典型文献
基于改进词向量模型的电力缴费用户画像关键技术研究
文献摘要：
以准确识别电力缴费过程中的敏感用户为目标,文章基于改进词向量模型设计了一种新的电力缴费用户画像方法.首先通过改进K-均值算法对电力用户缴费行为大数据展开聚类处理,实现电网部门缴费用户的电量、电价、电费、停电类诉求数据聚类.然后基于改进词向量模型设计用户画像方法,并将聚类结果导入其中,通过构建用户画像识别电力缴费用户敏感类型.实验结果显示,该方法对4种敏感类型用户的分类结果较准确,分类结果差值仅有1个.且该方法对电网部门缴费用户的电量、电价、电费、停电类诉求数据聚类效果较好,查全率、准确率、F值均大于0.95,证明其聚类效果较好,可准确识别电力缴费过程中的敏感用户.
文献关键词：
改进词向量;电力缴费用户;用户画像;数据聚类;K-均值算法;用户敏感类型
中图分类号：
作者姓名：
王林信;周盛成;罗世刚;江元;王琼;马莉
作者机构：
国网甘肃省电力公司,甘肃 兰州 730050;西安科技大学通信与信息工程学院,陕西 西安 710054
文献出处：
引用格式：
[1]王林信;周盛成;罗世刚;江元;王琼;马莉-.基于改进词向量模型的电力缴费用户画像关键技术研究)[J].电力信息与通信技术,2022(02):42-48
A类：
改进词向量,电力缴费用户,用户敏感类型
B类：
用户画像,关键技术研究,准确识别,模型设计,电力用户,缴费行为,网部,电量,电价,电费,停电,求数,数据聚类,查全率
AB值：
0.167681
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。
