CN106779497A - 一种缴费系统暂停服务导致的投诉风险评估方法 - Google Patents
一种缴费系统暂停服务导致的投诉风险评估方法 Download PDFInfo
- Publication number
- CN106779497A CN106779497A CN201710061118.9A CN201710061118A CN106779497A CN 106779497 A CN106779497 A CN 106779497A CN 201710061118 A CN201710061118 A CN 201710061118A CN 106779497 A CN106779497 A CN 106779497A
- Authority
- CN
- China
- Prior art keywords
- user
- payment
- service
- assessed
- complaint
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供一种缴费系统暂停服务导致的投诉风险评估方法,包括:S1、基于一定数量的用户各自的缴费特征点以及聚类中心点的关系,获得每个用户的类别;S2、采集属于该类别的所有用户的总投诉次数与用户数量的商,作为该类别的投诉风险评估值;S3、对待评估用户采用步骤S1的方法获得该用户的类别;S4、基于估计的所述待评估用户的下次缴费时间与暂停服务时间的关系以及该用户的类别,获得所述待评估用户的投诉风险评估值。
Description
技术领域
本发明涉及风险评估领域领域,更具体地,涉及缴费系统暂停服务导致的投诉风险评估方法。
背景技术
随着国人生活水平的提高,电费、燃气费、物业费等等费用的缴纳改变了传统银行排队缴费的方式,自助缴费终端得到了广泛的引用,但是,伴随着自助缴费终端的升级、改造甚至断电等突发情况,自助缴费终端常常需要暂停服务,而暂停服务的状况发生后,很多用户会进行投诉。因此,如何评估缴费系统暂停导致的投诉风险,对于提高服务质量,甚至提高社会效益有这巨大的作用。
但是,目前并未见到针对缴费系统的服务质量风险评估方法。现有的其他领域的风险评估方法大多针对安全方面的风险,针对服务质量者尚未查阅到相关文献;而针对一般商业系统的服务质量与顾客不满度的研究,大多也集中于分析顾客不满的造成因素,而对于顾客不满所带来的社会效益的量化“风险”则未见涉及,更未见相关的评估方法。
发明内容
本发明提供一种克服上述问题或者至少部分地解决上述问题的缴费系统暂停服务导致的投诉风险评估方法。
根据本发明的一个方面,提供一种缴费系统暂停服务导致的投诉风险评估方法,包括:
S1、基于一定数量的用户各自的缴费特征点以及聚类中心点的关系,获得每个用户的类别;
S2、采集属于该类别的所有用户的总投诉次数与用户数量的商,作为该类别的投诉风险评估值;
S3、对待评估用户采用步骤S1的方法获得该用户的类别;以及
S4、基于估计的所述待评估用户的下次缴费时间与暂停服务时间的关系以及该用户的类别,获得所述待评估用户的投诉风险评估值。
本申请利用缴费系统中可以获取的数据,通过用户特征提取和聚类,量化地估计了缴费系统暂停服务所带来的社会效益风险(以用户投诉风险来描述),从而为系统暂停服务时间段的设置和优化提供了量化评价的依据。
附图说明
图1为本发明提供的缴费系统暂停服务导致的投诉风险评估方法的流程示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
为了能够合理地安排服务暂停期,以便使得暂停服务所造成的用户的不便与潜在的社会影响最小化,本发明提出了一种对暂停服务造成的服务质量影响风险的评估方法,以便事先估计得到服务暂停所导致的量化的风险指标,并通过该指标优化服务暂停期的安排。
图1示出了本发明提供的一种缴费系统暂停服务导致的投诉风险评估方法的流程示意图,如图所示,包括:
S1、基于一定数量的用户各自的缴费特征点以及聚类中心点的关系,获得每个用户的类别;
S2、采集属于该类别的所有用户的总投诉次数与用户数量的商,作为该类别的投诉风险评估值;
S3、对待评估用户采用步骤S1的方法获得该用户的类别;以及
S4、基于估计的所述待评估用户的下次缴费时间与暂停服务时间的关系以及该用户的类别,获得所述待评估用户的投诉风险评估值。
本发明利用电费缴费系统中可以获取的数据,通过用户特征提取和聚类,量化地估计了缴费系统暂停服务所带来的社会效益风险(以用户投诉风险来描述),从而为系统暂停服务时间段的设置和优化提供了量化评价的依据。
在一个具体实施例中,所述步骤S1进一步包括:
S1.1、基于缴费次数占总缴费次数给定比例的天数以及用户的单次平均缴费金额,获得用户对应该天数的缴费特征点。
所述缴费次数占总缴费次数给定比例的天数可以是缴费次数占总缴费次数15%的天数,缴费次数占总缴费次数20%的天数等等,根据实际需要可以给定不同的比例。
S1.2、基于k-means聚类法,对所有用户的缴费特征点进行聚类,获得各个类别的聚类中心点。
S1.3、基于与每个用户对应的缴费特征点之间欧氏距离最短的聚类中心点,将该用户归入所述欧氏距离最短的聚类中心点对应的类别。
在一个具体实施例中,所述步骤S1.1进一步包括:
S1.1.1、从缴费系统的用户集合中随机抽取一定比例的用户,构成用户样本,采集各用户在一定时间内的单次平均缴费金额以及以月历或周历记日缴费的次数,获得用户的缴费日期直方图;
S1.1.2、基于所述缴费日期直方图获得若干个缴费次数分别占总缴费次数给定比例的天数;以及
S1.1.3、基于各用户的单次平均缴费金额以及若干个缴费次数分别占总缴费次数给定比例的天数,获得用户对应该天数的缴费特征点。
在一个具体实施例中,所述步骤S1.1.2进一步包括:
S1.1.2.1、将所述直方图中的元素降序排列,并将每个元素除以该用户的总缴费次数,得到归一化降序直方图;
S1.1.2.2、基于分段线性插值法,获得所述归一化降序直方图的分段性插值函数;以及
S1.1.2.3、基于所述函数,获得若干个缴费次数分别占总缴费次数给定比例的天数。
在一个具体实施例中,所述步骤S4进一步包括:
S4.1、估计对待评估用户的下一次缴费的日期;
S4.2、分别计算与月历和周历记日对应的预计风险评估值;以及
S4.3、将分别与月历记日和周历记日对应的预计风险评估值中的最小值作为该用户的投诉风险评估值。
在一个具体实施例中,所述步骤S4.1估计对待评估用户的下一次缴费的日期的方法可以是:
基于待评估用户的一定时间内缴费次数占总缴费次数最大比例的日期,作为待评估用户的下一次缴费的日期。
在一个具体实施例中,所述步骤S4.1估计对待评估用户的下一次缴费的日期的方法还可以是:
S4.1.1、基于一定时间内用户的总缴费金额以及所述总缴费金额所支撑的消费时间,获得每天的平均消费额;
S4.1.2、基于最近一次的缴费金额与所述每天的平均消费额的商,获得最近一次缴费后可支撑的天数;以及
S4.1.3、基于所述可支撑的天数与最近一次缴费的日期,获得下一次缴费的日期。
在一个具体实施例中,所述步骤S4.2具体包括:
S4.2.1、分别计算所述下一次缴费的日期对应月历和周历的月历日和周历日;以及
S4.2.2、若下一次缴费的日期处于暂停服务时间内,则月历日对应的预计风险评估值为该用户的类别对应的月记日的投诉风险评估值,周历日对应的预计评估值为该用户的类别对应的周记日的投诉风险评估值。
在一个具体实施例中,所述投诉风险评估方法还包括:S5、基于下次缴费的日期属于暂停服务时间内的所有人的评估值之和,获得总投诉风险值。具体地说,
通过从缴费系统中的用户集合中随机抽取一定比例的用户,例如选择1%的用户作为待评估用户的集合,按照步骤S3-S4,计算每一个待评估用户的投诉风险评估值,将投诉风险评估值不为0的所有待评估用户的投诉风险评估值求和,再将求和后的值除以1%(即抽样比例),即获得系统的总投诉风险。
在一个具体实施例中,所述待评估用户为从缴费系统的用户集合中随机抽取一定比例的用户。
在一个具体实施例中,本缴费系统暂停服务导致的投诉风险评估方法包括:
(1)在电费缴费系统所管理的电网用户集合U中随机抽取给定比例rC(例如5%或10%)的用户,构成用户样本UC;
(2)统计用户样本UC中的各个用户uC∈UC在最近一个给定时间区间内TC(例如近3年或近5年)的单次平均缴费金额f(uC,TC),
其中,f(uC,t)表示用户uC在日期t所缴纳的费用,sgn(x)为符号函数,
(3)统计用户样本UC中的各个用户uC在时间区间TC内的缴费日期(1日、2日、3日、……、31日)出现的次数,形成该用户的月历日缴费日期直方图HC(uC),
HC(uC)=(hC,1,hC,2,...,hC,31),
其中hC,1表示用户uC在TC内任意一个月份的1号缴费的次数,hC,2表示用户uC在TC内任意一个月份的2号缴费的次数,以此类推;
(4)对用户样本UC中的各个用户uC,将该用户的月历日缴费日期直方图HC(uC)中的元素由大到小排序,并将其中每个元素除以用户uC的总缴费次数,得到用户uC的月历日缴费日期归一化降序直方图HCS(uC),
其中
(i1,i2,...,i31)∈Π(1,2,...,31),
Π(1,2,...,31)表示(1,2,...,31)的所有排列方式的集合;
(5)利用分段线性插值获得用户uC的月历日缴费日期归一化降序直方图HCS(uC)的分段线性插值函数LC(t;uC),
(6)对用户样本UC中的各个用户uC,根据用户uC的LC(t;uC),求取缴费次数分别占总缴费次数若干给定比例Pj的天数{D(j;uC),j=1,...,NP},其中D(j;uC)满足
NP表示给定的比例个数;
(7)对用户样本UC中的各个用户uC,将(6)中求得的用户uC的缴费次数分别占总缴费次数若干给定比例的天数{D(j;uC),j=1,...,NP},连同(2)中求得的用户uC的单次平均缴费金额f(uC,TC)一起,构成用户uC的缴费月历日特征向量
vC(uC,TC)=(f(uC,TC),D(1;uC),...,D(NP;uC)),
vC(uC,TC)又称为用户uC的缴费月历日特征点;
(8)利用k-means聚类方法,对用户样本UC中所有用户uC的缴费月历日特征点进行聚类,聚类为给定类别数KC,分别获得各个类别的缴费月历日聚类中心点cC,i,i=1,...,KC;
(9)统计用户样本UC中的各个用户uC在时间区间TC内的缴费周历日(周一、周二、……、周日)出现的次数,形成该用户的月历日缴费日期直方图HW(uC),
HW(uC)=(hW,1,hW,2,...,hW,7),
其中hW,1表示用户uC在TC内任意一周的周一缴费的次数,hW,2表示用户uC在TC内任意一周的周二缴费的次数,以此类推,直至hW,7表示用户uC在TC内任意一周的周日缴费的次数;
(10)参照步骤(4)~(8),根据HW(uC)获取用户样本UC中的各个用户uC的缴费日周历特征点vW(uC,TC),进而通过聚类获得给定类别数KW个缴费周历日聚类中心点cW,j,j=1,...,KW;
(11)对于用户样本UC中的各个用户uC,找到与其缴费月历日特征点vC(uC,TC)之间欧氏距离为最短的聚类中心点并将用户uC归入所对应的缴费月历日特征点聚类类别i(uC);
(12)当用户样本UC中的各个用户uC都被归入某个缴费月历日特征点聚类类别之后,对各个缴费月历日特征点聚类类别i,分别统计出属于该聚类的用户在TC内的投诉次数,该投诉次数除以该聚类的用户总数,即可得该类用户的缴费月历日风险评价值RC(i),即
其中,
UCC,i={uC|i(uC)=i}
表示用户样本UC中所有属于缴费月历日特征点聚类类别i的用户的集合,||A||表示集合A的元素个数,a(uC)表示用户uC在TC内的投诉次数;
(13)类似地,对于用户样本UC中的各个用户uC,找到与其缴费周历日特征点vW(uC,TC)之间欧氏距离为最短的聚类中心点并将用户uC归入所对应的缴费周历日特征点聚类类别j(uC);
(14)当用户样本UC中的各个用户uC都被归入某个缴费周历日特征点聚类类别之后,对各个缴费周历日特征点聚类类别j,分别统计出属于该聚类的用户在TC内的投诉次数,该投诉次数除以该聚类的用户总数,即可得该类用户的缴费周历日风险评价值RW(i),即
其中,
UCW,j={uC|j(uC)=j}
表示用户样本UC中所有属于缴费周历日特征点聚类类别j的用户的集合;
(15)在电费缴费系统所管理的电网用户集合U中随机抽取给定比例rE的用户,构成风险估计用户样本UE;对风险估计用户样本UE中的各个用户uE,按照步骤(2)-(14)分别计算出其缴费月历日特征点和缴费周历日特征点,然后根据与聚类中心点欧氏距离最短的原则,将uE分别归入相应的缴费月历日特征点聚类类别i(uE)和缴费周历日特征点聚类类别j(uE);
(16)对风险估计用户样本UE中的各个用户uE,估计其下次缴费的月历日tC(uE)和周历日tW(uE);
(17)对于给定的暂停服务时间区间TD,对风险估计用户样本UE中的各个用户uE,其缴费月历日预计风险RC(uE,TD)为
其缴费周历日预计风险RW(uE,TD)为
而用户uE总的预计风险R(uE,TD)为
R(uE,TD)=min{RC(uE,TD),RW(uE,TD)};
(18)给定的暂停服务时间区间TD的总风险评价值RD(TD)为
本发明利用用户的平均缴费金额和由日历日与周历日缴费次数直方图获得用户缴费特征点;
通过用户缴费特征点聚类方法对用户进行分类并估计各类用户风险值;
通过用户缴费日估计和用户类别来估计暂停服务时间区间风险值的方法。
最后,本申请的方法仅为较佳的实施方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种缴费系统暂停服务导致的投诉风险评估方法,其特征在于,包括:
S1、基于一定数量的用户各自的缴费特征点以及聚类中心点的关系,获得每个用户的类别;
S2、采集属于该类别的所有用户的总投诉次数与用户数量的商,作为该类别的投诉风险评估值;
S3、对待评估用户采用步骤S1的方法获得该用户的类别;以及
S4、基于估计的所述待评估用户的下次缴费时间与暂停服务时间的关系以及该用户的类别,获得所述待评估用户的投诉风险评估值。
2.如权利要求1所述的缴费系统暂停服务导致的投诉风险评估方法,其特征在于,所述步骤S1进一步包括:
S1.1、基于缴费次数占总缴费次数给定比例的天数以及用户的单次平均缴费金额,获得用户对应该天数的缴费特征点;
S1.2、基于k-means聚类法,对所有用户的缴费特征点进行聚类,获得各个类别的聚类中心点;以及
S1.3、基于与每个用户对应的缴费特征点之间欧氏距离最短的聚类中心点,将该用户归入所述能距离最短的聚类中心点对应的类别。
3.如权利要求2所述的缴费系统暂停服务导致的投诉风险评估方法,其特征在于,所述步骤S1.1进一步包括:
S1.1.1、从缴费系统的用户集合中随机抽取一定比例的用户,构成用户样本,采集各用户在一定时间内的单次平均缴费金额以及以月历或周历记日缴费的次数,获得对应于以月历或周历记日的缴费日期直方图;
S1.1.2、基于所述缴费日期直方图获得若干个缴费次数分别占总缴费次数给定比例的天数;以及
S1.1.3、基于各用户的单次平均缴费金额以及若干个缴费次数分别占总缴费次数给定比例的天数,获得用户对应该天数的缴费特征点。
4.如权利要求3所述的缴费系统暂停服务导致的投诉风险评估方法,其特征在于,所述步骤S1.1.2进一步包括:
S1.1.2.1、将所述直方图中的元素降序排列,并将每个元素除以该用户的总缴费次数,得到归一化降序直方图;
S1.1.2.2、基于分段线性插值法,获得所述归一化降序直方图的分段性插值函数;以及
S1.1.2.3、基于所述函数,获得若干个缴费次数分别占总缴费次数给定比例的天数。
5.如权利要求3所述的缴费系统暂停服务导致的投诉风险评估方法,其特征在于,所述步骤S4进一步包括:
S4.1、估计对待评估用户的下一次缴费的日期;
S4.2、分别计算与月历和周历记日对应的预计风险评估值;以及
S4.3、将分别与月历记日和周历记日对应的预计风险评估值中的最小值作为该用户的投诉风险评估值。
6.如权利要求5所述的缴费系统暂停服务导致的投诉风险评估方法,其特征在于,所述步骤S4.1具体包括:基于待评估用户的一定时间内缴费次数占总缴费次数最大比例的日期,作为待评估用户的下一次缴费的日期。
7.如权利要求5所述的缴费系统暂停服务导致的投诉风险评估方法,其特征在于,所述步骤S4.1具体包括:
S4.1.1、基于一定时间内用户的总缴费金额以及所述总缴费金额所支撑的消费时间,获得每天的平均消费额;
S4.1.2、基于最近一次的缴费金额与所述每天的平均消费额的商,获得最近一次缴费后可支撑的天数;以及
S4.1.3、基于所述可支撑的天数与最近一次缴费的日期,获得下一次缴费的日期。
8.如权利要求5所述的缴费系统暂停服务导致的投诉风险评估方法,其特征在于,所述步骤S4.2具体包括:
S4.2.1、分别计算所述下一次缴费的日期对应月历和周历的月历日和周历日;以及
S4.2.2、若下一次缴费的日期处于暂停服务时间内,则月历日对应的预计风险评估值为该用户的类别对应的月记日的投诉风险评估值,周历日对应的预计评估值为该用户的类别对应的周记日的投诉风险评估值。
9.如权利要求8所述的缴费系统暂停服务导致的投诉风险评估方法,其特征在于,还包括:
S5、基于下次缴费的日期属于暂停服务时间内的所有人的评估值之和,获得总投诉风险值。
10.如权利要求1-9任意一项所述的缴费系统暂停服务导致的投诉风险评估方法,其特征在于,所述待评估用户为从缴费系统的用户集合中随机抽取一定比例的用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710061118.9A CN106779497A (zh) | 2017-01-25 | 2017-01-25 | 一种缴费系统暂停服务导致的投诉风险评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710061118.9A CN106779497A (zh) | 2017-01-25 | 2017-01-25 | 一种缴费系统暂停服务导致的投诉风险评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106779497A true CN106779497A (zh) | 2017-05-31 |
Family
ID=58943288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710061118.9A Pending CN106779497A (zh) | 2017-01-25 | 2017-01-25 | 一种缴费系统暂停服务导致的投诉风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106779497A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109711716A (zh) * | 2018-12-25 | 2019-05-03 | 广东建邦计算机软件股份有限公司 | 投诉信息处理方法、装置、计算机设备和存储介质 |
CN111415060A (zh) * | 2020-01-21 | 2020-07-14 | 国网浙江省电力有限公司湖州供电公司 | 基于客户标签的投诉风险分析方法 |
CN112381295A (zh) * | 2020-11-13 | 2021-02-19 | 深圳供电局有限公司 | 一种基于用电行为偏好的居民用电提醒方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009075352A1 (ja) * | 2007-12-13 | 2009-06-18 | Nec Corporation | 苦情情報管理システム、苦情情報管理方法、プログラム及びコンピュータ読み取り可能な記録媒体 |
CN105139150A (zh) * | 2015-09-25 | 2015-12-09 | 国网山东省电力公司枣庄供电公司 | 一种交费大数据的用户电费风险评估系统 |
CN106327361A (zh) * | 2016-11-21 | 2017-01-11 | 中国南方电网有限责任公司 | 用户用电可靠性检测方法和系统 |
-
2017
- 2017-01-25 CN CN201710061118.9A patent/CN106779497A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009075352A1 (ja) * | 2007-12-13 | 2009-06-18 | Nec Corporation | 苦情情報管理システム、苦情情報管理方法、プログラム及びコンピュータ読み取り可能な記録媒体 |
CN105139150A (zh) * | 2015-09-25 | 2015-12-09 | 国网山东省电力公司枣庄供电公司 | 一种交费大数据的用户电费风险评估系统 |
CN106327361A (zh) * | 2016-11-21 | 2017-01-11 | 中国南方电网有限责任公司 | 用户用电可靠性检测方法和系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109711716A (zh) * | 2018-12-25 | 2019-05-03 | 广东建邦计算机软件股份有限公司 | 投诉信息处理方法、装置、计算机设备和存储介质 |
CN111415060A (zh) * | 2020-01-21 | 2020-07-14 | 国网浙江省电力有限公司湖州供电公司 | 基于客户标签的投诉风险分析方法 |
CN111415060B (zh) * | 2020-01-21 | 2022-07-29 | 国网浙江省电力有限公司湖州供电公司 | 基于客户标签的投诉风险分析方法 |
CN112381295A (zh) * | 2020-11-13 | 2021-02-19 | 深圳供电局有限公司 | 一种基于用电行为偏好的居民用电提醒方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Golden et al. | Theft and loss of electricity in an Indian state | |
CN106779497A (zh) | 一种缴费系统暂停服务导致的投诉风险评估方法 | |
CN107578277B (zh) | 用于电力营销的出租房客户定位方法 | |
CN110298573B (zh) | 基于多属性群决策的用户异常用电及欠费风险评估方法 | |
CN109003127A (zh) | 一种基于用电客户数据的信用评级方法 | |
CN110119948A (zh) | 基于时变权重动态组合的电力用户信用评价方法及系统 | |
CN112561339A (zh) | 一种优质客户识别方法 | |
CN110047013B (zh) | 反专变用户间断型窃电方法 | |
CN101882146A (zh) | 一种基于聚类的移动通信业务用户虚开识别方法 | |
CN113052476A (zh) | 一种电力零售套餐的制定方法及装置 | |
CN110033307A (zh) | 一种基于机器学习模型的电力优质客户筛选方法 | |
CN114398941A (zh) | 一种用户缴费行为分类方法、装置、设备及可读存储介质 | |
Bertheau et al. | The unequal consequences of job loss across countries | |
Ekaningsih et al. | Comparison Analysis Of The Health Of Sharia Commercial Banks And Conventional Commercial Banks | |
Evans et al. | Regional welfare weights for the UK: England, Scotland, Wales and Northern Ireland | |
CN109670998A (zh) | 基于校园大数据环境下的精准资助多级认定方法及系统 | |
CN111461505A (zh) | 一种催收信息智能匹配的人工标注系统 | |
CN116681450A (zh) | 一种支撑智能催费的客户信用评价方法及系统 | |
CN109408576A (zh) | 一种通用的工资数据导入和统计计算的方法 | |
Hallberg | A Description of Routes out of the Labor Force for Workers in Sweden | |
CN110910009B (zh) | 电力用户管理方法、装置、计算机设备和存储介质 | |
CN111161051A (zh) | 一种还款日期调整方法及装置 | |
Kadalarasane | Direct benefit transfer through aadhar card | |
Warner et al. | Economic, political, and institutional determinants of minority employment in municipal police departments | |
Gnat | Analysis of the effects of replacing current property tax with ad valorem property tax in a sample municipality |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170531 |
|
RJ01 | Rejection of invention patent application after publication |