[發明專利]一種電力客戶群體的用電問題挖掘方法及裝置

有效

• 申請號: 201910962022.9
• 申請日: 2019-10-11
• 公開（公告）號: CN112651415B
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 鄧君華;鄒云峰;趙磊;徐超;賈靜
• 申請（專利權）人: 國網江蘇省電力有限公司電力科學研究院;國家電網有限公司;國網江蘇省電力有限公司;江蘇省電力試驗研究院有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/04;G06Q50/06
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 張賞

本發明公開了一種電力客戶群體的用電問題挖掘方法及裝置，該方法首先針對電力客戶服務工單設計了一種特定的冗余處理方法進行特征選擇，以此形成訓練集。在此基礎上，在傳統K?Means聚類方法中引入了“孤立點”和“語義特征”的概念，把“孤立點”和“語義特征”作為關鍵因素加入到K?Means聚類的計算過程中。之后通過肘部法則選擇最佳聚類數，構建聚類分析模型對電力客戶服務工單進行處理，以發掘潛在具有相似用電問題特征的電力客戶群體。

技術領域

本發明涉及一種電力客戶群體的用電問題挖掘方法及裝置，屬于數據處理、信息分類技術領域。

背景技術

在激烈的市場競爭中，客戶服務己經成為企業在市場上面臨的重要問題之一，許多公司在近年迅速發展的趨勢下，己意識到客戶服務的重要性：讓客戶滿意，把滿足客戶需求作為一切工作展開的目標和中心。目前，企業的客服中心在客戶服務和產品咨詢上起著重要的作用，但是企業需要為此承擔相應的成本開銷；而且，傳統的人工服務方式不僅在客戶服務質量上存在不足，還增加了企業的運營成本。

針對傳統人工服務方式服務質量層次低以及運營成本高昂等問題，雖然傳統的基于統計的方法應用廣泛，但這類方法存在著對前提條件要求過于嚴格或結果不夠精確等諸多不足。近年來，為了彌補傳統方法的不足，人們逐漸將注意力轉移到機器學習技術上來。但是，目前將聚類分析技術應用到客戶服務問題分析上的研究仍不多見。

發明內容

本發明的目的在于提供一種電力客戶群體的用電問題挖掘方法及裝置，利用歷史服務數據，分析反饋問題客戶的關鍵特征，通過聚類分析技術對客戶進行類比，挖掘出具有類似特征的客戶群體，對客戶可能存在的問題早發現、早解決、早預防，避免更多的客戶產生類似訴求，以實現主動服務，從而可以提供更好的客戶服務體驗。

為達到上述目的，本發明采用的技術方案如下：

本發明實施例一方面涉及一種電力客戶群體的用電問題挖掘方法，包括：

對電力客戶服務工單的記錄進行屬性特征選擇；

對所選擇的屬性特征進行數值化編碼；

對進行數值化編碼后的屬性特征進行排除孤立點處理；

采用自適應特征權重的K-Means聚類方法對孤立點處理后的屬性特征進行聚類，同一聚類中數據點即為具有相同用電問題的電力客戶群體；

將聚類中的屬性特征與數值化編碼規則對照，得到具體的用電問題。

進一步的，所述對電力客戶服務工單的記錄進行屬性特征選擇，包括：

將所有電力客戶服務工單中記錄的屬性構成一個記錄結構，并定義記錄結構中的最小語義單位為語義原子；

通過語義劃分記錄結構得到若干個屬性塊；所述屬性塊是記錄結構中語義相同的屬性的集合；

針對每個屬性塊，初始化一個空集B′；

從屬性塊B中找出一個屬性e添加到集合B′，屬性e需滿足集合{x|x∈H_e且}內元素最多，其中，H_e是屬性e中包含的所有語義原子的集合，H_B′是B′中包含的所有語義原子的集合；

判斷集合B′是否語義覆蓋屬性塊B，若剛好語義覆蓋，則輸出集合B′，反之，則重新查找屬性e；最終輸出的集合B′即為所選擇的代表屬性塊B的屬性特征。

進一步的，所述對所選擇的屬性特征進行數值化編碼，包括：

總結所述屬性特征維度；所述屬性特征包括供電單位、地市、區縣、客戶地址、工單類型、業務類型一級、業務類型二級和業務類型三級八個維度；

對各個維度的屬性特性分別進行數值化編碼，包括：