[发明专利]一种特征加权贝叶斯网络的用电用户投诉预警方法

权利要求书

1.一种特征加权贝叶斯网络的用电用户投诉预警方法，其特征在于，包括以下步骤：

步骤一：建立特征加权的朴素贝叶斯算法；

步骤二：进行贝叶斯网络学习；

步骤三：数据预处理与特征提取；

步骤四：投诉行为特征提取；

步骤五：建立基于互信息贝叶斯的用户投诉风险预测模型；

步骤六：进行实时预测，根据预测结果对用户用电投诉行为情况进行预警。

2.根据权利要求1所述的特征加权贝叶斯网络的用电用户投诉预警方法，其特征在于，数据预处理及特征提取还包括：数据转化、数据集成、数据清洗、特征提取。

3.根据权利要求2所述的特征加权贝叶斯网络的用电用户投诉预警方法，其特征在于，所述数据转换包括：

利用独热编码方式将文本数据转换为数字数据；

利用计算标准差等方式对数字数据进行相关性分析。

4.根据权利要求2所述的特征加权贝叶斯网络的用电用户投诉预警方法，其特征在于，所述数据集成还包括对经过数据转化过的的数据和进行集成，作为一个数据库参与后续建模。

5.根据权利要求2所述的特征加权贝叶斯网络的用电用户投诉预警方法，其特征在于，所述数据清洗，包括：

将用户历史投诉数据和用户基本数据中的无效数据作删除处理并对缺失数据进行增补；

针对所有电力用户投诉数据的缺失问题，去除大部分数据为空的整行数据；

针对电力用户投诉数据属性的缺失问题，去除缺失率高的属性，并针对数值型的属性计算标准差，去除标准差小的特征；

对缺失值较少的数据和属性进行填充，采用预填充-曲线聚类-二次填充的方法对缺失电量数据进行补全。

6.根据权利要求1所述的特征加权贝叶斯网络的用电用户投诉预警方法，其特征在于，所述建立特征加权的朴素贝叶斯算法包括用粗糙集理论计算每个条件属性的重要度。

7.根据权利要求6所述的特征加权贝叶斯网络的用电用户投诉预警方法，其特征在于，根据粗糙集理论计算每个条件属性的重要度作为属性权值，构建特征加权朴素贝叶斯分类器，构造的特征加权朴素贝叶斯分类模型为:

8.根据权利要求6所述的特征加权贝叶斯网络的用电用户投诉预警方法，其特征在于，在训练特征加权朴素贝叶斯分类器时，每个样本被附加一个初始权重，当计算条件概率时，并不是将样本出现的次数相加，而是将样本附加的权重值进行相加。每轮训练完都要进行样本的权值更新。