CN107437124A - 一种基于大数据分析的运营商投诉与故障关联分析方法 - Google Patents
一种基于大数据分析的运营商投诉与故障关联分析方法 Download PDFInfo
- Publication number
- CN107437124A CN107437124A CN201710595410.9A CN201710595410A CN107437124A CN 107437124 A CN107437124 A CN 107437124A CN 201710595410 A CN201710595410 A CN 201710595410A CN 107437124 A CN107437124 A CN 107437124A
- Authority
- CN
- China
- Prior art keywords
- complaint
- data
- complains
- data analysis
- big data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 37
- 238000007405 data analysis Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 54
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000003066 decision tree Methods 0.000 claims abstract description 10
- 238000012097 association analysis method Methods 0.000 claims abstract description 3
- 238000011156 evaluation Methods 0.000 claims description 22
- 238000013459 approach Methods 0.000 claims description 10
- 238000012517 data analytics Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 4
- 238000012098 association analyses Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 claims description 2
- 238000007794 visualization technique Methods 0.000 abstract description 2
- 238000013480 data collection Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000007418 data mining Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
- G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
- G06Q30/016—After-sales
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于大数据分析的运营商投诉与故障关联分析方法，具体包括：首先对现有客户投诉工单中的数据进行分析，找出影响用户投诉的存在因素；进而采用差异性分析的方法，从以上存在因素中得到影响投诉的可能因素；采用关联分析方法，确定产生用户投诉的主要因素；进一步提出相似属性匹配方法，对投诉原因与故障类型进行匹配，得到一个投诉‑故障数据集，作为后续建模的数据基础，并以可视化的方法得到用户投诉原因与故障发生的相关关系；最后采用多分类决策树作为分类器，建立基于信息增益赋权的多分类决策树的投诉预测模型，对潜在的投诉进行预测，提前进行客户关怀，提升用户感知，同时为投诉疏导提供合理化建议。
Description
技术领域
本发明涉及运营商投诉与故障分析领域，具体涉及一种基于大数据分析的运营商投诉与故障关联分析方法。
背景技术
近年来，移动通信市场的净增用户空间近乎饱和，移动运营商市场发展的战略必须朝提高用户的业务感知方向转变，当网络提供的业务质量达不到用户预期甚至超出了用户容忍极限后，用户通常会将其对业务质量的不满表现在投诉行为上，这严重影响运营商的品牌价值，可见用户满意度的重要性。
处理用户投诉是运营商服务工作中重要的一个环节，通过投诉可及时了解网络、业务中的不足。移动运营商提高投诉服务质量的重要环节是对用户投诉进行有效的分析和处理。但目前移动运营商对用户投诉的分析水平普遍较低，对投诉相关的网络数据资源利用率低，更缺乏对用户投诉科学的、系统的研究。日益复杂的用户需求对投诉分析提出了智能化要求，不仅要求能够对已经产生的用户投诉进行高效处理，同时要求对用户的业务使用感知进行实时观测、对用户的投诉倾向进行科学评估、对用户的投诉行为进行预测，在此基础上提前做好预处理措施。
受益于数据存储能力和大数据分析技术的完善，大数据分析在运营商的市场营销、网络运维方面广泛应用。利用数据分析结果优化网络，提升客户服务已成为时下热点。大数据技术为移动运营商了解用户需求、挖掘隐藏在投诉背后的原因，找到改进服务和产品质量的方法提供了技术支持。对移动运营商而言，数据挖掘技术有助于挖掘出用户真实的业务需求，有效降低企业运营成本，促使企业在激烈的商业竞争中占据上风。
发明内容
鉴于上述问题，为了提高移动运营商的投诉服务质量，在有效解决现有投诉的基础上，更要实现对用户投诉行为的预测，提前进行客户关怀，提出了一种基于大数据的运营商投诉与故障关联分析方法。
本发明为解决其问题所采用的技术方案为：一种基于大数据分析的运营商投诉与故障关联分析方法，该方法包括以下步骤：
步骤1：采用差异性分析的方法，得到影响用户投诉的可能因素；
步骤2：基于步骤1得到的影响投诉的可能因素，采用关联分析的方法，进一步确定影响用户投诉的主要因素；
步骤3：采用相似属性匹配方法，得到投诉原因-故障数据；
步骤4：基于步骤3得到的投诉原因-故障数据，采用两种数据分析方法和可视化方法，得到用户投诉原因与故障发生的相关关系；
步骤5：建立基于信息增益赋权的多分类决策树的投诉预测模型；
进一步地，提出了一种针对步骤1的差异性分析方法，主要包括数学柱形图可视化和0-1标签化。这两部分结合使用，逐个分析可能的投诉因素在每一类投诉原因中出现的频率情况，即从数学柱形图可视化的方面分析数据的波动性，波动大记为标签1，反之为标签0。
进一步地，提出一种针对步骤2的关联性分析的方法中的关联矩阵算子模型：
其中，若Am表示评价对象的m个替代方案，Xn表示n个评价指标，则Wj表示j个评价指标的权重，Vmj表示方案Am关于Xm指标的价值评定量，Vm表示评价值加权和。
根据最终得到的各拟定影响因素关联权重的结果，确定用户投诉的主要因素。
进一步地，提出一种针对步骤3的相似属性匹配方法，将投诉工单表和基站故障表两张独立的表格匹配在一起，最终提取主要属性形成一张新的数据集作为后续建模的数据基础。
具体的匹配方法的过程如下：
(1)将故障表和投诉表进行地点匹配；
(2)如果地点匹配成功，则将故障表和投诉表进行时间匹配；
(3)若时间匹配成功，则新建一张“投诉原因-故障”表将相关属性读取到表中。
(4)反之，则分析下一个网络故障流水号，直至所有的数据都匹配分析完成。
进一步地，针对新的投诉原因-故障数据，提出了两种不同的数据处理方法，分别是:概括数据分析法和详细数据分析法，方法如下：
(1)概括数据分析法：此方法只分析【投诉类别】中的第一项投诉大类别，类别一致则归为一类，反之。
(2)详细数据分析法：此方法只分析【投诉类别】中的后几项投诉小类别，后几项属性相似则归为一类，反之。
进一步地，上述两种不同的数据处理方法，其中概括数据分析法得到的数据会产生数据不平衡的现象，基于此，本发明选择一个基于信息增益的赋权方法对不平衡数据进行赋值，以减少不平衡数据对预测偏好的影响，信息增益模型如下：
Gain(A)＝Info(D)-InfoA(D)
其中Info(D)表示特征A作用前的信息熵，InfoA(D)表示特征A作用后的信息熵；
其中D表示训练数据集，c表示数据类别数，Pi表示类别i样本数量占所有样本的比例，k表示样本D被分为K个部分。
进一步地，构建出带权值的多分类决策树预测模型，模型评价指标包含：准确率和Kappa系数，具体公式如下：
其中Po为实际一致率，Pc为理论一致率；
其中栅格总象元数为n，真实栅格为1的象元数为a1，为0的象元数为a0，模拟栅格为1的象元数为b1，为0的象元数为b0，两个栅格对应象元值相等的象元数为s；通常kappa系数值落在0～1之间，值越高分类精度越高。
本发明取得的有益效果为：基于真实的运营商业务数据，从用户投诉角度入手，根据运营商(中国移动)提供的投诉工单与故障数据，利用数据挖掘相关技术，分析产生用户投诉的主要因素，并分析用户投诉原因与故障发生的相关关系，进而构建一个基于故障的投诉预测模型，对潜在投诉进行预测，提前进行客户关怀，提升用户感知，同时为投诉疏导提供合理化建议。
附图说明
下面结合附图和具体的实施方式对本发明作进一步详细的说明。
图1为一种基于大数据分析的运营商投诉与故障关联分析方法的流程图。
图2为差异性分析方法得到影响投诉的可能因素图。
图3为关联分析方法确定的主要投诉因素权重图。
图4为用户投诉原因与故障发生的相关关系可视化图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施方式对本发明进行详细描述。
本实施方式提供一种基于大数据分析的运营商投诉与故障关联分析方法，该方法包括下列步骤：
步骤1：采用差异性分析的方法，找出影响投诉的可能因素：
对现有投诉数据进行分析，找出影响用户投诉的存在因素有：反馈区县、故障时间、故障地点、客户品牌、客户级别、投诉场景6个因素；进而提出差异性分析的方法，找出影响投诉的可能因素，首先利用数学柱形图可视化方法分别分析每一种可能的影响因素在投诉原因中的数据频率，若某一因素的所有数据在投诉原因中占比比较悬殊，故认为此因素为影响用户投诉的一个可能因素。其他的影响因素的分析方法亦是如此。此外，为了直观的展示出不同网络原因下的用户投诉影响因素，还提出了0-1标签化的方法，数据波动大记为标签1，反之为标签0。不同网络原因中的各个投诉因素的结果分析如下表所示：
表1 不同网络原因中的各个投诉因素的结果分析
基于上表的结果，得到反馈区县、故障时间、故障地点、客户品牌、客户级别、投诉场景这6个投诉因素均为影响投诉的可能因素，如图2所示。
步骤2：采用关联分析的方法，确定产生用户投诉的主要因素：
所用的关联矩阵算子模型：
其中，若Am表示评价对象的m个替代方案，Xn表示n个评价指标，则Wj表示j个评价指标的权重，Vmj表示方案Am关于Xm指标的价值评定量，Vm表示评价值加权和。
最终得到各拟定的影响因素关联权重结果图如图3所示，通过对比可以确定【反馈区县】、【投诉场景】、【故障时间】这三者为用户投诉的主要因素。
步骤3：提出相似属性匹配方法，得到投诉原因-故障数据：
采用提出的相似属性匹配方法将投诉工单表和基站故障表两张独立的表格匹配在一起，最终提取主要属性形成一张新的数据集作为后续研究的数据基础，具体的相似属性匹配方法的实施过程如下：
(1)将基站故障表中的每一个【网络故障流水号】对应的【所属区县】和投诉工单表中的【反馈区县】进行地点匹配；
(2)如果所属地区相同，则分析投诉工单表中的【投诉时间】，是否在基站退服故障表中的【告警发生时间】和【告警清除时间】之间；
(3)若【投诉时间】在【告警发生时间】和【告警清除时间】之间，则通过程序新建一张“投诉原因-故障”表将相关属性读取到表中；
(4)反之，则分析下一个【网络故障流水号】，直至每一个【网络故障流水号】都匹配分析完成。
步骤4：采用两种数据分析方法和可视化方法，得到用户投诉原因与故障发生的相关关系：
对步骤3中形成的投诉原因-故障数据，进一步仔细分析，发现top20类别中已包含了91.5％的数据，如表2所示；基于这个数据表格，本方案还提出了概括数据分析法和详细数据分析法来得到投诉与故障发生的相关关系。
(1)概括数据分析法：此方法只分析【投诉类别】中的第一项投诉大类别，类别一致则归为一类，反之。
(2)详细数据分析法：此方法只分析【投诉类别】中的后几项投诉小类别，后几项属性相似则归为一类。
概括数据分析法和详细数据分析法对表2中的投诉数据进行分析整理的具体实施过程如下：
(1)概括数据分析法只考虑每条投诉类别数据中的第一个大类别。如表中只考虑大类别【基础通信】即可，其他数据依此类推。这样处理后，将原始投诉分类数据中的投诉类别最终变为8类，分别为：国际\港澳台业务、基础通信、基础业务、集团业务、家庭宽带、融合通信、业务响应和自有业务。
(2)详细数据分析法将表2中top20小类别中的1、3、7、10、11、12、14、16所代表的类别划分为：【话音基本业务.网络覆盖.室内外.地域】这一类别，表示不同区域影响的网络覆盖问题；同样地将top20类别中的2、4、5、6、9、13、18、19所代表的类别划分为：【互联网基本业务.4G(LTE).信号不好或网页无法打开】这一类别；将top20类别中的8、15、17、20所代表的类别划分为：【自有业务.WLAN.不同区域的WLAN.没有WLAN信号或有信号但无法使用】这一类别，这样就将top20类投诉类别进一步缩减为3大类。
表2 投诉-故障数据
基于以上处理好的数据，进一步利用数据分析软件的筛选功能将投诉故障对应的投诉原因提取出来，然后利用相应的数据采用treemap可视化的方法绘图如图4所示，可得到投诉原因与故障发生的相关关系如下:
(1)一个故障对应多种投诉原因；
(2)覆盖盲点在4种故障中所占的比重都非常大；
(3)设备故障、客户反应占比也较大。
步骤5：建立基于信息增益赋权的多分类决策树的投诉预测模型；
基于以上分析得到的影响用户投诉的主要因素和用户投诉原因与故障发生的相关关系，可以构建基于信息增益赋权的多分类决策树的投诉预测模型。
具体实施过程：分别利用概括分析法和详细分析法进一步处理得来的数据作为模型原始输入数据，并选择与投诉相关的6个影响因素设置为预测因子，最后导入基于信息增益权重的评价因子模型，从而构建基于信息增益赋权的多分类决策树的投诉预测模型。
两种不同的数据处理方式将产生两种不同的模型，本发明采用三个评价指标来评价模型的有效性，分别是混淆矩阵、准确率和Kappa系数，具体公式如下：
其中Po为实际一致率，Pc为理论一致率；
其中栅格总象元数为n，真实栅格为1的象元数为a1，为0的象元数为a0，模拟栅格为1的象元数为b1，为0的象元数为b0，两个栅格对应象元值相等的象元数为s。
通常kappa系数值落在0～1之间，值越高分类精度越高。如表3所示为第一种模型实验结果图，得到的准确率是94.52％，准确率虽高，但是存在很多全部预测错误的类别；Kappa系数是0.633，表示对投诉分类的预测精度较高。如表4所示为第二种模型的实验结果图，得到准确率是70.78％，准确率虽较低，但是不存在全部预测错误的类别；而Kappa系数是0.471，表明预测精度相对较低。综上可知两种模型功能互为补充，很有研究价值。
表3 模型1的评价指标
表4 模型2的评价指标
本实施例基于真实的运营商业务数据，从用户投诉角度入手，根据运营商(中国移动)提供的投诉工单与故障数据，利用数据挖掘相关技术，分析产生用户投诉的主要因素，并分析用户投诉原因与故障发生的相关关系，进而构建一个基于故障的投诉预测模型，对潜在投诉进行预测，提前进行客户关怀，提升用户感知，同时为投诉疏导提供合理化建议。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种基于大数据分析的运营商投诉与故障关联分析方法，其特征在于，该方法包括下列步骤：
步骤1：采用差异性分析的方法，得到影响用户投诉的可能因素；
步骤2：基于步骤1得到的影响用户投诉的可能因素，采用关联分析的方法，进一步确定用户投诉的主要因素；
步骤3：采用相似属性匹配方法，得到投诉原因-故障数据；
步骤4：基于步骤3得到的投诉原因-故障数据，采用两种数据分析方法和可视化方法，得到用户投诉原因与故障发生的相关关系；
步骤5：建立基于信息增益赋权的多分类决策树的投诉预测模型。
2.根据权利要求1所述的一种基于大数据分析的运营商投诉与故障关联分析方法，其特征在于，步骤1所述的差异性分析方法包括数学柱形图可视化和0-1标签化，这两部分结合使用，逐个分析影响用户投诉的可能因素在每一类投诉原因中出现的频率情况，即从数学柱形图可视化的方面分析数据的波动性，波动大记为标签1，反之为标签0。
3.根据权利要求1所述的一种基于大数据分析的运营商投诉与故障关联分析方法，其特征在于，进一步提出步骤2中所述的关联分析方法中的关联矩阵算子模型：
其中，若Am表示评价对象的m个替代方案，Xn表示n个评价指标，则Wj表示j个评价指标的权重，Vmj表示方案Am关于Xm指标的价值评定量，Vm表示评价值加权和。
根据最终得到的各拟定影响因素的关联权重结果，确定用户投诉的主要因素。
4.根据权利要求1所述的一种基于大数据分析的运营商投诉与故障关联分析方法，其特征在于，如步骤3所述的相似属性匹配方法，将投诉工单表和基站故障表两张独立的表格，通过相似属性提取主要属性，最终匹配为一张新的投诉原因-故障数据表作为后续研究的数据基础。
5.根据权利要求4所述的一种基于大数据分析的运营商投诉与故障关联分析方法，其特征在于，所述的相似属性匹配方法的具体过程如下：
(1)将故障表和投诉表进行地点匹配；
(2)如果地点匹配成功，则将故障表和投诉表进行时间匹配；
(3)若时间匹配成功，则新建一张“投诉原因-故障”表将相关属性读取到表中。
(4)反之，则分析下一个网络故障流水号，直至所有的数据都匹配分析完成。
6.根据权利要求1所述的一种基于大数据分析的运营商投诉与故障关联分析方法，其特征在于，步骤4所述的两种不同的数据处理方法包括：概括数据分析法和详细数据分析法。
7.根据权利要求6所述的一种基于大数据分析的运营商投诉与故障关联分析方法，其特征在于，所述的概括数据分析法只分析【投诉类别】中的第一项投诉大类别，类别一致则归为一类；所述的详细数据分析法只分析【投诉类别】中的后几项投诉小类别，小类别中的前几项属性基本都相同，后几项属性相似则归为一类。
8.根据权利要求1所述的一种基于大数据分析的运营商投诉与故障关联分析方法，其特征在于，步骤5所述的基于信息增益赋权的分类决策树的投诉预测模型为：
Gain(A)＝Info(D)-InfoA(D)
其中Info(D)表示特征A作用前的信息熵，InfoA(D)表示特征A作用后的信息熵；
其中D表示训练数据集，c表示数据类别数，Pi表示类别i样本数量占所有样本的比例，k表示样本D被分为K个部分。
9.根据权利要求8所述的一种基于大数据分析的运营商投诉与故障关联分析方法，其特征在于，构建出的基于信息增益赋权的多分类决策树预测模型的评价指标包括：混淆矩阵、准确率和Kappa系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710595410.9A CN107437124A (zh) | 2017-07-20 | 2017-07-20 | 一种基于大数据分析的运营商投诉与故障关联分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710595410.9A CN107437124A (zh) | 2017-07-20 | 2017-07-20 | 一种基于大数据分析的运营商投诉与故障关联分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107437124A true CN107437124A (zh) | 2017-12-05 |
Family
ID=60460168
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710595410.9A Pending CN107437124A (zh) | 2017-07-20 | 2017-07-20 | 一种基于大数据分析的运营商投诉与故障关联分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107437124A (zh) |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107992609A (zh) * | 2017-12-15 | 2018-05-04 | 广东电网有限责任公司信息中心 | 一种基于文本分类技术和决策树的投诉倾向判断方法 |
| CN108036941A (zh) * | 2017-12-26 | 2018-05-15 | 浙江大学 | 一种基于相关性可视分析的汽轮机轴承振动异常分析方法 |
| CN108389056A (zh) * | 2018-01-30 | 2018-08-10 | 阿里巴巴集团控股有限公司 | 一种确定投诉原因的方法及装置 |
| CN108416616A (zh) * | 2018-02-05 | 2018-08-17 | 阿里巴巴集团控股有限公司 | 投诉举报类别的排序方法和装置 |
| CN108470022A (zh) * | 2018-01-18 | 2018-08-31 | 南京邮电大学 | 一种基于运维管理的智能工单质检方法 |
| CN109165763A (zh) * | 2018-06-13 | 2019-01-08 | 广西电网有限责任公司电力科学研究院 | 一种95598客服工单的潜在被投诉的评估方法及装置 |
| CN109242257A (zh) * | 2018-08-09 | 2019-01-18 | 广州瀚信通信科技股份有限公司 | 一种基于关键指标关联分析的4g上网用户投诉模型 |
| CN109961248A (zh) * | 2017-12-25 | 2019-07-02 | 顺丰科技有限公司 | 运单投诉预测方法、装置、设备及其存储介质 |
| CN109993392A (zh) * | 2017-12-31 | 2019-07-09 | 中国移动通信集团安徽有限公司 | 业务投诉风险预估方法、装置、计算设备及存储介质 |
| CN110619406A (zh) * | 2018-06-19 | 2019-12-27 | 中移信息技术有限公司 | 一种确定业务异常的方法及装置 |
| CN110650052A (zh) * | 2019-09-26 | 2020-01-03 | 科大国创软件股份有限公司 | 一种基于智能算法的客户原因故障识别处理方法及系统 |
| CN111083721A (zh) * | 2019-12-23 | 2020-04-28 | 中国联合网络通信集团有限公司 | 基站退服告警的处理方法和装置 |
| CN111181786A (zh) * | 2019-12-30 | 2020-05-19 | 杭州东方通信软件技术有限公司 | 用户反馈故障信息处理方法、设备、服务器和存储介质 |
| CN111242171A (zh) * | 2019-12-31 | 2020-06-05 | 中移（杭州）信息技术有限公司 | 网络故障的模型训练、诊断预测方法、装置以及电子设备 |
| CN111292094A (zh) * | 2018-12-07 | 2020-06-16 | 中国移动通信集团重庆有限公司 | 基于大数据技术的投诉预警的方法、装置、设备和介质 |
| CN111314124A (zh) * | 2020-02-07 | 2020-06-19 | 中国联合网络通信集团有限公司 | 高铁网络的网络问题分析方法、装置、设备及存储介质 |
| CN111340323A (zh) * | 2018-12-19 | 2020-06-26 | 中国移动通信集团湖南有限公司 | 一种投诉服务请求自动派单方法及系统 |
| CN111553816A (zh) * | 2020-04-20 | 2020-08-18 | 北京北大软件工程股份有限公司 | 行政复议影响因素分析方法及装置 |
| CN112529602A (zh) * | 2020-12-23 | 2021-03-19 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、可读存储介质和电子设备 |
| CN112584407A (zh) * | 2020-12-04 | 2021-03-30 | 重庆玖舆博泓科技有限公司 | 一种基于时空联合的lte用户投诉定性方法及装置 |
| CN113496338A (zh) * | 2020-04-08 | 2021-10-12 | 中国移动通信集团广东有限公司 | 网络质差原因的分析方法、系统及装置 |
| CN113553499A (zh) * | 2021-06-22 | 2021-10-26 | 杭州摸象大数据科技有限公司 | 一种基于营销裂变的作弊探测方法、系统和电子设备 |
| CN113795032A (zh) * | 2021-09-26 | 2021-12-14 | 中国联合网络通信集团有限公司 | 室分隐形故障的判断方法、装置、存储介质及设备 |
-
2017
- 2017-07-20 CN CN201710595410.9A patent/CN107437124A/zh active Pending
Cited By (38)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107992609A (zh) * | 2017-12-15 | 2018-05-04 | 广东电网有限责任公司信息中心 | 一种基于文本分类技术和决策树的投诉倾向判断方法 |
| CN107992609B (zh) * | 2017-12-15 | 2021-05-18 | 广东电网有限责任公司信息中心 | 一种基于文本分类技术和决策树的投诉倾向判断方法 |
| CN109961248A (zh) * | 2017-12-25 | 2019-07-02 | 顺丰科技有限公司 | 运单投诉预测方法、装置、设备及其存储介质 |
| CN108036941A (zh) * | 2017-12-26 | 2018-05-15 | 浙江大学 | 一种基于相关性可视分析的汽轮机轴承振动异常分析方法 |
| CN108036941B (zh) * | 2017-12-26 | 2019-10-22 | 浙江大学 | 一种基于相关性可视分析的汽轮机轴承振动异常分析方法 |
| CN109993392A (zh) * | 2017-12-31 | 2019-07-09 | 中国移动通信集团安徽有限公司 | 业务投诉风险预估方法、装置、计算设备及存储介质 |
| CN108470022A (zh) * | 2018-01-18 | 2018-08-31 | 南京邮电大学 | 一种基于运维管理的智能工单质检方法 |
| CN108389056A (zh) * | 2018-01-30 | 2018-08-10 | 阿里巴巴集团控股有限公司 | 一种确定投诉原因的方法及装置 |
| WO2019149145A1 (zh) * | 2018-02-05 | 2019-08-08 | 阿里巴巴集团控股有限公司 | 投诉举报类别的排序方法和装置 |
| CN108416616A (zh) * | 2018-02-05 | 2018-08-17 | 阿里巴巴集团控股有限公司 | 投诉举报类别的排序方法和装置 |
| US10915706B2 (en) | 2018-02-05 | 2021-02-09 | Advanced New Technologies Co., Ltd. | Sorting text report categories |
| CN109165763A (zh) * | 2018-06-13 | 2019-01-08 | 广西电网有限责任公司电力科学研究院 | 一种95598客服工单的潜在被投诉的评估方法及装置 |
| CN109165763B (zh) * | 2018-06-13 | 2021-12-07 | 广西电网有限责任公司电力科学研究院 | 一种电网客服工单的潜在被投诉的评估方法及装置 |
| CN110619406A (zh) * | 2018-06-19 | 2019-12-27 | 中移信息技术有限公司 | 一种确定业务异常的方法及装置 |
| CN109242257A (zh) * | 2018-08-09 | 2019-01-18 | 广州瀚信通信科技股份有限公司 | 一种基于关键指标关联分析的4g上网用户投诉模型 |
| CN111292094A (zh) * | 2018-12-07 | 2020-06-16 | 中国移动通信集团重庆有限公司 | 基于大数据技术的投诉预警的方法、装置、设备和介质 |
| CN111340323A (zh) * | 2018-12-19 | 2020-06-26 | 中国移动通信集团湖南有限公司 | 一种投诉服务请求自动派单方法及系统 |
| CN111340323B (zh) * | 2018-12-19 | 2023-09-05 | 中国移动通信集团湖南有限公司 | 一种投诉服务请求自动派单方法及系统 |
| CN110650052A (zh) * | 2019-09-26 | 2020-01-03 | 科大国创软件股份有限公司 | 一种基于智能算法的客户原因故障识别处理方法及系统 |
| CN110650052B (zh) * | 2019-09-26 | 2022-08-12 | 科大国创软件股份有限公司 | 一种基于智能算法的客户原因故障识别处理方法及系统 |
| CN111083721A (zh) * | 2019-12-23 | 2020-04-28 | 中国联合网络通信集团有限公司 | 基站退服告警的处理方法和装置 |
| CN111083721B (zh) * | 2019-12-23 | 2023-04-07 | 中国联合网络通信集团有限公司 | 基站退服告警的处理方法和装置 |
| CN111181786A (zh) * | 2019-12-30 | 2020-05-19 | 杭州东方通信软件技术有限公司 | 用户反馈故障信息处理方法、设备、服务器和存储介质 |
| CN111181786B (zh) * | 2019-12-30 | 2022-06-10 | 杭州东方通信软件技术有限公司 | 用户反馈故障信息处理方法、设备、服务器和存储介质 |
| CN111242171B (zh) * | 2019-12-31 | 2023-10-31 | 中移（杭州）信息技术有限公司 | 网络故障的模型训练、诊断预测方法、装置以及电子设备 |
| CN111242171A (zh) * | 2019-12-31 | 2020-06-05 | 中移（杭州）信息技术有限公司 | 网络故障的模型训练、诊断预测方法、装置以及电子设备 |
| CN111314124A (zh) * | 2020-02-07 | 2020-06-19 | 中国联合网络通信集团有限公司 | 高铁网络的网络问题分析方法、装置、设备及存储介质 |
| CN111314124B (zh) * | 2020-02-07 | 2023-04-07 | 中国联合网络通信集团有限公司 | 高铁网络的网络问题分析方法、装置、设备及存储介质 |
| CN113496338A (zh) * | 2020-04-08 | 2021-10-12 | 中国移动通信集团广东有限公司 | 网络质差原因的分析方法、系统及装置 |
| CN113496338B (zh) * | 2020-04-08 | 2023-08-22 | 中国移动通信集团广东有限公司 | 网络质差原因的分析方法、系统及装置 |
| CN111553816B (zh) * | 2020-04-20 | 2023-11-03 | 北京北大软件工程股份有限公司 | 行政复议影响因素分析方法及装置 |
| CN111553816A (zh) * | 2020-04-20 | 2020-08-18 | 北京北大软件工程股份有限公司 | 行政复议影响因素分析方法及装置 |
| CN112584407A (zh) * | 2020-12-04 | 2021-03-30 | 重庆玖舆博泓科技有限公司 | 一种基于时空联合的lte用户投诉定性方法及装置 |
| CN112584407B (zh) * | 2020-12-04 | 2022-07-22 | 重庆玖舆博泓科技有限公司 | 一种基于时空联合的lte用户投诉定性方法及装置 |
| CN112529602A (zh) * | 2020-12-23 | 2021-03-19 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、可读存储介质和电子设备 |
| CN113553499A (zh) * | 2021-06-22 | 2021-10-26 | 杭州摸象大数据科技有限公司 | 一种基于营销裂变的作弊探测方法、系统和电子设备 |
| CN113795032A (zh) * | 2021-09-26 | 2021-12-14 | 中国联合网络通信集团有限公司 | 室分隐形故障的判断方法、装置、存储介质及设备 |
| CN113795032B (zh) * | 2021-09-26 | 2023-12-08 | 中国联合网络通信集团有限公司 | 室分隐形故障的判断方法、装置、存储介质及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107437124A (zh) | 一种基于大数据分析的运营商投诉与故障关联分析方法 | |
| CN109684530B (zh) | 基于web管理与手机小程序应用的信息推送服务系统 | |
| KR20160049508A (ko) | 주택 단지 지능 추천 방법, 장치, 저장 매체 및 설비 | |
| CN108462888A (zh) | 用户电视及上网行为的智能关联分析方法及系统 | |
| CN103336790A (zh) | 基于Hadoop的邻域粗糙集快速属性约简方法 | |
| CN103501503A (zh) | 一种网络问题分析方法和装置 | |
| CN104317839A (zh) | 生成报表模板的方法和装置 | |
| CN108628964B (zh) | 一种智能场景化企业大数据系统 | |
| CN110489749B (zh) | 一种智能办公自动化系统的业务流程优化方法 | |
| CN103336791A (zh) | 基于Hadoop的粗糙集快速属性约简方法 | |
| CN112418651B (zh) | 一种基于数字孪生的共享农机实时调度方法 | |
| CN108491226A (zh) | 基于集群缩放的Spark配置参数自动调优方法 | |
| CN104715127A (zh) | 一种投诉热点区域识别方法及系统 | |
| CN114546365B (zh) | 一种流程可视化的建模方法、服务器、计算机系统及介质 | |
| CN114547452A (zh) | 一种基于多维画像评估的网格管理优化方法及系统 | |
| CN112785418B (zh) | 信贷风险建模方法、装置、设备及计算机可读存储介质 | |
| CN106953757A (zh) | 一种LTE网络中QoE量化指标模型的建立方法 | |
| CN110309205B (zh) | 一种信用决策数据优化提取系统及方法 | |
| CN104579850A (zh) | 移动互联网环境下Web服务的服务质量QoS预测方法 | |
| CN104239471A (zh) | 以行为模拟方式进行数据查询/交换的装置及其方法 | |
| CN115983478A (zh) | 分布式光伏发电功率预测分析方法、系统、终端及介质 | |
| CN101620597A (zh) | 移动通信业数据业务的产品关联分析方法 | |
| CN112950279A (zh) | 基于机器学习的精准营销策略模型构建方法及装置 | |
| CN106332137A (zh) | Lte无线网络结构优化方法及系统 | |
| CN114328169A (zh) | 一种动态页面的测试方法及其系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171205 |