[发明专利]一种居民用电的房屋租赁识别方法及系统

说明书

本发明公开了一种居民用电的房屋租赁识别方法及系统，方法包括采集原始数据，对采集的原始数据进行初步处理和数据分析；基于电力营销业务系统中的明细数据对出租房用户进行特征分析，建立预测指标集；构建租房用户预测模型；构建标签体系和定义标签规则，依据预测指标集建立标签模型，并将标签模型输入到出租房用户预测模型中，通过决策树和逻辑回归的人工智能算法准确定位出租房用户；生成出租房用户的全息画像并呈现出出租房用户的特征标签，并依据出租房用户的特征标签推送营销服务信息；本发明基于对房屋租赁应用场景的分析，通过构建房屋租赁模型能够有效核查用户的基础信息，提高基础信息准确率。

技术领域

本发明涉及电力系统技术领域，具体涉及一种居民用电的房屋租赁识别方法及系统。

背景技术

目前在居民用电业务中存在着因用户基础信息不准确而引起电量电费短信、停电通知短信无法准确送达的业务情景。一方面，由于客户基础信息有误，因此导致电费催缴信息无法及时发送到用户手中，造成客户不能及时缴费，增加了电费回收风险；另一方面，错误的催缴信息和停电信息更会直接导致实际用户投诉行为的发生。

通过对业务流程上的分析考察，居民用户发生了房屋租赁行为是发生以上情况的重要原因。目前在用户基础信息中存在用户的特征分群标志和用电户类型等特征类型数据，但基于此项数据进行的数据分析无法准确的得出是否为房屋租赁的情况。

综合上述可知，在本领域中不能及时解决上述技术问题的原因在于不能及时的分析出房屋所处的租赁状态。在现有的客户特征分群技术中，数据分析来源于客户的基础信息，没有与客户的用电行为数据进行融合分析，只是简单地描述客户的大概特征，在房屋租赁识别场景下不具有针对性。

发明内容

为此，本发明提供一种居民用电的房屋租赁识别方法及系统，以解决现有技术中房屋租赁识别场景不具针对性的问题。

为了实现上述目的，本发明提供如下技术方案：

一种居民用电的房屋租赁识别方法包括：

采集原始数据，对采集的原始数据进行初步处理和数据分析；

基于电力营销业务系统中的明细数据对出租房用户进行特征分析，建立预测指标集；

构建租房用户预测模型；

构建标签体系和定义标签规则，依据预测指标集建立标签模型，并将标签模型输入到出租房用户预测模型中，通过决策树和逻辑回归的人工智能算法准确定位出租房用户；

生成出租房用户的全息画像并呈现出出租房用户的特征标签，并依据出租房用户的特征标签推送营销服务信息。

可选的，所述初步处理包括：

将采集的原始数据中的空值、缺失值、唯一值和异常值进行检验；

对空值和缺失值的比例进行计算，将空值或缺失值占比大于40％的变量做删除处理，将空值或缺失值占比小于等于40％的变量通过三次样条插值法进行填充处理，对唯一值和异常值均做删除处理。

可选的，所述数据分析包括：

对连续数据进行数据离散化处理，得到离散化数据；

将离散化数据和原始数据中的离散型数据进行数据合并，并计算woe值和iv值；

对计算获得的iv值进行排序，并设定iv值的判定阈值，将小于iv值判定阈值的变量剔除，将大于等于iv值判定阈值的变量留存。

可选的，所述特征分析包括用电特征、缴费行为和联系方式，从所述用电特征、缴费行为和联系方式中选择影响用户分析的指标作为预测指标集。

可选的，所述通过决策树和逻辑回归的人工智能算法准确定位出租房用户，包括：