一种基于电力交易用户最优特征子集的售电套餐推荐方法技术

针对电力市场用户群庞大，交易过程中售电套餐选择困难的问题，本发明专利技术提出一种基于电力交易用户最优特征子集的售电套餐推荐方法。首先，定义了电力交易用户最优特征子集，并设计基于加权递增项目覆盖率最优子集的发现算法，合理地从海量交易用户中筛选出最优用户特征子集。然后，提出一种基于属性相关的售电套餐相似性计算方法，通过聚类和确定套餐属性权重的方式计算套餐相似度，得到套餐项目的最近邻。最后，基于最优特征子集和套餐属性实现了售电套餐的精准推荐。

A power transaction user optimal feature subset based on the sale of electricity package recommendation method

In the electric power market transaction process in a large group of users, the sale of electricity package selection problem, the invention provides a power transaction user optimal feature subset based on the sale of electricity package recommendation method. First of all, the definition of power transaction user optimal feature subset, and design project weighted incremental coverage algorithm in finding optimal subset based screening reasonably from the massive transaction user optimal feature subset of users. Then, a similarity calculation method based on attribute correlation is proposed, which calculates the similarity between packages by clustering and determining the attribute weight of packages, and gets the nearest neighbor of package items. Finally, the optimal feature subset and set attribute to achieve a precise recommendation package based on the sale of electricity.

【技术实现步骤摘要】
一种基于电力交易用户最优特征子集的售电套餐推荐方法
本专利技术涉及电力市场信息
，一种基于电力交易用户最优特征子集的售电套餐推荐方法。
技术介绍
我国关于进一步深化电力体制改革的若干意见表明了国家对售电市场改革的高度关注。售电是电力消费的核心环节，电力作为一种商品具有天然的用户粘性，可以衍生和嫁接众多用户增值服务，并将被不断发觉与创新，价值空间巨大。其中售电套餐是竞争性售电中互联网思维下的服务及运营模式的创新，也是竞争性电力市场的必然产物。售电公司以套餐作为载体，向用户提供售电服务，竞争力强的售电套餐对于售电公司获得市场竞争力具有举足轻重的作用，所以考虑用户使用行为与市场竞争形势的售电套餐管理工作将是售电公司参与市场竞争的焦点。而售电套餐产品的数量、种类和内容纷繁复杂，也给用户带来了套餐匹配与选择相关的困扰。在新型电力市场背景下，售电的方式在转变，想要去挖掘更多的用户，有效的套餐推荐将是必然选择。协同过滤是迄今为止应用最成功的个性化推荐技术。协同过滤推荐算法主要利用用户的历史行为信息为用户建模进而做出推荐的一类算法。目前该领域的协同过滤推荐算法主要是基于用户的协同过滤推荐算法和基于项目的协同过滤算法。协同过滤算法具有适用面广，可以对难以分析的产品进行推荐、利于挖掘用户新的偏好和潜在需求等优势。但在使用协同过滤算法进行推荐的过程中依然有如下问题：没有考虑冷门项目极易淹没在热门项目中的问题，忽略了冷门项目对于推荐的贡献率；没有考虑项目的属性特征，无法保障推荐结果的精确度；忽略了庞大用户群对推荐效率的影响。售电套餐推荐方法的研究是推进电力服务产品智能化水平的重要手段，增强了个性化推荐方法在电力行业匹配与应用，丰富了电力服务产品的分析维度。对于消费者而言，有助于消费者发现自身的需求点，获得更需要的、更适合的售电套餐。对于电改后的售电公司及发电企业而言，有助于更好更深地挖掘用户需求，快速便捷定位套餐的目标用户，实现套餐及相关业务产品科学准确的营销推广，扩大套餐用户群，增加营业收入。为此，个性化、智能化的售电套餐推荐显得尤其重要和必要。
技术实现思路
本专利技术的目的是克服了现有技术的协同过滤算法存在的不足，提供一种科学合理，适用性强，效果佳，能够实现售电套餐精准推荐的基于电力交易用户最优特征子集的售电套餐推荐方法。本专利技术的目的是由以下技术方案来实现的：一种基于电力交易用户最优特征子集的售电套餐推荐方法，其特征是，它包括以下步骤：1)基于加权递增项目覆盖率的最优特征子集发现算法，从海量电力交易用户中筛选出最优用户子集，达到项目覆盖率和评分准确度(a)定义加权递增项目覆盖率和电力交易用户特征子集，尽可能表示全体用户在电力套餐交易过程中的兴趣偏好：(b)根据电力用户与售电套餐的评分矩阵，将没有出现在矩阵中的电力交易用户与售电套餐从电力交易用户集合和售电套餐集合中去除，使用增加权重的递增售电套餐项目覆盖率公式依次选出最大覆盖率的电力交易用户u，如此循环往复；(c)利用步骤(b)直至找到k个电力交易用户构成初始电力交易用户最优特征子集，再通过控制评分误差阈值调整k的大小得到电力交易用户最优特征子集，其中电力交易用户最优特征子集的判定条件为：使子集评分误差Err(U')最小化；使项目覆盖率最大化，子集评分误差Err(U')avg(Pj,U')是售电套餐项目pj在电力交易用户子集U'中的平均得分，avg(Pj,U)是售电套餐项目pj在全体用户U中的平均得分，可以看出，Err(U')越小，电力交易用户子集U'越能够代表全体电力交易用户的兴趣偏好，增加权重的递增售电套餐项目覆盖率ICovU′(u)P代表售电套餐项目集合，pj∈Pu表示售电套餐项目Pj属于用户u所评分的套餐项目，表示售电套餐项目Pj不属于用户u所评分的套餐项目，其中，权重ωjSj表示一共有Sj个电力交易用户选择过售电套餐项目Pj，U表示全体电力交易用户，可以看出，售电套餐项目被选择的次数越多，权重ωj越小，所以为出现次数少的售电套餐冷门项目给予了较高的权重，从而降低售电套餐冷门项目被热门项目覆盖的可能；2)基于属性相关的售电套餐相似性计算方法，通过聚类和确定套餐属性权重的方式计算套餐相似度，得到套餐项目最近邻(d)根据售电套餐项目集合，构建售电套餐项目属性矩阵A＝(aij)n×m，属性值aij用数值表示，若不能，则用二元变量(0,1)表示；(e)根据单个套餐的所有属性值对售电套餐进行聚类，并利用层次分析法确定售电套餐的每个属性权重；(f)在目标聚类簇中根据属性相似度公式计算得到两个售电套餐项目的综合相似度，从而得到售电套餐的相似度矩阵；售电套餐属性特征综合的相似性计算其中，ωk是第k个属性特征权值，aik表示套餐i的第k个属性上的值，ωk/1+|aik-ajk|表示套餐i和套餐j在第k个属性上的相似性；3)根据售电套餐相似度矩阵和用户套餐评分集合，生成用户u对目标项目i的初始预测评分；4)根据初始预测评分找到目标用户u在电力交易用户最优特征子集中的最近邻，得到目标用户u未评分的售电套餐项目的最终预测评分；5)将售电套餐项目按照最终预测得分从高到低排列，选出前N个作为目标用户的售电套餐推荐集合，推荐给用户。本专利技术的一种基于电力交易用户最优特征子集的售电套餐推荐方法，以加权递增售电套餐项目覆盖率处理冷门售电套餐项目容易淹没在热门项目中的问题；以给出电力交易用户最优特征子集的概念，正确地反映全体用户的在套餐交易过程中的兴趣偏好，并设计一种基于加权递增项目覆盖率的最优特征子集发现算法，根据加权递增售电套餐项目覆盖率合理地从海量电力交易用户中筛选出最优用户子集，达到较高的项目覆盖率和评分准确度；提出一种基于属性相关的售电套餐相似性计算方法，通过聚类和确定套餐属性权重的方式计算套餐相似度得到套餐项目的最近邻；最后，基于最优特征子集和套餐属性实现了售电套餐的精准推荐。其所具有的有益效果体现在：在套餐推荐过程中考虑了售电套餐项目的属性特征，保障了推荐结果的精确度，并把聚类应用到其中，缩小了套餐的搜索范围；考虑了庞大用户群对推荐效率的影响，定义了电力交易用户最优特征子集和加权递增售电套餐项目覆盖率，正确地反映全体用户的在套餐交易过程中的兴趣偏好并解决了冷门售电套餐项目曝光率低的问题，同时避免了推荐过程中产生的流行偏置问题，也缩小了用户的搜索范围，保证的了推荐过程中的效率问题；科学合理，适应性强，效果佳。附图说明图1为一种基于电力交易用户最优子集的售电套餐推荐方法流程图；图2为基于加权递增项目覆盖率的最优特征子集发现算法流程图；图3为基于属性相关的售电套餐相似性计算方法流程图；图4为不同比例测试集上MAE值示意图；图5为Top-K推荐准去率结果比较示意图。具体实施方式下面结合附图对本专利技术的一种基于电力交易用户最优子集的售电套餐推荐方法作详细描述。参照图1，一种基于电力交易用户最优子集的售电套餐推荐方法，包括如下步骤：(1)所述基于加权递增项目覆盖率的最优特征子集发现算法，从海量电力交易用户中筛选出最优用户子集，达到较高的项目覆盖率和评分准确度的步骤是：1)定义加权递增售电套餐项目覆盖率。定义电力交易用户集合U＝{Ui}0≤i＜|U|(5)和售电套餐项目集合P＝{pj}0≤j＜本文档来自技高网...

【技术保护点】
一种基于电力交易用户最优特征子集的售电套餐推荐方法，其特征是，它包括以下步骤：1)基于加权递增项目覆盖率的最优特征子集发现算法，从海量电力交易用户中筛选出最优用户子集，达到项目覆盖率和评分准确度(a)定义加权递增项目覆盖率和电力交易用户特征子集，尽可能表示全体用户在电力套餐交易过程中的兴趣偏好：(b)根据电力用户与售电套餐的评分矩阵，将没有出现在矩阵中的电力交易用户与售电套餐从电力交易用户集合和售电套餐集合中去除，使用增加权重的递增售电套餐项目覆盖率公式依次选出最大覆盖率的电力交易用户u，如此循环往复；(c)利用步骤(b)直至找到k个电力交易用户构成初始电力交易用户最优特征子集，再通过控制评分误差阈值调整k的大小得到电力交易用户最优特征子集，其中电力交易用户最优特征子集的判定条件为：使子集评分误差Err(U')最小化；使项目覆盖率最大化，子集评分误差Err(U')

【技术特征摘要】
1.一种基于电力交易用户最优特征子集的售电套餐推荐方法，其特征是，它包括以下步骤：1)基于加权递增项目覆盖率的最优特征子集发现算法，从海量电力交易用户中筛选出最优用户子集，达到项目覆盖率和评分准确度(a)定义加权递增项目覆盖率和电力交易用户特征子集，尽可能表示全体用户在电力套餐交易过程中的兴趣偏好：(b)根据电力用户与售电套餐的评分矩阵，将没有出现在矩阵中的电力交易用户与售电套餐从电力交易用户集合和售电套餐集合中去除，使用增加权重的递增售电套餐项目覆盖率公式依次选出最大覆盖率的电力交易用户u，如此循环往复；(c)利用步骤(b)直至找到k个电力交易用户构成初始电力交易用户最优特征子集，再通过控制评分误差阈值调整k的大小得到电力交易用户最优特征子集，其中电力交易用户最优特征子集的判定条件为：使子集评分误差Err(U')最小化；使项目覆盖率最大化，子集评分误差Err(U')avg(Pj,U')是售电套餐项目pj在电力交易用户子集U'中的平均得分，avg(Pj,U)是售电套餐项目pj在全体用户U中的平均得分，可以看出，Err(U')越小，电力交易用户子集U'越能够代表全体电力交易用户的兴趣偏好，增加权重的递增售电套餐项目覆盖率ICovU′(u)P代表...

【专利技术属性】
技术研发人员：曲朝阳，王蕾，冯荣强，薄小永，曲楠，刘耀伟，吕洪波，
申请(专利权)人：东北电力大学，
类型：发明
国别省市：吉林,22