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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。