本发明涉及数据处理,具体涉及基于能源互联网营销服务系统的信息推送方法。
背景技术:
1、随着互联网技术的发展,越来越多的机构采用互联网技术实现能源系统的智能化、数字化和高效化管理。现在能源系统面临企业思维和互联网思维的碰撞、新型业务与存量业务的融合、传统架构向新型架构的演进等复杂态势,急需建立一个具有稳定的核心能力、灵活的扩展能力、敏捷的交付能力的能源互联网营销服务系统,以此应对客户多变的需求。
2、信息推送是能源互联网营销服务系统中极为重要的功能之一,传统的信息推送方法,如基于用户的协同过滤推荐算法通过分析用户之间的共同兴趣,实现业务信息推送,能够为用户提供个性化信息推送,但是存在数据稀疏和冷启动问题;基于矩阵分解的推荐算法将用户行为矩阵分解为低维矩阵,能够解决信息推送过程中用户行为矩阵数据稀疏的问题,但需要处理大量的高维数据,存在计算复杂度高的问题。
技术实现思路
1、为了解决上述技术问题,本发明提供基于能源互联网营销服务系统的信息推送方法,以解决现有的问题。
2、本发明的基于能源互联网营销服务系统的信息推送方法采用如下技术方案:
3、本发明一个实施例提供了基于能源互联网营销服务系统的信息推送方法,该方法包括以下步骤:
6、根据能源业务列表中能源业务方案的业务应季接受指数的分布得到各服务对象的应季业务喜好系数;结合服务属性偏差系数及应季业务喜好系数得到任意两服务对象间的应季业务习惯契合指数;结合应季业务习惯契合指数及top-n推荐算法完成各服务对象的信息推送。
8、将所有服务对象在任一邻近年份中的所有能源业务列表数据作为最新年份的各邻近年份历史年度服务数据,在各邻近年份历史年度服务数据中统计各能源业务方案在各月被采用的服务对象数量,将所述服务对象数量记为各能源业务方案在各邻近年份中各月的月度热度值,将所述月度热度值按对应月份升序排列作为各能源业务方案在各邻近年份的历史年热度序列;
9、将所述历史年热度序列作为区域生长算法的输入,生长起点为历史年热度序列中的最大值,输出为包含所述最大值的一个数据元素集合,将所述数据元素集合中对应的所有月份作为各能源业务方案在各邻近年份的热度月份集合,统计各能源业务方案的所有历史年热度序列中服务对象数量最大值对应的月份,将出现次数最多的所述月份作为各能源业务方案的应季月份。
12、优选的,所述任意两能源业务方案间的业务应季热度相似系数,包括:
14、优选的,所述各能源业务方案的业务应季竞争强度,包括:
16、能源业务方案i的业务应季竞争强度的表达式为:
17、
18、式中,是能源业务方案i的第1个邻近年份的热度月份集合与应季竞争期间具有相同月份的个数,是能源业务方案i所在同种应季业务类中能源业务方案的总个数,分别是能源业务方案i、u在第1个邻近年份的应季竞争期内所有月度热度值的和值,是归一化函数。
19、优选的,所述各能源业务方案的任意两服务属性向量间的服务属性偏差系数,包括:
20、计算各能源业务方案的任意两服务属性向量的相同位置元素的差值,将所有所述差值的均值作为各能源业务方案的任意两服务属性向量间的服务属性偏差系数。
21、优选的,所述结合业务应季竞争强度及服务属性偏差系数得到各能源业务方案的业务应季接受指数,包括:
22、针对能源业务列表中最新年份及第一个邻近年份的应季竞争期的所有数据,统计各能源业务方案的服务属性向量的个数,计算各能源业务方案的所有任意两服务属性向量间的服务属性偏差系数的和值,计算所述和值与所述个数的平方的比值,将所述比值与各能源业务方案的业务应季竞争强度的乘积的归一化值作为各能源业务方案的业务应季接受指数。
23、优选的,所述根据能源业务列表中能源业务方案的业务应季接受指数的分布得到各服务对象的应季业务喜好系数,包括:
24、将各服务对象的能源业务列表中前预设数值个服务单号对应能源业务方案的业务应季接受指数按服务单号升序排列作为各服务对象的用户应季接受序列,将用户应季接受序列中所有元素的和值的归一化值作为各服务对象的应季业务喜好系数。
25、优选的,所述任意两服务对象间的应季业务习惯契合指数的表达式为:
26、
27、式中,是服务对象a与b的应季业务习惯契合指数,、分别是服务对象a、服务对象b的应季业务喜好系数,、分别是服务对象a、服务对象b的用户应季接受序列,是计算余弦相似度的函数,是预设大于零的调整因子,是自然常数,是服务对象a与服务对象b的前个服务单号对应服务属性向量间的服务属性偏差系数,是服务单号的预设个数。
28、优选的,所述结合应季业务习惯契合指数及top-n推荐算法完成各服务对象的信息推送,包括: