基于深层标签和K-Means++算法的电力用户画像研究

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.

关键词：用户画像、标签提取、聚类算法、电力用户

所属期刊栏目：24

分类号：TP391(计算技术、计算机技术)

资助基金：国网荆州供电公司科技项目SGHBJZJZFZJS2200150

在线出版日期：2023-03-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：43-48