[發(fā)明專利]一種基于GAT的電力用戶服務(wù)推薦方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010932425.1
• 申請(qǐng)日: 2020-09-08
• 公開（公告）號(hào): CN112199604A
• 公開（公告）日: 2021-01-08
• 發(fā)明（設(shè)計(jì)）人: 顏宏文;王韜
• 申請(qǐng)（專利權(quán)）人: 長(zhǎng)沙理工大學(xué)
• 主分類號(hào): G06F16/9536
• 分類號(hào): G06F16/9536;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本申請(qǐng)涉及電力技術(shù)領(lǐng)域，并公開了基于GAT的電力用戶服務(wù)推薦方法以及系統(tǒng)架構(gòu)。該方法包括以下步驟：(S1)獲取用戶在電力系統(tǒng)中的相關(guān)數(shù)據(jù)。(S2)對(duì)獲取的數(shù)據(jù)進(jìn)行預(yù)處理，使其符合模型的輸入。(S3)構(gòu)建訓(xùn)練數(shù)據(jù)與測(cè)試數(shù)據(jù)。(S4)建立電力用戶特征提取模型，提取用戶特征，為用戶推薦服務(wù)做準(zhǔn)備。(S5)建立服務(wù)特征提取模型，提取服務(wù)特征，從而根據(jù)用戶特征進(jìn)行匹配，進(jìn)行服務(wù)推薦。(S6)建立服務(wù)推薦模型，根據(jù)所提取的用戶特征進(jìn)行服務(wù)推薦，使推薦的服務(wù)滿足用戶的需求，從而達(dá)到精準(zhǔn)推薦。(S7)利用測(cè)試數(shù)據(jù)對(duì)所建立的模型進(jìn)行檢驗(yàn)，從而評(píng)估模型的有效性。通過本發(fā)明，能夠更好的挖掘用戶需求，從而更好的服務(wù)用戶。

技術(shù)領(lǐng)域

本申請(qǐng)涉及電力技術(shù)領(lǐng)域，更具體地說(shuō)，涉及一種基于GAT的電力用戶服務(wù)推薦方法。

背景技術(shù)

近年來(lái)，隨著信息技術(shù)在電網(wǎng)中的不斷應(yīng)用與滲透，電網(wǎng)系統(tǒng)已成為一種復(fù)雜的信息-物理系統(tǒng)，電網(wǎng)每日的運(yùn)行都將產(chǎn)生海量數(shù)據(jù)，如此龐大的數(shù)據(jù)為電力服務(wù)提供了豐富的信息，同是也對(duì)如何更加有效的從這些數(shù)據(jù)中提取知識(shí)，從而更好的服務(wù)用戶提出了挑戰(zhàn)。

通過大量的歷史記錄信息，從中提取用戶的主要特征，這是對(duì)電力用戶進(jìn)行服務(wù)推薦的關(guān)鍵所在。在推薦系統(tǒng)中，起初的協(xié)同過濾推薦算法成為主流，要是因?yàn)槠浜?jiǎn)單以及便于理解，而在之后的應(yīng)用中，數(shù)據(jù)具有稀疏性，這導(dǎo)致協(xié)同過濾推薦算法很難為用戶推薦其所需的服務(wù)項(xiàng)目；為解決稀疏性問題，深度學(xué)習(xí)模型被引入推薦系統(tǒng)當(dāng)中，在深度模型中，模型可以更加深度的挖掘用戶的潛在特征，在一定程度上能夠精確的為用戶提供推薦。隨著數(shù)據(jù)的復(fù)雜度不斷提供，基于深度學(xué)習(xí)的推薦系統(tǒng)也逐步出現(xiàn)疲軟態(tài)勢(shì)，在用戶特征的捕獲上略顯不足。

發(fā)明內(nèi)容

本發(fā)明針對(duì)現(xiàn)有技術(shù)的不足，提出一種基于GAT(Graph Attention Networks)電力服務(wù)推薦方法，通過GAT以及概率矩陣分解來(lái)對(duì)用戶的特征進(jìn)行建模，從而實(shí)現(xiàn)根據(jù)用戶需求來(lái)對(duì)用戶進(jìn)行服務(wù)推薦。

本發(fā)明的具體實(shí)現(xiàn)步驟如下：

(S1)獲取用戶在電力系統(tǒng)中的歷史數(shù)據(jù)、服務(wù)工單數(shù)據(jù)、電力服務(wù)數(shù)據(jù)、用戶投訴數(shù)據(jù)、投訴工單數(shù)據(jù)。

(S2)對(duì)獲取的數(shù)據(jù)進(jìn)行預(yù)處理，使其符合模型的輸入。

(S3)構(gòu)建訓(xùn)練數(shù)據(jù)與測(cè)試數(shù)據(jù)。

(S4)建立電力用戶特征提取模型，基于用戶的歷史數(shù)據(jù)，提取用戶特征，為用戶推薦服務(wù)做準(zhǔn)備。

(S5)建立服務(wù)特征提取模型，基于電力服務(wù)數(shù)據(jù)、用戶投訴數(shù)據(jù)，提取服務(wù)特征，從而根據(jù)用戶特征進(jìn)行匹配，進(jìn)行服務(wù)推薦。

(S6)建立服務(wù)推薦模型，根據(jù)所提取的用戶特征進(jìn)行服務(wù)推薦，使推薦的服務(wù)滿足用戶的需求，從而達(dá)到精準(zhǔn)推薦

(S7)利用測(cè)試數(shù)據(jù)對(duì)所建立的模型進(jìn)行檢驗(yàn)，從而評(píng)估模型的有效性。

所述步驟(S1)中，用戶的歷史數(shù)據(jù)包括用戶編號(hào)、用戶姓名、用戶性別、用戶所在臺(tái)區(qū)、用戶電話號(hào)碼、賬號(hào)年限、用戶職業(yè)。

所述步驟(S1)中，服務(wù)工單數(shù)據(jù)包括工單編號(hào)、用戶編號(hào)、服務(wù)類型、服務(wù)編號(hào)。

所述步驟(S1)中，電力服務(wù)數(shù)據(jù)包括服務(wù)編號(hào)、服務(wù)類型、服務(wù)名稱。

所述步驟(S1)中，用戶投訴數(shù)據(jù)包括投訴編號(hào)、投訴類型、投訴名稱。

所述步驟(S1)中，投訴工單數(shù)據(jù)包括工單編號(hào)、用戶編號(hào)、投訴類型、投訴編號(hào)

所述步驟(S2)中，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，對(duì)于數(shù)據(jù)中的無(wú)效值、異常值將采用去除的方式，對(duì)于缺省值，將取所述屬性中的平均值進(jìn)行補(bǔ)充。對(duì)于差距較大的數(shù)據(jù)采用歸一化處理。