费鹏,林鸿飞,杨亮,徐博,古丽孜热·艾尼外.一种用于构建用户画像的多视角融合框架[J].计算机科学,2018,45(1):179-182, 204
一种用于构建用户画像的多视角融合框架
Multi-view Ensemble Framework for Constructing User Profile
投稿时间:2017-05-08  修订日期:2017-08-09
DOI:10.11896/j.issn.1002-137X.2018.01.031
中文关键词:  用户画像,多视角学习,模型融合
英文关键词:User profile,Multi-view learning,Model ensemble
基金项目:本文受国家自然科学基金(61632011,2,61562080,9)资助
作者单位E-mail
费鹏 大连理工大学计算机科学与技术学院信息检索研究室 辽宁 大连116024  
林鸿飞 大连理工大学计算机科学与技术学院信息检索研究室 辽宁 大连116024 hflin@dlut.edn.cn 
杨亮 大连理工大学计算机科学与技术学院信息检索研究室 辽宁 大连116024  
徐博 大连理工大学计算机科学与技术学院信息检索研究室 辽宁 大连116024  
古丽孜热·艾尼外 伊犁师范学院电子与信息工程学院 新疆 伊宁835000  
摘要点击次数: 209
全文下载次数: 165
中文摘要:
      电网公司的电费敏感客户往往对由用电引发的电量、电价、电费、缴费、欠费等电力服务具有强烈反应。快速定位电费敏感客户,对降低客户投诉率、提升客户满意度、树立供电企业良好的服务形象具有重要的作用。基于电网用户数据,提出了一种用于构建用户画像的多视角融合框架,该框架能够快速、准确地识别出电费敏感客户。首先,对电网用户进行了分析研究,利用双通道对不同特性的用户分别建模预测;其次,提出了多种特征萃取方法,用于构建用户多源特征体系;最后,为了充分利用多源特征,进一步提出了基于双层Xgboost的多视角融合模型。该框架在2016CCF大数据与计算智能大赛“客户画像”竞赛中获得了F1值为0.90379(第一名)的成绩,其有效性得到了验证。
英文摘要:
      The State Grid users who are sensitive to electric charge often have a strong reaction on electric quantity,electric price,electric charge,payment,arrearage and other electrical service caused by electricity consumption.How to rapidly locate the electric-charge-users plays an important role in reducing customer complaints rate,enhancing customer satisfaction,and establishing a good service image of power supply enterprise.Based on the data of grid users,this paper presented a multi-view ensemble framework for constructing user profile,which can quickly and accurately identify the electric-charge-users.First of all,this paper analyzed the grid users and used two channels to model the users with different characteristics respectivelty.Secondly,this paper presented a variety of feature extraction methods for constructing user multi-source feature systems.Finally,in order to make full use of multi-source features,this paper proposed a multi-view ensemble model based on double Xgboost.This framework was used to obtain the F1 score of 0.90379(The first place) in the “User Profile” contest of 2016 CCF Big Data and Computational Intelligence Contest,validating the effectiveness of the method.
查看全文  查看/发表评论  下载PDF阅读器