王文彧 陈宇聪 第三次作业

这个作业属于哪个课程 https://edu.cnblogs.com/campus/zjlg/rjjc
这个作业的目标 自由组队成立两人小组,完成“电梯演讲”任务,向别人介绍你的产品
姓名-学号 王文彧-2021331201051 陈宇聪-2021330301009
视频地址 https://b23.tv/rnxfyW4

一、作业视频地址:
【电梯演讲】 https://b23.tv/rnxfyW4
二、方法细则:
  最近刚好读了些论文,顺便整理一下方法。以售电公司视角来讲述使用步骤和方案特点,现在已经拥有的是自己设立的套餐集T和采集的用户集A。

  • 1.BLAP聚类
    将用户集A进行BLAP聚类,具体是将A分为互不重叠的B个部分,因为效率原因每部分用户数>=200且<400。这样就只需要输入各用户画像相似度而不是向原先一些协同过滤算法一样,需要预先设定聚类数。
    通过画像相似度,相似度,可信度,责任度等指标的计算输入后,得到聚类结果,即可判定相似用户(通过画像与典型用户集的聚类中心距离),并得到最佳聚类数c*。
  • 2.犹豫模糊语言集
    新设立套餐评价属性集C,与用户集A即可联合设立Ai的语言评价集L,并转化为评价矩阵。
    属性在售电套餐评价中的重要程度不同,因此需要确定权重,采用离差最大化法确定权重集W,再利用HFLWAO集结评价信息,得到评价矩阵。
    最后就可以联合得到等值后用户售电套餐评价矩阵。
  • 3.售电套餐全排序推荐
    由在1.BLAP聚类中得到的最佳聚类数c和判定相似用户结果,计算在c下各聚类中心与画像距离,最后得到相似用户满意度矩阵,并能够结合以上结果,量化得到新用户对售电套餐的满意度,从而进行售电套餐的全排序推荐。

三、文本内容:
各位领导/投资人/用户/合作伙伴:
我们的产品:基于BLAP聚类和多粒度犹豫模糊集的售电套餐推荐方法,这是为了解决售电公司的痛苦, 他们需要提高收益增加已有用户粘度, 但是现有的方案(模糊c均值聚类算法等)并没有很好地解决这些需求,我们有独特的办法,这包括BLAP聚类和多粒度犹豫模糊集, 它能给用户带来好处:准确度高,聚类效率优异,为用户提供个性化服务,增强用户粘性,远远超过其他售电公司。同时, 我们有高效率的全排序自动推荐售电套餐的方法, 能很快地让大部分用户知道我们的产品, 并进一步传播。
四、心得体会:
  电梯演讲的重点是短时间,清晰表达核心信息。这可以应用在很多场合,无论在这种介绍项目的情景,还是在在日常工作中,甚至私下的交流中,我们都可以抓住机会去进行这种“精炼”能力的培养,最终它就能变成我们自我能力的一部分。

posted @   Ivansw  阅读(3)  评论(0编辑  收藏  举报
点击右上角即可分享
微信分享提示