买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江理工大学

摘要：本发明公开了考虑多粒度犹豫模糊集和不完全权重的售电套餐推荐方法，包括基于用户用电特性指标，建立用户负荷信息数据库，并基于改进K‑means聚类算法，对用户进行聚类确定目标用户所属类别；考虑用户提供的不完全权重信息和多粒度犹豫模糊语言评价集，构建用户对售电套餐的评价矩阵；分别计算历史用户和目标用户对售电套餐的满意度；基于用户满意度量化结果，获得了全排序的售电套餐推荐和Top‑M的售电套餐推荐。本发明采用多粒度犹豫模糊语言评价集对用户的评价信息进行表征，且考虑用户提供售电套餐属性权重信息的不完整性，不仅能反映用户评价售电套餐时的犹豫模糊性，还能使得用户能更加灵活地提供评价信息，更真实地反映用户的满意度。

主权项：1.考虑多粒度犹豫模糊集和不完全权重的售电套餐推荐方法，其特征在于：具体过程如下：步骤S1、基于用户用电特性指标，建立用户负荷信息数据库，并基于改进K-means聚类算法，对用户进行聚类，确定目标用户所属类别；步骤S2、考虑用户提供的不完全权重信息和多粒度犹豫模糊语言评价集，构建用户对售电套餐的评价矩阵；步骤S2具体过程为如下：步骤S2.1、基于犹豫模糊语言集的用户对售电套餐评价矩阵的构建售电套餐集合为T＝{T1,T2,…Tj,…,TJ}，用户A＝{A1,A2,…,Ai,…,AI}对售电套餐评价属性集为采用犹豫模糊语言描述用户对售电套餐的评价信息：设用户Ai的语言评价集为其中，gAi表示语言评价集的粒度，且为奇数，表示第p个语言评价量，p＝0,1,L,gAi-1为语言评价量的符号角标；语言评价集中元素按照顺序排列：若pq，则：用户Ai基于自身语言评价集对售电套餐做出评价，评价矩阵为： 其中，表示用户Ai对售电套餐Tj的属性给出的犹豫模糊语言评价信息，J，K分别为第J个套餐，第K个属性；步骤S2.2、考虑不完全权重的售电套餐属性权重确定采用离差最大化方法确定各属性权重 其中，“其他”代表用户Ai提供的不完全权重信息，表示对于第k个属性的用户Ai对各售电套餐给出的语言评价间的偏差程度： 其中，为用户Ai对第q个套餐中的第k个属性的评价；采用犹豫模糊语言加权平均算子HFLWAO对各用户的评价信息进行集成，得到各用户对售电套餐的评价矩阵 其中，表示用户Ai对售电套餐Tj的评价结果；HFLWAO的计算方法如下：1、基于售电套餐Tj的K个属性，设如下集合： ak为第k个属性的评价结果；2、分别令h＝1,2,L,进行如下迭代： 其中，trunc·为取整函数；Δ·代表语言评价量的符号角标与犹豫模糊语言集间的一个映射关系，mh为用户对套餐的评价结果，为评价程度，为评价隶属度；令b∈[0,gAi-1]，用一个二元组描述β的等值信息： 存在变换函数Δ-1·，将二元组等值信息转换为等值的数值： 3、采用分布式语言评价算子DAA计算获得 其中，为一个语言评价二元组，代表语言评价变量的比例： 步骤S2.3、用户对售电套餐的多粒度犹豫模糊语言评价信息的统一化将用户评价售电套餐时使用不同粒度下的语言评价集转化为同一粒度下的语言评价集，将基于粒度为gAi评价集的评价信息转化为基于粒度为gAf评价集的评价信息过程如下：步骤S2.3.1、令g*＝LCMgAi-1,gAf-1+1，其中，LCM·表述取最小公倍数；步骤S2.3.2、建立虚拟语言集令qe＝0，e＝0,1,L,g*-1；步骤S2.3.3、若zh＝0,1,L,gAi-1，计算得：步骤S2.3.4、令zh＝0,1,L,g*-1，若计算步骤S2.3.5、基于计算统一化后的语言评价变量比例，如式22所示： 步骤S2.3.6、基于式22，得统一化后的语言评价信息 基于步骤S2.3.1-S2.3.6，获得统一粒度下用户对售电套餐的评价矩阵其中，表示统一粒度下用户Ai对售电套餐Tj的评价信息： 为在Af粒度下的语言评价，为新的评价隶属度，为新的评价程度；步骤S3、分别计算历史用户和目标用户对售电套餐的满意度；步骤S4、基于用户满意度量化结果，获得了全排序的售电套餐推荐和Top-M的售电套餐推荐。

全文数据：

权利要求：

百度查询： 浙江理工大学 考虑多粒度犹豫模糊集和不完全权重的售电套餐推荐方法