【技术实现步骤摘要】
综合能效服务业务混合推荐方法、系统及存储介质
[0001]本专利技术属于电力服务领域，具体涉及综合能效服务业务混合推荐方法、系统及存储介质。
技术介绍
[0002]随着综合能源服务业务的不断拓展，门户网站注册用户数量快速增加，健全完善能效服务体系，全面开展能效公共服务，需进一步强化共性能力建设，统筹数据服务资源，为用户提供优质的资源推送服务，提高总部及各级单位关于能效服务资源的接收和消纳能力。
[0003]首先，随着门户网站用户数量及服务资源的快速增长，原有推荐策略的推荐内容、效率，及推送的颗粒度、精准度、覆盖面积已不再适用当下的业务需求；面对多样性的客户群体，根据用户行业信息简单模糊匹配业务的方式，无法做到“千人千面”、“一户一策”的精准推荐模式。
[0004]其次，能效服务涉及的数据来源繁杂、客户群体多样、业务范围广泛，客户用电、用能、行为数据无法充分利用并发挥本身价值。门户网站中现有推荐过程是通过用户行业与四库所属场景进行简单匹配，推荐结果过于粗糙，相同行业用户推荐结果相同，无差异化，且无法进行自动化、...
【技术保护点】
【技术特征摘要】
1.一种综合能效服务业务混合推荐方法，其特征在于，包括以下步骤：数据整合和数据预处理；获得多个单一模型的推荐结果，包括基于营销档案属性和挖掘模型的推荐结果、基于用户评分的推荐结果、基于项目属性的推荐结果和基于用户关注点的推荐结果；在多个单一模型的推荐结果中分别增加流行度权重因子，获得基于流行度的推荐结果；推荐结果整合，运用综合权重方法确定各个推荐结果在最终推荐结果中的比重，确定目标用户对各个推荐结果的综合得分，基于综合得分确定排名靠前的作为最终推荐结果。2.根据权利要求1所述的推荐方法，其特征在于，获得基于营销档案属性和挖掘模型的推荐结果，包括：通过电力数据描述统计分析，结合业务需求及数据实际情况，运用数据探索的特征构建方法，对各个业务挖掘主题进行用户业务信息和量费特征提取，构建特征指标；基于电力数据，以及基于维度指标或者事实标签，运用特征工程和无监督算法，构建用户挖掘模型，对用户潜力进行挖掘；基于行业特征、网上公开信息、专家经验，设计用户行业衍生关键词；对四库数据进行分词和提取关键词；其中，四库包括综合能效服务业务的解决方案、案例、供应商和产品；计算用户行业衍生关键词和四库数据关键词之间的相似度。3.根据权利要求1所述的推荐方法，其特征在于，获得基于用户评分的推荐结果，包括：构建用户评分矩阵，定义门户网站用户集合U＝{u1,u2,......u
m
}，综合能效服务业务的解决方案、案例所形成的项目集合I＝{i1,i2,......i
t
}；根据门户网站用户对所述项目集合中解决方案、案例的点击、转发、点赞、停留时长数据形成评分矩阵R
m*t
；基于所构建的用户评分矩阵，通过改进的用户相似度计算公式sim(a,b)
A
得到用户相似度矩阵；其中，R
a,c
表示门户网站用户a对综合能效服务业务的解决方案c的评分，R
b,c
表示门户网站用户b对综合能效服务业务的解决方案c的评分；R
a
表示门户网站用户a对项目集合中所有项目评分的中位数，R
b
表示用户b对项目集合中所有项目评分的中位数；表示门户网站用户a对项目集合中所有项目评分的均值，表示门户网站用户b对项目集合中所有项目评分的均值；I
a,b
表示门户网站用户a和b共同对项目集合中评分过的项目；I
a
表示门户网站用户a对项目集合中评分过的项目；I
b
表示门户网站用户b对项目集合中评分过的项目；根据所获取的用户相似度矩阵，找出与目标用户相似度最高的若干个用户组成邻居用户集合；根据目标用户t的近邻集合U
k
获得目标用户尚未评级的解决方案的预测评级分数P
t,c
：
其中：sim(t,b)为目标用户t与邻居用户b的相似得分，R
b,c
为邻居用户b对解决方案c的评分，表示目标用户t对项目集合中所有项目评分的均值，表示邻居用户b对项目集合中所有项目评分的均值；根据预测评级分数从大到小进行排序，排序列表选取前n个方案作为目标用户的基于用户评分的推荐结果。4.根据权利要求1所述的推荐方法，其特征在于，获得基于项目属性的推荐结果，包括：根据综合能效服务业务中解决方案的分词结果，获得项目属性分类，并结合行业应用领域、适用场景，构建项目属性矩阵；对解决方案中所属行业分类，根据国民经济行业划分为若干个大类，基于分类之间的语义关系，构建分类语义层次树；通过计算项目间相似度的获得解决方案之间的相似度，获得解决方案的邻居集合，从邻居集合中给用户推荐相似度排名靠前的项目。5.根据权利要求1所述的推荐方法，其特征在于，获得基于用户关注点的推荐结果，包括：通过用户新注册时填写的关注点、兴趣领域，结合适用场景、行业应用领域，计算与四库中项目属性信息的相似度，根据相似度进行排名，推荐排名靠前的项目给用户；其中，四库包括综合能效服务业务的解决方案、案例、供应商和产品。6.根据权利要求1所述的推荐方法，其特征在于，流行度权重因子的计算方式为：通过用户对解决方案的点击评分状况，得到流行度，对流行度进行归一化处理；根据归一化后的流行度，计算流行度权重因子：其中，NPop为归一化后的流行度的数值。7.根据权利要求1所述的推荐方法，其特征在于，所述综合权重方法结合主观权重与客观权重；主观权重以业务为依据，根据各业务维度的重要程度与现实影响，听取相关专家的意见，判断各业务维度标签权重并赋值w1；确定主观权重所考虑的因素包括：门户网站的内外部数据波动情况、推荐结果更新频度和用户兴趣提现程度；其中基于门户网站外部数据的推荐结果变化周期不明显，门户网站内部数据受用户埋点数据增加的影响，推荐结果更新频率更为频繁；所述埋点数据受用户主观性影响大，更能展现用户的兴趣；对各个模型赋予的主观权重分别为：对基于营销档案属性和挖掘模型的推荐结果，赋予的主观权重为0.2；对基于项目属性的推荐结果，赋予的主观权重为0.2；对基于用户评分的推荐结果，赋予的主观权重为0.4；对基于用户关注点的推荐结果，赋予的主观权重为0.2；
基于熵值法，根据指标变异性的大小来确定...
【专利技术属性】
技术研发人员：姜磊，李磊，赵艳敏，张晓杰，左子凯，杨泽，
申请(专利权)人：佰聆数据股份有限公司，
类型：发明
国别省市：
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。