施文幸,曹詩韻

1(國網(wǎng)浙江省電力有限公司培訓(xùn)中心,杭州 310015)

2(東北林業(yè)大學(xué),哈爾濱 150040)

近年來國內(nèi)外逐漸興起的用戶畫像技術(shù),為提升電力客戶體驗(yàn),提高產(chǎn)品和服務(wù)的競爭力,滿足客戶的用電服務(wù)需求[1]提供了有效支撐.

用戶畫像是建立在一系列真實(shí)數(shù)據(jù)之上的目標(biāo)用戶模型,是真實(shí)用戶的虛擬代表[2],用戶畫像以了解用戶預(yù)測用戶需求為目的[3],但相關(guān)的文獻(xiàn)數(shù)量較少[4].

國網(wǎng)浙江省電力公司在2015年開始探索基于客戶標(biāo)簽的用戶畫像,2017年在電力營銷業(yè)務(wù)應(yīng)用系統(tǒng)中啟用了客戶畫像全景視圖,主要應(yīng)用在電力營業(yè)廳.最初的標(biāo)簽數(shù)量多達(dá)三百多個,建設(shè)維度包括:社會屬性、交費(fèi)行為、用電行為、信用評價(jià)、風(fēng)險(xiǎn)評估和關(guān)聯(lián)行為,覆蓋浙江省所有用戶.目前基于多項(xiàng)業(yè)務(wù)的個體畫像構(gòu)建及應(yīng)用方法,涉及龐大的標(biāo)簽庫和海量的電力用戶數(shù)據(jù),存在有效性差和運(yùn)算速度慢的缺陷,在各類電力業(yè)務(wù)推薦時(shí)效果欠佳,未能得到有效應(yīng)用.

本文提出了一種基于改進(jìn)的螢火蟲優(yōu)化加權(quán)Kmeans 算法的分層聚類畫像推薦模型,僅就單項(xiàng)業(yè)務(wù)設(shè)計(jì)標(biāo)簽?zāi)Ｐ?減少了標(biāo)簽數(shù)量,提高了運(yùn)行速度;通過分層聚類著重構(gòu)建特征群體畫像,提高了業(yè)務(wù)推薦的針對性和精準(zhǔn)性.

1 算法基本原理

聚類是數(shù)據(jù)挖掘中一個重要的概念,其目的是把具有相似特性的數(shù)據(jù)對象放到一起,尋找其中隱藏的有價(jià)值的信息,是將沒有分類標(biāo)簽的數(shù)據(jù)集分成若干個簇的過程,是一種無監(jiān)督的分類方法[5,6].

1.1 傳統(tǒng)K-means 算法簡介

1967年提出K-means 算法,是聚類算法中最經(jīng)典的算法[7].因其思想簡單,速度快,聚類效果好而應(yīng)用廣泛.其核心思想是指定初始聚類數(shù)目k,并在數(shù)據(jù)集中任選k個初始聚類中心,計(jì)算其余數(shù)據(jù)與聚類中心的相似度,將數(shù)據(jù)分配到相似度最高的聚類中心所對應(yīng)的簇中;重新計(jì)算每個簇中數(shù)據(jù)平均值作為新的聚類中心,不斷迭代直到算法收斂.然而,初始聚類中心的隨機(jī)選擇,造成了對初始值的敏感和易陷入局部最優(yōu)解等缺點(diǎn)[8],即聚類結(jié)果的好壞依賴于初始聚類中心的選擇;對異常樣本點(diǎn)較敏感,只能處理數(shù)值型的數(shù)據(jù)集[9].許多研究者致力于K-means 算法的各種改進(jìn)方法,主要集中在初始k值的選擇、初始聚類中心的選取、離群點(diǎn)的檢測和去除、距離和相似性度量等方向上的優(yōu)化[10].

1.2 螢火蟲算法簡介

群智能優(yōu)化算法是用智能方法來搜索解空間的啟發(fā)式聚類算法[9],是近幾十年發(fā)展起來的仿生模擬進(jìn)化算法,,典型算法如蟻群算法、粒子群算法、螢火蟲算法[11-13]等.螢火蟲算法用搜索空間的點(diǎn)模擬螢火蟲,搜索和優(yōu)化模擬成螢火蟲的吸引和移動.螢火蟲有兩個要素:亮度和吸引度.螢火蟲之間相互吸引、移動,不斷搜索靠近亮度更高,吸引度更高的鄰域位置,最終使所有樣本到相應(yīng)聚類中心的距離之和最小,達(dá)到分群的目的[13,14].

螢火蟲算法用螢火蟲表示聚類問題的解,亮度大的位置代表最優(yōu)的聚類中心,目標(biāo)函數(shù)的解反映位置的優(yōu)劣[15].具有操作簡單、宜于并行處理、魯棒性強(qiáng)等特點(diǎn),但是因?yàn)樽盍恋奈灮鹣x隨機(jī)移動,導(dǎo)致該算法聚類時(shí)存在收斂速度較慢、后期容易在最優(yōu)值附近振蕩、穩(wěn)定性較差的問題[16].

1.3 基于改進(jìn)的螢火蟲優(yōu)化加權(quán)K-means 算法基本思路

基于改進(jìn)的螢火蟲優(yōu)化加權(quán)K-means 算法利用傳統(tǒng)K-means 算法和螢火蟲算法自身的優(yōu)點(diǎn)彌補(bǔ)了對方的缺點(diǎn),在此基礎(chǔ)上又做了局部改進(jìn)來優(yōu)化算法性能.

具體思路首先是針對傳統(tǒng)K-means 算法初始聚類中心選擇的隨機(jī)性等缺點(diǎn),本文采用螢火蟲算法(Firefly Algorithm,FA)[17]求得最優(yōu)解,作為K-means 算法的初始聚類中心;其次傳統(tǒng)K-means 算法由于速度快,聚類效果好又糾正了螢火蟲算法收斂慢、易振蕩的缺點(diǎn);再次考慮采集數(shù)據(jù)的業(yè)務(wù)相關(guān)度不同,對傳統(tǒng)歐氏距離引入權(quán)值以減輕異常點(diǎn)影響;最后通過改進(jìn)螢火蟲的移動方式和隨機(jī)擾動方式,來提高聚類的準(zhǔn)確性和穩(wěn)定性,以得到穩(wěn)定的聚類結(jié)果[18].

設(shè)待聚類樣本數(shù)據(jù)集X,m為數(shù)據(jù)維度.

算法相關(guān)定義[16-19]如下:

定義1.螢火蟲i和j之間的距離:

式中,m為數(shù)據(jù)維度,xij為螢火蟲i的第j個數(shù)據(jù)分量.

定義2.螢火蟲的亮度:

式中,I0為螢火蟲自身r=0 處的熒光亮度;γ為光強(qiáng)吸收系數(shù),通常為常數(shù).

式(2)計(jì)算量大,導(dǎo)致了螢火蟲算法收斂速度慢,而亮度與目標(biāo)函數(shù)相關(guān),所以本文算法直接采用目標(biāo)函數(shù)Jc反映螢火蟲的亮度,Jc由式(11)計(jì)算.

定義3.螢火蟲吸引度:

其中,β0為最大吸引度,即r=0 處的吸引度.

螢火蟲被吸引移動,距離越變越小,由等價(jià)無窮小替換原理,用式(4)代替式(3),能減小計(jì)算量,提高運(yùn)算速度.

定義4.位置更新公式.

螢火蟲算法的擾動項(xiàng)α ×(rand-0.5)擾動作用不明顯,容易造成在局部最優(yōu)值附近波動,因此在螢火蟲算法中引入了擾動算子[18]α ×rand×(Xi-V0)2,則螢火蟲i被吸引向螢火蟲j移動的位置更新公式可優(yōu)化為式(5).可見位置的更新與吸引度有關(guān),吸引度決定移動距離大小.

式中,V0為目前最優(yōu)聚類中心,α為步長因子,是[0,1]上的常數(shù),rand為[0,1]上服從均勻分布的隨機(jī)數(shù).

式中,ni為聚類簇Ci中的數(shù)據(jù)個數(shù),y代表聚類簇Ci中的數(shù)據(jù)數(shù)值.

最亮的螢火蟲X*按式(7)移動.

擾動算子的優(yōu)化能有效避免最亮的螢火蟲隨機(jī)移動,提高算法收斂速度和精度.

定義5.權(quán)值.

考慮到待聚類樣本數(shù)據(jù)的業(yè)務(wù)相關(guān)度和影響程度不同,在目標(biāo)函數(shù)的計(jì)算中引入權(quán)值Ω={ω1,ω2,···,ωj,···,ωn;ωj=(ωi1,ωi2,···,ωim)T∈Rm}來反映數(shù)據(jù)的整體分布特性.

定義6.目標(biāo)函數(shù).

亮度和目標(biāo)函數(shù)相關(guān),用目標(biāo)函數(shù)代表亮度,亮度越大、螢火蟲位置越佳,目標(biāo)函數(shù)值越小,聚類效果越好,即亮度高的螢火蟲吸引亮度低的螢火蟲,亮度決定移動方向.

用傳統(tǒng)K-means 算法求得的聚類中心為V={V1,V2,···,Vk}

數(shù)據(jù)對象與聚類中心的歐氏距離為:

式中,Vj表示第j類的中心位置,i=1,2,3,…,n,j=1,2,3,…,k.

式中nj為Vj中的數(shù)據(jù)數(shù)量,xj為Vj中的樣本數(shù)據(jù).

僅用傳統(tǒng)K-means 算法得到目標(biāo)函數(shù)為:

式中,Gj為j類中的數(shù)據(jù)集合.

加權(quán)后,數(shù)據(jù)對象與聚類中心的距離為:

在式(11)中引入權(quán)值 ωid后,突出了數(shù)據(jù)分布特性,易于排除異常點(diǎn),提高聚類精度,同時(shí)減少迭代次數(shù),速度更快.

加權(quán)后的目標(biāo)函數(shù)為:

1.4 算法流程

聚類算法流程如圖1所示.

圖1 聚類算法流程

(1)參數(shù)初始化:確定群體數(shù)據(jù)規(guī)模n、最大吸引度 β0、光強(qiáng)吸收系數(shù) γ、步長因子α、最大迭代次數(shù)Tmax、迭代停止閾值ε;

(2)位置初始化:選擇k個數(shù)據(jù)對象作為初始聚類中心V;

(3)距離計(jì)算:由式(12)計(jì)算數(shù)據(jù)對象與聚類中心的距離dω(X,V);

(4)劃分聚類簇:根據(jù)計(jì)算所得距離,依次將對象劃分到距離最近的聚類中心所在的類中;

(5)確定對象移動方向:由式(13)計(jì)算加權(quán)后的目標(biāo)函數(shù)Jc(X,V),以確定對象移動方向.亮度決定移動方向,目標(biāo)函數(shù)值越小,亮度就高,所處位置就越好;

(6)確定對象移動距離:由式(5)計(jì)算螢火蟲移動后的新位置,確定對象位置;

(7)確定新的聚類中心:由式(7)計(jì)算最亮的螢火蟲的新位置,作為新的聚類中心;

(8)收斂判斷:判斷如果達(dá)到最大迭代次數(shù)或滿足停止閾值,則停止算法,否則轉(zhuǎn)到步驟(3);

(9)輸出聚類結(jié)果.

2 用戶畫像構(gòu)建和應(yīng)用

為提高計(jì)算速度和精度,本文提出一種基于改進(jìn)的螢火蟲優(yōu)化加權(quán)K-means 算法的分層聚類畫像推薦模型.首先就單項(xiàng)業(yè)務(wù),比如電能替代推廣業(yè)務(wù),設(shè)計(jì)簡單的,針對性強(qiáng)的標(biāo)簽庫,找出具有某些典型共性的特定用戶群體,通過對群體的數(shù)據(jù)分析,深度挖掘,進(jìn)一步提取出用戶的群體特征,采用基于改進(jìn)的螢火蟲優(yōu)化加權(quán)K-means 算法對電力用戶進(jìn)行兩層聚類,分別構(gòu)建兩組不同相似特征的KY類和KN類群體畫像模型[20].其次通過計(jì)算兩組聚類中心的相似度,將構(gòu)建得出的電能替代群體畫像,應(yīng)用到電能替代的業(yè)務(wù)推薦中.最后用同樣的方法,拓展到其它新業(yè)務(wù)的推薦應(yīng)用中,以實(shí)現(xiàn)電力營銷業(yè)務(wù)的全面推廣.

電力用戶可劃分為高壓、低壓非居民、低壓居民3 種,這3 種用戶的數(shù)據(jù)特征分布有較明顯差異,但建模算法等沒有差異.本文僅以高壓客戶組為例,介紹了向目標(biāo)潛力用戶推薦電能替代和其它新業(yè)務(wù)的應(yīng)用方法.

2.1 用戶畫像建模流程

(1)數(shù)據(jù)采集:對于電力企業(yè)最有優(yōu)勢的方法是直接從企業(yè)的電力業(yè)務(wù)系統(tǒng)中獲得大量真實(shí)可靠的用戶數(shù)據(jù),比如電力客戶用電信息采集系統(tǒng)、電力營銷業(yè)務(wù)應(yīng)用系統(tǒng)、95598 客戶服務(wù)系統(tǒng),還有網(wǎng)上國網(wǎng)平臺.采集與電能替代密切相關(guān)的業(yè)務(wù)數(shù)據(jù),高壓用戶數(shù)據(jù)采集重點(diǎn)應(yīng)放在用電設(shè)備清單、增容減容等業(yè)務(wù)的辦理情況、用電容量、行業(yè)分布、能耗情況、用電趨勢、經(jīng)營現(xiàn)狀及其前景等方面.

(2)數(shù)據(jù)特征映射:假設(shè)用戶數(shù)據(jù)集為X={X1,X2,···,Xj,···,Xn},將高壓用電客戶數(shù)據(jù)進(jìn)行預(yù)處理,采用向量空間模型(Vector SpaceModel,VSM)將高壓用戶的m維特征映射為X={X1,X2,···,Xj,···,Xn;Xj=(xj1,xj2,···,xjm)T∈Rm}.

(3)第一層聚類:用基于改進(jìn)的螢火蟲優(yōu)化加權(quán)Kmeans 算法提取用戶與電能替代密切相關(guān)的用電特征,將用戶聚成2 類.識別出辦理過電能替代的Y群體和未辦理電能替代的N群體兩大類.

(4)第二層聚類:再次用基于改進(jìn)的螢火蟲優(yōu)化加權(quán)K-means 算法分別對Y群體和N群體進(jìn)行聚類,將Y群體分成KY類,將N群體分成KN類.

(5)群體特征提取:經(jīng)過了兩層聚類,共得到KY+KN個聚類簇和聚類中心.聚類簇的聚類中心代表該聚類簇的所有對象,其各個參數(shù)即標(biāo)簽反映了該群體的共性特征.

(6)群體畫像表達(dá):將標(biāo)簽可視化,最終得到了KY+KN個高壓用戶的群體畫像.

畫像建模的總體流程如圖2所示.

圖2 畫像建模流程

2.2 用戶畫像的應(yīng)用

2.2.1 電能替代業(yè)務(wù)推薦

畫像模型構(gòu)建完成之后,向目標(biāo)潛力客戶推薦電能替代業(yè)務(wù).檢查審視未辦理電能替代的目標(biāo)用戶群體N={N1,N2,···,Ni,···,NKN},通過式(14)逐個計(jì)算群體N的聚類中心Ni與群體Y={Y1,Y2,···,Yi,···,YKY}的聚類中心之間的歐氏距離.

對計(jì)算所得的d(Ni,Yj)進(jìn)行排序,求出Ni與群體Y的最小距離集合DNYmin={dmin(N1,Y),dmin(N2,Y),···,dmin(NKN,Y),} 即目標(biāo)群體N={N1,N2,···,Ni,···,NKN}的最近鄰.距離越小,相似度越高,推薦偏好越一致,依次按DNYmin向目標(biāo)群體N推薦相應(yīng)的電能替代業(yè)務(wù).由系統(tǒng)自動發(fā)送“…的用戶已成功辦理了電能替代”的信息,發(fā)送“如何辦理電能替代”、“現(xiàn)在就辦電能替代”的鏈接.拉近企業(yè)與用戶的關(guān)系,使用戶從不了解到有意向,再到成功辦理業(yè)務(wù).

2.2.2 其它新業(yè)務(wù)推薦

前文所述,將畫像技術(shù)應(yīng)用在電能替代這一項(xiàng)業(yè)務(wù)的推薦應(yīng)用上.這一推薦方法,同樣適用于開展其它新業(yè)務(wù)的推薦,比如分布式光伏發(fā)電、節(jié)能服務(wù)等.只要按照推薦的新業(yè)務(wù)類型,再一次利用基于改進(jìn)的螢火蟲優(yōu)化加權(quán)K-means 算法,由所得的目標(biāo)潛力群體畫像即可推薦又一項(xiàng)新業(yè)務(wù).由系統(tǒng)自動發(fā)送“辦理了…的用戶也成功辦理了…”之類的信息,發(fā)送“如何辦理…”、“現(xiàn)在就辦…”的鏈接.照此思路,可以逐漸將用戶畫像拓展應(yīng)用到一項(xiàng)項(xiàng)具體的電力業(yè)務(wù)中,提升自身競爭力,開拓出更大的用戶市場.

目前有許多學(xué)者致力于大數(shù)據(jù)處理技術(shù)的研究,數(shù)據(jù)挖掘技術(shù)和用戶畫像技術(shù)日益成熟,但電力用戶數(shù)據(jù)量巨大,而且持續(xù)增長,導(dǎo)致海量的交互數(shù)據(jù)大大超過企業(yè)自身的數(shù)據(jù)抓取、數(shù)據(jù)存儲與數(shù)據(jù)分析能力,增大了用戶畫像的難度[21].為加快運(yùn)算速度,提高推薦精準(zhǔn)度,本文通過壓縮標(biāo)簽數(shù)量,降低采集數(shù)據(jù)維度,在畫像建模的數(shù)據(jù)采集環(huán)節(jié),只關(guān)注與推薦業(yè)務(wù)密切相關(guān)的數(shù)據(jù),雖然每項(xiàng)業(yè)務(wù)推薦都需要用算法分層聚類來完成畫像的構(gòu)建和應(yīng)用,但總的來說大大減少了交互數(shù)據(jù)量,同時(shí)精準(zhǔn)度更高.

3 實(shí)驗(yàn)例證

3.1 實(shí)驗(yàn)數(shù)據(jù)集

實(shí)驗(yàn)數(shù)據(jù)于2019年6月采集自電力營銷業(yè)務(wù)應(yīng)用系統(tǒng),以某市供電公司的高壓用戶為實(shí)驗(yàn)對象,選取A、B、C、D、E 這5 個樣本個數(shù)依次遞增的供電所高壓用戶集,數(shù)據(jù)集的描述如表1所示.實(shí)驗(yàn)的運(yùn)行環(huán)境為Windows10 操作系統(tǒng)、8 GB 物理內(nèi)存、CPU 速度為3.1 GHz、Matlab2018b.

表1 數(shù)據(jù)集描述

3.2 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證本文算法在電力用戶畫像構(gòu)建和推薦應(yīng)用中的聚類精度和收斂速度,設(shè)計(jì)了實(shí)驗(yàn)將本文算法與傳統(tǒng)K-means和FA 算法作了對比.在5 個高壓用戶數(shù)據(jù)集上分別進(jìn)行100 次實(shí)驗(yàn),比較目標(biāo)函數(shù)值、運(yùn)行時(shí)間和迭代次數(shù),實(shí)驗(yàn)結(jié)果如表2至表4所示.實(shí)驗(yàn)參數(shù)設(shè)置如下:最大吸引度 β0=1、光強(qiáng)吸收系數(shù)γ=1、步長因子α=0.05、最大迭代次數(shù)Tmax=150、迭代停止閾值ε=105.

表2 目標(biāo)函數(shù)值對比

表3 迭代次數(shù)對比

為了方便比較,將表2至表4的對比結(jié)果,以折線圖的形式表示出來,如圖3至圖5所示.

表4 運(yùn)行時(shí)間對比(ms)

通常用目標(biāo)函數(shù)值來衡量聚類效果,目標(biāo)函數(shù)值越小,聚類簇越緊湊,聚類效果越好.對比本文算法與傳統(tǒng)K-means和FA 算法,由圖3可見本文算法的目標(biāo)函數(shù)Jc(X,V)平均值較小,而傳統(tǒng)K-means 算法和FA 算法的目標(biāo)函數(shù)值相近,明顯較大,反映出本文算法的聚類有效性、聚類效果更好.由圖4可見本文算法的平均迭代次數(shù)更少,由圖5可見本文算法的運(yùn)行時(shí)間更短,在數(shù)據(jù)量增多的情況下優(yōu)勢更明顯,反映出聚類收斂速度的加快.由于本文算法結(jié)合了K-means和FA 算法的優(yōu)點(diǎn),引入了加權(quán)的目標(biāo)函數(shù),引入了平方項(xiàng)作為擾動算子進(jìn)行優(yōu)化,使得原來分布不明顯、不容易分類的數(shù)據(jù)變得有利于劃分,使算法的每一次迭代更快地接近于真實(shí)的數(shù)據(jù)劃分,進(jìn)而減少算法的迭代次數(shù),有效避免了聚類結(jié)果的隨機(jī)性,提高了算法穩(wěn)定性和收斂速度.實(shí)驗(yàn)結(jié)果表明本文算法構(gòu)建的用戶畫像更清晰準(zhǔn)確,快速,推薦針對性更強(qiáng),

圖3 目標(biāo)函數(shù)值

圖4 迭代次數(shù)

圖5 運(yùn)行時(shí)間

4 結(jié)論

本文針對電力企業(yè)用戶畫像在應(yīng)用中效果欠佳的現(xiàn)狀,提出一種基于改進(jìn)的螢火蟲優(yōu)化加權(quán)K-means算法的分層聚類推薦模型.該模型優(yōu)點(diǎn)如下:

(1)算法結(jié)合K-means和FA 算法的優(yōu)點(diǎn),并采用了兩層聚類方法,使得原來分布不明顯、不容易分類的數(shù)據(jù)變得有利于劃分,使算法的每一次迭代更快地接近于真實(shí)的數(shù)據(jù)劃分,進(jìn)而減少算法的迭代次數(shù),有效避免了聚類結(jié)果的隨機(jī)性.算法穩(wěn)定性和收斂速度的提高,使用戶畫像的構(gòu)建和應(yīng)用過程更快速更有效,從而為畫像技術(shù)在電力業(yè)務(wù)的推廣應(yīng)用提供有力支撐.

(2)通過就某一項(xiàng)具體業(yè)務(wù),壓縮標(biāo)簽數(shù)量,降低采集數(shù)據(jù)維度的方法,大大減少了交互數(shù)據(jù)量,避免了無關(guān)數(shù)據(jù)和異常數(shù)據(jù)的干擾,提高了畫像的速度和精準(zhǔn)度.

(3)畫像重點(diǎn)由個體畫像轉(zhuǎn)移到群體畫像,更易于提取出用戶的共性特征,提升了畫像構(gòu)建和應(yīng)用的效率.

實(shí)驗(yàn)階段,選取供電公司的5 個高壓用戶樣本集設(shè)計(jì)了仿真實(shí)驗(yàn),實(shí)驗(yàn)表明本文方法有效提高了運(yùn)算精度和速度,使畫像構(gòu)建和應(yīng)用的針對性和精準(zhǔn)性得到了提升.