[发明专利]一种基于决策树算法的供电服务满意度影响因素识别方法

说明书

本发明公开了一种基于决策树算法的供电服务满意度影响因素识别方法，该方法包括导入需要的函数库，通过USDUW函数构建决策树，将算法标记为决策点；构建决策树时，根据给定的样本数据集选择某个特征值作为树的节点，在数据集中，计算出该数据中的信息熵；确定决策树的决策点数量，将决策点概率及损益值标于概率枝上；在决策树选择决策特征时，应选择基尼指数增益值最大的特征，作为该节点分裂条件。本发明条理清晰，程序严谨，定量、定性分析相结合，利用模糊决策树分析法分析了电力客户的满意度，通过建立规则，可以清楚地知道哪些情况下电力客户对电力服务满意，从而为今后改进服务，提高电力客户满意度提供了条件。

技术领域

本发明涉及供电服务满意度评估技术领域，尤其涉及一种基于决策树算法的供电服务满意度影响因素识别方法。

背景技术

随着互联网、大数据、云计算等信息技术飞速发展，大部分信息已经由纸质载体过渡到电子载体，而在这些信息中，大部分是非结构化或半结构化的文本信息。如何有效管理、挖掘、分析海量非结构化数据中蕴藏的信息，已成为大数据领域的重挑战。在非结构化数据中，文本数据占据重要地位。对于拥有大量文本数据的企业，如何有效的利用这部分数据资源决定着企业将来的发展。在电力行业客服中心的数据中，如何对工单数据进行处理，从而精准的识别工单中客户的诉求，甚至挖掘隐含诉求同时及时的发现新增突增诉求，这对提升服务的质量及客户的满意程度至关重要。

传统电力行业供电服务满意度评估体系大多通过理论法与专家法进行构建，体系适用周期存在局限性，需要定期进行体系优化重建，在实际应用过程中大多依赖人为的主观评判原则，不同人员进行评估的结果差异较大，评估工作耗时较长。本发明通过建立一种可迭代的决策数据评估模型，基于开放服务满意度评估体系构建了一种理论完善的客户满意度评估方法，通过标准化的算法模型实现评估指数自动计算，大大提高了客户满意度的评估准确性与合理性。

发明内容

为克服相关技术中存在的问题，本发明实施例提供一种基于决策树算法的供电服务满意度影响因素识别方法，解决了在实际应用过程中大多依赖人为的主观评判原则，不同人员进行评估的结果差异较大，评估工作耗时较长的问题。

本发明实施例提供一种基于决策树算法的供电服务满意度影响因素识别方法，包括以下步骤：

导入需要的函数库，通过rpart函数构建决策树，将算法标记为决策点；

构建决策树时，根据给定的样本数据集选择某个特征值作为树的节点，在数据集中，计算出该数据中的信息熵；

确定决策树的决策点数量，将决策点概率及损益值标于概率枝上；

在决策树选择决策特征时，应选择基尼指数增益值最大的特征，作为该节点分裂条件；

计算各个决策点的期望值并将其标于该决策点对应的状态结点上；

比较各个决策点的期望值，并标于方案枝上，将期望值小的的期望值去掉，得出最后的方案为最佳方案。

进一步地，所述作用前的信息熵计算公式为：其中D表示训练数据集，c表示数据类别数，Pi表示类别i样本数量占所有样本的比例，对应数据集D，选择特征A作为决策树判断节点时，在特征A作用后的信息熵的为InIo(D)，作用后的信息熵计算公式如下：其中k表示样本D被分为k个部分。

进一步地，信息增益表示数据集D在特征A的作用后，其信息熵减少的值，信息熵差值计算公式如下：Gain(A)＝Info(D)-Info_A(D)，对于决策树节点最合适的特征选择，就是Gain(A)值最大的特征。

进一步地，所述基尼指数计算公式如下：其中c表示数据集中类别的数量，Pi表示类别i样本数量占所有样本的比例。