[發(fā)明專利]一種電力營銷稽核新業(yè)務(wù)發(fā)現(xiàn)方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011177992.7
• 申請日: 2020-10-28
• 公開（公告）號: CN112258235A
• 公開（公告）日: 2021-01-22
• 發(fā)明（設(shè)計）人: 王宗偉;趙郭燚;蘇媛;卜曉陽;冉晶晶;金鵬;柏彬;朱瑾鵬
• 申請（專利權(quán)）人: 國家電網(wǎng)有限公司客戶服務(wù)中心;北京數(shù)洋智慧科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06F16/33;G06F16/35;G06F40/216;G06F40/289;G06K9/62
• 代理公司: 北京鼎真知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11815
• 代理人: 洪波

1.一種電力營銷稽核新業(yè)務(wù)發(fā)現(xiàn)方法，其特征在于，所述方法包括：

根據(jù)極端梯度提升XGBoost算法建立業(yè)務(wù)分類基礎(chǔ)模型，利用合成少數(shù)類過采樣SMOTE算法處理業(yè)務(wù)分類中的非均衡類別數(shù)據(jù)；

根據(jù)歷史工單數(shù)據(jù)對所述業(yè)務(wù)分類基礎(chǔ)模型進(jìn)行訓(xùn)練；

將實時工單數(shù)據(jù)輸入所述業(yè)務(wù)分類基礎(chǔ)模型，得到工單業(yè)務(wù)分類數(shù)據(jù)；

將所述工單業(yè)務(wù)分類數(shù)據(jù)中無法歸類的數(shù)據(jù)根據(jù)K-Means聚類算法進(jìn)行聚類，得到聚類簇；

確定所述聚類簇對應(yīng)工單數(shù)據(jù)為新業(yè)務(wù)時，輸出所述聚類簇數(shù)據(jù)為新業(yè)務(wù)數(shù)據(jù)。

2.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)極端梯度提升XGBoost算法建立業(yè)務(wù)分類基礎(chǔ)模型，包括：

根據(jù)歷史工單數(shù)據(jù)，利用極端梯度提升XGBoost算法建立業(yè)務(wù)分類基礎(chǔ)模型。

3.如權(quán)利要求2所述的方法，其特征在于，所述方法還包括：

對所述歷史工單數(shù)據(jù)進(jìn)行文本分詞，建立所述文本對應(yīng)的詞向量；

根據(jù)詞向量將所述歷史工單數(shù)據(jù)對應(yīng)文本中的詞語轉(zhuǎn)換為詞頻矩陣；

根據(jù)詞頻矩陣，利用極端梯度提升XGBoost算法建立業(yè)務(wù)分類基礎(chǔ)模型。

4.如權(quán)利要求3所述的方法，其特征在于，所述方法還包括：

所述詞向量表示使用詞頻-逆文本頻率指數(shù)TF-IDF；將所述歷史工單數(shù)據(jù)對應(yīng)文本中的詞語轉(zhuǎn)換為詞頻矩陣；所述矩陣元素a[i][j]；其中，表示j詞在i類歷史工單數(shù)據(jù)下的詞頻；

統(tǒng)計每個詞的TF-IDF權(quán)值；

根據(jù)所述每個詞的TF-IDF權(quán)值建立詞頻矩陣。

5.如權(quán)利要求4所述的方法，其特征在于，所述根據(jù)歷史工單數(shù)據(jù)對所述業(yè)務(wù)分類基礎(chǔ)模型進(jìn)行訓(xùn)練，包括：

所述業(yè)務(wù)分類基礎(chǔ)模型訓(xùn)練過程中，使用網(wǎng)格尋優(yōu)GridSearchCV+10算法，折交叉驗證進(jìn)行參數(shù)尋優(yōu)，得到最優(yōu)模型參數(shù)。

6.如權(quán)利要求1所述的方法，其特征在于，所述將實時工單數(shù)據(jù)輸入所述業(yè)務(wù)分類基礎(chǔ)模型，得到工單業(yè)務(wù)分類數(shù)據(jù)，包括：

根據(jù)所述實時工單數(shù)據(jù)的子主題類別進(jìn)行分類識別；

根據(jù)所述子主題與子業(yè)務(wù)的對應(yīng)類別關(guān)系，對應(yīng)到子業(yè)務(wù)類別中，得到子主題對應(yīng)的子業(yè)務(wù)；

向所述業(yè)務(wù)分類基礎(chǔ)模型輸入所述實時工單數(shù)據(jù)對應(yīng)文本，利用所述業(yè)務(wù)分類基礎(chǔ)模型對所述文本進(jìn)行分類，得到所述文本對應(yīng)的子主題；

根據(jù)所述子主題對應(yīng)的子業(yè)務(wù)得到所述實時工單對應(yīng)的業(yè)務(wù)類別，得到工單業(yè)務(wù)分類數(shù)據(jù)。

7.如權(quán)利要求1所述的方法，其特征在于，將所述工單業(yè)務(wù)分類數(shù)據(jù)中無法歸類的數(shù)據(jù)根據(jù)K-Means聚類算法進(jìn)行聚類，得到聚類簇，包括：

獲取所述工單業(yè)務(wù)分類數(shù)據(jù)中無法分類的數(shù)據(jù)，進(jìn)行文本分詞；

對所述文本分詞得到的詞進(jìn)行詞向量轉(zhuǎn)換，得到每個詞對應(yīng)的詞向量；

根據(jù)所述詞向量，利用K-Means聚類算法進(jìn)行聚類，得到聚類簇。

8.一種電力營銷稽核新業(yè)務(wù)發(fā)現(xiàn)系統(tǒng)，其特征在于，所述系統(tǒng)包括：

建模單元，用于根據(jù)極端梯度提升XGBoost算法建立業(yè)務(wù)分類基礎(chǔ)模型，利用合成少數(shù)類過采樣SMOTE算法處理業(yè)務(wù)分類中的非均衡類別數(shù)據(jù)；

訓(xùn)練單元，用于根據(jù)歷史工單數(shù)據(jù)對所述業(yè)務(wù)分類基礎(chǔ)模型進(jìn)行訓(xùn)練；

分類單元，用于將實時工單數(shù)據(jù)輸入所述業(yè)務(wù)分類基礎(chǔ)模型，得到工單業(yè)務(wù)分類數(shù)據(jù)；

聚類單元，用于將所述工單業(yè)務(wù)分類數(shù)據(jù)中無法歸類的數(shù)據(jù)根據(jù)K-Means聚類算法進(jìn)行聚類，得到聚類簇；

發(fā)現(xiàn)單元，用于確定所述聚類簇對應(yīng)工單數(shù)據(jù)為新業(yè)務(wù)時，輸出所述聚類簇數(shù)據(jù)為新業(yè)務(wù)數(shù)據(jù)。