杨凯利，张其静，娄红红，张雪清，瞿强

(贵州电网有限责任公司六盘水供电局，贵州 六盘水 553000)

随着智能电网时代的到来，电力系统正在朝着数字化、信息化的方向快速发展，电力系统运行数据也越来越快地产生与积累，如何基于用户需求来高效地将海量数据中的有用信息提炼挖掘出来，如何精准地向用户发送个性化的信息推荐，以便更好地提高电力系统的服务质量，已经成为当前电力系统亟待思考的问题[1-3]。推荐系统一直以来都是人工智能、数据挖掘、信息检索等领域的“热点”研究课题[4-7]，电力系统也不例外。近年来国内外先后出现了多种推荐算法，为电力大数据的个性化推荐打下坚实的基础，包括混合推荐算法、基于图结构的推荐算法、协同过滤推荐算法、基于内容的推荐算法等等。协同过滤推荐由于具备较佳的共享性与普适性，且推荐精度较高而被电力系统大规模应用[8]。

传统协同过滤推荐算法通常都是对物品的相似性进行计算，以计算结果为基准来向用户推荐，虽然推荐结果可对不同目标之间的相似性进行体现，但并未考虑知识关联度，而知识关联度与目标相似性没有直接联系[9]。基于传统协同过滤推荐算法来看，与目标相似的物品通常会取得较高的排名，而与目标相关联、但并不相似的物品则较易被忽略[10]，这样一来，导致推荐结果的准确度较低。有鉴于此，本文设计了一种新型电力大数据协同过滤推荐算法，有机融合了协同过滤技术与关联规则挖掘技术，将目标之间的相似度与关联度均纳入到影响因素之中，推荐结果既存在着关联性，又具备相似性。……