(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111637001.3 (22)申请日 2021.12.2 9 (71)申请人 佰聆数据股份有限公司 地址 510663 广东省广州市高新 技术产业 开发区科学城科学大道162号创意大 厦B3栋1301单元 (72)发明人 姜磊　杨钊　赖招展　郑志钉　 谢东源　曹发明　林发照　许华芳　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 代理人 林梅繁 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01)H04W 4/14(2009.01) (54)发明名称 电力催费策略设计方法、 系统及存 储介质 (57)摘要 本发明属于电力技术领域， 为电力催费策略 设计方法、 系统及存储介质， 其方法包括步骤： 获 取并处理催费短信发送记录、 用户缴费记录， 将 两者通过时间进行关联分析， 确定短信与缴费的 关系； 利用聚类算法计算用户缴费偏好日； 构建 特征指标并生成指标体系， 以用户编号进行聚 合， 从催费短信中提取短信发送日、 催费金额， 构 建用于用户短信效力分析的参考指标； 计算参考 指标的特征变量IV值； 根据IV值选择预测能力强 的参考指标， 并挖掘数据的集中和离散趋势， 设 计用户短信效力标签； 根据用户短信效力标签设 计结果， 设计对应的催费策略。 本发明构建短信 效力分析模 型以提炼特征并固化为规则标签， 助 力催费策略的制定， 实现精准发送有效催费短 信。 权利要求书3页 说明书8页 附图3页 CN 114358559 A 2022.04.15 CN 114358559 A 1.电力催费策略设计方法， 其特 征在于， 包括以下步骤： S1、 获取催费短信发送 记录、 用户缴费记录； S2、 处理用户缴费记录及催费短信发送记录， 将用户缴费记录和催费短信发送记录通 过时间进行关联分析， 确定短信与缴费的关系； S3、 利用聚类算法计算用户缴费偏好日， 将簇看作是数据空间中被低密度区域分割开 的稠密对象区域， 而高密度区域认为是用户集中缴费区， 将用户历史缴费日数据进 行聚类， 计算用户是否倾向于某日进行缴费以及所对应的偏好日期； S4、 根据步骤S2和步骤S3处理后的数据构 建特征指标， 并生成指标体系， 以用户编号进 行聚合， 统计用户在一段时间内的缴费信息和 欠费相关信息， 并从催费短信中提取短信发 送日、 催费金额， 构建用于用户短信效力分析的参 考指标； S5、 计算参考指标的特 征变量IV值， 以评估参 考指标的特 征预测能力； S6、 根据参考指标的特征变量IV值， 选择预测能力强的参考指标， 并挖掘数据的集中和 离散趋势， 设计用户短信效力标签； S7、 根据S6对用户短信效力标签设计的结果， 设计对应的催费策略。 2.根据权利 要求1所述的电力催费策略设计方法， 其特征在于， 步骤S3采用DBSCAN聚类 算法， 将用户的缴费日作为样本进 行聚类， 若用户的缴费日紧密地聚集在某日的范围内， 将 该日作为用户缴费偏好日。 3.根据权利要求2所述的电力催费策略设计方法， 其特 征在于， 步骤S3包括以下步骤： S31、 获取某用户历史缴费日数据样本X， 判断样本数是否大于等于12， 若样本不足返回 空值； 若样本足够， 根据对用户缴费偏好日的定义， 用户应当在某日前后缴费， 故设定邻域 半径 ε为1； 设任意一点为p， 则对应的ε邻域 为： Nε＝{q∈D|dist(p,q)≤ ε } 其对应的密度为： ρ(x)＝|Nε(x)| 采用总样本数的上四分位数计算该用户的最小点mi nPts， 其中， NX为该用户样本数： minPts＝NX*0.75 S32、 根据所设定 的半径ε和求取的最小点minPts进行聚类划分， 求得该用户对应的缴 费日密度核心点， 核心点x计算如下： ρ(x)≥mi nPts S33、 将该用户的所有核心点x求平均， 计算该用户的偏好日c； 并迭代所有用户样本数 据， 依次计算用户缴费偏好日。 4.根据权利要求1所述的电力催费策略设计方法， 其特征在于， 步骤S4中缴费信 息和欠 费相关信息包括缴费提醒催缴率、 催费通知催缴率、 智能缴费预警催缴率、 停电预警次数、 欠费停电次数、 逾期次数、 平均缴费时长及缴费偏好日。 5.根据权利要求1所述的电力催费策略设计方法， 其特 征在于， 步骤S5包括： S51、 利用参考指标数据， 根据步骤S2关联分析处理的催费短信发送若干天内是否有缴 费作为催费短信划分为正负样本的依据， 将催费短信发送后若干天内用户有缴费的数据设 为正样本， 若干天 内用户无缴费 的数据设为负样本， 并构建相关特征， 将问题 转化为机器学权　利　要　求　书 1/3 页 2 CN 114358559 A 2习的二分类问题； 计算参考指标的特征变量IV 值以用于对输入变量进 行编码和预测能力的 评估， 参考指标的特 征变量IV值的大小表示该变量预测能力的强弱； S52、 根据特 征变量IV值的大小筛 选预测能力强的特 征指标。 6.根据权利要求5所述的 电力催费策略设计方法， 其特征在于， 步骤S52筛选特征指标 时， 特征变量IV值小于0.03时表 示无预测能力； IV值介于0.03至0.09之间表 示预测能力弱； IV值介于0.1至0.29之间表示预测能力中等； IV值介于0.3至0.49之间表示预测能力强； IV 值大于0.5时表示预测能力极强。 7.根据权利要求1所述的电力催费策略设计方法， 其特征在于， 步骤S6通过构建用户短 信效力评估模 型设计用户短信效力标签； 所构建的评估模 型采用xgboost进 行有监督学习， 将基于步骤S 5根据特征变量IV 值筛选得到的特征指标作为特征输入， 将用户收到 短信后若 干天内是否缴费作为标签输入， 基于上述特征输入和标签输入训练得到用户短信效力评估 模型； 取需评估月之前的用户相关数据， 计算对应特征指标， 输入用户短信效力评估模型， 则模型输出为用户在评估月份收到短信后缴费的概 率。 8.根据权利要求7所述的电力催费策略设计方法， 其特征在于， 步骤S6所设计的用户短 信效力标签包括用户效力标签和时间 效力标签； 对于用户效力标签， 将模型输出概率在0.75以上的用户评估为高短信效力用户， 模型 输出概率介于0.2至0.75 之间的用户为中短信效力用户， 模 型输出概率低于0.2的用户为低 短信效力用户； 对于时间效力标签， 基于用户缴费偏好日， 结合短信发送日， 进行缴费偏好日与短信发 送日热力图分析； 依据热力图， 从短信发送时间与用户缴费偏好日 的间隔， 分为三个短信时 间效力区间： 短信发送日早于用户缴费偏好日且短信发送日与用户缴费偏好日相 近时， 催 费成功率最高， 为高短信效力时区； 短信发送日早于用户缴费偏好日但短信发送日与用户 缴费偏好日不相近时， 催费成功率最低， 为低短信效力时区； 短信发送日晚于用户缴费偏好 日时， 为中短信效力时区； 步骤S7中所设计的催费策略为： 对于短信催缴高效力用户， 有缴费偏好日的用户则在 高效力时区发送催费短信， 无缴费偏好日 的用户则保持不变； 对于 短信催缴中效力用户， 有 缴费偏好日 的用户则 在高效力时区发送催费短信， 无缴费偏好日 的用户则默认于10日发送 催费短信； 对于 短信催缴低效力用户， 有缴费偏好日 的用户则 在高效力时区发送催费短信， 无缴费偏好日的用户则默认于10日发送 催费短信。 9.电力催费策略设计系统， 其特 征在于， 包括以下模块： 数据获取模块， 用于获取催费短信发送 记录、 用户缴费记录； 数据关联分析处理模块， 用于处理用户缴费记录及催费短信发送记录， 将用户缴费记 录和催费短信发送 记录通过时间进行关联分析， 确定短信与缴费的关系； 缴费偏好日计算模块， 利用聚类算法计算用户缴费偏好日， 将簇看作是数据空间中被 低密度区域分割开的稠密对 象区域， 而高密度区域认为是用户集中缴费区， 将用户历史缴 费日数据进行聚类， 计算用户是否倾向于某日进行缴费以及所对应的偏好日期； 指标构建模块， 用于根据数据关联分析处理模块、 缴费偏好日计算模块处理后的数据 构建特征指标， 并生成指标体系， 以用户编号进 行聚合， 统计用户在一段时间内的缴费信息 和欠费相关信息， 并从催费短信中提取短信发送日、 催费金额， 构建用于用户短信效力分析权　利　要　求　书 2/3 页 3 CN 114358559 A 3