[发明专利]一种基于协同过滤优化的电力零售套餐推荐方法和系统

权利要求书

1.一种基于协同过滤优化的电力零售套餐推荐系统，其特征在于，包括：登录及身份认证模块(101)、历史交易行为数据存储模块(102)、历史交易行为数据查询模块(103)、电力零售套餐推荐计算模块(104)、电力零售套餐推荐参数调整模块(105)和电力零售套餐推荐结果展示模块(106)；

登录及身份认证模块(101)，用于为该系统用户提供登录信息的录入，同时进行身份验证，验证通过，则可以进行登录，验证不通过，则不能进行登录；所述的系统用户为电力零售用户；

历史交易行为数据存储模块(102)，用于存储电力零售用户的历史电力零售套餐交易数据，并将历史交易数据中的用户隐私信息进行脱敏处理；

历史交易行为数据查询模块(103)，分别与登录及身份认证模块(101)、历史交易行为数据存储模块(102)、电力零售套餐推荐计算模块(104)、电力零售套餐推荐参数调整模块(105)相连，用于登录后的用户对脱敏处理后的历史交易数据进行查询；

电力零售套餐推荐参数调整模块(105)用于对用户零售套餐推荐的计算参数进行调整；

电力零售套餐推荐计算模块(104)，分别与历史交易行为数据查询模块(103)、电力零售套餐推荐参数调整模块(105)、电力零售套餐推荐结果展示模块(106)相连，用于将通过历史交易行为数据查询模块(103)中查询得到的历史交易数据按照电力零售套餐推荐参数调整模块(105)调整后的参数进行计算，形成针对目标用户的零售套餐推荐列表，并将套餐推荐列表传输至电力零售套餐推荐结果展示模块(106)；

电力零售套餐推荐结果展示模块(106)，用于接收电力零售套餐推荐计算模块(104)传来的套餐推荐列表，并通过可视化的方式反馈给电力零售用户；

电力零售套餐推荐计算模块(104)的计算方法具体如下：

(1)用户交易行为分析与计算：

结合任一用户p历史交易衰减参数α_pq及其对于某一电力零售套餐q的购电行为权值计算用户-套餐选购兴趣矩阵K：

其中，k_pq表示编号为p的用户对编号为q的电力零售套餐的选购兴趣，为用户总数，m为套餐总数；i＝1～4，分别对应以下4种购电行为：搜索电力零售套餐名称、浏览电力零售套餐详细信息、收藏电力零售套餐、加购电力零售套餐；

套餐-用户回购意愿矩阵W计算如下：

其中，w_pq表示编号为p的用户对编号为q的电力零售套餐的回购意愿，x_pq^j(0≤x_pq^j≤1)表示用户p在第j次购电交易后对编号为q电力零售套餐的评分，套餐购买后默认好评评分置1，若收到电力零售套餐的投诉则评分置0，f_buy为该电力零售套餐q的购买次数；

定义用户-高回购意愿套餐矩阵为W^high，基于套餐-用户回购意愿矩阵W计算用户-高回购意愿套餐矩阵W^high：

其中，w_pq表示编号为p的用户对编号为q的电力零售套餐的回购意愿，m_valid表示有效购买套餐数，所述的有效购买套餐指完成下单购买、交易用电、评价反馈的套餐；当p用户对q套餐的购买评价高于p用户对所有有效购买套餐评价的均值时，则认为p用户对q套餐有较高回购意愿，设置为1，否则为0；

(2)基于用户交易行为的用户-用户相似度矩阵计算：

根据用户-高回购意愿套餐矩阵为W^high得到用户a的高回购意愿套餐集合为用户b的高回购意愿套餐集合为定义热门套餐集合为H，计算基于用户购买行为的用户-用户相似度矩阵Z：

p＝e^-N(k)

其中，z_ab表示编号为a的用户与编号为b的用户之间的套餐交易偏好相似度；k表示用户a和用户b都有过高回购意愿的热门电力零售套餐集合，N(k)表示用户a和用户b都有过高回购意愿的热门电力零售套餐个数，μ为热度惩罚因子；为降低大用户量对矩阵计算的资源消耗，提高套餐推荐的计算效率，对于任一目标用户t与零售电力市场内其他所有用户的相似度向量为z_t,z_t＝{z_t1,z_t2…,z_tn}，n为用户总数，定义向量z_t中的相似度为高相似度，与目标用户有高相似度的其他用户组成邻居用户组，目标用户与邻居用户组的相似度构成目标用户-邻居用户组相似度向量

(3)用户推荐套餐计算：

根据用户-套餐选购兴趣矩阵K和用户-用户相似度矩阵Z，结合用户对电力零售商的依赖参数β，计算用户-推荐套餐矩阵UR：

其中，UR_ij表示推测编号为i的用户对编号为j的电力零售套餐的感兴趣程度，即编号为j的电力零售套餐对编号为i的用户的推荐程度，n为用户总数，m为套餐总数，D为购买过的电力零售商推出的电力零售套餐集合，β_ir为用户对电力零售商的依赖参数,表示编号为i的用户与编号为p的用户之间的套餐交易偏好相似度，k_pj表示编号为p的用户对编号为j的电力零售套餐的选购兴趣；

则对于任一目标用户t，其对零售电力市场内所有套餐的推测感兴趣程度向量为UR_t,UR_t＝{UR_t1，UR_t2…，UR_tm}，m为套餐总数，最终根据电力零售套餐推荐结果展示模块(106)的最大推荐套餐可显示条数l，根据感兴趣程度由高到低确定l个推荐给目标用户的套餐并展示给目标用户。