可左右滑动选省市

基于能源互联网营销服务系统的信息推送方法

更新时间:2024-11-01
基于能源互联网营销服务系统的信息推送方法 专利申请类型:发明专利;
地区:河南-郑州;
源自:郑州高价值专利检索信息库;

专利名称:基于能源互联网营销服务系统的信息推送方法

专利类型:发明专利

专利申请号:CN202410346075.9

专利申请(专利权)人:国网河南省电力公司信息通信分公司
权利人地址:河南省郑州市二七区嵩山南路87号院办公区C楼

专利发明(设计)人:孙优

专利摘要:本发明涉及数据处理技术领域,具体涉及基于能源互联网营销服务系统的信息推送方法,该方法包括:获取各服务对象的能源业务列表,根据能源业务列表中的数据分布得到任意两能源业务方案在各邻近年份的年度热度相关因子,根据任意两能源业务方案间的业务应季热度相似系数得到各能源业务方案的业务应季竞争强度,利用任意两服务属性向量间的服务属性偏差系数得到各能源业务方案的业务应季接受指数,根据业务应季接受指数获取各服务对象的应季业务喜好系数及任意两服务对象间的应季业务习惯契合指数,完成各服务对象的信息推送。本发明旨在提高服务对象信息推送的准确度,实现基于能源互联网营销服务系统的精确信息推送。

主权利要求:
1.基于能源互联网营销服务系统的信息推送方法,其特征在于,该方法包括以下步骤:
获取能源互联网营销服务系统中各服务对象的能源业务列表;能源业务列表中包含能源业务方案、服务记录时间及服务单号;根据能源业务方案对应服务记录时间的分布得到各能源业务方案的历史年热度序列及应季月份;根据服务记录时间将最新年份之前连续多个年份作为各邻近年份;根据不同能源业务方案的历史年热度序列的差异得到任意两能源业务方案在各邻近年份的年度热度相关因子;
根据年度热度相关因子及不同能源业务方案对应的应季月份的差异得到任意两能源业务方案间的业务应季热度相似系数;根据所有业务应季热度相似系数的分布规律得到各能源业务方案的业务应季竞争强度;将能源业务列表的任一行中除能源业务方案、服务记录时间及服务单号外的所有数据作为一个服务属性向量;根据能源业务方案对应不同服务属性向量的差异得到各能源业务方案的任意两服务属性向量间的服务属性偏差系数;结合业务应季竞争强度及服务属性偏差系数得到各能源业务方案的业务应季接受指数;
根据能源业务列表中能源业务方案的业务应季接受指数的分布得到各服务对象的应季业务喜好系数;结合服务属性偏差系数及应季业务喜好系数得到任意两服务对象间的应季业务习惯契合指数;结合应季业务习惯契合指数及Top‑N推荐算法完成各服务对象的信息推送;
所述根据能源业务方案对应服务记录时间的分布得到各能源业务方案的历史年热度序列及应季月份,包括:
将所有服务对象在任一邻近年份中的所有能源业务列表数据作为最新年份的各邻近年份历史年度服务数据,在各邻近年份历史年度服务数据中统计各能源业务方案在各月被采用的服务对象数量,将所述服务对象数量记为各能源业务方案在各邻近年份中各月的月度热度值,将所述月度热度值按对应月份升序排列作为各能源业务方案在各邻近年份的历史年热度序列;
将所述历史年热度序列作为区域生长算法的输入,生长起点为历史年热度序列中的最大值,输出为包含所述最大值的一个数据元素集合,将所述数据元素集合中对应的所有月份作为各能源业务方案在各邻近年份的热度月份集合,统计各能源业务方案的所有历史年热度序列中服务对象数量最大值对应的月份,将出现次数最多的所述月份作为各能源业务方案的应季月份;
所述根据不同能源业务方案的历史年热度序列的差异得到任意两能源业务方案在各邻近年份的年度热度相关因子,包括:计算任意两能源业务方案在各邻近年份的历史年热度序列的SBD距离,计算任意两能源业务方案在各邻近年份的热度月份集合的Ochiia系数,计算所述SBD距离与预设大于零的调整因子的和值,将所述Ochiia系数与所述和值的比值作为任意两能源业务方案在各邻近年份的年度热度相关因子;
年度热度相关因子的表达式为:
式中, 是能源业务方案i、j第x个邻近年份的年度热度相关因子, 分
别是能源业务方案i、j在第x个邻近年份的历史年热度序列, 是计算SBD(Shape‑basedDistance)距离函数, 分别是能源业务方案i、j在第x个邻近年份的热度月份集合, 为计算Ochiia系数的函数,是预设大于零的调整因子;
所述任意两能源业务方案间的业务应季热度相似系数,包括:
将能源业务列表中最新年份的前1个年份作为第1个邻近年份,序号为1,最新年份向前的第2个年份作为第2个邻近年份,序号为2,采用相同的方法获取其他各邻近年份的序号,计算任意两能源业务方案在各邻近年份的年度热度相关因子与对应邻近年份的序号的倒数的乘积,计算任意两能源业务方案在所有邻近年份的所述乘积的和值,记为第一和值,计算任意两能源业务方案的应季月份的差值绝对值,计算所述差值绝对值与预设大于零的调整因子的和值,记为第二和值,将所述第一和值与所述第二和值的比值作为任意两能源业务方案间的业务应季热度相似系数;
业务应季热度相似系数的表达式为:
式中, 是能源业务方案i、j间的业务应季热度相似系数, 是第x个邻近年份的历史年度可行权重, 分别是能源业务方案i、j的应季月份值;
所述各能源业务方案的业务应季竞争强度,包括:
将所有能源业务方案作为谱聚类算法的输入,输出为各聚类簇,将各聚类簇记为各同种应季业务类,将同种应季业务类内所有能源业务方案的应季月份升序排列作为同种应季业务类的高热度应季月份序列,将高热度应季月份序列的第一四分位数到第三四分位数之间的时间作为同种应季业务类的应季竞争期;
能源业务方案i的业务应季竞争强度 的表达式为:
式中, 是能源业务方案i的第1个邻近年份的热度月份集合与应季竞争期间具有相同月份的个数, 是能源业务方案i所在同种应季业务类中能源业务方案的总个数,分别是能源业务方案i、u在第1个邻近年份的应季竞争期内所有月度热度值的和值, 是归一化函数;
所述各能源业务方案的任意两服务属性向量间的服务属性偏差系数,包括:
计算各能源业务方案的任意两服务属性向量的相同位置元素的差值,将所有所述差值的均值作为各能源业务方案的任意两服务属性向量间的服务属性偏差系数;
所述结合业务应季竞争强度及服务属性偏差系数得到各能源业务方案的业务应季接受指数,包括:
针对能源业务列表中最新年份及第一个邻近年份的应季竞争期的所有数据,统计各能源业务方案的服务属性向量的个数,计算各能源业务方案的所有任意两服务属性向量间的服务属性偏差系数的和值,计算所述和值与所述个数的平方的比值,将所述比值与各能源业务方案的业务应季竞争强度的乘积的归一化值作为各能源业务方案的业务应季接受指数;
业务应季接受指数的表达式为:
式中,是能源业务方案i的业务应季接受指数, 是能源业务列表的最新年份和第1个邻近年份中的应季竞争期采用能源业务方案i的服务属性向量个数, 是采用能源业务方案i的第 个服务属性向量间的服务属性偏差系数, 是能源业务方案i的业务应季竞争强度;
所述根据能源业务列表中能源业务方案的业务应季接受指数的分布得到各服务对象的应季业务喜好系数,包括:将各服务对象的能源业务列表中前预设数值个服务单号对应能源业务方案的业务应季接受指数按服务单号升序排列作为各服务对象的用户应季接受序列,将用户应季接受序列中所有元素的和值的归一化值作为各服务对象的应季业务喜好系数;
所述任意两服务对象间的应季业务习惯契合指数的表达式为:
式中, 是服务对象A与B的应季业务习惯契合指数, 、 分别是服务对象A、服务对象B的应季业务喜好系数, 、 分别是服务对象A、服务对象B的用户应季接受序列,是计算余弦相似度的函数,是预设大于零的调整因子,是自然常数, 是服务对象A与服务对象B的前 个服务单号对应服务属性向量间的服务属性偏差系数,是服务单号的预设个数;
所述结合应季业务习惯契合指数及Top‑N推荐算法完成各服务对象的信息推送,包括:
将所有服务对象作为无向图的节点,将任意两服务对象间的应季业务习惯契合指数作为无向图节点间的边权重构建用户契合无向图,将用户契合无向图作为聚类算法的输入,输出为各习惯契合用户集合,将能源业务列表中最新月份的后预设数量个月份作为业务变更月份集合,将各习惯契合用户集合中各服务对象在第1个邻近年份的服务记录时间属于业务变更月份集合的所有能源业务方案按服务记录时间升序排列,作为各服务对象的评价业务序列,统计评价业务序列中各能源业务方案的出现频次作为各服务对象对各能源业务方案的应季推荐评分,将各习惯契合用户集合中所有服务对象对各能源业务方案的应季推荐评分作为Top‑N推荐算法的输入,输出为各服务对象的推荐能源业务方案。 说明书 : 基于能源互联网营销服务系统的信息推送方法技术领域[0001] 本发明涉及数据处理技术领域,具体涉及基于能源互联网营销服务系统的信息推送方法。背景技术[0002] 随着互联网技术的发展,越来越多的机构采用互联网技术实现能源系统的智能化、数字化和高效化管理。现在能源系统面临企业思维和互联网思维的碰撞、新型业务与存量业务的融合、传统架构向新型架构的演进等复杂态势,急需建立一个具有稳定的核心能力、灵活的扩展能力、敏捷的交付能力的能源互联网营销服务系统,以此应对客户多变的需求。[0003] 信息推送是能源互联网营销服务系统中极为重要的功能之一,传统的信息推送方法,如基于用户的协同过滤推荐算法通过分析用户之间的共同兴趣,实现业务信息推送,能够为用户提供个性化信息推送,但是存在数据稀疏和冷启动问题;基于矩阵分解的推荐算法将用户行为矩阵分解为低维矩阵,能够解决信息推送过程中用户行为矩阵数据稀疏的问题,但需要处理大量的高维数据,存在计算复杂度高的问题。发明内容[0004] 为了解决上述技术问题,本发明提供基于能源互联网营销服务系统的信息推送方法,以解决现有的问题。[0005] 本发明的基于能源互联网营销服务系统的信息推送方法采用如下技术方案:[0006] 本发明一个实施例提供了基于能源互联网营销服务系统的信息推送方法,该方法包括以下步骤:[0007] 获取能源互联网营销服务系统中各服务对象的能源业务列表;能源业务列表中包含但不限于能源业务方案、服务记录时间及服务单号;根据能源业务方案对应服务记录时间的分布得到各能源业务方案的历史年热度序列及应季月份;根据服务记录时间将最新年份之前连续多个年份作为各邻近年份;根据不同能源业务方案的历史年热度序列的差异得到任意两能源业务方案在各邻近年份的年度热度相关因子;[0008] 根据年度热度相关因子及不同能源业务方案对应的应季月份的差异得到任意两能源业务方案间的业务应季热度相似系数;根据所有业务应季热度相似系数的分布规律得到各能源业务方案的业务应季竞争强度;将能源业务列表的任一行中除能源业务方案、服务记录时间及服务单号外的所有数据作为一个服务属性向量;根据能源业务方案对应不同服务属性向量的差异得到各能源业务方案的任意两服务属性向量间的服务属性偏差系数;结合业务应季竞争强度及服务属性偏差系数得到各能源业务方案的业务应季接受指数;[0009] 根据能源业务列表中能源业务方案的业务应季接受指数的分布得到各服务对象的应季业务喜好系数;结合服务属性偏差系数及应季业务喜好系数得到任意两服务对象间的应季业务习惯契合指数;结合应季业务习惯契合指数及Top‑N推荐算法完成各服务对象的信息推送。[0010] 优选的,所述根据能源业务方案对应服务记录时间的分布得到各能源业务方案的历史年热度序列及应季月份,包括:[0011] 将所有服务对象在任一邻近年份中的所有能源业务列表数据作为最新年份的各邻近年份历史年度服务数据,在各邻近年份历史年度服务数据中统计各能源业务方案在各月被采用的服务对象数量,将所述服务对象数量记为各能源业务方案在各邻近年份中各月的月度热度值,将所述月度热度值按对应月份升序排列作为各能源业务方案在各邻近年份的历史年热度序列;[0012] 将所述历史年热度序列作为区域生长算法的输入,生长起点为历史年热度序列中的最大值,输出为包含所述最大值的一个数据元素集合,将所述数据元素集合中对应的所有月份作为各能源业务方案在各邻近年份的热度月份集合,统计各能源业务方案的所有历史年热度序列中服务对象数量最大值对应的月份,将出现次数最多的所述月份作为各能源业务方案的应季月份。[0013] 优选的,所述根据不同能源业务方案的历史年热度序列的差异得到任意两能源业务方案在各邻近年份的年度热度相关因子,包括:[0014] 计算任意两能源业务方案在各邻近年份的历史年热度序列的SBD距离,计算任意两能源业务方案在各邻近年份的热度月份集合的Ochiia系数,计算所述SBD距离与预设大于零的调整因子的和值,将所述Ochiia系数与所述和值的比值作为任意两能源业务方案在各邻近年份的年度热度相关因子。[0015] 优选的,所述任意两能源业务方案间的业务应季热度相似系数,包括:[0016] 将能源业务列表中最新年份的前1个年份作为第1个邻近年份,序号为1,最新年份向前的第2个年份作为第2个邻近年份,序号为2,采用相同的方法获取其他各邻近年份的序号,计算任意两能源业务方案在各邻近年份的年度热度相关因子与对应邻近年份的序号的倒数的乘积,计算任意两能源业务方案在所有邻近年份的所述乘积的和值,记为第一和值,计算任意两能源业务方案的应季月份的差值绝对值,计算所述差值绝对值与预设大于零的调整因子的和值,记为第二和值,将所述第一和值与所述第二和值的比值作为任意两能源业务方案间的业务应季热度相似系数。[0017] 优选的,所述各能源业务方案的业务应季竞争强度,包括:[0018] 将所有能源业务方案作为谱聚类算法的输入,输出为各聚类簇,将各聚类簇记为各同种应季业务类,将同种应季业务类内所有能源业务方案的应季月份升序排列作为同种应季业务类的高热度应季月份序列,将高热度应季月份序列的第一四分位数到第三四分位数之间的时间作为同种应季业务类的应季竞争期;[0019] 能源业务方案i的业务应季竞争强度 的表达式为:[0020][0021] 式中, 是能源业务方案i的第1个邻近年份的热度月份集合与应季竞争期间具有相同月份的个数, 是能源业务方案i所在同种应季业务类中能源业务方案的总个数,分别是能源业务方案i、u在第1个邻近年份的应季竞争期内所有月度热度值的和值, 是归一化函数。[0022] 优选的,所述各能源业务方案的任意两服务属性向量间的服务属性偏差系数,包括:[0023] 计算各能源业务方案的任意两服务属性向量的相同位置元素的差值,将所有所述差值的均值作为各能源业务方案的任意两服务属性向量间的服务属性偏差系数。[0024] 优选的,所述结合业务应季竞争强度及服务属性偏差系数得到各能源业务方案的业务应季接受指数,包括:[0025] 针对能源业务列表中最新年份及第一个邻近年份的应季竞争期的所有数据,统计各能源业务方案的服务属性向量的个数,计算各能源业务方案的所有任意两服务属性向量间的服务属性偏差系数的和值,计算所述和值与所述个数的平方的比值,将所述比值与各能源业务方案的业务应季竞争强度的乘积的归一化值作为各能源业务方案的业务应季接受指数。[0026] 优选的,所述根据能源业务列表中能源业务方案的业务应季接受指数的分布得到各服务对象的应季业务喜好系数,包括:[0027] 将各服务对象的能源业务列表中前预设数值个服务单号对应能源业务方案的业务应季接受指数按服务单号升序排列作为各服务对象的用户应季接受序列,将用户应季接受序列中所有元素的和值的归一化值作为各服务对象的应季业务喜好系数。[0028] 优选的,所述任意两服务对象间的应季业务习惯契合指数的表达式为:[0029][0030] 式中, 是服务对象A与B的应季业务习惯契合指数, 、 分别是服务对象A、服务对象B的应季业务喜好系数, 、 分别是服务对象A、服务对象B的用户应季接受序列,是计算余弦相似度的函数,是预设大于零的调整因子,是自然常数, 是服务对象A与服务对象B的前 个服务单号对应服务属性向量间的服务属性偏差系数,是服务单号的预设个数。[0031] 优选的,所述结合应季业务习惯契合指数及Top‑N推荐算法完成各服务对象的信息推送,包括:[0032] 将所有服务对象作为无向图的节点,将任意两服务对象间的应季业务习惯契合指数作为无向图节点间的边权重构建用户契合无向图,将用户契合无向图作为聚类算法的输入,输出为各习惯契合用户集合,将能源业务列表中最新月份的后预设数量个月份作为业务变更月份集合,将各习惯契合用户集合中各服务对象在第1个邻近年份的服务记录时间属于业务变更月份集合的所有能源业务方案按服务记录时间升序排列,作为各服务对象的评价业务序列,统计评价业务序列中各能源业务方案的出现频次作为各服务对象对各能源业务方案的应季推荐评分,将各习惯契合用户集合中所有服务对象对各能源业务方案的应季推荐评分作为Top‑N推荐算法的输入,输出为各服务对象的推荐能源业务方案。[0033] 本发明至少具有如下有益效果:[0034] 本发明根据能源互联网营销服务系统中每个能源业务方案的热度变化特征,结合区域生长算法,获取任意两个能源业务方案间的业务应季热度相似系数,有益效果在于综合考虑了能源业务方案热度的季节性特征,提高能源业务方案进行相似度分析的准确度;基于能源业务方案在应季期的竞争力和服务对象对应季业务的喜好程度,结合谱聚类和马尔科夫聚类算法,获取任意两个服务对象间的应季业务习惯契合指数与包含服务对象的各习惯契合用户集合,以此获取各服务对象的业务推送列表,有益效果在于避免将本身存在较大差异的两个服务对象的能源业务方案存入业务推送列表,有助于提高业务推送列表构建的准确度,并且根据能源业务列表中的最新时间,个性化选取高业务应季接受指数的能源业务方案,解决传统推荐算法中的冷启动问题。附图说明[0035] 为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。[0036] 图1为本发明一个实施例提供的基于能源互联网营销服务系统的信息推送方法的步骤流程图;[0037] 图2为信息推送指标获取流程图。具体实施方式[0038] 为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的基于能源互联网营销服务系统的信息推送方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。[0039] 除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。[0040] 下面结合附图具体的说明本发明所提供的基于能源互联网营销服务系统的信息推送方法的具体方案。[0041] 请参阅图1,其示出了本发明一个实施例提供的基于能源互联网营销服务系统的信息推送方法的步骤流程图,该方法包括以下步骤:[0042] 步骤S001,获取能源互联网营销服务系统中各服务对象的能源业务列表,并进行预处理。[0043] 在能源互联网营销服务系统的数据库中,获取各服务对象的存储数据,以服务对象A为例,存储数据包括:服务对象类型、实际电压水平、月能源消耗量、月应缴费数额、上月能源消耗量、能源业务方案、服务记录时间及服务单号,其中实际电压水平是指服务对象所有设备一个月的平均电压水平。基于服务对象A的所有数据,构建服务对象A的能源业务列表如表1所示,其中,能源业务列表中每个服务单号代表一个月,即能源业务列表中每一行为一个月的相关数据。[0044][0045] 需要说明的是,对于能源业务列表中的文本数据,采用Unicode的编码方式将每个文本数据转化为二进制形式,为了便于后续计算,将每个文本数据的二进制形式转化为十进制,将转化后的十进制结果代替文本数据,Unicode编码为现有公知技术,其次,对于能源业务列表中的服务记录时间转换成时间戳的形式,具体过程不再赘述。[0046] 表1中 、 、 、 、 、 、 分别为服务对象A在能源互联网营销服务系统中服务单号1的服务对象类型、实际电压水平、月能源消耗量、月应缴费数额、上月能源消耗量、能源业务方案、服务记录时间, 是服务对象A在能源互联网营销服务系统中服务单号的总个数。进一步的,将表1中每一行除服务单号、服务记录时间、能源业务方案外的所有列均作为服务对象的各个服务属性,将各个服务属性按照表1中各列序号从小到大的顺序组成服务对象的各个服务属性向量,例如服务单号为1时的服务属性向量为[ , ,, , ]。[0047] 步骤S002,根据能源互联网营销服务系统中各能源业务方案的热度变化特征,获取任意两个能源业务方案间的业务应季热度相似系数;基于能源业务方案在应季期的竞争力和服务对象对应季业务的喜好程度,获取任意两个服务对象之间的应季业务习惯契合指数。[0048] 具体的,本实施例将获取各服务对象的能源业务列表,根据能源业务列表中的数据分布得到任意两能源业务方案在各邻近年份的年度热度相关因子,根据任意两能源业务方案间的业务应季热度相似系数得到各能源业务方案的业务应季竞争强度,利用任意两服务属性向量间的服务属性偏差系数得到各能源业务方案的业务应季接受指数,根据业务应季接受指数获取各服务对象的应季业务喜好系数及任意两服务对象间的应季业务习惯契合指数,完成各服务对象的信息推送,信息推送指标获取流程图如图2所示。任意两服务对象间的应季业务习惯契合指数的构建过程具体为:[0049] 在能源互联网营销服务系统中,能源需求往往受到季节变化和用户行为的影响,比如在夏季,空调、风扇等设备频繁使用,致使服务对象的能源消耗量大规模提高,此时服务对象极有可能采用应季能源业务方案。其次,不同的服务对象可能有不同的能源需求,为了在竞争激烈的能源市场中保持优势,能源互联网营销服务系统往往在一个应季期内具有多种应季能源业务方案。[0050] 根据服务记录时间将能源业务列表中的所有数据划分到各个年份,例如,2020年份的数据、2021年份的数据等,根据能源业务列表中的最新年份,获取各个邻近年份,例如最新年份为2023年,则2022年为第1个邻近年份,2021年为第2个邻近年份,以此类推,采用相同的方法获取其他各邻近年份,获取所有服务对象的能源业务列表中服务记录时间属于第1个邻近年份的全部能源业务列表数据,即为最新年份的第1个邻近年份历史年度服务数据。以能源互联网营销服务系统中能源业务方案i为例,统计第1个邻近年份历史年度服务数据中各月采用能源业务方案i的服务对象数量,作为能源业务方案i的第1个邻近年份中各月的月度热度值,并按照月份的先后顺序组成序列,作为能源业务方案i的第1个邻近年份的历史年热度序列,历史年热度序列中数据元素的个数为12。[0051] 进一步的,本实施例以能源业务方案i的第1个邻近年份的历史年热度序列为例,将历史年热度序列作为区域生长算法的输入,将历史年热度序列中月度热度值最大值作为区域生长的生长点,生长准则为相邻数据元素的月度热度值需大于等于月度热度值最大值的一半,将输出包含月度热度值最大值的数据元素集合中对应的所有月份,作为能源业务方案i的第1个邻近年份对应的热度月份集合,例如能源业务方案i的第1个邻近年份的历史年热度序列为[1,2,4,6,5,10,7,9,4,3,1,7],其中最大值为10,则得到的包含月度热度值最大值的数据元素集合为[6,5,10,7,9],对应的热度月份集合为[4月,5月,6月,7月,8月],区域生长算法为现有公知技术,具体过程不做详细赘述。统计能源业务方案i的所有历史年热度序列中具有月度热度值最大值的月份,将出现次数最多的月份作为能源业务方案i的应季月份。[0052] 基于上述分析,可得能源业务方案i、j之间的业务应季热度相似系数 ,表达式为:[0053][0054][0055] 式中, 是能源业务方案i、j第x个邻近年份的年度热度相关因子,分别是能源业务方案i、j在第x个邻近年份的历史年热度序列, 是计算SBD(Shape‑basedDistance)距离函数, 分别是能源业务方案i、j在第x个邻近年份的热度月份集合, 为计算Ochiia系数的函数,是预设大于零的调整因子,作用是防止分母为0,本实施例中 ,实施者可根据实际情况自行设定,本实施例对此不做限制;[0056] 是能源业务方案i、j间的业务应季热度相似系数, 是第x个邻近年份的历史年度可行权重,计算方式为取 ,是邻近年份的总个数,本实施例中 ,实施者可根据实际情况自行设定,本实施例对此不做限制, 分别是能源业务方案i、j的应季月份值,将 记为第一和值, 记为第二和值。[0057] 当第x个邻近年份两个能源业务方案的历史年热度序列之间的偏移程度越小,即越小,说明两个能源业务方案在第x个邻近年份的热度越同步相关;同时当两个能源业务方案对应的热度月份集合之间的相同月份越多,即 越大,说明两个能源业务方案在第x个邻近年份内越可能具有相同的应季期,则对于第x个邻近年份,两个能源业务方案的年度热度越相似,年度热度相关因子 越大。[0058] 当历史年度服务数据对应的年份距离最新年份越近、第x个邻近年份的两个能源业务方案的年度热度越相似,即 越大、 越大,说明历史年度服务数据越具有可信度、对最新年份的能源业务分析越具有参考价值,第x个邻近年份的两个能源业务方案的年度热度越相似,同时当两个能源业务方案应季月份越接近,即 越小,说明对于业务热度,两个能源业务方案越可能具有相似的应季特征,业务应季热度相似系数 越大。[0059] 至此,可得能源互联网营销服务系统中任意两个能源业务方案的业务应季热度相似系数,将能源互联网营销服务系统中的所有能源业务方案作为谱聚类算法的输入,谱聚类算法中的度量距离为两能源业务方案间的业务应季热度相似系数,采用启发式的特征值差值搜索获取谱聚类算法中聚类簇的个数,输出为各个聚类簇,将每个聚类簇都记为同种应季业务类,同种应季业务类内能源业务方案之间具有相似的应季特征。在能源互联网营销服务系统中,具有相似应季特征的能源业务方案在相同的时期业务热度均较高,彼此之间也存在较大的应季竞争,谱聚类算法为现有公知技术,具体过程不做详细赘述。[0060] 获取同种应季类内各个能源业务方案对应的应季月份,按照月份先后顺序进行排序,作为同种应季业务类的高热度应季月份序列,将高热度应季月份序列的第一四分位数到第三四分位数之间的时间,作为同种应季业务类的应季竞争期,其中如果第一四分位数不是整数,取第一四分位数的最近最小整数,如果第三四分位数不是整数,取第三四分位数的最近最大整数。若当前时间处于某个同种应季业务类的应季竞争期,说明当前时间下同种应季业务类相比其它同种应季业务类的能源业务方案热度值越高、越受欢迎、越具有竞争力。[0061] 基于上述分析,可得能源业务方案i的业务应季接受指数 ,表达式为:[0062][0063][0064][0065] 式中, 是能源业务方案i的业务应季竞争强度, 是能源业务方案i的第1个邻近年份的热度月份集合与应季竞争期间具有相同月份的个数, 是能源业务方案i所在同种应季业务类中能源业务方案的总个数, 分别是能源业务方案i、u在第1邻近年份的应季竞争期内所有月度热度值的和值, 是归一化函数;[0066] 是采用能源业务方案i的第 个服务属性向量间的服务属性偏差系数,分别是采用能源业务方案i的第 个服务属性向量中第h个服务属性的数据值,H是服务属性向量中包含元素的个数;[0067] 是能源业务方案i的业务应季接受指数, 是能源业务列表的最新年份和第1个邻近年份中的应季竞争期采用能源业务方案i的服务属性向量个数, 是归一化函数。[0068] 当第1个邻近年份能源业务方案i在应季竞争期的热度比同种应季业务类中其它能源业务方案越高,即 越大,说明能源业务方案i在应季竞争期被越多的服务对象采用,同时当第1个邻近年份能源业务方案i的热度月份集合越接近应季竞争期,即越大,说明能源业务方案i在应季竞争期的应季竞争力持续时间越长,则能源业务方案i在应季竞争期越有竞争力,业务应季竞争强度 越大。[0069] 当服务属性向量之间的数据值差异越大,即 越大,说明服务属性向量对应的相关服务属性的区别性越大,服务属性偏差系数 越大。[0070] 当任意应季竞争期中两个服务属性向量之间偏差程度越大,即 越大,说明在应季竞争期内服务对象采用能源业务方案i的数量越多,能源业务方案i的包容特征越高,同时当业务应季竞争强度 越大,说明应季竞争期内能源业务方案具有较高的流行度,则能源业务方案i越受到众多服务对象的喜好,能源业务方案i的应季接受度越高,业务应季接受指数 越大。[0071] 至此,可计算得到能源互联网营销服务系统中所有能源业务方案的业务应季接受指数,业务应季接受指数越大,说明在能源业务方案的应季竞争期,能源业务方案越具有竞争力,越被服务对象接受。在能源互联网营销服务系统中,传统的基于用户的协同过滤推荐算法仅仅分析服务对象之间是否采用相同的能源业务方案,但是不同的季节竞争期中服务对象采用的能源业务方案可能不同,导致对服务对象推送的能源业务方案并不适用于当下季节竞争期,存在推送效果差的问题。[0072] 本实施例以服务对象A为例,获取服务对象A的能源业务列表中最靠前的V个服务单号,本实施例中V=8,实施者可根据实际情况自行设定,本实施例对此不做限制,将V个服务单号中各个能源业务方案的业务应季接受指数,按照服务单号从小到大的顺序组成序列,作为用户应季接受序列。基于上述分析,可得服务对象A、B间的应季业务习惯契合指数,表达式为:[0073][0074][0075] 式中, 是服务对象A的应季业务喜好系数, 是服务对象A的用户应季接受序列中第v个数据元素值, 是归一化函数; 是服务对象A与B的应季业务习惯契合指数, 、 分别是服务对象A、服务对象B的应季业务喜好系数, 、 分别是服务对象A、服务对象B的用户应季接受序列, 是计算余弦相似度的函数,是预设大于零的调整因子,是自然常数, 是服务对象A与服务对象B的前 个服务单号对应服务属性向量间的服务属性偏差系数,是服务单号的预设个数。[0076] 当服务对象采用的能源业务方案的业务应季接受指数越大,即 越大,说明服务对象对应季业务的喜好度越高,应季业务喜好系数 越大;当两个服务对象的服务属性向量间的服务属性偏差系数越小,应季业务的喜欢程度越接近,用户应季接受序列越相似,即 越小, 越大, 越大,说明两个服务对象越具有相似的能源使用数据,且服务对象的应季业务选择的习惯可能越相似,则应季业务习惯契合指数 越大。[0077] 步骤S003,根据服务对象间的应季业务习惯契合指数,结合Top‑N推荐算法,获取各服务对象的业务推送列表。[0078] 至此,获取任意两个服务对象间的应季业务习惯契合指数,将每一个服务对象都作为无向图的节点,将两个服务对象之间的应季业务习惯契合指数作为无向图节点之间的边权重,构建用户契合无向图。其次,将用户契合无向图作为马尔科夫聚类算法的输入,输出为各个聚类簇,将每个聚类簇都作为习惯契合用户集合,其中马尔科夫聚类算法为现有公知技术,具体过程不再赘述。[0079] 获取能源业务列表中的最新月份,将最新月份的后m个月份作为业务变更月份集合,比如最新月份是1月,则将2到7月作为业务变更月份集合,本实施例中m=6,实施者可根据实际情况自行设定,本实施例对此不做限制。其次,本实施例以习惯契合用户集合z的服务对象A为例,获取服务对象A的第1个邻近年份内服务记录时间属于业务变更月份集合的所有月份的能源业务方案,按照时间先后顺序作为服务对象A的评价业务序列,将能源业务方案在评价业务序列中出现的频次作为服务对象A对能源业务方案的应季推荐评分 ,例如,能源业务方案vol3在评价业务序列中出现了3次,则服务对象A对vol3的应季推荐评分为0.5,需要注意的是对于评价业务序列中未出现的能源业务方案不设置应季推荐评分。然后,同理可得习惯契合用户集合z中所有服务对象的评价业务序列和各服务对象对评价业务序列中能源业务方案的应季推荐评分。[0080] 其中,习惯契合用户集合z中所有服务对象的总个数为 ,习惯契合用户集合z中所有服务对象的评价业务序列中能源业务方案的总个数 ,将服务对象作为习惯契合用户评分矩阵的行向量,将能源业务方案作为习惯契合用户评分矩阵的列向量,将每个服务对象在每种能源业务方案的应季推荐评分作为习惯契合用户评分矩阵中的元素值,各服务对象在不存在应季推荐评分的能源业务方案下的习惯契合用户评分矩阵的元素值置为空,得到的习惯契合用户评分矩阵如表2所示,其中,A、B、C、D等第一行表示能源业务方案,1、2、3、4等第一列表示服务对象。[0081][0082] 本实施例将各习惯契合用户集合的习惯契合用户评分矩阵作为Top‑N推荐算法的输入,以此获取各服务对象的业务推送列表,其中,将各服务对象与剩余其他服务对象间的应季业务习惯契合指数、各服务对象对能源业务方案的应季推荐评分代入中心加权法,获取各服务对象对评价业务序列中未出现的能源业务方案的预测评分,并作为能源业务方案的应季推荐评分,中心加权法为现有公知技术,具体过程不再赘述;将各服务对象对所有能源业务方案的应季推荐评分从大到小进行排序,选取排序结果中前N个能源业务方案作为各服务对象的业务推送列表,按照业务推送列表对各服务对象进行信息推送,本实施例中N=5,实施者可根据实际情况自行设定,本实施例对此不做限制,Top‑N推荐算法为现有公知技术,本实施例在此不做详细赘述。[0083] 若习惯契合业务集合中的能源业务方案个数少于N个,则针对各服务对象,选择能源业务列表中第1个邻近年份在应季竞争期的所有能源业务方案,按能源业务方案的业务应季接受指数从大到小进行排序,从排序结果中依次挑选出习惯契合业务集合中不存在的能源业务方案,并将习惯契合业务集合中的能源业务方案个数补齐为N个,得到各服务对象的业务推送列表。[0084] 综上所述,本发明实施例通过分析能源业务列表中的历史数据特征,获取各服务对象的业务推送列表,避免将本身存在较大差异的两个服务对象的能源业务方案存入业务推送列表,有助于提高业务推送列表构建的准确度,并且根据能源业务列表中的最新时间,个性化选取高业务应季接受指数的能源业务方案,解决传统推荐算法中的冷启动问题。[0085] 需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。[0086] 本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。[0087] 以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

专利地区:河南

专利申请日期:2024-03-26

专利公开日期:2024-09-03

专利公告号:CN117952657B


以上信息来自国家知识产权局,如信息有误请联系我方更正!
电话咨询
读内容
搜本页
回顶部