| 這個作業屬於哪個課程 | https://edu.cnblogs.com/campus/zjlg/rjjc |
|---|---|
| 這個作業的目標 | 自由組隊成立兩人小組，完成“電梯演講”任務，向別人介紹你的產品 |
| 姓名-學號 | 王文彧-2021331201051 陳宇聰-2021330301009 |
| 影片地址 | https://b23.tv/rnxfyW4 |
一、作業影片地址：
【電梯演講】 https://b23.tv/rnxfyW4
二、方法細則：
最近剛好讀了些論文，順便整理一下方法。以售電公司視角來講述使用步驟和方案特點，現在已經擁有的是自己設立的套餐集T和採集的使用者集A。
- 1.BLAP聚類
將使用者集A進行BLAP聚類，具體是將A分為互不重疊的B個部分，因為效率原因每部分使用者數>=200且<400。這樣就只需要輸入各使用者畫像相似度而不是向原先一些協同過濾演算法一樣，需要預先設定聚類數。
透過畫像相似度，相似度，可信度，責任度等指標的計算輸入後，得到聚類結果，即可判定相似使用者（透過畫像與典型使用者集的聚類中心距離），並得到最佳聚類數c*。 - 2.猶豫模糊語言集
新設立套餐評價屬性集C，與使用者集A即可聯合設立Ai的語言評價集L，並轉化為評價矩陣。
屬性在售電套餐評價中的重要程度不同，因此需要確定權重，採用離差最大化法確定權重集W，再利用HFLWAO集結評價資訊，得到評價矩陣。
最後就可以聯合得到等值後使用者售電套餐評價矩陣。 - 3.售電套餐全排序推薦
由在1.BLAP聚類中得到的最佳聚類數c和判定相似使用者結果，計算在c下各聚類中心與畫像距離，最後得到相似使用者滿意度矩陣，並能夠結合以上結果，量化得到新使用者對售電套餐的滿意度，從而進行售電套餐的全排序推薦。
三、文字內容：
各位領導/投資人/使用者/合作伙伴：
我們的產品：基於BLAP聚類和多粒度猶豫模糊集的售電套餐推薦方法，這是為了解決售電公司的痛苦, 他們需要提高收益增加已有使用者粘度, 但是現有的方案（模糊c均值聚類演算法等）並沒有很好地解決這些需求,我們有獨特的辦法，這包括BLAP聚類和多粒度猶豫模糊集, 它能給使用者帶來好處：準確度高，聚類效率優異，為使用者提供個性化服務,增強使用者粘性，遠遠超過其他售電公司。同時, 我們有高效率的全排序自動推薦售電套餐的方法, 能很快地讓大部分使用者知道我們的產品, 並進一步傳播。
四、心得體會：
電梯演講的重點是短時間，清晰表達核心資訊。這可以應用在很多場合，無論在這種介紹專案的情景，還是在在日常工作中，甚至私下的交流中，我們都可以抓住機會去進行這種“精煉”能力的培養，最終它就能變成我們自我能力的一部分。