:
第六届“泰迪杯”数据挖掘挑战赛- B 题：电视产品的营销推荐
资源介绍:
第六届“泰迪杯”数据挖掘挑战赛—— B 题：电视产品的营销推荐 资源内包含题目要求及原始数据、本人自己做的解题代码、使用的数据、实验论文 适合备战“泰迪杯”类型的数据挖掘类比赛的本科生进行学习 能学到数据处理的基本方法以及物联网数据分析的相关知识
第六
届“泰迪杯”
数据
挖掘挑战赛
优
秀
作
品
作品名称：基于收视记录的电视产品营销及用户画像
荣获奖项：一等并获信诺创新奖
作品单位：河海大学
作品成员：方思越 钟雨纯 杨洋
指导老师：施国良
“泰迪杯”挑战赛优秀作品
基于收视记录的电视产品营销及用户画像
摘要：三网融合的背景下，一方面越来越多的家庭对机顶盒电视实际上有了
更高的需求，希望快速获得目标资源；另一方面，电视服务供应商也希望有效挖
掘出用户需要和感兴趣的资源、信息，实现大数据分析，形成个性化的产品营销
及有偿服务。
该论文基于用户收视信息、产品信息及用户套餐数据，利用协同过滤及分类
的思想，先为用户做产品推荐，再进行分类推荐，并对套餐设置提出建议。
首先对数据进行预处理，对数据进行清洗、转换，利用爬虫捕捉网络数据进
行数据补充。
对于第一题，主要使用“用户点播信息”与“用户单片点播信息”表，基于
用户的协同过滤与基于电视产品的协同过滤相结合，为用户推荐电视产品。
对于第二题，在第一题的基础上结合三个附件，构建用户标签体系与产品标
签体系，按照标签体系对用户和产品进行分类，利用分类后的用户-产品类别矩
阵再次进行协同过滤，实现分类推荐。
分析现有套餐设置结构，并对套餐的销售品字段进行拆分。利用套餐拆分后
的结果和用户画像的结果进行关联规则，发现不同用户画像与套餐内容之间的规
律，为套餐推荐提出建议。
文章最后对此次实验做出总结，浅谈收获并对未来做出展望。
关键词：Excel；协同过滤；爬虫；Python
“泰迪杯”挑战赛优秀作品
Television Product Recommendations and User
Portraits Based on Viewing History
Abstract: In the integration of three networks age, on the one hand, more and
more families actually have higher demand for set-top TVs and hope to quickly obtain
target resources; on the other hand, TV service providers also hope to effectively tap
user needs and senses. Resources and information of interest, realizing big data
analysis, and forming personalized product marketing and paid services.
This paper is based on user viewing history information, product information and
user package data. It uses the idea of collaborative filtering and classification to make
product recommendations for users first, and then makes recommendations for
categorized users. Also, we make suggestions for package settings.
First, the data is preprocessed. The data is cleaned and converted, and we use the
crawler captures network data to supplement the data.
For the first question, the last two sheets in the first annex are mainly used, and
user-based collaborative filtering is combined with collaborative filtering based on
television products to recommend television products for users.
For the second question, our method is based on the results of the first question
and the three attachments were combined to build a user tag system and a product
labeling system. The users and products were classified according to the tag system,
and the classified user-product category matrix was used again. We again use
collaborative filtering to achieve classification recommendations.
Analyze the existing package setup structure and split the sales item field of the
package. Using the result of the splitting of the package and the result of the user's
portrait, the association rule is found, and the rules between the portraits of different
users and the contents of the package are found, and suggestions are given for the
package recommendation.
At the end of the article, a summary of this experiment is given, which is about
harvesting and looking forward to the future.
Key words: Excel; Collaborative filtering; Web crawler; Python
“泰迪杯”挑战赛优秀作品
目录
一、 引言 ..................................................... 1
1.1 背景 .................................................... 1
1.2 研究内容 ................................................ 1
1.3 研究思路 ................................................ 1
二、数据预处理.................................................. 2
2.1 附件 1：用户收视信息..................................... 2
2.1.1 用户收视信息 ...................................... 2
2.1.2 用户回看信息 ...................................... 2
2.1.3 用户点播信息 ...................................... 2
2.1.4 用户单片点播信息 .................................. 3
2.2 附件 2：电视产品信息数据................................. 3
2.3 附件 3：用户基本信息..................................... 3
三、研究方案及实施.............................................. 3
3.1 问题一 .................................................. 3
3.1.1 基于用户的协同过滤 ................................ 4
3.1.2 基于电视产品的协同过滤 ............................ 5
3.1.3 方案实施及测试 .................................... 6
3.2 问题二 .................................................. 7
3.2.1 构建用户标签体系（用户画像） ...................... 7
3.3.2 构建产品标签体系 .................................. 9
3.2.3 电视产品分类推荐 .................................. 9
四、电视套餐建议............................................... 11
4.1 分析套餐结构 ........................................... 11
4.2 对内容相同的套餐进行合并归类 ........................... 12
4.3 形成用户数据表 ......................................... 13
4.4 实施关联规则 ........................................... 13
五、 总结 .................................................... 15
5.1 结论 ................................................... 15
“泰迪杯”挑战赛优秀作品
资源文件列表:
综合实验.zip 大约有20个文件
综合实验/1基于KNN算法和RFM模型的电视产品营销策略研究.docx 2.38MB
综合实验/代码文件/- 综合实验/代码文件/代码文件.ipynb 1.22MB
- 综合实验/实验数据/
- 综合实验/实验数据/表1：1用户回看信息预处理.csv 1.67MB
- 综合实验/实验数据/表2：1用户收视信息预处理.csv 24.55MB
- 综合实验/实验数据/表3：1用户点播信息预处理.csv 43.75KB
- 综合实验/实验数据/表4：1稀疏矩阵指标.csv 4.5MB
- 综合实验/实验数据/表5：2RFM模型.csv 1.22KB
- 综合实验/实验数据/表6：2用户相似度商品推荐指标预处理.csv 4.85KB
- 综合实验/实验数据/表7：2用户相似度商品推荐指标.csv 10.53KB
- 综合实验/实验数据/表8：2用户分类.csv 4.5KB
- 综合实验/实验数据/表9：2商品推荐(同时存在于附件三及点播付费表中的用户).csv 17.59KB
- 综合实验/原始数据与题目要求/
- 综合实验/原始数据与题目要求/参考答案2.pdf 1001.56KB
- 综合实验/原始数据与题目要求/参考解答.pdf 1.29MB
- 综合实验/原始数据与题目要求/附件1：用户收视信息.xlsx 18.17MB
- 综合实验/原始数据与题目要求/附件2：电视产品信息数据.csv 8.41MB
- 综合实验/原始数据与题目要求/附件3：用户基本信息.csv 201.45KB
- 综合实验/原始数据与题目要求/基于协同过滤的电视产品个性化推荐.pdf 221.15KB
下载后解压，然后导入mc.zip
两阶段鲁棒优化模型 多场景
采用matlab编程两阶段鲁棒优化程序，考虑四个场景，模型采用列与约束生成（CCG）算法进行求解，场景分布的概率置信区间由 1-范数和∞-范数约束，程序含拉丁超立方抽样+kmeans数据处理程序，程序运行可靠，有详细资料
matlab复现，考虑综合需求响应和阶梯型碳交易机制的综合能源系统优化调度策略。
关键词，综合能源系统，碳交易机制，综合需求响应。
matlab复现，考虑综合需求响应和阶梯型碳交易机制的综合能源系统优化调度策略。
关键词，综合能源系统，碳交易机制，综合需求响应。
这是一个关于能源管理的程序，主要用于优化电力系统的运行，以降低能源成本和碳排放量。程序包括了多个变量和常量的定义，以及各种约束条件和目标函数。
程序的主要功能是根据电力系统的负荷需求和能源预测数据，优化各种能源设备的运行策略，以实现最佳的能源利用效率和经济性。程序涉及的领域包括电力系统运行、能源管理和碳排放减少。
程序的主要工作流程如下：
1. 初始化各个变量和常量，包括电力负荷、能源预测数据、能源设备的特性参数等。
2. 定义各种约束条件，包括能源设备的运行限制、负荷需求的平衡、能源储存设备的容量限制等。
3. 定义目标函数，包括能源成本和碳排放量的最小化。
4. 使用优化算法求解最优解，得到各个能源设备的运行策略和最佳能源利用方案。
5. 分析优化结果，包括各个能源设备的运行状态、能源成本和碳排放量等。
6. 绘制相关
MATLAB代码：考虑用户舒适度的冷热电多能互补综合能源系统优化调度
关键词：用户舒适度 综合能源 PMV 优化调度
仿真平台：MATLAB+yalmip+cplex
主要内容：代码主要做的是考虑用户舒适度的冷热电多能互补综合能源系统优化调度模型，在传统的冷热电联供型综合能源系统的基础上，进一步考虑了热惯性以及用户的舒适度，并用预测平均投票数PMV对用户的舒适度进行衡量，且通过改变PMV的数值，可以对比不同舒适度要求对于综合能源系统调度结果的影响。
同时，代码还补充性的考虑了碳排放交易机制，并设置经济性最优以及碳排放最优两种对比场景，从而丰富算例，效果非常明显。
这个程序主要是一个并网模式下的经济成本最优调度模型。它涉及到电力、热力、制冷和气力等多个领域，并通过优化算法来实现最优调度。
首先，程序读取了一天的数据，包括电负荷、气负荷、光电出力预期值、风电出力预期值和室外温度等。
然后，定义了各种变量和常量，包括微燃气轮机电功率出力、燃气轮机电效率、燃气轮机热效率、余热锅炉输出热功率、余热回收效率、燃气锅炉输出热功率、燃气锅炉效率、吸收式制冷机输出冷功率、吸收式制冷机制冷系数、电制
一个Springboot+Vue前后端不分离的学生选课系统
包含用户手册、设计文档、代码、数据库、ER图
可用于数据库系统课程单人项目
写给大忙人看的JAVA核心技术
Java 8实战-Java 8实战
分布式微电网能源交易算法matlab源代码，
代码按照高水平文章复现，保证正确
孤岛微电网之间的能源交易问题，提出了一种分布式算法。
这个问题由几个通过任意拓扑交换能量流的岛屿微网格组成。
提出了一种基于次梯度的开销最小化算法，该算法在实际迭代次数有限的情况下收敛到最优解
几个微电网通过交换能量相互作用，以使全球运行成本最小化，同时仍然满足其局部需求。
在此背景下，提出了一种迭代分布式算法，该算法在微电网数量上保持局部成本函数。
这个程序主要是解决能源交易优化问题的。它通过读取配置文件中的不同配置，对每个配置进行优化计算，得到最优的能源交易方案。
程序的主要部分如下：
1. 清除工作区和关闭所有图形窗口。
2. 设置模拟参数，包括输入文件路径、拓扑结构、最大迭代次数、终止条件等。
3. 读取配置文件中的参数，并计算出一些初始值。
4. 创建成本函数和传输成本函数。
5. 进行一些调试操作，如绘制图形等。
6. 计算Lambdas的最小和最大值，并初始化Lambdas和椭圆矩阵。
7. 进行主算法迭代。
8. 在每次迭代中，根据给定的Lambdas解决本地微电网问题，计算和拿后的能量
