典型文献
基于深层标签和K-Means++算法的电力用户画像研究
文献摘要：
以电力用户的基础属性、电力公司业务办理系统数据以及95598工单数据为基础数据源,经过数据预处理后,采用自然语言处理的方法对用户咨询内容进行标签提取,建立用户画像标签库,进而提出基于深层标签和K-Means++算法的电力用户画像方法.实验结果表明,相比现有相关研究方法,构建的用户标签覆盖率较高、用户画像细粒度较高,F1值高达95.7％,更适合电力营业厅差异化服务客户.
文献关键词：
用户画像;标签提取;聚类算法;电力用户
中图分类号：
作者姓名：
汪波;刘沙;郑稳
作者机构：
国网荆州市荆州区供电公司,湖北 荆州434100
文献出处：
引用格式：
[1]汪波;刘沙;郑稳-.基于深层标签和K-Means++算法的电力用户画像研究)[J].鞍山师范学院学报,2022(06):43-48
A类：
B类：
Means++,电力用户,用户画像,电力公司,公司业务,办理,系统数据,工单,单数,数据源,数据预处理,自然语言处理,标签提取,标签库,用户标签,细粒度,电力营业厅,差异化服务,聚类算法
AB值：
0.374822
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
