面向智能电网大数据的分析挖掘与计算范式

随着加强智能电网的全面建设,具有"4V"特征的大数据正在贯通电力行业的发、输、变、配、用、调6大环节,智能电网大数据时代已然到来。数据挖掘和云计算是应对电网大数据的2大关键技术。简要介绍智能电网大数据全貌,归纳各种数据挖掘算法及其在电网中的应用,阐释云计算与大数据的密切关联,通过科技文献调研与统计分析,评述现状并预测未来趋势。以期为电力企业应对智能电网大数据提供知识储备与决策参考。

基于三支决策的多粒度文本情感分类模型

文本情感分类是一项重要的自然语言处理任务,具有广泛的应用场景。以往的情感分类方法过于注重分类准确率,忽略了训练和分类过程的时间代价,而且使用的特征大多为词袋特征,存在维度高、可解释性差的缺点。针对这些问题,将粒计算的思想运用于文本数据的三层粒度结构(词-句-篇章),提出一种具有强可解释性的文本情感分类特征——SSS(Sentence-level Sentiment Strength)特征,SSS特征每一维度代表文章中每个句子的情感强度值;同时,在分类过程中,利用三支决策方法将待分类对象划分为3个区域,位于正域和负域的对象直接划分至正类和负类中,使用SVM(Support Vector Machine)+SSS特征对位于边界域的对象做进一步分类。实验结果显示,SSS特征由于自身的低维特性,能够大大降低特征提取和模型训练过程所耗费的时间成本,结合了三支决策方法的SVM能够进一步提高分类准确率,而且三支决策方法可以减少分类过程所耗费的时间。

基于消费者行为的点餐推荐算法

随着电子商务的发展,餐饮行业现有的大多数管理系统落后于消费者和管理人员的需要,一种行之有效的方法是将推荐系统应用于餐饮管理,根据消费者的行为数据为用户点餐提供菜品的推荐。针对推荐系统中的冷启动问题,提出基于消费者行为的点餐推荐算法,设计出频度统计、关联规则和Markov链3个推荐引擎的加权组合推荐系统。在实际餐厅订单数据样本上,所提算法能够取得令人满意的推荐效果,且得到具有普适性的3个推荐引擎的组合权值(0.2167,0.5167,0.2666),同时得到最佳的推荐长度为3。