评估单元501和推荐方案生成单元502组成；

所述用户交互数据监控和记录模块3的第一输出端连接数据分析单元401的输入端，所述用户交互数据监控和记录模块3的第二输出端连接渠道影响力分析单元402的第一输入端，所述用户交互数据监控和记录模块3的第三输出端连接偏好评估单元501的第一输入端，所述用户交互数据监控和记录模块3的第四输出端连接推荐方案生成单元502的第一输入端，所述用户交互数据监控和记录模块3的第五输出端连接推荐控制模块6的第一输入端，所述数据分析单元401的输出端连接所述渠道影响力分析单元402的第二输入端，所述渠道影响力分析单元402的输出端连接所述偏好评估单元501的第二输入端，所述偏好评估单元501的输出端连接所述推荐方案生成单元502的第二输入端；

所述用户交互数据监控和记录模块3持续监控用电用户在多元服务渠道上的交互行为，每当用户在一个服务渠道上完成即下线或离线一次交互，就记录以下信息：本次完成的交互在整个历史交互记录数据集中的排序号k、本次完成的交互所使用的渠道种类值ZL_k、本次完成的交互所占用的时间SJ_k，本次交互中用户提出的不满意申诉因响应延迟、连接失效、界面显示错误等次数SSC_k，k为正整数，ZL_k∈N⁺且0<ZL_k≤M，其中M为服务渠道的数量，N⁺为正整数集合；所述用户交互数据监控和记录模块3将上述取得的值，发送给数据分析单元401、渠道影响力分析单元402、偏好评估单元501、推荐方案生成单元502和推荐控制模块6；

用户偏好度分析模块4分析和评估用户对各个服务渠道的满意度：

数据分析单元401首先计算采纳数据窗口长度CD，数据分析单元401将计算出的CD值发送给渠道影响力分析单元402；然后渠道影响力分析单元402计算各频道的平均返迁跨越时长影响度FQ_n，渠道影响力分析单元402将计算出的FQn数组值，发送给偏好评估单元501；

n为正整数满足1≤n≤m；

偏好预测模块5对用电客户进行偏好评估和预测：

偏好评估单元501计算考虑用户提出的不满意申诉因响应延迟、连接失效、界面显示错误等情况下，用户对各个服务渠道的偏好度PHD_n，然后偏好评估单元501将计算出的PHD_n数组值发送给推荐方案生成单元502；

${\mathrm{PHD}}_n=\left\{\begin{array}{c}\begin{array}{ccc}\frac{{\mathrm{FQ}}_n}{\underset{i=1,{\mathrm{ZL}}_i=n}{\overset{k}{\&Sigma;}}\frac{\left({\mathrm{SSC}}_i\right)\&times;a^{k-i}}{{\mathrm{SJ}}_i}}& if& \underset{i=1,{\mathrm{ZL}}_i=n}{\overset{k}{\&Sigma;}}\frac{\left({\mathrm{SSC}}_i\right)\&times;a^{k-i}}{{\mathrm{SJ}}_i}>0\end{array}\\ \begin{array}{cc}{\mathrm{FQ}}_n& else\end{array}\end{array}\right.;$

值得注意的是，SJ_i值记录了用户占用服务渠道的时间，不为0，因此上述计算不存在除数为0的情况。

推荐方案生成单元502计算考虑就近用户选择影响的各渠道推荐权重TJQZ_n，然后推荐方案生成单元502将TJQZ_n数组值发送给推荐控制模块6；

${\mathrm{TJQZ}}_n={\mathrm{PHD}}_n\&times;\underset{i=1,{\mathrm{ZL}}_i=n,{\mathrm{SSC}}_i=0}{\overset{k}{\&Sigma;}}{a}^{k-i};$

推荐控制模块6进行服务渠道推荐：

推荐控制模块6比较数组值TJQZ_n中各个分量的值，然后将具有最大值的分量的下标值赋给变量ZDXB，当有多个分量值同最大分量值相同时，则随机选取这多个分量对应的下标值赋给ZDXB；

检查ZDXB值与ZL_k值，若两值不等，则将第ZDXB个服务渠道推荐给用户，否则结束。

所述数据分析单元401计算采纳数据窗口长度CD：数据分析单元401首先计算用户在最近j次j满足1≤j≤k交互中，渠道变更发生频度BGPD_j：

${\mathrm{BGPD}}_j=\frac{\underset{1\&le;i\&le;j}{\&Sigma;}{\mathrm{BG}}_i}{k};$

其中，BG_i计算为：

${\mathrm{BG}}_i=\left\{\begin{array}{ccc}0& if& i=1\\ 1& elseif& i>1and{\mathrm{ZL}}_{k-i+1}\&NotEqual;{\mathrm{ZL}}_{k-i}\\ 0& elseif& i>1and{\mathrm{ZL}}_{k-i+1}={\mathrm{ZL}}_{k-i}\end{array}\right.;$

上述算法的直观意义是，用户在最近j次交互中的渠道变更频度，可以计算为j次交互中发生相邻两次交互使用渠道不一样的情况次数，除以总共交互次数j得到的比例值。

然后，计算采纳数据窗口长度CD：

$CD=\left\{\begin{array}{ccc}\frac{(\underset{1<=i}{\overset{k-1}{\&Sigma;}}{\mathrm{XLB}}_i\&times;a^i)/\left(\underset{1<=i}{\overset{k-1}{\&Sigma;}}{a}^i\right)}{\max \left\{{\mathrm{BGPD}}_j\right|1<=j<=k\}}& if& \max \left\{{\mathrm{BGPD}}_j\right|1<=j<=k\}>0\\ k& elseif& \max \left\{{\mathrm{BGPD}}_j\right|1<=j<=k\}=0\end{array}\right.;$

其中，a为衰减系数，满足0<a<1，XLB_i为相邻两次渠道选择的变更度对总体变更考察窗口长度的贡献值，计算为：

本实施例所提供的基于历史访问数据的服务渠道推荐装置，可以部署于一个现有的服务器中，也可以部署以一个单独设置的专用于进行基于历史访问数据的电力用户多元化服务渠道推荐的服务器中。

如图3所示，一种基于历史访问数据的服务渠道推荐方法，按以下步骤进行：

步骤一、持续监控用电用户在多元服务渠道上的交互行为，每当用户在一个服务渠道上完成(即下线或离线)一次交互，就记录以下信息：本次完成的交互在整个历史交互记录数据集中的排序号k、本次完成的交互所使用的渠道种类值ZL_k、本次完成的交互所占用的时间SJ_k，本次交互中用户提出的申诉(因响应延迟、连接失效、界面显示错误等)次数SSC_k，k为正整数，ZL_k∈N⁺且0<ZL_k≤M，其中M为服务渠道的数量，N⁺为正整数集合；

步骤二、分析和评估用户对各个服务渠道的满意度：

首先计算采纳数据窗口长度CD；然后计算各频道的平均返迁跨越时长影响度FQ_n：

n为正整数满足1≤n≤m；上述计算的直观意义是，第n个服务渠道的返迁跨越时长影响，可以计算为所有前后两次选择第n个服务渠道且中间不选第n个服务渠道的情况，对应的加入时间衰减效应、第n个服务渠道占用执行时间、和两次选择时间差与CD窗口值中的较小值的乘积的平均。

步骤三、对用电客户进行偏好评估和预测：

计算考虑用户提出的申诉(因响应延迟、连接失效、界面显示错误等)情况下，用户对各个服务渠道的偏好度PHD_n：

${\mathrm{PHD}}_n=\left\{\begin{array}{c}\begin{array}{ccc}\frac{{\mathrm{FQ}}_n}{\underset{i=1,{\mathrm{ZL}}_i=n}{\overset{k}{\&Sigma;}}\frac{\left({\mathrm{SSC}}_i\right)\&times;a^{k-i}}{{\mathrm{SJ}}_i}}& if& \underset{i=1,{\mathrm{ZL}}_i=n}{\overset{k}{\&Sigma;}}\frac{\left({\mathrm{SSC}}_i\right)\&times;a^{k-i}}{{\mathrm{SJ}}_i}>0\end{array}\\ \begin{array}{cc}{\mathrm{FQ}}_n& else\end{array}\end{array}\right.;$

值得注意的是，SJ_i值记录了用户占用服务渠道的时间，不为0，因此上述计算不存在除数为0的情况。

计算考虑就近用户选择影响的各渠道推荐权重，TJQZ_n：

${\mathrm{TJQZ}}_n={\mathrm{PHD}}_n\&times;\underset{i=1,{\mathrm{ZL}}_i=n,{\mathrm{SSC}}_i=0}{\overset{k}{\&Sigma;}}{a}^{k-i};$

步骤四、进行服务渠道推荐：

比较数组值TJQZ_n中各个分量的值，然后将具有最大值的分量的下标值赋给变量ZDXB，当有多个分量值同最大分量值相同时，则随机选取这多个分量对应的下标值赋给ZDXB；

检查ZDXB值与ZL_k值，若两值不等，则将第ZDXB个服务渠道推荐给用户，否则结束。

所述计算采纳数据窗口长度按以下步骤进行：首先计算用户在最近j次(j满足1≤j≤k)交互中，渠道变更发生频度BGPD_j：

${\mathrm{BGPD}}_j=\frac{\underset{1\&le;i\&le;j}{\&Sigma;}{\mathrm{BG}}_i}{k};$

其中，BG_i计算为：

${\mathrm{BG}}_i=\left\{\begin{array}{ccc}0& if& i=1\\ 1& elseif& i>1and{\mathrm{ZL}}_{k-i+1}\&NotEqual;{\mathrm{ZL}}_{k-i}\\ 0& elseif& i>1and{\mathrm{ZL}}_{k-i+1}={\mathrm{ZL}}_{k-i}\end{array}\right.;$

上述计算的直观意义是，用户在最近j次交互中的渠道变更频度，可以计算为j次交互中发生相邻两次交互使用渠道不一样的情况次数，除以总共交互次数j得到的比例值。

然后，计算采纳数据窗口长度CD。直观上看，CD可计算为各次相邻渠道选择变更程度的加权平均值，除以最近k次范围内最大变更频度：

$CD=\left\{\begin{array}{ccc}\frac{(\underset{1<=i}{\overset{k-1}{\&Sigma;}}{\mathrm{XLB}}_i\&times;a^i)/\left(\underset{1<=i}{\overset{k-1}{\&Sigma;}}{a}^i\right)}{\max \left\{{\mathrm{BGPD}}_j\right|1<=j<=k\}}& if& \max \left\{{\mathrm{BGPD}}_j\right|1<=j<=k\}>0\\ k& elseif& \max \left\{{\mathrm{BGPD}}_j\right|1<=j<=k\}=0\end{array}\right.;$

其中，a为衰减系数，其作用是使较靠近现在时间的频道选择和频道变更行为具有更大的权重，满足0<a<1，本实施例中a取值为0.5；XLB_i为相邻两次渠道选择的变更度对总体变更考察窗口长度的贡献值，计算为：

${\mathrm{XLB}}_i=\left\{\begin{array}{c}\begin{array}{ccc}0& if& {\mathrm{ZL}}_{k-i}={\mathrm{ZL}}_{k-i+1}\end{array}\\ \begin{array}{cc}1& else\end{array}\end{array}\right..$

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (6)

1.一种基于历史访问数据的服务渠道推荐方法，其特征在于按以下步骤进行：

步骤一、持续监控用电用户在多元服务渠道上的交互行为，每当用户在一个服务渠道上完成一次交互，就记录以下信息：本次完成的交互在整个历史交互记录数据集中的排序号k、本次完成的交互所使用的渠道种类值ZL_k、本次完成的交互所占用的时间SJ_k，本次交互中用户提出的申诉次数SSC_k，k为正整数，ZL_k∈N⁺且0<ZL_k≤M，其中M为服务渠道的数量，N⁺为正整数集合；

步骤二、分析和评估用户对各个服务渠道的满意度：

首先计算采纳数据窗口长度CD；然后计算各频道的平均返迁跨越时长影响度FQ_n：

${\mathrm{FQ}}_n=mean\left\{min\right\{j-i,CD\}\&times;{\mathrm{SJ}}_i\&times;a^{(k-i)}\&times;{\mathrm{SJ}}_j\&times;a^{(k-j)}|i\&le;j,{\mathrm{ZL}}_i={\mathrm{ZL}}_j=n,\underset{l=i+1}{\overset{j-1}{\mathrm{\&Sigma;}}}|{\mathrm{ZL}}_l-n|=0\},n$

为正整数满足1≤n≤m；

步骤三、对用电客户进行偏好评估和预测：

计算考虑用户提出的申诉情况下，用户对各个服务渠道的偏好度PHD_n：

${\mathrm{PHD}}_n=\left\{\begin{array}{c}\begin{array}{ccc}\frac{{\mathrm{FQ}}_n}{\underset{i=1,{\mathrm{ZL}}_i=n}{\overset{k}{\mathrm{\&Sigma;}}}\frac{\left({\mathrm{SSC}}_i\right)\&times;a^{k-i}}{{\mathrm{SJ}}_i}}& if& \underset{i=1,{\mathrm{ZL}}_i=n}{\overset{k}{\mathrm{\&Sigma;}}}\frac{\left({\mathrm{SSC}}_i\right)\&times;a^{k-i}}{{\mathrm{SJ}}_i}>0\end{array}\\ \begin{array}{cc}{\mathrm{FQ}}_n& else\end{array}\end{array}\right.;$

计算考虑就近用户选择影响的各渠道推荐权重，TJQZ_n：

${\mathrm{TJQZ}}_n={\mathrm{PHD}}_n\&times;\underset{i=1,{\mathrm{ZL}}_i=n,{\mathrm{SSC}}_i=0}{\overset{k}{\&Sigma;}}{a}^{k-i};$

步骤四、进行服务渠道推荐：

比较数组值TJQZ_n中各个分量的值，然后将具有最大值的分量的下标值赋给变量ZDXB，当有多个分量值同最大分量值相同时，则随机选取这多个分量对应的下标值赋给ZDXB；

检查ZDXB值与ZL_k值，若两值不等，则将第ZDXB个服务渠道推荐给用户，否则结束。

2.如权利要求1所述的基于历史访问数据的服务渠道推荐方法，其特征是：所述计算采纳数据窗口长度按以下步骤进行：首先计算用户在最近j次交互中，渠道变更发生频度BGPD_j：

${\mathrm{BGPD}}_j=\frac{\underset{1\&le;i\&le;j}{\&Sigma;}{\mathrm{BG}}_i}{k};$

其中，BG_i计算为：

${\mathrm{BG}}_i=\left\{\begin{array}{ccc}0& if& i=1\\ 1& elseif& i>1and{\mathrm{ZL}}_{k-i+1}\&NotEqual;{\mathrm{ZL}}_{k-i}\\ 0& elseif& i>1and{\mathrm{ZL}}_{k-i+1}={\mathrm{ZL}}_{k-i}\end{array}\right.;,1\&le;j\&le;k;$

然后，计算采纳数据窗口长度CD：

$CD=\left\{\begin{array}{ccc}\frac{\left(\underset{1<=i}{\overset{k-1}{\mathrm{\&Sigma;}}}{\mathrm{XLB}}_i\&times;a^i\right)/\left(\underset{1<=i}{\overset{k-1}{\mathrm{\&Sigma;}}}{a}^i\right)}{\max \left\{{\mathrm{BGPD}}_j|1<=j<=k\right\}}& if& \max \left\{{\mathrm{BGPD}}_j|1<=j<=k\right\}>0\\ k& elseif& \max \left\{{\mathrm{BGPD}}_j|1<=j<=k\right\}=0\end{array}\right.;$

其中，a为衰减系数，满足0<a<1，XLB_i为相邻两次渠道选择的变更度对总体变更考察窗口长度的贡献值，计算为：

${\mathrm{XLB}}_i=\left\{\begin{array}{c}\begin{array}{ccc}0& if& {\mathrm{ZL}}_{k-i}={\mathrm{ZL}}_{k-i+1}\end{array}\\ \begin{array}{cc}1& else\end{array}\end{array}\right..$

3.一种基于历史访问数据的服务渠道推荐装置，其特征是：包括用户交互数据监控和记录模块(3)、用户偏好度分析模块(4)、偏好预测模块(5)和推荐控制模块(6)；所述用户偏好度分析模块(4)由数据分析单元(401)和渠道影响力分析单元(402)组成；偏好预测模块(5)由偏好评估单元(501)和推荐方案生成单元(502)组成；

所述用户交互数据监控和记录模块(3)的第一输出端连接数据分析单元(401)的输入端，所述用户交互数据监控和记录模块(3)的第二输出端连接渠道影响力分析单元(402)的第一输入端，所述用户交互数据监控和记录模块(3)的第三输出端连接偏好评估单元(501)的第一输入端，所述用户交互数据监控和记录模块(3)的第四输出端连接推荐方案生成单元(502)的第一输入端，所述用户交互数据监控和记录模块(3)的第五输出端连接推荐控制模块(6)的第一输入端，所述数据分析单元(401)的输出端连接所述渠道影响力分析单元(402)的第二输入端，所述渠道影响力分析单元(402)的输出端连接所述偏好评估单元(501)的第二输入端，所述偏好评估单元(501)的输出端连接所述推荐方案生成单元(502)的第二输入端；

所述用户交互数据监控和记录模块(3)持续监控用电用户在多元服务渠道上的交互行为，每当用户在一个服务渠道上完成一次交互，就记录以下信息：本次完成的交互在整个历史交互记录数据集中的排序号k、本次完成的交互所使用的渠道种类值ZL_k、本次完成的交互所占用的时间SJ_k，本次交互中用户提出的申诉次数SSC_k，k为正整数，ZL_k∈N⁺且0<ZL_k≤M，其中M为服务渠道的数量，N⁺为正整数集合；所述用户交互数据监控和记录模块(3)将上述取得的值，发送给数据分析单元(401)、渠道影响力分析单元(402)、偏好评估单元(501)、推荐方案生成单元(502)和推荐控制模块(6)；

用户偏好度分析模块(4)分析和评估用户对各个服务渠道的满意度：

数据分析单元(401)首先计算采纳数据窗口长度CD，数据分析单元(401)将计算出的CD值发送给渠道影响力分析单元(402)；然后渠道影响力分析单元(402)计算各频道的平均返迁跨越时长影响度FQ_n，渠道影响力分析单元(402)将计算出的FQn数组值，发送给偏好评估单元(501)；

${\mathrm{FQ}}_n=mean\left\{min\right\{j-i,CD\}\&times;{\mathrm{SJ}}_i\&times;a^{(k-i)}\&times;{\mathrm{SJ}}_j\&times;a^{(k-j)}|i\&le;j,{\mathrm{ZL}}_i={\mathrm{ZL}}_j=n,\underset{l=i+1}{\overset{j-1}{\mathrm{\&Sigma;}}}|{\mathrm{ZL}}_l-n|=0\},n$

为正整数满足1≤n≤m；

偏好预测模块(5)对用电客户进行偏好评估和预测：

偏好评估单元(501)计算考虑用户提出的申诉情况下，用户对各个服务渠道的偏好度PHD_n，然后偏好评估单元(501)将计算出的PHD_n数组值发送给推荐方案生成单元(502)；

${\mathrm{PHD}}_n=\left\{\begin{array}{c}\begin{array}{ccc}\frac{{\mathrm{FQ}}_n}{\underset{i=1,{\mathrm{ZL}}_i=n}{\overset{k}{\mathrm{\&Sigma;}}}\frac{\left({\mathrm{SSC}}_i\right)\&times;a^{k-i}}{{\mathrm{SJ}}_i}}& if& \underset{i=1,{\mathrm{ZL}}_i=n}{\overset{k}{\mathrm{\&Sigma;}}}\frac{\left({\mathrm{SSC}}_i\right)\&times;a^{k-i}}{{\mathrm{SJ}}_i}>0\end{array}\\ \begin{array}{cc}{\mathrm{FQ}}_n& else\end{array}\end{array}\right.;$

推荐方案生成单元(502)计算考虑就近用户选择影响的各渠道推荐权重TJQZ_n，然后推荐方案生成单元(502)将TJQZ_n数组 值发送给推荐控制模块(6)；

${\mathrm{TJQZ}}_n={\mathrm{PHD}}_n\&times;\underset{i=1,{\mathrm{ZL}}_i=n,{\mathrm{SSC}}_i=0}{\overset{k}{\&Sigma;}}{a}^{k-i};$

推荐控制模块(6)进行服务渠道推荐：

推荐控制模块(6)比较数组值TJQZ_n中各个分量的值，然后将具有最大值的分量的下标值赋给变量ZDXB，当有多个分量值同最大分量值相同时，则随机选取这多个分量对应的下标值赋给ZDXB；

检查ZDXB值与ZL_k值，若两值不等，则将第ZDXB个服务渠道推荐给用户，否则结束。

4.如权利要求3所述的基于历史访问数据的服务渠道推荐装置，其特征是：所述数据分析单元(401)计算采纳数据窗口长度CD：数据分析单元(401)首先计算用户在最近j次交互中，渠道变更发生频度BGPD_j：

j满足1≤j≤k；

其中，BG_i计算为：

${\mathrm{BG}}_i=\left\{\begin{array}{ccc}0& if& i=1\\ 1& elseif& i>1and{\mathrm{ZL}}_{k-i+1}\&NotEqual;{\mathrm{ZL}}_{k-i}\\ 0& elseif& i>1and{\mathrm{ZL}}_{k-i+1}={\mathrm{ZL}}_{k-i}\end{array}\right.;$

然后，计算采纳数据窗口长度CD：

$CD=\left\{\begin{array}{ccc}\frac{\left(\underset{1<=i}{\overset{k-1}{\mathrm{\&Sigma;}}}{\mathrm{XLB}}_i\&times;a^i\right)/\left(\underset{1<=i}{\overset{k-1}{\mathrm{\&Sigma;}}}{a}^i\right)}{\max \left\{{\mathrm{BGPD}}_j|1<=j<=k\right\}}& if& \max \left\{{\mathrm{BGPD}}_j|1<=j<=k\right\}>0\\ k& elseif& \max \left\{{\mathrm{BGPD}}_j|1<=j<=k\right\}=0\end{array}\right.;$

其中，a为衰减系数，满足0<a<1，XLB_i为相邻两次渠道选择的变更度对总体变更考察窗口长度的贡献值，计算为：

5.一种基于历史访问数据的服务渠道推荐系统，包括服务器(1)，其特征是：所述服务器(1)内设置有服务渠道推荐装置(2)，所述服务渠道推荐装置(2)包括用户交互数据监控和记录模块(3)、用户偏好度分析模块(4)、偏好预测模块(5)和推荐控制模块(6)；所述用户偏好度分析模块(4)由数据分析单元(401)和渠道影响力分析单元(402)组成；偏好预测模块(5)由偏好评估单元(501)和推荐方案生成单元(502)组成；

所述用户交互数据监控和记录模块(3)的第一输出端连接数据分析单元(401)的输入端，所述用户交互数据监控和记录模块(3)的第二输出端连接渠道影响力分析单元(402)的第一输入端，所述用户交互数据监控和记录模块(3)的第三输出端连接偏好评估单元(501)的第一输入端，所述用户交互数据监控和记录模块(3)的第四输出端连接推荐方案生成单元(502)的第一输入端，所述用户交互数据监控和记录模块(3)的第五输出端连接推荐控制模块(6)的第一输入端，所述数据分析单元(401)的输出端连接所述渠道影响力分析单元(402)的第二输入端，所述渠道影响力分析单元(402)的输出端连接所述偏好评估单元(501)的第二输入端，所述偏好评估单元(501)的输出端连接所述推荐方案生成单元(502)的第二输入端；

所述用户交互数据监控和记录模块(3)持续监控用电用户在多元服务渠道上的交互行为，每当用户在一个服务渠道上完成一次交互，就记录以下信息：本次完成的交互在整个历史交互记录数据集中的排序号k、本次完成的交互所使用的渠道种类值ZL_k、本次完成的交互所占用的时间SJ_k，本次交互中用户提出的申诉次数SSC_k，k为正整数，ZL_k∈N⁺且0<ZL_k≤M，其中M为服务渠道的数量，N⁺为正整数集合；所述用户交互数据监控和记录模块(3)将上述取得的值，发送给数据分析单元(401)、渠道影响力分析单元(402)、偏好评估单元(501)、推荐方案生成单元(502)和推荐控制模块(6)；

用户偏好度分析模块(4)分析和评估用户对各个服务渠道的满意度：

数据分析单元(401)首先计算采纳数据窗口长度CD，数据分析单元(401)将计算出的CD值发送给渠道影响力分析单元(402)；然后渠道影响力分析单元(402)计算各频道的平均返迁跨越时长影响度FQ_n，渠道影响力分析单元(402)将计算出的FQn数组值，发送给偏好评估单元(501)；

${\mathrm{FQ}}_n=mean\left\{min\right\{j-i,CD\}\&times;{\mathrm{SJ}}_i\&times;a^{(k-i)}\&times;{\mathrm{SJ}}_j\&times;a^{(k-j)}|i\&le;j,{\mathrm{ZL}}_i={\mathrm{ZL}}_j=n,\underset{l=i+1}{\overset{j-1}{\mathrm{\&Sigma;}}}|{\mathrm{ZL}}_l-n|=0\},n$

为正整数满足1≤n≤m；

偏好预测模块(5)对用电客户进行偏好评估和预测：

偏好评估单元(501)计算考虑用户提出的申诉情况下，用户对各个服务渠道的偏好度PHD_n，然后偏好评估单元(501)将计算出的PHD_n数组值发送给推荐方案生成单元(502)；

${\mathrm{PHD}}_n=\left\{\begin{array}{c}\begin{array}{ccc}\frac{{\mathrm{FQ}}_n}{\underset{i=1,{\mathrm{ZL}}_i=n}{\overset{k}{\mathrm{\&Sigma;}}}\frac{\left({\mathrm{SSC}}_i\right)\&times;a^{k-i}}{{\mathrm{SJ}}_i}}& if& \underset{i=1,{\mathrm{ZL}}_i=n}{\overset{k}{\mathrm{\&Sigma;}}}\frac{\left({\mathrm{SSC}}_i\right)\&times;a^{k-i}}{{\mathrm{SJ}}_i}>0\end{array}\\ \begin{array}{cc}{\mathrm{FQ}}_n& else\end{array}\end{array}\right.;$

推荐方案生成单元(502)计算考虑就近用户选择影响的各渠道推荐权重TJQZ_n，然后推荐方案生成单元(502)将TJQZ_n数组值发送给推荐控制模块(6)；

${\mathrm{TJQZ}}_n={\mathrm{PHD}}_n\&times;\underset{i=1,{\mathrm{ZL}}_i=n,{\mathrm{SSC}}_i=0}{\overset{k}{\&Sigma;}}{a}^{k-i};$

推荐控制模块(6)进行服务渠道推荐：

推荐控制模块(6)比较数组值TJQZ_n中各个分量的值，然后将具有最大值的分量的下标值赋给变量ZDXB，当有多个分量值同最大分量值相同时，则随机选取这多个分量对应的下标值赋给ZDXB；

检查ZDXB值与ZL_k值，若两值不等，则将第ZDXB个服务渠道推荐给用户，否则结束。

6.如权利要求5所述的基于历史访问数据的服务渠道推荐系统，其特征是：所述数据分析单元(401)计算采纳数据窗口长度CD：数据分析单元(401)首先计算用户在最近j次交互中，渠道变更发生频度BGPD_j：

j满足1≤j≤k；

其中，BG_i计算为：

${\mathrm{BG}}_i=\left\{\begin{array}{ccc}0& if& i=1\\ 1& elseif& i>1and{\mathrm{ZL}}_{k-i+1}\&NotEqual;{\mathrm{ZL}}_{k-i}\\ 0& elseif& i>1and{\mathrm{ZL}}_{k-i+1}={\mathrm{ZL}}_{k-i}\end{array}\right.;$

然后，计算采纳数据窗口长度CD：

$CD=\left\{\begin{array}{ccc}\frac{\left(\underset{1<=i}{\overset{k-1}{\mathrm{\&Sigma;}}}{\mathrm{XLB}}_i\&times;a^i\right)/\left(\underset{1<=i}{\overset{k-1}{\mathrm{\&Sigma;}}}{a}^i\right)}{\max \left\{{\mathrm{BGPD}}_j|1<=j<=k\right\}}& if& \max \left\{{\mathrm{BGPD}}_j|1<=j<=k\right\}>0\\ k& elseif& \max \left\{{\mathrm{BGPD}}_j|1<=j<=k\right\}=0\end{array}\right.;$

其中，a为衰减系数，满足0<a<1，XLB_i为相邻两次渠道选择的变更度对总体变更考察窗口长度的贡献值，计算为：