CN109963292A - 投诉预测的方法、装置、电子设备和存储介质 - Google Patents
投诉预测的方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN109963292A CN109963292A CN201711415665.9A CN201711415665A CN109963292A CN 109963292 A CN109963292 A CN 109963292A CN 201711415665 A CN201711415665 A CN 201711415665A CN 109963292 A CN109963292 A CN 109963292A
- Authority
- CN
- China
- Prior art keywords
- cell
- terminal
- ticket
- prediction
- duration
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明实施例提供一种投诉预测的方法、装置、电子设备和存储介质。所述方法包括若终端于检测周期内在常驻小区发生回落,则确定回落时长;若回落时长超过预设门限,则将该常驻小区确定为预测投诉小区。所述方法通过分析终端在常驻小区的回落时长,有针对性地对终端的常驻小区的网络质量进行投诉预测,可以提高投诉预测的准确性。
Description
技术领域
本发明实施例涉及通信技术领域,特别是一种投诉预测的方法、装置、电子设备和存储介质。
背景技术
随着4G(4rd-Generation,第四代移动通信技术)的普及与发展,4G终端数快速增长,同时4G网络投诉量也不断增多,其中流量使用类投诉尤为常见。
现有技术中投诉处理流程为:终端发现通信业务使用异常,拨打客服电话进行投诉,投诉处理人员受理投诉,并按指定规范进行投诉预处理,以解决问题,或者根据投诉生成投诉单供后续处理。
然而,这种投诉处理方式的效率比较低,原因一方面在于依靠终端发现问题后被动受理投诉,再对投诉进行处理,存在时间滞后性,另一方面是人工重复按照规范排查问题,耗时较长,此外,可能还需与终端进行沟通,增加时间成本。
因此,现有技术中提出对投诉进行预测的方案,可提前进行投诉定位处理,以保障通信网络稳定、降低投诉量。
现有技术中对投诉进行预测的方案主要有三种:
第一种是根据小区设定周期话务量与历史数据比较判断故障小区,再分离故障小区稳定用户,计算恶劣感知系数以筛选其中的恶劣感知用户的方法进行投诉预测的方法。
第二种是基于流量使用记录、历史投诉记录、套餐及业务订购数据记录等投诉相关特征,通过分类模型进行投诉可能性预测的方法。
第三种是通过定义用户流量超出套餐占比和通话超出套餐占比的二维向量作为特征,根据训练样本的特征与投诉关系,对待测用户的特征分析进而预测投诉倾向。
总的来说,这些方法都是通过历史数据作为样本或基础,利用概率模型或智能算法来预测待测用户的投诉倾向,从而达到投诉预测的效果。
投诉预测与主动发现,对降低投诉量、提高用户感知质量有着重要意义。目前的方案,主要通过历史数据作为基础进行投诉预测。
第一种方案的缺陷在于:以基站业务量符合特定概率分布的假定,从基站故障出发进行投诉预测,但基站实际业务量的波动性以及恶劣感知系数的权重设定可能造成预测精度较低的问题。
第二种和第三种方案的缺陷在于:均为选取相关特征,根据历史特征数据构造预测模型进行投诉预测,但特征的选取对预测的精度影响较大,而且预测模型的复杂性增大了实现难度。
发明内容
针对现有技术的缺陷,本发明实施例提供一种投诉预测的方法、装置、电子设备和存储介质。
一方面,本发明实施例提供一种投诉预测的方法,所述方法包括:
若终端于检测周期内在常驻小区发生回落,则确定回落时长;
若所述回落时长超过预设门限,则将该常驻小区确定为预测投诉小区。
另一方面,本发明实施例提供一种投诉预测的装置,所述装置包括:
确定模块,用于若终端于检测周期内在常驻小区发生回落,则确定回落时长;
预测模块,用于若所述回落时长超过预设门限,则将该常驻小区确定为预测投诉小区。
另一方面,本发明实施例还提供一种电子设备,包括存储器、处理器、总线以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以上方法的步骤。
另一方面,本发明实施例还提供一种存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上方法的步骤。
由上述技术方案可知,本发明实施例提供的投诉预测的方法、装置、电子设备和存储介质,所述方法通过分析终端在常驻小区的回落时长,有针对性地对终端的常驻小区的网络质量进行投诉预测,可以提高投诉预测的准确性。
附图说明
图1为本发明实施例提供的一种投诉预测的方法的流程示意图;
图2为本发明又一实施例提供的投诉处理的流程示意图;
图3为本发明又一实施例提供的一种投诉预测的方法的流程示意图;
图4为本发明又一实施例提供的特征小区库构建流程示意图;
图5为本发明又一实施例提供的检测回落的流程示意图;
图6为本发明又一实施例提供的投诉预测的装置的模块组成结构示意图;
图7为本发明又一实施例提供的投诉预测的方法的工作步骤示意图;
图8为本发明又一实施例提供的一种投诉预测的装置的结构示意图;
图9为本发明又一实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本发明实施例一部分实施例,而不是全部的实施例。
图1示出了本发明实施例提供的一种投诉预测的方法的流程示意图。
如图1所示,本发明实施例提供的方法具体包括以下步骤:
步骤11、若终端于检测周期内在常驻小区发生回落,则确定回落时长;
可选地,本发明实施例提供的方法在投诉预测的装置上实现,投诉预测的装置可为无线网络优化平台。
可选地,获取预先构建的终端常驻小区库,所述终端常驻小区库包括多个终端的标识以及每一终端对应的常驻小区的标识。
可选地,所述终端常驻小区库是本发明实施例创建的数据库,通过查询所述终端常驻小区库,可以得到各个终端的常驻小区。
可选地,所述终端是指UE(User Equipment,终端设备),所述常驻小区是预先确定的终端停留时间比较长的小区,所述终端常驻小区库中的每一终端包括至少一个常驻小区。
可以理解的是,终端在使用4G(4rd-Generation,第四代移动通信技术)上网时,与基站通信的过程中会产生4G的XDR(Detail Records,详细记录)话单,XDR话单中包括产生XDR话单的时间,该终端的标识以及小区的标识。
可选地,统计同一终端在同一个小区产生的XDR话单的数量,若该终端在同一个小区均产生较多数量的XDR话单,说明该小区可能是该终端的操作者的公司、学校或家里等场所,因此将该小区作为该终端的常驻小区。
可选地,所述终端的标识可为MSISDN(Mobile SubscriberInternational ISDN/PSTN number,公共电话网交换网络编号计划中移动终端的号码),MSISDN是唯一能识别终端的号码。
可选地,所述常驻小区的标识可为小区ECI(E-UTRAN Cell Identifier,无线接入网的小区标识符)。
可选地,以所述常驻小区为4G小区为例说明,若4G网络在某个4G小区网络质量不好,终端将从4G小区回落至2G(2rd-Generation,第二代移动通信技术)或3G(3rd-Generation,第三代移动通信技术)小区。回落至2G还是3G根据实际网络配置的小区决定,下面以回落至2G为例进行说明。
可以理解的是,终端回落至2G小区,使用2G流量业务时,与2G的基站通信的过程中会产生上网的2G的XDR话单,2G的XDR话单记录了产生XDR话单的时间,2G业务的使用时长,该终端的标识以及2G小区的标识。
自2G网络的Gb接口获取多个2G的XDR话单;若该终端在检测周期内产生2G的XDR话单,确定该终端回落至2G小区;自3G网络的Iu接口获取多个3G的XDR话单;若该终端在检测周期内产生3G的XDR话单,确定该终端回落至3G小区。
可选地,一周统计一次终端的常驻小区,假设该终端本周的常驻小区不变,统计当前的检测周期内该终端是否在2G小区产生了2G的XDR话单,若产生了2G的XDR话单,说明该终端的常驻小区的网络质量不好,从常驻小区回落至2G小区。
可选地,检测周期可根据实际情况设置,根据投诉预测的装置的计算能力与统计的实时性进行折中选取,例如设为10分钟。
也就是说每10分钟,统计终端是否在2G小区产生了2G的XDR话单。
可选地,例如在检测时间点9点时,检测8点50至9点之间,终端是否在2G小区产生了上网的2G的XDR话单。
若是,则回溯上一检测周期该终端是否只在4G小区产生XDR话单,且4G小区为该终端的常驻小区。
满足上述条件则定位该终端在常驻小区发生异常回落,在回落列表中新增该终端的回落记录。
根据2G的XDR话单记录的2G业务的使用时长,得到该终端的回落时长。
可选地,回落时长是指终端从4G小区回落至2G小区,在2G小区停留的时长,也就是2G业务的使用时长。
步骤12、若回落时长超过预设门限,则将该常驻小区确定为预测投诉小区。
可选地,确定终端于检测周期内的回落时长后,将回落时长与预设门限进行比较,若一个检测周期内回落时长大于预设门限,则预测将该终端将发起投诉,且投诉的原因是该常驻小区的网络质量不好。
可选地,若一个检测周期内回落时长不大于预设门限,则表示终端停留在2G小区的时间并不长,估计不会针对常驻小区进行投诉。
可选地,预设门限可根据实际情况设置,例如5分钟。
在本发明实施例中,若终端具有常驻小区,说明终端在某一个小区停留的时间长,在常驻小区的网络质量不好时,客户进行投诉的可能性比较大。
若在一个小区停留的时间短,即使网络质量不好,投诉的可能性比较小,例如,在通勤过程中,终端处于移动的状态,回落的次数可能很多,但由于不会在通勤经过的小区长时间停留,即使网络质量不好,客户往往不会进行投诉,因此有针对性地,对终端的常驻小区的网络质量进行实时跟踪分析,确定是否自常驻小区回落,若是,则将该终端作为预测的投诉终端,且预测投诉终端的投诉原因是该常驻小区的网络质量不好,将该常驻小区作为预测的投诉小区,预测的准确性高。
在预测完成后,可主动的对预测的投诉小区进行故障排查,从而降低投诉率。
本实施例提供的投诉预测的方法,分析终端在常驻小区的回落时长,有针对性地对终端的常驻小区的网络质量进行投诉预测,可以提高投诉预测的准确性。
在上述实施例的基础上,本发明又一实施例提供的投诉预测的方法,所述常驻小区包括工作小区和休息小区,相应地,若终端于检测周期内在常驻小区发生回落,则确定回落时长的步骤之前,所述方法包括:
获取多天终端的4G的详细记录XDR话单,每一话单包括话单产生时间和终端小区对,每一终端小区对包括一个终端的标识以及该终端对应的小区的标识;
根据话单产生时间,得到每一天该终端的工作时段的话单和休息时段的话单;
根据工作时段的话单,获取该终端的工作小区,并根据休息时段的话单,获取该终端的休息小区。
可选地,终端常驻小区库中每一终端的常驻小区可以为多个,在为多个的时候,还可包括工作小区和休息小区,工作小区是预先估计的终端在工作时段的常驻小区,休息小区是预先估计的终端在休息时段的常驻小区。
可选地,工作时段和休息时段可根据实际情况进行设置,例如,所述工作时段可设定为周一到周五9∶00-12∶00、14∶00-17∶00,一周五天每天6个小时;休息时段可设定为周一到周五20∶00-24∶00及周六周日,一周七天中工作日每天4个小时、周末24小时。
可选地,终端常驻小区库如表1所示。
表1
MSISDN | 工作小区 | 休息小区 |
MSISDN1 | 小区A、小区B | 小区C |
MSISDN2 | 小区D | 小区E、小区F |
MSISDN3 | 小区A | 小区G |
可选地,提取4G网络的S1-U接口的4G的XDR话单,XDR话单用于记录终端的信令数据,描述了UE在4G上网的全过程。
可选地,UE在常驻小区使用移动网络上网时,与基站通信的过程中会产生相应的数据包。
可选地,通过DPI(Deep Packet Inspection,深度分组检测)技术对数据包进行解析,识别得到4G的XDR话单,XDR话单包括了话单的产生时间(即话单生成的时间)、该终端的MSISDN以及小区ECI。
可选地,将XDR话单以产生的时间来划分,例如按天来将XDR话单进行分类,针对每一类(天)的XDR话单,分别进行筛选。
可选地,筛选出一个终端每天工作时段及休息时段的XDR话单。
可选地,针对终端每天工作时段,统计一周时间内同一终端在同一个小区的工作时段产生的XDR话单的数量,若该终端连续一周七天在同一个小区的工作时段均产生较多数量的XDR话单,说明该小区可能是该终端的操作者的公司或学校,因此将该小区作为该终端的工作小区。
可选地,针对终端每天休息时段,统计一周时间内同一终端在同一个小区的工作时段产生的XDR话单的数量,若该终端连续一周七天在同一个小区的休息时段均产生较多数量的XDR话单,说明该小区可能是该终端的操作者的家里,因此将该小区作为该终端的休息小区。
本实施例其他步骤与前述实施例步骤相似,本实施例不再赘述。
本实施例提供的投诉预测的方法,通过针对工作时段的话单筛选,得到该终端的工作小区,以及针对休息时段的话单筛选,得到该终端的休息小区,可以更准确的得到终端的常驻小区。
在上述实施例的基础上,本发明又一实施例提供的投诉预测的方法,获取满足第一条件的终端小区对;
第一条件:工作时段内的话单的数量超过N1,其中,N1为正整数;
针对满足第一条件的终端小区对,获取满足第二条件的终端小区对,并将该终端小区对的小区记做工作小区:
第二条件:指定时间周期内,满足第一条件的天数超过M1,其中,M1为正整数;
获取满足第三条件的终端小区对;
第三条件:休息时段内的话单的数量超过N2,其中,N2为正整数;
针对满足第三条件的终端小区对,获取满足第四条件的终端小区对,并将该终端小区对的小区记做休息小区:
第四条件:指定时间周期内,满足第三条件的天数超过M2,其中,M2为正整数。
可选地,以小时为统计粒度,汇聚并去重各个小时XDR话单中的终端小区对。
可选地,若某一个终端小区对在某个小时有记录,则统计该终端在该时段在该小区出现1次。
也就是说一个终端在一个小时内产生了XDR话单,则进行一次记录,每一记录包括话单对应的小区的标识,一个小时只记录一个终端小区对,一个小时内该终端在该小区产生多个XDR话单,也只记为一次。
可选地,针对工作时段和休息时段,分别进行筛选。
可选地,获取工作时段内的话单的数量超过N1的终端小区对,获取休息时段内的话单的数量超过N2的终端小区对。
可选地,N1和N2可根据实际情况设置,需结合工作时段和休息时段来设定。N1需取不大于一天工作时段的小时数(例如为6),N1可设为4;N2需取不大于一天休息时间段的小时数,例如可设为3。
获取在一天的工作时段的6小时内,一个终端超过4个小时,每一个小时都在某一个小区产生话单,认为终端在该小区停留了4个小时,则将该小区初步确定为该终端在工作时段的小区,可能公司或学校。
同样地,获取在一天的工作时段的4小时内,一个终端超过3个小时,每一个小时都在某一个小区产生话单,认为终端在该小区停留了3个小时,则将该小区初步确定为该终端在休息时段的小区,可能是家里。
可选地,仅根据一天的判定,只能确定该终端一天在该小区停留的时间长,无法确定小区是否为终端的常驻小区,需长期进行跟踪统计。
可选地,所述指定时间周期为一周。
可选地,针对工作时段的小区,筛选一周中工作时段内符合第一条件的天数在M1天以上的终端小区对。
可选地,一周七天,有M1天该小区成为该终端的小区,可确定该小区为常驻小区,并记做工作小区。
可选地,针对休息时段的小区,筛选一周中休息时段内符合第一条件的天数在M2天以上的终端小区对。
可选地,一周七天,有M2天该小区成为该终端的小区,可确定该小区为常驻小区,并记做休息小区。
可选地,M1和M2可根据实际情况设置,M1需取不大于一周的天数,例如可设为3;M2需取不大于一周的天数,优选地可设为3。
可选地,根据工作小区以及休息小区,构建特征小区库(即前述终端常驻小区库)。
可选地,所述工作特征小区与休息特征小区没有数量限制,一个终端可对应多个工作小区与多个休息小区。
可选地,每周统计一次XDR话单,对应更新一次终端常驻小区库。
可选地,得到一周的终端常驻小区库后,进行下一周的投诉预测。
在本发明实施例中,只需对4G的XDR话单进行统计,根据终端小区对的出现频次构建终端常驻小区库,操作简便,避免大量复杂繁琐的运算。
本实施例其他步骤与前述实施例步骤相似,本实施例不再赘述。
本实施例提供的投诉预测的方法,通过每一天工作时段的话单和休息时段的话单的筛选,得到一天终端停留的小区,再针对多天的话单进行筛选,得到终端的工作小区和休息小区,从而可以快速、准确的得到终端常驻小区库。
在上述实施例的基础上,本发明又一实施例提供的投诉预测的方法,若终端于检测周期内在常驻小区发生回落,则确定回落时长的步骤具体为:
根据终端于检测周期内在2G或3G小区产生的话单的数量,以及每一话单的时长,得到第一总和,所述第一总和为当前检测周期内在2G或3G小区停留的时长的总和;
根据所述第一总和,得到所述回落时长。
可选地,确定每一终端在当前检测周期回落至2G小区或3G小区后,判断常驻小区库中每一终端落至2G或3G小区的时长,确定4G小区(常驻小区)的网络质量。
可选地,判断常驻小区库中每一终端是否回落至2G或3G小区,若是,还计算回落时长,即在2G或3G小区停留的时间,若4G小区的网络质量暂时不好,则终端有机会切换回4G,若在2G或3G小区停留的时间长,表示4G小区的网络质量较长时间都不好,则预测为投诉小区。
若该终端回落至2G或3G,则根据公式一计算在2G或3G小区停留的时长的总和:
其中,Tt为在2G或3G小区停留的时长的总和,K1为该终端在当前检测周期内在2G或3G小区产生的XDR话单的数量,procedure_starttime_i和procedure_endtime_i为第i个XDR话单的开始时间与结束时间,可从XDR话单中提取。
可选地,终端可能多次回落至2G或3G小区,以2G小区为例进行说明,在2G小区和4G小区中多次切换,获取每一次回落至2G小区的时长,并将每一次的时长进行累加,从而得到一个检测周期中终端回落至2G小区的时长的总和,将该时长的总和作为回落时长。
本实施例其他步骤与前述实施例步骤相似,本实施例不再赘述。
本实施例提供的投诉预测的方法,根据终端在当前检测周期内在2G或3G小区产生的话单的数量,以及每一话单的时长,得到当前检测周期在2G或3G小区停留的时长的总和,可以准确的确定终端从常驻小区回落时长。
在上述实施例的基础上,本发明又一实施例提供的投诉预测的方法,根据所述第一总和,得到所述回落时长的步骤具体为:
根据所述第一总和以及第二总和,得到所述回落时长,所述第二总和是根据该终端上一检测周期内在2G或3G小区产生的话单的数量,以及每一话单的时长得到的。
可选地,定位该终端在常驻小区发生异常回落,在回落列表中新增该终端的回落记录。
所述新增的回落记录的信息包括MSISDN、检测时间点、特征4G小区、及当前2G、3G小区的XDR时长总和Tt、已检测周期数,如表2所示。
表2
若回溯上一检测周期该终端在2G、3G小区产生XDR记录,则检测回落列表中是否存在该MSISDN回落记录,若存在则记录已检测周期记为2,并刷新时长总和Tt:
通过公式二计算两个检测周期内在2G或3G小区停留的时长的总和::
其中,Tt为两个检测周期内在2G或3G小区停留的时长的总和,Tt0为第一总和,K1为该终端在上一检测周期T内在2G或3G小区的产生XDR话单的数量、procedure_starttime_i和procedure_endtime_i为第i个话单的开始时间与结束时间,可从XDR话单中提取。
检测完所有终端后,判断Tt是否大于预设门限Tsh。
若是则输出检测时间点,及MSISDN、回落4G特征小区作为预测MSISDN、预测投诉小区信息。
最后对当前检测周期开始时间距离回落列表检测时间点相隔一个周期T的回落记录的已检测周期均置为2,并将该部分记录在回落列表中删除、删除的记录调入历史回落数据库。
本实施例其他步骤与前述实施例步骤相似,本实施例不再赘述。
本实施例提供的投诉预测的方法,通过刷新回落时长,可以更全面的统计该终端的回落时长。
在上述实施例的基础上,本发明又一实施例提供的投诉预测的方法,若所述回落时长超过预设门限的步骤之前,所述方法包括:
根据预先存储的回落记录的回落时长,确定所述预设门限。
可选地,所述时长总和门限Tsh,可根据历史回落数据库中的回落记录进行设置。
可选地,筛选一周的回落记录,匹配回落记录中终端在检测时间点后T_complain内是否有投诉记录,T_complain为投诉关联时长,可设为4小时。
若有,则获取该终端的回落时长,若没有,则不考虑该终端的回落时长,由此,筛选匹配到投诉的回落记录。
根据以下公式三计算Tsh:
Tsh=μ-3S(公式三)
其中,μ、S为筛选后回落记录Tt的平均值及标准差。
本实施例其他步骤与前述实施例步骤相似,本实施例不再赘述。
本实施例提供的投诉预测的方法,通过根据预先存储的回落记录的回落时长,可以准确的得到所述预设门限。
图2为本发明又一实施例提供的投诉处理的流程示意图。
如图2所示,在上述实施例的基础上,本发明又一实施例提供的投诉预测的方法,若判断获知终端于检测周期内在常驻小区的回落时长超过预设门限,预测该常驻小区是投诉小区的步骤之后,所述方法包括:
根据多个历史故障原因,确定所述预测投诉小区的故障原因。
可选地,预测得到的投诉小区,表示所述预测投诉小区的网络质量不好,因此可有针对性的对所述预测投诉小区的故障原因进行排查、定位,确定为何该小区会成为投诉小区。
可选地,历史故障原因是根据历史被投诉的小区实际故障的原因,针对所述预测投诉小区,依次排查所述预测投诉小区的故障原因。
可选地,历史故障原因可有多种,各个故障原因具有优先级。
例如故障原因是退服告警,退服告警是指单个小区没有信号,也就是说,查看T1内所述预测投诉小区内是否有退服告警,若有,则定位所述预测投诉小区的故障原因为退服。
可选地,将定位结果(所述预测投诉小区的故障原因为退服)发送至维修平台,以供工作人员根据定位结果,核查处理退服的原因。
若在终端投诉该投诉小区前解决退服,从而可主动提高网络质量,降低投诉率。
可选地,若定位所述预测投诉小区的故障原因不是退服,则排查故障原因是否为故障工单,故障工单是小区的硬件和/或软件发生故障,产生的工程保修单,查看T2内所述预测投诉小区是否有故障工单,若有,则定位所述预测投诉小区的故障原因为故障工单。
可选地,将定位结果(所述预测投诉小区的故障原因为故障工单)发送至维修平台,以供工作人员根据定位结果,核查处理故障的原因。
可选地,若定位所述预测投诉小区的故障原因不是故障工单,则排查故障原因是否为业务告警,业务告警是综合监控平台的一个监测功能,展示影响小区业务使用的告警,查看T3内所述预测投诉小区是否有业务告警,若有,则定位所述预测投诉小区的故障原因为业务告警。
所述小区影响业务告警可通过人为配置影响业务告警范围。
可选地,将定位结果(所述预测投诉小区的故障原因为业务告警)发送至维修平台,以供工作人员根据定位结果,核查处理业务告警的原因。
可选地,若定位所述预测投诉小区的故障原因不是业务告警,则排查故障原因是否为T4内性能信令指标劣化,所述性能信令指标可包括流量、接通率、掉线率、切换成功率、业务访问成功率、大包下载速率、小包时延等来源于OMC网管或DPI系统的重要性能、信令指标,劣化条件可根据昨日同比或环比等设定。
若定位所述预测投诉小区的故障原因不是性能信令指标劣化,则排查故障原因是否为参数配置指标劣化,所述小区参数配置指标可包括上下行PRB负载评估利用率平均值、小区用户面上下行字节数、小区平均干扰噪声、64QAM高阶占比等来源于OMC网管的反映小区容量、干扰等参数设置的指标,劣化条件可根据昨日同比或环比等设定。
查看T5内所述预测投诉小区是否有参数配置指标劣化,若有,则定位所述预测投诉小区的故障原因为参数配置指标劣化。
所述T1、T2、T3、T4、T5为以异常回落的检测时间点往前回溯的时间段,可根据关联因素的特性灵活设置,例如T1、T2、T3可设为24小时,T4、T5可设为5小时。
本实施例其他步骤与前述实施例步骤相似,本实施例不再赘述。
本实施例提供的投诉预测的方法,通过多个历史故障原因,确定所述预测投诉小区的故障原因,从而可准确对故障进行定位。
为了更充分理解本发明的技术内容,在上述实施例的基础上,详细说明本实施例提供的投诉预测的方法。
本发明实施例基于4G异常回落的投诉预测方法,可以较好解决目前技术的不足。本发明实施例通过检测特征小区发生异常回落的MSISDN,并对检测结果所在特征小区关联告警、工单、性能等进行初步定位,从而实现4G投诉有效预测及预处理,达到提升4G感知体验的效果、降低投诉量。
本发明实施例能够克服基于历史数据的概率预测精准度低的问题,提供一种基于4G异常回落的投诉预测方法。该方法构建MSISDN的特征小区库,检测MSISDN在库中小区满足回落时长特征的4G异常回落情况进而预测投诉小区及投诉用户,并对预测投诉小区进行关联定位预处理,以期达到有效4G投诉预测、提高投诉处理效率,提升网络稳定性及感知质量、降低投诉量的效果。
本发明实施例通过以下技术方案实现:
图3为本发明又一实施例提供的一种投诉预测的方法的流程示意图。
1、基于4G异常回落投诉预测方法
如图3所示,基于4G异常回落的投诉预测,该方法的主要步骤如下:第一,构建MSISDN特征小区库(如前述终端常驻小区库);第二,对特征小区库的MSISDN进行扫描,检测MSISDN在库中小区发生满足回落时长特征的4G异常回落情况,输出预测投诉小区及投诉MSISDN;第三,对输出的预测投诉小区进行告警、工单、性能等关联预处理,定位预测投诉小区的原因,推送预测结果及定位结果到客服拦截投诉、推送到维护人员核查处理小区问题。
图4为本发明又一实施例提供的特征小区库构建流程示意图。
如图4所示,所述构建MSISDN特征小区库,具体指构建MSISDN工作特征小区列表与休息特征小区列表,如表1所示。优选地,可以按如下规则构建,若MSISDN工作时段内在A小区出现N1次以上的天数一周大于M1天则将A小区列入该MSISDN的工作特征小区;若MSISDN休息时段内在A小区出现N2次以上的天数一周大于M2天则将A小区列入该MSISDN的休息特征小区。
以周为统计周期获取一周XDR话单,提取话单中产生时间、MSISDN及小区ECI信息;将XDR话单以产生时间按天划分,并筛选出每天工作时间段及休息时间段话单记录;以小时为统计粒度,汇聚并去重各个小时话单中的MSISDN-ECI对,若MSISDN-ECI对在某个小时有记录则计该MSISDN当天在该ECI小区出现1次,筛选每天工作时间段内出现次数在N1以上的MSISDN-ECI对、每天休息时间段内出现次数在N2以上的MSISDN-ECI对;进而筛选一周工作时间段内符合上述特征天数在M1天以上的MSISDN-ECI对形成MSISDN的工作特征小区,一周休息时间段内符合上述特征天数在M2天以上的MSISDN-ECI对形成MSISDN的休息特征小区,完成特征小区库构建。所述工作特征小区与休息特征小区没有数量限制,一个MSISDN可对应多个工作特征小区与多个休息特征小区。
优选地,所述工作时段可设定为周一到周五9∶00-12∶00、14∶00-17∶00,一周五天每天6个小时;休息时段可设定为周一到周五20∶00-24∶00及周六周日,一周七天中工作日每天4个小时、周末24小时。所述以周为统计周期,即每周统计更新一次MSISDN特征小区列表。所述获取XDR话单,提取话单中产生时间、MSISDN及小区ECI信息,指通过DPI技术采集移动互联网IP数据包等数据流进行解析,识别MSISDN、ECI等信息。优选地,可提取4G网络S1-U接口XDR话单进行分析构建。
所述特征小区库构建方法中,关于一天中工作时间段出现次数阈值N1和休息时间段出现次数阈值N2的选取,需结合工作时段和休息时段的设定进行。N1需取不大于一天工作时间段覆盖小时数的整数,优选地可设为4;N2需取不大于一天休息时间段覆盖小时数的整数,优选地可设为3。关于一周中工作特征小区天数阈值M1和休息特征小区天数阈值M2的选取,需结合工作时段和休息时段的设定进行。M1需取不大于一周工作时间段覆盖的天数的整数,优选地可设为3;M2需取不大于一周休息时间段覆盖天数的整数,优选地可设为3。
图5为本发明又一实施例提供的检测回落的流程示意图。
如图5所示,所述检测MSISDN在库中小区发生满足回落时长特征的4G异常回落情况,具体为检测特征小区库中MSISDN当前周期T是否在2G、3G小区产生XDR记录,若是则回溯上一周期T该MSISDN是否只在4G小区产生XDR记录且4G小区为该MSISDN特征小区,满足上述条件则定位该MSISDN在特征小区发生异常回落,在回落列表中新增该MSISDN回落记录。所述新增MSISDN回落记录的信息包括MSISDN、检测时间点、特征4G小区、及当前2G、3G小区的XDR时长总和Tt、已检测周期数,如表2所示。新建的回落记录已检测周期数记为1,检测时间点为当前检测周期T的开始时间,Tt可通过前述公式一计算。
若回溯上一周期T该MSISDN在2G、3G小区产生XDR记录,则检测回落列表中是否存在该MSISDN回落记录,若存在则记录已检测周期记为2,并根据公式二刷新时长总和Tt。
检测完所有MSISDN后,判断MSISDN的Tt是否大于门限Tsh,若是则输出检测时间点,及MSISDN、回落4G特征小区作为预测MSISDN、预测投诉小区信息。最后对当前检测周期开始时间距离回落列表检测时间点相隔一个周期T的回落记录的已检测周期均置为2,并将该部分记录在回落列表中删除、删除的记录调入历史回落数据库。
所述检测产生XDR记录的方法,可通过DPI技术实现。优选地,通过检测MSISDN在2G网络Gb接口及3G网络Iu接口是否产生XDR实现MSISDN是否在2G、3G小区产生XDR记录的检测;通过检测MSISDN在4G网络S1-U接口是否产生XDR实现MSISDN是否在4G小区产生XDR记录的检测。所述检测周期T的选取,可根据计算能力与实时性进行折中选取,优选地,可设为10分钟。所述时长总和门限Tsh,可根据历史回落数据库中的回落记录进行设置,优选地,可筛选一周的回落记录,匹配回落记录中MSISDN在检测时间点后T_complain内是否有投诉记录,进一步筛选匹配到投诉的回落记录,根据公式三计算Tsh。
如图2所示,上述投诉预测方法中,所述对输出的预测小区进行告警、工单、性能等关联预处理,具体根据检测输出的检测时间点、预测投诉小区进行关联定位,按优先级关联T1内小区退服告警、T2内小区故障工单、T3内小区影响业务告警、T4内小区性能信令指标劣化、T5内小区参数配置指标劣化,定位预测投诉小区的故障原因。
将预测投诉MSISDN、预测投诉小区ECI、定位原因结果推送客服拦截投诉,及推送维护人员核查处理小区问题。所述T1、T2、T3、T4、T5为以异常回落的检测时间点往前回溯的时间段,可根据关联因素的特性灵活设置,优选地,T1、T2、T3可设为24小时,T4、T5可设为5小时。所述小区影响业务告警可通过人为配置影响业务告警范围。
图6为本发明又一实施例提供的投诉预测的装置的模块组成结构示意图。
如图6所示,主要包括DPI数据分析模块101、特征小区识别模块102、人机交互模块103、异常回落检测模块104、关联定位模块105和结果推送模块106。
各个模块按照图1的方式建立接口。这六个模块均可以通过软件编程的方式实现。
DPI数据分析模块与特征小区识别模块、异常回落检测模块连接,DPI数据分析模块从外部DPI系统获取各接口XDR数据,对XDR数据进行清洗、汇聚。
其中DPI数据分析模块101可通过Hadoop等大数据架构实现对大量数据的清洗、汇聚。
对XDR数据进行清洗、汇聚后,提取XDR记录的MSISDN信息及所在小区ECI等信息供特征小区识别模块与异常回落检测模块获取使用。
特征小区识别模块与DPI数据分析模块、人机交互模块、异常回落检测模块连接,特征小区识别模块从DPI数据分析模块获XDR记录、从人机交互模块获取特征小区相关设置参数,按规则形成特征小区库,供异常回落检测模块使用。
异常回落检测模块与DPI数据分析模块、特征小区识别模块、人机交互模块、关联定位模块连接,异常回落检测模块从DPI数据分析模块获取XDR记录、从特征小区识别模块获取待检测的MSISDN及特征小区、从人机交互模块获取检测周期设置、时长总和门限Tsh等参数,检测满足回落时长特征的4G异常回落MSISDN及对应特征小区作为预测投诉MSISDN及预测投诉小区,将相关结果推送关联定位模块进行原因定位。
关联定位模块与异常回落检测模块、人机交互模块、结果推送模块连接,关联定位模块从人机交互模块获取影响业务告警范围及参数等信息,从外部告警、工单、性能、厂家OMC等系统获取数据,根据异常回落检测模块检测的预测投诉小区与外部数据关联,定位发生异常回落原因,将定位结果传给结果推送模块进行推送。
结果推送模块与关联定位模块相连,结果推送模块将预测投诉MSISDN、预测投诉小区ECI及定位结果推送到外部客服系统及工单系统,进行投诉拦截及问题处理。
人机交互模块与特征小区识别模块、异常回落检测模块、关联定位模块连接,人机交互模块可以配置特征小区识别模块算法参数,从异常回落模块获取历史回落记录并关联外部投诉数据计算Tsh、配置异常回落检测模块的检测周期,配置关联定位模块周期参数以及影响业务告警的告警范围等。
工作流程如下:
通过人机交互模块设置各个参数、导入影响业务告警范围。
DPI数据分析模块从DPI系统接入各接口XDR数据,进行处理后提供给其它模块使用。
特征小区识别模块根据更新周期建立或更新特征小区库。
异常回落检测模块按设置的检测周期,周期性检测特征小区库中的MSISDN是否发生达到时长的异常回落。
若检测到,则将异常回落的MSISDN及小区传送给关联定位模块。
关联定位模块对检测到的异常回落小区进行关联定位原因,将关联后结果传给结果推送模块。
结果推送模块将检测时间、预测投诉MSISDN、预测投诉小区、定位原因推送给客服及工单系统进行投诉拦截及问题处理。
图7为本发明又一实施例提供的投诉预测的方法的工作步骤示意图。
如图7所示,具体如下:
步骤1:输入系统参数,设置特征小区识别模块的参数、异常回落检测模块的检测周期及时长门限、关联定位模块的参数,并输入业务影响告警的告警范围。
步骤2:DPI数据分析模块从DPI系统接入数据,对数据进行清洗、汇聚,特征小区识别模块、异常回落检测模块定时获取数据。
步骤:3:特征小区识别模块检测是否到特征小区库更新时间,若到更新时间,则从DPI数据分析模块获取周期内DPI数据,根据DPI数据进行特征小区库的更新。
其中,特征小区库更新时间可以设定为每周固定时间点,以周为周期进行更新。
步骤4:异常回落检测模块判断是否到检测时间点,若到检测时间点,从DPI数据分析模块获取检测周期内DPI数据、从特征小区识别模块获取最新特征小区库,检测在特征小区发生4G异常回落的MSISDN,将检测到满足回落时长特征的MSISDN及特征小区推送到关联定位模块进行定位。
步骤5:关联定位模块检测是否有预测投诉MSISDN及小区待定位,若有,则根据待定位小区信息获取告警、工单、性能等外部系统数据进行关联,定位预测投诉小区的投诉原因,将投诉MSISDN、小区、定位结果推送至结果推送模块。
步骤6:结果推送模块检测是否有待推送的预测投诉及定位结果,若有则将检测时间点、预测投诉用MSISDN、预测投诉小区、定位结果推送客服系统及工单系统进行投诉拦截及问题处理。
上述DPI数据分析模块、特征小区识别模块、异常回落检测模块、关联定位模块、结果推送模块、人机交互模块作为不同模块并行进行,但依照上述流程存在一定时序性。
本发明实施例的投诉预测方法,构建MSISDN特征小区库,通过DPI数据检测MSISDN在库中小区发生满足回落时长特征的4G异常回落现象,实现投诉用户及小区的准确预测。
通过划分工作时间段与休息时间段,根据DPI数据识别MSISDN在统计周期内在两个时间段的出现频次,识别MSISDN的工作特征小区与休息特征小区,从而实现MSISDN特征小区库的快速构建。
通过对预测投诉关联设定时间段内告警、工单、性能等数据,实现投诉产生原因的初步定位,从而协助投诉拦截、提供解释口径,以及协助故障问题处理。
本实施例提供的投诉预测的方法,与现有技术相比,本发明对4G投诉实现准确、有效预测,计算量小,容易实现与操作,适应性广。
第一、本发明实施例可准确、有效的4G投诉预测,检测MSISDN在工作或休息特征小区的4G异常回落现象,挖掘预测投诉MSISDN及所在小区。抓住用户在4G上网异常回落2、3G的典型特征,实现4G的投诉的准确预测;检测MSISDN在特征小区的异常回落情况,抓住特征小区敏感性高的特点,实现4G投诉有效预测。
第二、本发明实施例计算量小,只需对各个接口的XDR记录进行统计分析,统计XDR中MSISDN-ECI对的出现频次构建特征小区库避免大量复杂、繁琐运算。
第三、本发明实施例易可行性强,容易实现,可通过软件系统进行算法实现及各个模块的构建,成本低廉、简易可行。
第四、本发明实施例适应性广,能对各款终端、各种套餐类别的4G用户实现投诉预测,可推广应用于各通信运营商。
图8示出了本发明又一实施例提供的一种投诉预测的装置的结构示意图。
参照图8,在上述实施例的基础上,本实施例提供的投诉预测的装置,所述装置包括确定模块81和预测模块82,其中:
确定模块81用于若终端于检测周期内在常驻小区发生回落,则确定回落时长;预测模块82用于若所述回落时长超过预设门限,则将该常驻小区确定为预测投诉小区
可选地,确定模块81获取预先构建的终端常驻小区库,所述终端常驻小区库包括多个终端的标识以及每一终端对应的常驻小区的标识。
可选地,所述终端常驻小区库是本发明实施例创建的数据库,通过查询所述终端常驻小区库,可以得到各个终端的常驻小区。
可选地,所述终端是指UE(User Equipment,终端设备),所述常驻小区是预先确定的终端停留时间比较长的小区,所述终端常驻小区库中的每一终端包括至少一个常驻小区。
可以理解的是,终端在使用4G(4rd-Generation,第四代移动通信技术)上网时,与基站通信的过程中会产生4G的XDR(x Detail Records,详细记录)话单,XDR话单中包括产生XDR话单的时间,该终端的标识以及小区的标识。
可选地,统计一周时间内同一终端在同一个小区产生的XDR话单的数量,若该终端连续一周七天在同一个小区均产生较多数量的XDR话单,说明该小区可能是该终端的操作者的公司、学校或家里等场所,因此将该小区作为该终端的常驻小区。
可选地,所述终端的标识可为MSISDN(Mobile SubscriberInternational ISDN/PSTN number,公共电话网交换网络编号计划中移动终端的号码),MSISDN是唯一能识别终端的号码。
MSISDN由以下部分组成:MSISDN=CC(country code,国家码)+NDC(NationalDestination Code,国内目的码)+SN(Serial Number,认证码),其中CC是两位,在中国为86,NDC是7位,包括3位接入号和4位的HLR(Home Location Register,归属位置寄存器)的识别号,接入号就是号段,例如139,138,137,HLR识别号表示终端归属的HLR,也表示移动业务本地网号,SN是终端的号码,若将MSISDN中的将国家码CC去除,也就是日常使用的“手机号”。
可选地,所述常驻小区的标识可为小区ECI(E-UTRAN Cell Identifier,无线接入网的小区标识符)。
可选地,以所述常驻小区为4G小区为例说明,若4G网络在某个4G小区网络质量不好,终端将从4G小区回落至2G(2rd-Generation,第二代移动通信技术)或3G(3rd-Generation,第三代移动通信技术)小区。回落至2G还是3G根据实际网络配置的小区决定,下面以回落至2G为例进行说明。
可以理解的是,终端回落至2G小区,使用2G流量业务时,与2G的基站通信的过程中会产生上网的2G的XDR话单,2G的XDR话单记录了产生XDR话单的时间,2G业务的使用时长,该终端的标识以及2G小区的标识。
可选地,一周统计一次终端的常驻小区,假设该终端本周的常驻小区不变,统计当前的检测周期内该终端是否在2G小区产生了2G的XDR话单,若产生了2G的XDR话单,说明该终端的常驻小区的网络质量不好,从常驻小区回落至2G小区。
可选地,检测周期可根据实际情况设置,根据投诉预测的装置的计算能力与统计的实时性进行折中选取,例如设为10分钟。
也就是说每10分钟,统计终端是否在2G小区产生了2G的XDR话单。
可选地,例如在检测时间点9点时,检测8点50至9点之间,终端是否在2G小区产生了上网的2G的XDR话单。
若是,确定模块81根据2G的XDR话单记录的2G业务的使用时长,得到该终端的回落时长。
可选地,回落时长是指终端从4G小区回落至2G小区,在2G小区停留的时长,也就是2G业务的使用时长。
可选地,确定终端于检测周期内的回落时长后,预测模块82将回落时长与预设门限进行比较,若一个检测周期内回落时长大于预设门限,则预测将该终端将发起投诉,且投诉的原因是该常驻小区的网络质量不好。
可选地,若一个检测周期内回落时长不大于预设门限,则表示终端停留在2G小区的时间并不长,估计不会针对常驻小区进行投诉。
可选地,预设门限可根据实际情况设置,例如5分钟。
在本发明实施例中,若终端具有常驻小区,说明终端在某一个小区停留的时间长,在常驻小区的网络质量不好时,客户进行投诉的可能性比较大。
若在一个小区停留的时间短,即使网络质量不好,投诉的可能性比较小,例如,在通勤过程中,终端处于移动的状态,回落的次数可能很多,但由于不会在通勤经过的小区长时间停留,即使网络质量不好,客户往往不会进行投诉,因此有针对性地,对终端的常驻小区的网络质量进行实时跟踪分析,确定是否自常驻小区回落,若是,则将该终端作为预测的投诉终端,且预测投诉终端的投诉原因是该常驻小区的网络质量不好,将该常驻小区作为预测的投诉小区,预测的准确性高。
在预测完成后,可主动的对预测的投诉小区进行故障排查,从而降低投诉率。
本实施例提供的投诉预测的装置,可用于执行上述方法实施例的方法,本实施不再赘述。
本实施例提供的投诉预测的装置,预测模块通过分析终端在常驻小区的回落时长,有针对性地对终端的常驻小区的网络质量进行投诉预测,可以提高投诉预测的准确性。
图9示出了本发明又一实施例提供的一种电子设备的结构示意图。
参阅图9,本发明实施例提供的电子设备,所述电子设备包括存储器(memory)91、处理器(processor)92、总线93以及存储在存储器91上并可在处理器上运行的计算机程序。其中,所述存储器91、处理器92通过所述总线93完成相互间的通信。
所述处理器92用于调用所述存储器91中的程序指令,以执行所述程序时实现如图1的方法。
在另一种实施方式中,所述处理器执行所述程序时实现如下方法:
所述常驻小区包括工作小区和休息小区,相应地,若终端于检测周期内在常驻小区发生回落,则确定回落时长的步骤之前,所述方法包括:
获取多天终端的4G的详细记录XDR话单,每一话单包括话单产生时间和终端小区对,每一终端小区对包括一个终端的标识以及该终端对应的小区的标识;
根据话单产生时间,得到每一天该终端的工作时段的话单和休息时段的话单;
根据工作时段的话单,获取该终端的工作小区,并根据休息时段的话单,获取该终端的休息小区。
在另一种实施方式中,所述处理器执行所述程序时实现如下方法:根据工作时段的话单,获取该终端的工作小区,并根据休息时段的话单,获取该终端的休息小区的步骤具体为:
获取满足第一条件的终端小区对;
第一条件:工作时段内的话单的数量超过N1,其中,N1为正整数;
针对满足第一条件的终端小区对,获取满足第二条件的终端小区对,并将该终端小区对的小区记做工作小区:
第二条件:指定时间周期内,满足第一条件的天数超过M1,其中,M1为正整数;
获取满足第三条件的终端小区对;
第三条件:休息时段内的话单的数量超过N2,其中,N2为正整数;
针对满足第三条件的终端小区对,获取满足第四条件的终端小区对,并将该终端小区对的小区记做休息小区:
第四条件:指定时间周期内,满足第三条件的天数超过M2,其中,M2为正整数。
在另一种实施方式中,所述处理器执行所述程序时实现如下方法:若所述回落时长超过预设门限的步骤之前,所述方法包括:
根据预先存储的回落记录的回落时长,确定所述预设门限。
在另一种实施方式中,所述处理器执行所述程序时实现如下方法:若终端于检测周期内在常驻小区发生回落,则确定回落时长的步骤具体为:
根据终端于检测周期内在2G或3G小区产生的话单的数量,以及每一话单的时长,得到第一总和,所述第一总和为当前检测周期内在2G或3G小区停留的时长的总和;
根据所述第一总和,得到所述回落时长。
在另一种实施方式中,所述处理器执行所述程序时实现如下方法:根据所述第一总和,得到所述回落时长的步骤具体为:
根据所述第一总和以及第二总和,得到所述回落时长,所述第二总和是根据该终端上一检测周期内在2G或3G小区产生的话单的数量,以及每一话单的时长得到的。
在另一种实施方式中,所述处理器执行所述程序时实现如下方法:若回落时长超过预设门限,则将该常驻小区确定为预测投诉小区的步骤之后,所述方法包括:
根据多个历史故障原因,确定所述预测投诉小区的故障原因。
本实施例提供的电子设备,可用于执行上述方法实施例的方法对应的程序,本实施不再赘述。
本实施例提供的电子设备,通过所述处理器执行所述程序时实现通过分析终端在常驻小区的回落时长,有针对性地对终端的常驻小区的网络质量进行投诉预测,可以提高投诉预测的准确性。
本发明又一实施例提供的一种存储介质,所述存储介质上存储有计算机程序,所述程序被处理器执行时实现如图1的步骤。
在另一种实施方式中,所述程序被处理器执行时实现如下方法:
所述常驻小区包括工作小区和休息小区,相应地,若终端于检测周期内在常驻小区发生回落,则确定回落时长的步骤之前,所述方法包括:
获取多天终端的4G的详细记录XDR话单,每一话单包括话单产生时间和终端小区对,每一终端小区对包括一个终端的标识以及该终端对应的小区的标识;
根据话单产生时间,得到每一天该终端的工作时段的话单和休息时段的话单;
根据工作时段的话单,获取该终端的工作小区,并根据休息时段的话单,获取该终端的休息小区。
在另一种实施方式中,所述程序被处理器执行时实现如下方法:根据工作时段的话单,获取该终端的工作小区,并根据休息时段的话单,获取该终端的休息小区的步骤具体为:
获取满足第一条件的终端小区对;
第一条件:工作时段内的话单的数量超过N1,其中,N1为正整数;
针对满足第一条件的终端小区对,获取满足第二条件的终端小区对,并将该终端小区对的小区记做工作小区:
第二条件:指定时间周期内,满足第一条件的天数超过M1,其中,M1为正整数;
获取满足第三条件的终端小区对;
第三条件:休息时段内的话单的数量超过N2,其中,N2为正整数;
针对满足第三条件的终端小区对,获取满足第四条件的终端小区对,并将该终端小区对的小区记做休息小区:
第四条件:指定时间周期内,满足第三条件的天数超过M2,其中,M2为正整数。
在另一种实施方式中,所述程序被处理器执行时实现如下方法:若所述回落时长超过预设门限的步骤之前,所述方法包括:
根据预先存储的回落记录的回落时长,确定所述预设门限。
在另一种实施方式中,所述程序被处理器执行时实现如下方法:若终端于检测周期内在常驻小区发生回落,则确定回落时长的步骤具体为:
根据终端于检测周期内在2G或3G小区产生的话单的数量,以及每一话单的时长,得到第一总和,所述第一总和为当前检测周期内在2G或3G小区停留的时长的总和;
根据所述第一总和,得到所述回落时长。
在另一种实施方式中,所述程序被处理器执行时实现如下方法:根据所述第一总和,得到所述回落时长的步骤具体为:
根据所述第一总和以及第二总和,得到所述回落时长,所述第二总和是根据该终端上一检测周期内在2G或3G小区产生的话单的数量,以及每一话单的时长得到的。
在另一种实施方式中,所述程序被处理器执行时实现如下方法:若回落时长超过预设门限,则将该常驻小区确定为预测投诉小区的步骤之后,所述方法包括:
根据多个历史故障原因,确定所述预测投诉小区的故障原因。
本实施例提供的存储介质,所述程序被处理器执行时实现上述方法实施例的方法,本实施不再赘述。
本实施例提供的存储介质,通过分析终端在常驻小区的回落时长,有针对性地对终端的常驻小区的网络质量进行投诉预测,可以提高投诉预测的准确性。
本发明又一实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:
若终端于检测周期内在常驻小区发生回落,则确定回落时长;
若所述回落时长超过预设门限,则将该常驻小区确定为预测投诉小区。
本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。
本领域技术人员可以理解,实施例中的各步骤可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。
虽然结合附图描述了本发明的实施方式,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种投诉预测的方法,其特征在于,所述方法包括:
若终端于检测周期内在常驻小区发生回落,则确定回落时长;
若所述回落时长超过预设门限,则将该常驻小区确定为预测投诉小区。
2.根据权利要求1所述的方法,其特征在于:所述常驻小区包括工作小区和休息小区,相应地,若终端于检测周期内在常驻小区发生回落,则确定回落时长的步骤之前,所述方法包括:
获取多天终端的4G的详细记录XDR话单,每一话单包括话单产生时间和终端小区对,每一终端小区对包括一个终端的标识以及该终端对应的小区的标识;
根据话单产生时间,得到每一天该终端的工作时段的话单和休息时段的话单;
根据工作时段的话单,获取该终端的工作小区,并根据休息时段的话单,获取该终端的休息小区。
3.根据权利要求2所述的方法,其特征在于:根据工作时段的话单,获取该终端的工作小区,并根据休息时段的话单,获取该终端的休息小区的步骤具体为:
获取满足第一条件的终端小区对;
第一条件:工作时段内的话单的数量超过N1,其中,N1为正整数;
针对满足第一条件的终端小区对,获取满足第二条件的终端小区对,并将该终端小区对的小区记做工作小区:
第二条件:指定时间周期内,满足第一条件的天数超过M1,其中,M1为正整数;
获取满足第三条件的终端小区对;
第三条件:休息时段内的话单的数量超过N2,其中,N2为正整数;
针对满足第三条件的终端小区对,获取满足第四条件的终端小区对,并将该终端小区对的小区记做休息小区:
第四条件:指定时间周期内,满足第三条件的天数超过M2,其中,M2为正整数。
4.根据权利要求1所述的方法,其特征在于∶若终端于检测周期内在常驻小区发生回落,则确定回落时长的步骤具体为:
根据终端于检测周期内在2G或3G小区产生的话单的数量,以及每一话单的时长,得到第一总和,所述第一总和为当前检测周期内在2G或3G小区停留的时长的总和;
根据所述第一总和,得到所述回落时长。
5.根据权利要求4所述的方法,其特征在于:根据所述第一总和,得到所述回落时长的步骤具体为:
根据所述第一总和以及第二总和,得到所述回落时长,所述第二总和是根据该终端上一检测周期内在2G或3G小区产生的话单的数量,以及每一话单的时长得到的。
6.根据权利要求1所述的方法,其特征在于:若所述回落时长超过预设门限的步骤之前,所述方法包括:
根据预先存储的回落记录的回落时长,确定所述预设门限。
7.根据权利要求1所述的方法,其特征在于:若回落时长超过预设门限,则将该常驻小区确定为预测投诉小区的步骤之后,所述方法包括:
根据多个历史故障原因,确定所述预测投诉小区的故障原因。
8.一种投诉预测的装置,其特征在于,所述装置包括:
确定模块,用于若终端于检测周期内在常驻小区发生回落,则确定回落时长;
预测模块,用于若所述回落时长超过预设门限,则将该常驻小区确定为预测投诉小区。
9.一种电子设备,其特征在于,包括存储器、处理器、总线以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7任意一项的步骤。
10.一种存储介质,其上存储有计算机程序,其特征在于:所述程序被处理器执行时实现如权利要求1-7任意一项的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711415665.9A CN109963292B (zh) | 2017-12-25 | 2017-12-25 | 投诉预测的方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711415665.9A CN109963292B (zh) | 2017-12-25 | 2017-12-25 | 投诉预测的方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109963292A true CN109963292A (zh) | 2019-07-02 |
CN109963292B CN109963292B (zh) | 2022-04-01 |
Family
ID=67020486
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711415665.9A Active CN109963292B (zh) | 2017-12-25 | 2017-12-25 | 投诉预测的方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109963292B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110713088A (zh) * | 2019-10-25 | 2020-01-21 | 日立楼宇技术(广州)有限公司 | 电梯投诉的预警方法、装置、设备及介质 |
CN111065125A (zh) * | 2019-12-23 | 2020-04-24 | 武汉宁润软件信息技术有限公司 | 一种用于网络中短驻留的诊断分析方法 |
CN111147395A (zh) * | 2019-12-25 | 2020-05-12 | 中国联合网络通信集团有限公司 | 一种网络资源调整方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100284293A1 (en) * | 2007-12-28 | 2010-11-11 | Nec Corporation | Communication network quality analysis system, quality analysis device, quality analysis method, and program |
CN105095588A (zh) * | 2015-08-05 | 2015-11-25 | 中国联合网络通信集团有限公司 | 移动互联网用户投诉的预测方法和装置 |
CN105825403A (zh) * | 2016-03-21 | 2016-08-03 | 浪潮通信信息系统有限公司 | 一种预测客户满意度的五位一体方法 |
CN106921507A (zh) * | 2015-12-25 | 2017-07-04 | 株式会社日立制作所 | 在无线通信网络中对用户投诉进行预测的方法和装置 |
-
2017
- 2017-12-25 CN CN201711415665.9A patent/CN109963292B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100284293A1 (en) * | 2007-12-28 | 2010-11-11 | Nec Corporation | Communication network quality analysis system, quality analysis device, quality analysis method, and program |
CN105095588A (zh) * | 2015-08-05 | 2015-11-25 | 中国联合网络通信集团有限公司 | 移动互联网用户投诉的预测方法和装置 |
CN106921507A (zh) * | 2015-12-25 | 2017-07-04 | 株式会社日立制作所 | 在无线通信网络中对用户投诉进行预测的方法和装置 |
CN105825403A (zh) * | 2016-03-21 | 2016-08-03 | 浪潮通信信息系统有限公司 | 一种预测客户满意度的五位一体方法 |
Non-Patent Citations (2)
Title |
---|
李尧辉 等: "一种基于4G异常回落的投诉预测方法", 《中国新通信(2018年第11期)》 * |
杨海 等: "4G用户语音投诉处理案例", 《四川省通信学会2014年学术年会论文集》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110713088A (zh) * | 2019-10-25 | 2020-01-21 | 日立楼宇技术(广州)有限公司 | 电梯投诉的预警方法、装置、设备及介质 |
CN110713088B (zh) * | 2019-10-25 | 2021-06-01 | 日立楼宇技术(广州)有限公司 | 电梯投诉的预警方法、装置、设备及介质 |
CN111065125A (zh) * | 2019-12-23 | 2020-04-24 | 武汉宁润软件信息技术有限公司 | 一种用于网络中短驻留的诊断分析方法 |
CN111147395A (zh) * | 2019-12-25 | 2020-05-12 | 中国联合网络通信集团有限公司 | 一种网络资源调整方法及装置 |
CN111147395B (zh) * | 2019-12-25 | 2022-05-24 | 中国联合网络通信集团有限公司 | 一种网络资源调整方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109963292B (zh) | 2022-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109921941B (zh) | 网络业务质量评估和优化方法、装置、介质及电子设备 | |
CN109005556B (zh) | 一种基于用户话单的4g网络质量优化方法与系统 | |
Jin et al. | Nevermind, the problem is already fixed: proactively detecting and troubleshooting customer dsl problems | |
AU2019201687B2 (en) | Network device vulnerability prediction | |
US9165288B2 (en) | Inferring relationships based on geo-temporal data other than telecommunications | |
EP2894813A1 (en) | Technique for creating a knowledge base for alarm management in a communications network | |
CN110337059B (zh) | 一种用户家庭关系的分析算法、服务器及网络系统 | |
US20180139116A1 (en) | Performance of communication network based on end to end performance observation and evaluation | |
US20150181022A1 (en) | Technique for Performance Management in a Mobile Communications Network | |
CN104639388B (zh) | 一种基于用户感知的dns服务器可用性检测方法 | |
KR20180120558A (ko) | 딥러닝 기반 통신망 장비의 장애 예측 시스템 및 방법 | |
CN109151890A (zh) | 一种移动终端定位方法及装置 | |
CN109005085A (zh) | 一种服务可用性监控系统、方法、装置及设备 | |
CN108243421B (zh) | 伪基站识别方法及系统 | |
CN108377201A (zh) | 网络异常感知方法、装置、设备及计算机可读存储介质 | |
CN104320795A (zh) | 一种多维度的无线网络健康度评估方法 | |
CN103081403A (zh) | 用于使用事件分析通信系统的操作的方法和装置 | |
CN110457175A (zh) | 业务数据处理方法、装置、电子设备及介质 | |
CN109963292A (zh) | 投诉预测的方法、装置、电子设备和存储介质 | |
WO2014127051A1 (en) | Churn prediction in a broadband network | |
CN109005514A (zh) | 用户位置信息的回填方法、装置、终端设备及存储介质 | |
CN105429792B (zh) | 用户行为流量获取方法及装置、用户行为分析方法及系统 | |
CN102932194B (zh) | 基于贝叶斯方法的互联网应用服务监控系统及方法 | |
CN106789265A (zh) | 一种服务集群的聚类方法及装置 | |
KR20180130295A (ko) | 통신망의 장애를 예측하는 장치 및 방법 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |