CN107895015A - 基于层次分析法的电力用户特征标签权重体系构建方法 - Google Patents
基于层次分析法的电力用户特征标签权重体系构建方法 Download PDFInfo
- Publication number
- CN107895015A CN107895015A CN201711119275.7A CN201711119275A CN107895015A CN 107895015 A CN107895015 A CN 107895015A CN 201711119275 A CN201711119275 A CN 201711119275A CN 107895015 A CN107895015 A CN 107895015A
- Authority
- CN
- China
- Prior art keywords
- user
- label
- data
- judgment matrix
- consistency
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000008569 process Effects 0.000 title claims abstract description 14
- 238000010276 construction Methods 0.000 title claims description 3
- 239000011159 matrix material Substances 0.000 claims abstract description 61
- 238000013499 data model Methods 0.000 claims abstract description 13
- 230000008450 motivation Effects 0.000 claims abstract description 12
- 230000003993 interaction Effects 0.000 claims description 17
- 230000003068 static effect Effects 0.000 claims description 14
- 230000005611 electricity Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000001932 seasonal effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000013075 data extraction Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000007621 cluster analysis Methods 0.000 abstract description 3
- 238000010248 power generation Methods 0.000 abstract description 2
- 230000006399 behavior Effects 0.000 description 21
- 239000010410 layer Substances 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000002356 single layer Substances 0.000 description 2
- 108010076282 Factor IX Proteins 0.000 description 1
- 108010023321 Factor VII Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24573—Query processing with adaptation to user needs using data annotations, e.g. user-defined metadata
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Library & Information Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Probability & Statistics with Applications (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于层次分析法的电力用户特征标签权重体系构建方法，包括根据用户基础数据构建用户统一数据模型；将数据模型中反应用户特征、动机的字段作为用户的标签构建标签体系；利用Santy的1‑9标度方法给出判断矩阵按照各标签反应用户动机的程度构建判断矩阵；检验判断矩阵的一致性，如果判断矩阵具有满意的一致性，则验证了模型的合理性，否则对判断矩阵进行调整；使用方根法求取判断矩阵的最大特征向量，对该特征向量进行归一化，即为标签的权重。本发明确定的电力用户特征标签的权重体系，可以得到用户最优画像，为用户的聚类分析提供数据基础，从而实现发电企业的精准营销。
Description
技术领域
本发明属于数据挖掘领域，特别涉及一种基于层次分析法的电力用户特征标签权重体系构建方法。
背景技术
用户画像技术目前已广泛运用于各行各业，证券、电信、电子图书等行业通过分析用户搜索、消费的历史数据，将具有类似属性的用户按照聚类算法进行归类，实现洞察和预测用户需求的目的，可以提高行业服务的精准度。
在智能电网发展的背景之下，大数据成为研究热点，电力企业营销和管理方面都拥有海量的数据，并且随着数据精细化程度的提高，这些数据将呈现出指数级的增长。电力企业营销数据蕴含了巨大的价值，不少电力企业已经开始从中挖掘关于用户特征的有效信息，对用户进行精准定位，实现洞察和预测用户需求的目的，从而可以采用更加精准的营销方式，如消息推送、广告推荐、智能提醒等。
但电力行业在用户精准定位的实现方面普遍存在一些问题：1)电力营销数据来源广，各类用户的数据间存在着命名规则、逻辑结构等方面的差异，尚未建立统一的用户数据模型；2)缺少将用户定性分析与用户定量分析结合的方法；3)用户的标签权重的研究相对较少，没有成型的体系。亟待开发一套科学的用户特征分析标签以及各标签与用户动机的关联度的定量分析。
发明内容
本发明的目的是提供一种基于层次分析法的电力用户特征标签权重体系构建方法，通过该方法得到用户的最优画像，实现对用户进行精准细分、精准定位以及预测用户需求。
本发明的目的通过以下技术方案实现：
一种基于层次分析法的电力用户特征标签权重体系构建方法，其特征在于：该方法包括以下步骤：
1)根据用户基础数据构建用户统一数据模型；
2)将数据模型中反应用户特征、动机的字段作为用户的标签构建标签体系，标签共分为三级：
3)为标签体系构建层次分析模型，一级标签即层次分析模型的准则层，二、三级标签为子准则层，利用Santy的1-9标度方法给出判断矩阵按照各标签反应用户动机的程度构建判断矩阵；
4)检验判断矩阵的一致性，如果判断矩阵具有满意的一致性，则验证了模型的合理性，否则对判断矩阵进行调整；
5)使用方根法求取判断矩阵的最大特征向量，对该特征向量进行归一化，即为标签的权重。
进一步地，上述步骤中，建立统一数据模型过程如下：
(1)根据多渠道用户统一数据模型，整合用户数据，包括：营销系统基础数据、各服务渠道的用户交互数据、实体营业厅数据，以及营销、用采等业务类相关数据。
(2)通过ETL数据抽取转化工具，将多渠道多来源的用户基本信息和用户历史行为数据定时抽取到数据仓库中，从而形成覆盖全面内容详尽结构统一的营销大数据。
(3)对上述的营销大数据进行数据预处理，包括：对于空数据采用拉格朗日插值定理补全；以用户ID为Key值，对数据进行去重；采用统计学中的3σ定理找到营销大数据中的异常数据并剔除。
进一步地，上述步骤中，构建的标签体系包括：将用户特征标签按照数据来源的不同分为静态标签和动态标签。静态标签由营销大数据的用户信息表中变更周期长，随机性小的字段生成。动态标签来源于营销大数据中的用户行为数据，变更周期短，随机性大。
进一步地，上述标签体系中，构建的静态标签包括：性别、年龄、行业、城市分类、负荷性质、供电电压、电量等级、季节用电高峰。
进一步地，上述标签体系中，构建的动态标签包括：用户用电行为、用户缴费行为、用户交互行为。
进一步地，在上述标签体系中，生成反应用户用电行为的子标签。用户用电行为的三级标签包括：容量变更周期，违约用电风险。
进一步地，在上述标签体系中，生成反应用户缴费行为的子标签。用户缴费行为的三级标签包括：缴费时长，缴费渠道。
进一步地，在上述标签体系中，生成反应用户交互行为的子标签。用户交互行为的三级标签包括：交互频率，交互渠道。
进一步地，上述步骤中，使用Saaty的1-9标度法确定各级判断矩阵元素的原则如下表1：
表1
| 标度 | 含义 |
| 1 | 表示两个标签相比，具有同样重要性 |
| 3 | 表示两个标签相比，一个标签比另一个因数稍微重要 |
| 5 | 表示两个标签相比，一个标签比另一个因数明显重要 |
| 7 | 表示两个标签相比，一个标签比另一个因数强烈重要 |
| 9 | 表示两个标签相比，一个标签比另一个因数极端重要 |
| 2,4,6,8 | 上述两相邻判断的中值 |
| 倒数 | 标签i对j的比较结果为aij，则标签j对i的比较结果为aji＝1/aij |
进一步地，上述步骤中，检验判断矩阵一致性的具体过程如下：
(1)计算各级判断矩阵的最大特征根；
(2)矩阵的一致性指标C.I.的计算方式如下：
n为判断矩阵的阶数，λmax为矩阵的最大特征根。C.I.越小，则一致性越好。
(3)判断矩阵阶数不同，发生不一致的概率不同，使用随机一致性比例衡量矩阵的一致性是否满意，当时，认为判断矩阵具有较好的一致性。R.I.为一致性指标，对于1～9阶矩阵，R.I.的值如下表2：
表2
| 阶数 | R.I. | 阶数 | R.I. | 阶数 | R.I. |
| 1 | 0.00 | 4 | 0.90 | 7 | 1.32 |
| 2 | 0.00 | 5 | 1.12 | 8 | 1.40 |
| 3 | 0.50 | 6 | 1.24 | 9 | 1.45 |
进一步地，上述步骤中，采用方根法求判断矩阵最大特征根的方法如下：
(1)判断矩阵的元素按行相乘得一新向量；
(2)将新向量的每个分量开n次方；
(3)将所得的向量归一化即为权重向量。其对应的数值也就是下一层中各标签自身相对于上一层标签所占的权重。
本发明确定的电力用户特征标签的权重体系，可以得到用户最优画像，为用户的聚类分析提供数据基础，从而实现发电企业的精准营销。
本发明的有益效果：通过构建多维用户标签体系，并采用合理的方法确定标签反应用户动机的权重，以此作为用户聚类分析的基础，对于提高服务效率，降低服务成本，提升服务质量具有重要的意义。
附图说明
图1是本发明中电力用户营销大数据的采集处理总架构图。
图2是本发明根据营销大数据制定的反应用户特征的标签汇总图。
图3是本发明采用层次分析法对用户特征标签反应用户动机程度的权重确定流程图。
图4是本发明判断矩阵一致性检验的流程图。
具体实施方式
下面结合附图对本发明进行详细的描述。
基于层次分析法的电力用户特征标签权重体系构建方法，包括以下几个步骤：
步骤1、本发明按照图1的方式搭建电力用户大数据采集分析平台。首先使用Kettle对各渠道数据进行预处理，包括补全空数据、去除重复数据和剔除异常数据，在Kettle中约束数据表字段格式，对不同数据源的数据建立统一的用户数据模型。制成的表格导入Spark中进行数据统计、数据分析和数据预测。
用户数据包括：营销系统基础数据、各服务渠道的用户交互数据、实体营业厅数据，以及营销、用采等业务类相关数据
步骤2、本发明构建的用户特征标签体系如图2，各级标签使用的是统一用户数据模型中的反应用户特点的字段，一级标签分为静态标签和动态标签，整个体系共3级标签。
静态标签由营销大数据的用户信息表中变更周期长，随机性小的字段生成。动态标签来源于营销大数据中的用户行为数据，变更周期短，随机性大。
构建的静态标签包括：性别、年龄、行业、城市分类、负荷性质、供电电压、电量等级、季节用电高峰。
构建的动态标签包括：用户用电行为、用户缴费行为、用户交互行为。
生成反应用户用电行为的子标签。用户用电行为的三级标签包括：容量变更周期，违约用电风险。在上述标签体系中，生成反应用户缴费行为的子标签。用户缴费行为的三级标签包括：缴费时长，缴费渠道。在上述标签体系中，生成反应用户交互行为的子标签。用户交互行为的三级标签包括：交互频率，交互渠道。
步骤3、本发明公开的基于层次分析法确定电力用户特征标签权重体系方法的具体流程如图3。首先使用Saaty1～9标度法，按照标签反应用户动机的程度建立各级的判断矩阵。首先构建一级判断矩阵，参考专家经验以及历史数据比较动态、静态标签对用户特征的反应程度，认为动态标签对用户动机的反应程度高，因此构建的判断矩阵如下：
接着对静态、动态标签分别构建子标签的判断矩阵，静态标签的判断矩阵如下：
动态标签判断矩阵如下：
最后构建动态标签中三级标签的判断矩阵，认为三级标签反应用户动机的程度相同，故三级判断矩阵为2级全1矩阵。
步骤4、本发明检验判断矩阵的一致性流程如图4，以静态标签的判断矩阵为例，首先计算判断矩阵的最大特征根：λmax＝8.00894，接着计算单层一致性指标，判断矩阵的单层一致性指标C.I.的计算方式如下：
n为判断矩阵的阶数。然后计算总层一致性指标当总层一致性指标：
因此认为矩阵的一致性较好，否则，需要重新修正判断矩阵。
步骤5、在各级判断矩阵通过一致性检验后，使用方根法求取判断矩阵的最大特征向量：
n为判断矩阵的阶数，Wi为第i个标签的权重，将矩阵中各元素按行相乘得到一列向量，对该列向量的每一个元素开n次方，对获得的向量进行归一化，得到的新向量即为各标签的权重向量，本发明构建的用户特征标签体系中，静态标签的权重为：
[0.0413,0.0394,0.1205,0.0825,0.1750,0.1238,0.2525,0.1650]
动态标签的权重为：
[0.2222,0.1111,0.6667]
各标签在不同的应用场景下的属性权重不同，并可随着运行经验进行适当调整，以保证构建出的用户标签权重体系可以最大限度的体现用户的特征。
Claims (8)
1.一种基于层次分析法的电力用户特征标签权重体系构建方法，其特征在于：该方法包括以下步骤：
1)根据用户基础数据构建用户统一数据模型；
2)将数据模型中反应用户特征、动机的字段作为用户的标签构建标签体系，标签共分为三级：
3)为标签体系构建层次分析模型，一级标签即层次分析模型的准则层，二、三级标签为子准则层，利用Santy的1-9标度方法给出判断矩阵按照各标签反应用户动机的程度构建判断矩阵；
4)检验判断矩阵的一致性，如果判断矩阵具有满意的一致性，则验证了模型的合理性，否则对判断矩阵进行调整；
5)使用方根法求取判断矩阵的最大特征向量，对该特征向量进行归一化，即为标签的权重。
2.根据权利要求1所述的基于层次分析法的电力用户特征标签权重体系构建方法，其特征在于：步骤1)中建立统一数据模型包括：
(11)根据多渠道用户统一数据模型，整合用户数据，包括：营销系统基础数据、各服务渠道的用户交互数据、实体营业厅数据，以及营销、用采业务类相关数据；
(12)通过ETL数据抽取转化工具，将多渠道多来源的用户基本信息和用户历史行为数据定时抽取到数据仓库中，从而形成覆盖全面内容详尽结构统一的营销大数据；
(13)对上述的营销大数据进行数据预处理，包括：对于空数据采用拉格朗日插值定理补全；以用户ID为Key值，对数据进行去重；采用统计学中的3σ定理找到营销大数据中的异常数据并剔除。
3.根据权利要求1所述的基于层次分析法的电力用户特征标签权重体系构建方法，其特征在于：步骤2)构建的标签体系包括：将用户特征标签按照数据来源的不同分为静态标签和动态标签；静态标签由营销大数据的用户信息表中变更周期长，随机性小的字段生成；动态标签来源于营销大数据中的用户行为数据，变更周期短，随机性大。
4.根据权利要求3所述的基于层次分析法的电力用户特征标签权重体系构建方法，其特征在于：构建的静态标签包括：性别、年龄、行业、城市分类、负荷性质、供电电压、电量等级、季节用电高峰；构建的动态标签包括：用户用电行为、用户缴费行为、用户交互行为。
5.根据权利要求1所述的基于层次分析法的电力用户特征标签权重体系构建方法，其特征在于：用户用电行为的三级标签包括：容量变更周期，违约用电风险；用户缴费行为的三级标签包括：缴费时长，缴费渠道；用户交互行为的三级标签包括：交互频率，交互渠道。
6.根据权利要求1所述的基于层次分析法的电力用户特征标签权重体系构建方法，其特征在于：步骤3)中Saaty的1-9标度法确定各级判断矩阵元素的原则如下：
标度1：表示两个标签相比，具有同样重要性；标度3：表示两个标签相比，一个标签比另一个因数稍微重要；标度5：表示两个标签相比，一个标签比另一个因数明显重要；标度7：表示两个标签相比，一个标签比另一个因数强烈重要；标度9：表示两个标签相比，一个标签比另一个因数极端重要；标度2、4、6、8：上述两相邻判断的中值；倒数：标签i对j的比较结果为aij，则标签j对i的比较结果为aji＝1/aij。
7.根据权利要求1所述的基于层次分析法的电力用户特征标签权重体系构建方法，其特征在于：步骤4)检验判断矩阵一致性的具体过程如下：
(41)计算各级判断矩阵的最大特征根；
(42)矩阵的一致性指标C.I.的计算方式如下：
n为判断矩阵的阶数，λmax为矩阵的最大特征根；C.I.越小，则一致性越好；
(43)判断矩阵阶数不同，发生不一致的概率不同，使用随机一致性比例衡量矩阵的一致性是否满意，当时，认为判断矩阵具有较好的一致性；R.I.为一致性指标，对于1～9阶矩阵，R.I.的值如下：
。
8.根据权利要求1所述的基于层次分析法的电力用户特征标签权重体系构建方法，其特征在于：步骤5)采用方根法求判断矩阵最大特征根的方法如下：
(51)判断矩阵的元素按行相乘得一新向量；
(52)将新向量的每个分量开n次方；
(53)将所得的向量归一化即为权重向量；其对应的数值也就是下一层中各标签自身相对于上一层标签所占的权重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711119275.7A CN107895015A (zh) | 2017-11-14 | 2017-11-14 | 基于层次分析法的电力用户特征标签权重体系构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711119275.7A CN107895015A (zh) | 2017-11-14 | 2017-11-14 | 基于层次分析法的电力用户特征标签权重体系构建方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107895015A true CN107895015A (zh) | 2018-04-10 |
Family
ID=61804387
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711119275.7A Pending CN107895015A (zh) | 2017-11-14 | 2017-11-14 | 基于层次分析法的电力用户特征标签权重体系构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107895015A (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108596679A (zh) * | 2018-04-27 | 2018-09-28 | 中国联合网络通信集团有限公司 | 用户画像的构建方法、装置、终端及计算机可读存储介质 |
| CN108764984A (zh) * | 2018-05-17 | 2018-11-06 | 国网冀北电力有限公司电力科学研究院 | 一种基于大数据的电力用户画像构建方法及系统 |
| CN109492021A (zh) * | 2018-09-26 | 2019-03-19 | 平安科技（深圳）有限公司 | 企业画像信息查询方法、装置、计算机设备和存储介质 |
| CN109583651A (zh) * | 2018-12-03 | 2019-04-05 | 焦点科技股份有限公司 | 一种保险电商平台用户流失预测的方法和装置 |
| CN109614509A (zh) * | 2018-10-29 | 2019-04-12 | 山东中创软件工程股份有限公司 | 船舶画像构建方法、装置、设备及存储介质 |
| CN109615549A (zh) * | 2019-01-18 | 2019-04-12 | 河南奥菲斯电子科技有限公司 | 农业保险保费补贴绩效的计算方法、系统及存储介质 |
| CN109740065A (zh) * | 2019-01-22 | 2019-05-10 | 云南大学 | 基于特征模型的个性化信息推荐方法 |
| CN111709791A (zh) * | 2020-06-19 | 2020-09-25 | 四川中电启明星信息技术有限公司 | 一种基于改进特征词权重算法的供电营销服务方法 |
| CN111768213A (zh) * | 2020-09-03 | 2020-10-13 | 耀方信息技术(上海)有限公司 | 一种用户标签权重评估方法 |
| CN111985561A (zh) * | 2020-08-19 | 2020-11-24 | 安徽蓝杰鑫信息科技有限公司 | 一种智能电表的故障诊断方法、系统及电子装置 |
| CN112650894A (zh) * | 2020-12-30 | 2021-04-13 | 国网甘肃省电力公司营销服务中心 | 一种基于层次分析法和深度信念网络相结合的用户用电行为多维分析诊断方法 |
| CN113065905A (zh) * | 2021-05-07 | 2021-07-02 | 国家电网有限公司大数据中心 | 一种线上购电引流标签构建方法、装置、设备及存储介质 |
| CN114048808A (zh) * | 2021-11-09 | 2022-02-15 | 国能陕西水电有限公司 | 针对监测数据的粗差识别及剔除方法、系统、服务器及计算机可读存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104036002A (zh) * | 2014-06-16 | 2014-09-10 | 深圳市英威诺科技有限公司 | 一种智能推荐数据的技术方法 |
| CN104462812A (zh) * | 2014-12-06 | 2015-03-25 | 国网浙江省电力公司电动汽车服务分公司 | 一种基于层次分析法的电动汽车能量补给成本分析方法 |
| CN106651424A (zh) * | 2016-09-28 | 2017-05-10 | 国网山东省电力公司电力科学研究院 | 基于大数据技术的电力用户画像建立与分析方法 |
| CN107092701A (zh) * | 2017-05-02 | 2017-08-25 | 山东浪潮通软信息科技有限公司 | 一种多维数据模型的数据处理方法及装置 |
| CN107145586A (zh) * | 2017-05-10 | 2017-09-08 | 中国电力科学研究院 | 一种基于电力营销数据的标签产出方法和装置 |
-
2017
- 2017-11-14 CN CN201711119275.7A patent/CN107895015A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104036002A (zh) * | 2014-06-16 | 2014-09-10 | 深圳市英威诺科技有限公司 | 一种智能推荐数据的技术方法 |
| CN104462812A (zh) * | 2014-12-06 | 2015-03-25 | 国网浙江省电力公司电动汽车服务分公司 | 一种基于层次分析法的电动汽车能量补给成本分析方法 |
| CN106651424A (zh) * | 2016-09-28 | 2017-05-10 | 国网山东省电力公司电力科学研究院 | 基于大数据技术的电力用户画像建立与分析方法 |
| CN107092701A (zh) * | 2017-05-02 | 2017-08-25 | 山东浪潮通软信息科技有限公司 | 一种多维数据模型的数据处理方法及装置 |
| CN107145586A (zh) * | 2017-05-10 | 2017-09-08 | 中国电力科学研究院 | 一种基于电力营销数据的标签产出方法和装置 |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108596679B (zh) * | 2018-04-27 | 2022-05-03 | 中国联合网络通信集团有限公司 | 用户画像的构建方法、装置、终端及计算机可读存储介质 |
| CN108596679A (zh) * | 2018-04-27 | 2018-09-28 | 中国联合网络通信集团有限公司 | 用户画像的构建方法、装置、终端及计算机可读存储介质 |
| CN108764984A (zh) * | 2018-05-17 | 2018-11-06 | 国网冀北电力有限公司电力科学研究院 | 一种基于大数据的电力用户画像构建方法及系统 |
| CN109492021A (zh) * | 2018-09-26 | 2019-03-19 | 平安科技（深圳）有限公司 | 企业画像信息查询方法、装置、计算机设备和存储介质 |
| CN109614509A (zh) * | 2018-10-29 | 2019-04-12 | 山东中创软件工程股份有限公司 | 船舶画像构建方法、装置、设备及存储介质 |
| CN109583651A (zh) * | 2018-12-03 | 2019-04-05 | 焦点科技股份有限公司 | 一种保险电商平台用户流失预测的方法和装置 |
| CN109615549A (zh) * | 2019-01-18 | 2019-04-12 | 河南奥菲斯电子科技有限公司 | 农业保险保费补贴绩效的计算方法、系统及存储介质 |
| CN109740065A (zh) * | 2019-01-22 | 2019-05-10 | 云南大学 | 基于特征模型的个性化信息推荐方法 |
| CN109740065B (zh) * | 2019-01-22 | 2020-05-12 | 云南大学 | 基于特征模型的个性化信息推荐方法 |
| CN111709791A (zh) * | 2020-06-19 | 2020-09-25 | 四川中电启明星信息技术有限公司 | 一种基于改进特征词权重算法的供电营销服务方法 |
| CN111985561A (zh) * | 2020-08-19 | 2020-11-24 | 安徽蓝杰鑫信息科技有限公司 | 一种智能电表的故障诊断方法、系统及电子装置 |
| CN111985561B (zh) * | 2020-08-19 | 2023-02-21 | 安徽蓝杰鑫信息科技有限公司 | 一种智能电表的故障诊断方法、系统及电子装置 |
| CN111768213A (zh) * | 2020-09-03 | 2020-10-13 | 耀方信息技术(上海)有限公司 | 一种用户标签权重评估方法 |
| CN112650894A (zh) * | 2020-12-30 | 2021-04-13 | 国网甘肃省电力公司营销服务中心 | 一种基于层次分析法和深度信念网络相结合的用户用电行为多维分析诊断方法 |
| CN113065905A (zh) * | 2021-05-07 | 2021-07-02 | 国家电网有限公司大数据中心 | 一种线上购电引流标签构建方法、装置、设备及存储介质 |
| CN114048808A (zh) * | 2021-11-09 | 2022-02-15 | 国能陕西水电有限公司 | 针对监测数据的粗差识别及剔除方法、系统、服务器及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107895015A (zh) | 基于层次分析法的电力用户特征标签权重体系构建方法 | |
| CN110222267B (zh) | 一种游戏平台信息推送方法、系统、存储介质及设备 | |
| US10410138B2 (en) | System and method for automatic generation of features from datasets for use in an automated machine learning process | |
| CN106570778B (zh) | 一种基于大数据的数据集成与线损分析计算的方法 | |
| Huang et al. | [Retracted] Knowledge Graph Construction and Application of Power Grid Equipment | |
| US20140351285A1 (en) | Platform and method for analyzing electric power system data | |
| WO2023155508A1 (zh) | 一种基于图卷积神经网络和知识库的论文相关性分析方法 | |
| CN103714139A (zh) | 一种移动海量客户群识别的并行数据挖掘方法 | |
| Jin et al. | GEIN: An interpretable benchmarking framework towards all building types based on machine learning | |
| CN105159971B (zh) | 一种云平台数据检索方法 | |
| CN108364187A (zh) | 一种基于停电敏感特性的停电敏感用户确定方法和系统 | |
| CN106056476A (zh) | 一种电力市场多层协同信息服务的推荐方法 | |
| Chen | [Retracted] Construction Project Cost Management and Control System Based on Big Data | |
| Huang et al. | Using cluster analysis and least square support vector machine to predicting power demand for the next-day | |
| CN106682173B (zh) | 一种社保大数据olap预处理方法及在线分析查询方法 | |
| Li et al. | An improved genetic-XGBoost classifier for customer consumption behavior prediction | |
| Qiao et al. | Constructing a data warehouse based decision support platform for China tourism industry | |
| CN115687788A (zh) | 一种智能化商机推荐方法和系统 | |
| Hu et al. | Forecasting public bicycle rental demand using an optimized eXtreme Gradient Boosting model | |
| CN114372835A (zh) | 综合能源服务潜力客户识别方法、系统及计算机设备 | |
| Yang et al. | Power user portrait model based on random forest | |
| CN113010917B (zh) | 面向同期线损管理系统具有隐私保护的降损分析处理方法 | |
| Peng et al. | Research on E-commerce intelligence based on IOT and big data | |
| Li | [Retracted] Economic Development Analysis of China’s Coastal Industries Based on Deep Learning and SDA Model Weighting | |
| Huang et al. | A Clustering‐based Method for Business Hall Efficiency Analysis |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 210024 civil defense building, No. 189, Guangzhou Road, Gulou District, Nanjing, Jiangsu Applicant after: Jiangsu Electric Power Information Technology Co., Ltd. Applicant after: STATE GRID JIANGSU ELECTRIC POWER Co. Address before: 210024 civil defense building, No. 189, Guangzhou Road, Gulou District, Nanjing, Jiangsu Applicant before: Jiangsu Electric Power Information Technology Co., Ltd. Applicant before: STATE GRID JIANGSU ELECTRIC POWER COMPANY |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180410 |