【技术实现步骤摘要】
本专利技术属于电力市场，具体涉及一种缓解电力零售平台数据稀缺的个性化搜索方法及装置。
技术介绍
1、目前部分省份地区的电力现货市场已进入连续不间断试运行阶段，现货市场的连续运行促使电力零售市场也不断发展，电力零售在线交易平台也已投入使用，零售市场交易模式从线下过渡为线上交易，目前依然存在一些待解决的问题。如部分零售用户面对海量的套餐、售电公司信息，没有更多的获取信息途径，无法制定较优的交易决策，或是面临用户输入搜索内容，零售平台无法提供有效的搜索结果。为了提高用户线上交易的体验，同时降低售电公司的获客成本，需要优化零售平台为零售用户量身定做精准的搜索推荐。
2、电力零售平台的搜索算法通常由召回模型和排序模型两部分组成，召回的主要目的是根据零售用户输入的关键词进行快速筛选，尽可能囊括相关的售电公司，排序实质上是相关性匹配的过程，主要作用是从召回的候选中选择和零售用户较匹配的售电公司，并按相关性排序。但受限于零售市场交易频率低、数据稀缺的痛点问题，现有电力零售平台的常规搜索算法并不能有较好的搜索推荐效果，无法精准刻画零售用户的偏好和需求。
技术实现思路
1、有鉴于此，本专利技术的目的在于克服现有技术的不足，提供一种缓解电力零售平台数据稀缺的个性化搜索方法及装置，以解决现有技术中现有电力零售平台的常规搜索算法并不能有较好的搜索推荐效果，无法精准刻画零售用户的偏好和需求的问题。
2、为实现以上目的，本专利技术采用如下技术方案：一种缓解电力零售平台数据稀缺的个性化搜索
3、获取零售市场内零售用户的交易信息和用电数据，基于所述交易信息和用电数据根据用电特性进行用户聚类，迭代划分典型用户群体和用户标签，得到聚类结果；
4、利用所述聚类结果对各种群体划分各自标签，得到群体行为数据；
5、获取目标零售用户的搜索数据，结合所述目标零售用户的历史交易情况对售电公司进行协同过滤和文本过滤，得到召回候选池；
6、结合所述群体行为数据和所述召回候选池进行相关性匹配，根据相关性匹配排序得到个性化搜索结果。
7、进一步的，所述基于所述交易信息和用电数据根据用电特性进行用户聚类，迭代划分典型用户群体和用户标签，包括：
8、利用手肘法计算最佳聚类数目k；
9、根据所述最佳聚类数，选取初始的k个零售用户聚类中心集；
10、针对数据集中每个零售用户计算到k个聚类中心的距离，并将其分到距离最小的聚类中心所对应的类中，标记所在类标签；
11、针对每个类别重新计算聚类中心；
12、迭代至达到预设迭代次数，得到最终聚类结果；
13、统计同类用户的群体行为，得到零售用户标签。
14、进一步的，针对数据集中每个零售用户计算到k个聚类中心的距离，包括：
15、设置用电特性计算距离的多维指标为用电行为指标的组合矩阵；
16、根据信息熵权法计算多维指标的赋权，得到多指标权重赋值；
17、基于所述多指标权重赋值计算每个零售用户计算到k个聚类中心的距离。
18、进一步的，获取目标零售用户的搜索数据，结合所述目标零售用户的历史交易情况对售电公司进行协同过滤和文本过滤，得到召回候选池，包括：
19、获取用户输入的搜索数据，对所述搜索数据进行预处理，得到待处理数据；
20、对所述待处理数据进行分析，得到分词集合；
21、对所述分词集合进行协同过滤召回，得到售电公司召回集合；
22、对所述售电公司召回集合进行文本过滤召回，得到召回候选池。
23、进一步的，对所述搜索数据进行预处理，包括：
24、对所述搜索数据进行大小写转换、拼音转汉字简繁体转换，得到转换数据；
25、对所述转换数据进行分词操作，得到分词集合；所述分词操作包括：停用词过滤、粗粒度拆分词、重要词分析、近义词扩展、语义联想。
26、进一步的，所述结合所述群体行为数据和所述召回候选池进行相关性匹配，根据相关性匹配排序得到个性化搜索结果，包括：
27、获取目标用户类内用户的零售平台交互行为记录，统计类内用户对售电公司的交互行为；
28、针对召回集合中的所有售电公司，构成售电公司召回集合的特征矩阵；
29、以所述特征矩阵中各个特征作为自变量，结合目标用户同类的群体购买意向指标，与同类用户的历史购买次数相乘值作为因变量，建立回归模型；
30、根据所述回归模型和召回候选池计算目标用户与售电公司的相关性的最终得分；
31、根据相关性得分从大到小排序，得到售电公司搜索结果序列，将所述售电公司搜索结果序列中的前预设个数的结果作为个性化搜索结果。
32、进一步的，获取零售市场内零售用户的交易信息，包括：
33、零售市场内零售用户编号、信用评级、电压等级、日负荷曲线、月负荷曲线、年负荷曲线、历史售电公司交易情况。
34、进一步的，所述回归模型为
35、
36、 x为特征矩阵中的特征。
37、本申请实施例提供一种缓解电力零售平台数据稀缺的个性化搜索装置，包括：
38、获取模块，用于获取零售市场内零售用户的交易信息和用电数据，基于所述交易信息和用电数据根据用电特性进行用户聚类，迭代划分典型用户群体和用户标签，得到聚类结果；
39、划分模块，用于利用所述聚类结果对各种群体划分各自标签，得到群体行为数据；
40、过滤模块，用于获取目标零售用户的搜索数据，结合所述目标零售用户的历史交易情况对售电公司进行协同过滤和文本过滤，得到召回候选池；
41、匹配模块，用于结合所述群体行为数据和所述召回候选池进行相关性匹配，根据相关性匹配排序得到个性化搜索结果。
42、本专利技术采用以上技术方案，能够达到的有益效果包括：
43、本专利技术提供一种缓解电力零售平台数据稀缺的个性化搜索方法及装置，对目标用户输入内容搜索前，通过用户画像根据用电行为提前划分典型用户群体，抽象出零售用户的信息全貌，并统计类内群体行为数据做增强，弥补零售平台数据稀缺的问题，为后续搜索的相关性匹配提供有效的依据。
44、相较于其他行业的零售平台，电力零售的交易频次较低，零售用户的购买行为及其稀疏，售电公司和零售套餐也存在同质性的痛点问题，没有办法直接挪用其他平台的搜索推荐算法。本方法将搜索算法中的召回分为个性化推荐召回和文本过滤召回两步，在常规文本匹配无法区分召回候选时，提供补充一些推荐的结果，提高搜索结果的多样性。本方法独创性地在分词过滤召回中，插入与电力零售业务关联性高的词汇，扩充分词索引库，为单一的搜索内容召回一些关联的推荐候选，从而缓解一些特定场景下搜索结果稀少的问题。本方法在搜索相关性匹配排序的过程中，独创性地引入零售用本文档来自技高网...
【技术保护点】
1.一种缓解电力零售平台数据稀缺的个性化搜索方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述交易信息和用电数据根据用电特性进行用户聚类，迭代划分典型用户群体和用户标签，包括：
3.根据权利要求2所述的方法，其特征在于，针对数据集中每个零售用户计算到k个聚类中心的距离，包括：
4.根据权利要求1所述的方法，其特征在于，获取目标零售用户的搜索数据，结合所述目标零售用户的历史交易情况对售电公司进行协同过滤和文本过滤，得到召回候选池，包括：
5.根据权利要求4所述的方法，其特征在于，对所述搜索数据进行预处理，包括：
6.根据权利要求1所述的方法，其特征在于，所述结合所述群体行为数据和所述召回候选池进行相关性匹配，根据相关性匹配排序得到个性化搜索结果，包括：
7.根据权利要求1所述的方法，其特征在于，获取零售市场内零售用户的交易信息，包括：
8.根据权利要求6所述的方法，其特征在于，所述回归模型为
9.一种缓解电力零售平台数据稀缺的个性化搜索装置，其特征在于，包括
...【技术特征摘要】
1.一种缓解电力零售平台数据稀缺的个性化搜索方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述交易信息和用电数据根据用电特性进行用户聚类，迭代划分典型用户群体和用户标签，包括：
3.根据权利要求2所述的方法，其特征在于，针对数据集中每个零售用户计算到k个聚类中心的距离，包括：
4.根据权利要求1所述的方法，其特征在于，获取目标零售用户的搜索数据，结合所述目标零售用户的历史交易情况对售电公司进行协同过滤和文本过滤，得到召回候选池，...
【专利技术属性】
技术研发人员：夏礼琛，朱文俊，姚星安，郑颖楷，吴敬慧，姚立明，王奖，杨柳，
申请(专利权)人：广东电力交易中心有限责任公司，
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。