摘要：对话中自动识别用户的具体诉求是电力智能服务平台中的一项关键技术。通过诉求识别,可以对海量对话材料进行及时高效的电子建档、信息挖掘,降低人力成本、提升服务质量。针对这一问题,提出一种结合词汇、文段与上下文级别多层次语义信息表示的诉求识别方法。在每个层次上,引入ELMo预训练模型,通过设计不同的语义传递方式训练出表示不同层次语义信息的词向量。在真实的电力服务对话数据集上验证了该方法的有效性。

摘要：为了提升电力服务的智能化水平,文中基于软件工程理论完成了线上电力服务系统设计,主要包括在线服务接入、人工交互管理、知识图谱管理及系统支撑管理共4个模块。针对知识图谱中噪声数据多且较为稀疏的特点,将知识图谱的查询问题转化为图论中的子图匹配问题。通过引入邻域向量的概念,以相似度作为查询依据来有效提高系统的效率。相较于RDF-3X与NESS算法,所提算法在查询耗时上分别降低了85.59%和73.71%。此外,基于FastDFS分布式存储架构实现了知识图谱的分布式存储。且系统数据库的SQL查询、知识图谱的响应时间与单节点数据架构相比分别降低了58.3%和91.7%,故其具备良好的扩展性,并可满足未来数据增长需求。

摘要：传统电力服务快速响应建模方法存在客户诉求响应时间长、客户满意度低的问题,面对该问题,构建了基于多维大数据的长三角电力服务快速响应模型。在长三角电力服务需求数据采集网络构架的支持下,采集长三角电力客户基础档案数据、生产运行数据、关键设备智能化监测数据等,以采集到的电力多维大数据为基础,对电力需求信息进行分区定位,并采用决策树对电力客户特征进行分级,根据定位与分级结果构建电力服务响应模型。实验结果表明,该模型最短电力服务快速响应时间为2 s,最高评价分数为7分,实际应用效果更好。

摘要：国网浙江电力通过政企联动、优化服务网格和数智赋能,深化“村网共建”模式,全面提升乡村电力服务质效,助力乡村振兴。国网浙江省电力有限公司(以下简称“国网浙江电力”)深入贯彻落实党中央关于全面推进乡村振兴的战略部署,积极践行“人民电业为人民”企业宗旨,进一步延伸乡村供电服务渠道,制定“村网共建”电力便民服务示范点建设计划,完善服务网络,拓展服务内容,提升服务质效,助力乡村振兴取得实效。

摘要：对于数据共享过程中出现的干扰数据影响,基于经典粗糙集理论共享系统和基于传统关系数据库技术共享系统存在共享效率低的问题,提出基于云计算的电力服务大数据共享系统。根据云计算电力服务大数据的特征,设计系统结构,选择PIC18LF6680型号微处理器处理云计算环境下的数据,使用DS1820型号传感器将数据传输到系统之中。计算互补判断矩阵一致性指数,得到最优共享结果。利用自适应检测算法,剔除干扰数据,完成数据共享。由实验结果可知,该系统共享效率最高可达到99%,为保证电力服务大数据快速共享提供帮助。

摘要：以人脸识别技术在电力服务中的应用为研究对象,通过PCA神经网络进行人脸图像的降维和提取人脸的特征向量,在利用BP神经网络进行人脸识别,将识别出的人脸与电力服务客户身份进行绑定进行客户身份自动识别,提高电力服务的效率。通过本文所设计的基于人脸识别技术的电力服务客户身份自动识别系统可以快速准确的为电力客户提供身份自动识别服务,具有较好的先进性和实用性,具有非常实用的价值。

摘要：很多公用事业掌握资源，确定自己的服务规则，也习惯了在公权力的保护范围内忽略服务的设计。这是一种路向。很多时候不是领导者或者经营者刻意如此选择，而是做着做着就做成了这样。

摘要：作品简介:这幅作品以剪纸艺术形式表现电力建设者。电力服务助力乡村产业发展,带动乡村经济建设,为乡村振兴和人民生活提供电力保障支撑,助推中国式现代化建设。晨迎旭日晚披霞,塔架组立汗水洒,作业凌空身似燕,光明送往千万家。

摘要：基于中国共产党第十九次全国代表大会中指出的我国主要矛盾的变化,文章从新一轮电力体制改革研究入手,分析当前电网公司在电价、供电质量、供电服务水平上存在的不平衡,以及当前电网公司的竞争态势;并进一步立足于广安地区售电侧发展现状分析,提炼出以"理顺电力体制、统一电价标准、促进用能价格降低、服务民生改善、实现开放共享发展"为核心理念的新时代背景下电力服务"四同"策略;从同价、同质、同服务三个方面深化其具体内涵,并以关键指标和参考指标为维度,细化形成新时代背景下电力服务"四同"策略指标体系,确定了以社会责任、电网发展、市场经营为主要方向的实现路径;最后,从组织协调、机制创新等方面设计保障机制,确保各项重大任务顺利实施和总体目标的全面完成。

摘要：为了提升电力营销系统问答机器人的智能化水平,文中基于知识图谱技术对相关智能数据分析的方法进行了研究。通过分析隐含语义在知识图谱中的稠密化向量表示方法后,针对传统方法在复杂图谱下多实体间映射关系不准确的问题,设计了一种改进的三分支并行神经网络(TBPNN)。该网络针对三元组中的头实体、尾实体及约束关系建立了结构相同的三个神经网络,且每个神经网络均包含交互层、非线性层和输出层。为了验证该网络在营销知识图谱上的数据分析效果,使用部分人工构建的知识图谱进行了仿真实验。结果表明,相较于传统的TransE算法,TBPNN网络在MeanRank上降低了39.9%,在Hit@10指标上则提升了41.5%。而在一对一、一对多与多对多的三元组分类实验上,精度分别提升了3.3%、39.0%及54.7%。