一种基于UserCF模型的综合能源公司线上服务推荐方法

摘要

本发明涉及一种基于UserCF模型的综合能源公司线上服务推荐方法，包括以下步骤：构建综合能源线上电商化服务目录，包括多种服务项目；基于服务项目，通过UserCF模型生成用户‑服务项目评分矩阵；基于用户‑服务项目评分矩阵，获取与目标用户c相似度最高的K个用户，形成目标用户的最近邻居集合N(c)；根据最近邻居集合的评分信息预测目标用户未浏览项目的最可能评分。通过构建合适的服务目录，并对综合能源线上服务的推荐方法进行分析，无需了解更多的专业知识，只需要知道用户对项目的评分情况就可以完成对用户的推荐工作。通过综合能源线上服务目录的制定以及UserCF模型的构建，可有效地对综合能源服务公司做出服务推荐建议，提升提供能源服务的针对性。

说明书

技术领域

本申请涉及综合能源系统线上服务推荐优化技术领域，尤其涉及一种基于UserCF模型的综合能源公司线上服务推荐方法。

背景技术

网络技术迅猛发展，网络资源日益丰富，为人们的生活提供了便利和选择，用户渐渐依赖网络来收集提供信息。然而，呈爆炸式增长的网络资源数量，也为用户带来了困扰。大量资源信息的同时呈现，让用户需要花费更多的时间来搜寻自己真正需求的信息，甚至需求信息还可能被无用信息淹没，面临找不到的可能性。这就是所谓的“信息爆炸”问题。如何从眼花缭乱的信息中筛选出用户真正需要的，变得越来越重要。搜索引擎就是为解决这一问题诞生的，然而搜索引擎对所有用户返回相同的信息，没有考虑因人而异，用户依旧需要花费大量时间去筛选无用信息。因此，如何在信息膨胀的同时还不流失用户，就需要根据用户个人偏好对海量信息进行过滤。为了更好地了解用户的个性化需求，推荐系统随之出现。

推荐系统就是从海量信息中根据不同用户的兴趣特征，挖掘出用户可能感兴趣或有需求的资源，并进行推荐。作为一种以海量数据挖掘为基础的平台，它被认为是解决信息爆炸最有效的工具之一。推荐系统本质上是通过分析用户已选择的资源，来代替用户评估某些他从未接触产品的喜欢程度，并将预测结果中喜欢程度最高的产品反馈给用户。

在对个性化推荐系统的研究中，其中，最为重要的就是对个性化推荐算法的研究。如果某种只会对其中的一小部分有过评价，同时不同用户选择评价的项目类别也会差异很大，这就导致了用户评估项目矩阵的稀疏性，严重影响推荐质量。而且对于新注册用户而言，因为没有历史信息，系统也就无法得知其兴趣爱好来进行推荐。

因此，提供一种基于UserCF模型的综合能源公司线上服务推荐方法，根据用户的兴趣特点和用户在系统中的行为数据来挖掘用户的兴趣偏好，从而推荐与用户兴趣偏好相似的综合能源线上服务方案，是目前需要解决的主要问题。

发明内容

本申请提供了一种基于UserCF模型的综合能源公司线上服务推荐方法，保证了推荐质量，促进了推荐系统的发展与应用。

本申请采用的技术方案如下：

本发明提供了一种基于UserCF模型的综合能源公司线上服务推荐方法，包括以下步骤：

构建综合能源线上电商化服务目录，包括多种服务项目；

基于所述服务项目，通过UserCF模型生成用户-服务项目评分矩阵；

基于所述用户-服务项目评分矩阵，获取与目标用户c相似度最高的K个用户，形成目标用户的最近邻居集合N(c)；

根据最近邻居集合的评分信息预测目标用户未浏览项目的最可能评分。

进一步地，所述构建综合能源线上电商化服务目录，包括：

建立新零售线上服务目录；

建立智能硬件线上服务目录；

建立企业代维线上服务目录；

建立移动储能线上服务目录；

建立电力设备租赁线上服务目录。

进一步地，所述新零售线上服务包括：家用电器、3C数码和健康防护；

所述智能硬件线上服务包括：表计传感器，智能井盖，智能网关；

所述企业代维线上服务包括：代维服务和代维软件；

所述移动储能线上服务包括：移动储能车、移动储能方舱、移动储能施工电源和充电式智能轨道机车；

所述电力设备租赁线上服务包括：箱式变压器，设备仪器，发电设备和安全工器具的线上租赁服务。

进一步地，基于所述服务项目，通过UserCF模型生成用户-服务项目评分矩阵，包括：基于所述服务项目，进行数据转换，形成用户-项目评分矩阵，其中，所述用户-项目评分矩阵反映了用户对对应项目的评分。

进一步地，所述用户-项目评分矩阵反映了用户对对应项目的评分中：所述评分范围为1～5。

进一步地，基于所述用户-服务项目评分矩阵，获取与目标用户c相似度最高的K个用户，形成目标用户的最近邻居集合N(c)，包括：

基于所述用户-服务项目评分矩阵，获取与目标用户c相似度最高的K个用户，形成目标用户的最近邻居集合N(c)＝{c1，c2…，ck，}。

进一步地，所述目标用户的最近邻居集合N(c)＝{c1，c2…，ck，}中：

c≠N(c)，且N(c)中的用户ck是根据其与目标用户c的相似程度sim(ck，c)按从大到小降序排列的，sim(ck，c)的取值范围是[-1，1]，sim(ck，c)越接近1，则表示用户ck与目标用户c相似度越高。

进一步地，通过设定最近邻居的个数k，就可以从最近邻集合N(c)中得到与目标用户相似度最高的前k个邻居。

进一步地，根据最近邻居集合的评分信息预测目标用户未浏览项目的最可能评分，包括：

根据所述目标用户的最近邻居集合N(c)＝{c1，c2…，ck，}，生成目标用户对特定项目i的评分以及预测目标用户对所有项目的评分；

根据目标用户对所有项目的评分的评分指大小，可选择前N个项目给目标用户进行推荐。

采用本申请的技术方案的有益效果如下：

本发明的一种基于UserCF模型的综合能源公司线上服务推荐方法，包括以下步骤：构建综合能源线上电商化服务目录，包括多种服务项目；基于服务项目，通过UserCF模型生成用户-服务项目评分矩阵；基于用户-服务项目评分矩阵，获取与目标用户c相似度最高的K个用户，形成目标用户的最近邻居集合N(c)；根据最近邻居集合的评分信息预测目标用户未浏览项目的最可能评分。

本发明(1)基于UserCF模型的综合能源公司线上服务推荐方法能通过对不同客户的历史数据的合理分析，实现综合能源服务公司线上服务项目推荐，对不同类型服务的服务评级提供一定指导；

(2)基于UserCF模型的线上服务推荐算法对线上服务推荐系统具有重要意义，并映射出不同线上服务项目对目标客户的适合匹配程度，为相关能源系统服务公司的线上服务推荐机制提供一定的参考价值。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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他的附图。

图1为本发明一实施例的一种基于UserCF模型的综合能源公司线上服务推荐方法的流程图。

具体实施方式

下面将详细地对实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下实施例中描述的实施方式并不代表与本申请相一致的所有实施方式。仅是与权利要求书中所详述的、本申请的一些方面相一致的系统和方法的示例。

综合能源线上电商化服务是未来电网智能能源的关键组成部分，也是能源提供来源从电网能源集成服务过渡到多能源服务提供商竞争供应战略转型的重要途径。根据用户的兴趣特点和用户在系统中的行为数据来挖掘用户的兴趣偏好，从而推荐与用户兴趣偏好相似的综合能源线上服务方案，对综合能源公司在能源竞争中占据有利地位具有重要的作用。本文基于UserCF模型算法构建了一种综合能源公司的线上服务推荐方法，通过构建合适的服务目录，并对综合能源线上服务的推荐方法进行分析，不需要了解更多的专业知识，只需要知道用户对项目的评分情况就可以完成对用户的推荐工作。通过综合能源线上服务目录的制定以及UserCF模型的构建，可有效地对综合能源服务公司做出服务推荐建议，提升提供能源服务的针对性。

具体来说，参见图1，为一种基于UserCF模型的综合能源公司线上服务推荐方法的流程图。

本申请提供的一种基于UserCF模型的综合能源公司线上服务推荐方法，包括以下步骤：

S01：构建综合能源线上电商化服务目录，包括多种服务项目；

具体来说，所述构建综合能源线上电商化服务目录，包括：

建立全面的新零售线上服务目录，全面的新零售线上服务主要关注由于新型电网的出现带来的一系列新零售产品，包括：家用电器、3C数码和健康防护三大类；

建立智能硬件线上服务目录，电能替代服务主要致力于将已有的设备进行智能化的改进，使之能够远程监控，自动感应等效用，所述智能硬件线上服务包括：表计传感器，智能井盖，智能网关；

建立企业代维线上服务目录，通过引入代维公司，将部分维护工作进行剥离，通过合作共赢的方式，实现传输网络分层维护不失是一种合乎当今发展潮流的维护模式。所述企业代维线上服务包括：代维服务和代维软件，可以为电力系统的分层维护提供有力支持；

建立移动储能线上服务目录，所述移动储能线上服务包括：移动储能车、移动储能方舱、移动储能施工电源和充电式智能轨道机车；

建立电力设备租赁线上服务目录，所述电力设备租赁线上服务包括：箱式变压器，设备仪器，发电设备和安全工器具的线上租赁服务。可以通过线上对多类专业电工设备进行设备租赁，实现电力设备的互联互通。这项服务将为未来电力市场的发展与维护起到推动作用。

S02：基于所述服务项目，通过UserCF模型生成用户-服务项目评分矩阵；

具体来说，基于所述服务项目，进行数据转换，形成用户-项目评分矩阵，其中，所述用户-项目评分矩阵反映了用户对对应项目的评分。如表1所示，用一个m×n维矩阵R(m，n)表示用户对项目的评价信息，即用户-项目评分矩阵。如表1所示，其中，行表示用户，列表示项目，R

表1.用户-服务项目评分矩阵

S03：基于所述用户-服务项目评分矩阵，获取与目标用户c相似度最高的K个用户，形成目标用户的最近邻居集合N(c)；

具体来说，基于所述用户-服务项目评分矩阵，获取与目标用户c相似度最高的K个用户，形成目标用户的最近邻居集合N(c)＝{c1，c2…，ck，}。通常获得用户近邻的方法是k-近邻法。

c≠N(c)，且N(c)中的用户c

通常，可以根据相似度来划分最近邻居集合。在基于用户的协同过滤算法中，用约束Person相关系数度量相似度。设用户u与v共同评分项目集合是I

其中，R

在约束Person相关系数中，一般采用两个用户的共同评分来计算相关相似性。通常情况下，若两个用户的共同评分项目越多，采用Person算法描述用户间的相似程度就更准确。

最近邻查询并构建是基于用户的协同过滤算法的最核心部分。整个算法的优劣很大程度上是由最近邻查询的准确度和效率决定的。实质上，该步骤就是整个算法的模型建立阶段。

S04：根据最近邻居集合的评分信息预测目标用户未浏览项目的最可能评分。

根据所述目标用户的最近邻居集合N(c)＝{c1，c2…，ck，}，主要可以产生两类推荐结果，一种是生成目标用户对特定项目i的评分；另一种是先预测目标用户对所有项目的评分，再按评分值大小排序，选择前N个项目进行推荐。预测项目评分值的方法最常用的是：

其中，P

本发明专利提出了一种基于UserCF模型的综合能源公司线上服务推荐方法，针对大电网与现代互联网技术逐渐融合发展，线上服务发展需求不断提升的现状，通过提出一套综合能源用户线上服务目录，并分析综合能源服务的推荐方法，建立基于UserCF模型的一种综合能源公司线上服务推荐方法，对基于用户的协同过滤算法和综合能源线上服务推荐系统展开研究。得出了有效的结论：(1)基于UserCF模型的综合能源公司线上服务推荐方法能通过对不同客户的历史数据的合理分析，实现综合能源服务公司线上服务项目推荐，对不同类型服务的服务评级提供一定指导；(2)基于UserCF模型的线上服务推荐算法对线上服务推荐系统具有重要意义，并映射出不同线上服务项目对目标客户的适合匹配程度，为相关能源系统服务公司的线上服务推荐机制提供一定的参考价值。

本申请提供的实施例之间的相似部分相互参见即可，以上提供的具体实施方式只是本申请总的构思下的几个示例，并不构成本申请保护范围的限定。对于本领域的技术人员而言，在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。