CN110728525A - 一种网络批量用户投诉的定界处理方法及装置 - Google Patents

一种网络批量用户投诉的定界处理方法及装置 Download PDF

Info

Publication number
CN110728525A
CN110728525A CN201810779484.2A CN201810779484A CN110728525A CN 110728525 A CN110728525 A CN 110728525A CN 201810779484 A CN201810779484 A CN 201810779484A CN 110728525 A CN110728525 A CN 110728525A
Authority
CN
China
Prior art keywords
dimension
complaint
target
threshold
user
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
Application number
CN201810779484.2A
Other languages
English (en)
Other versions
CN110728525B (zh
Inventor
李训文
王晨
尹皓玫
闻君
郑远哲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Mobile Communications Group Co Ltd
China Mobile Group Zhejiang Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Zhejiang Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Mobile Communications Group Co Ltd, China Mobile Group Zhejiang Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN201810779484.2A priority Critical patent/CN110728525B/zh
Publication of CN110728525A publication Critical patent/CN110728525A/zh
Application granted granted Critical
Publication of CN110728525B publication Critical patent/CN110728525B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
    • 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
    • H04L41/142—Network analysis or design using statistical or mathematical methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Probability & Statistics with Applications (AREA)
  • Signal Processing (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本发明实施例公开了一种网络批量用户投诉的定界处理方法及装置，方法包括：获取实时的投诉预警数据和用户投诉时段的信令记录；根据投诉预警数据和信令记录计算投诉用户在各个维度下的共现度；将各维度的共现度和各维度的门限表进行比对；若判断获知第一目标维度的共现度在门限表中对应维度的门限范围内，则根据共现度的大小对各第一目标维度进行排序并输出，以实现对网络批量用户投诉的定界。通过引入网络的信令记录，计算投诉用户在各个维度下的共现度，通过建立门限表对每个维度定义门限范围，实现在新的批量投诉到来后只需将各维度的共现度与门限表进行对比并排序输出，无需再进行人工回访、异常判断等，极大的提升了批量投诉处理的效率。

Description

一种网络批量用户投诉的定界处理方法及装置
技术领域
本发明实施例涉及通信网络技术领域，具体涉及一种网络批量用户投诉的定界处理方法及装置。
背景技术
针对由客服部门触发无线通信网络批量用户投诉预警后，需要对投诉异常原因进行快速定界。
在现有的投诉处理方案中通常包括如下的步骤：1)核查设备是否有异常告警或指标劣化情况；2)电话回访用户搜集用户信息，含投诉地点、故障现象等；3)依据回访信息从区域、SP等大颗粒的维度去入手定位异常点；4)抽取部分用户进行信令分析查看是否存在异常。现有方法还通过信令失败消息的汇总分析等进行异常维度的告警，但维度仅局限在信令错误码，且采用的告警阈值仍采用的是固定阈值的方式。
批量投诉预警中的包含日常投诉用户和异常原因导致投诉用户两部分，投诉处理的关键是快速找到投诉增长的异常原因，遏制事态的进一步恶化。在现有的技术方案中，信息收集阶段采用人工回访方式，不仅繁琐费时还可能存在部分用户描述不准确影响判断的情况。在分析阶段，一方面是缺乏投诉用户数据全面洞察的能力，如选取投诉用户做信令分析，只能靠投诉现象随机选取，而无法根据具体的异常事件如回落、附着失败等去筛选，分析效率低下；另一方面，严重依赖网络专家的能力与经验，可能因缺乏经验数据支撑难以判断。
发明内容
由于现有方法存在上述问题，本发明实施例提出一种网络批量用户投诉的定界处理方法及装置。
第一方面，本发明实施例提出一种网络批量用户投诉的定界处理方法，包括：
获取实时的投诉预警数据和用户投诉时段的信令记录，所述投诉预警数据包括投诉预警类型、用户投诉时间和投诉号码；
根据所述投诉预警数据和所述信令记录计算投诉用户在各个维度下的共现度；
将各维度的共现度和各维度的门限表进行比对；
若判断获知第一目标维度的共现度在所述门限表中对应维度的门限范围内，则根据共现度的大小对各第一目标维度进行排序并输出，以实现对网络批量用户投诉的定界。
可选地，所述方法还包括：
若判断获知第二目标维度的共现度不在所述门限表中对应维度的门限范围内，则认为第二目标维度为异常维度；
计算各第二目标维度的共现度与所述门限表中对应维度的门限范围的差值，并根据差值的大小对各第二目标维度进行排序并输出。
可选地，所述将各维度的共现度和各维度的门限表进行比对之前，还包括：
获取历史投诉用户数据，并根据所述历史投诉用户数据提取用户投诉时段的信令记录，所述历史投诉用户数据包括投诉时间、用户号码和业务类别；
根据投诉量累加值或区间值超阈值的投诉预警方式，将所述信令记录划分为若干个样本集合；
根据统计周期统计每个样本集合各维度的投诉用户的共现率，并获取每个维度共现率最高且大于统计阈值的目标维度，对所述目标维度进行降维处理，得到目标样本；
对所述目标样本进行预处理，并根据箱线图算法和概率分布算法对预处理后的目标样本进行动态门限学习，得到各维度的门限表。
可选地，所述对所述目标样本进行预处理，具体包括：
根据聚类算法对所述目标样本进行处理，剔除所述目标样本中的离群点，并根据Kmeans算法对同一维度的投诉用户数量按中心点数分别进行聚类，选取轮廓系数最优的类别。
第二方面，本发明实施例还提出一种网络批量用户投诉的定界处理装置，包括：
数据获取模块，用于获取实时的投诉预警数据和用户投诉时段的信令记录，所述投诉预警数据包括投诉预警类型、用户投诉时间和投诉号码；
共现度计算模块，用于根据所述投诉预警数据和所述信令记录计算投诉用户在各个维度下的共现度；
共现度比对模块，用于将各维度的共现度和各维度的门限表进行比对；
第一输出模块，用于若判断获知第一目标维度的共现度在所述门限表中对应维度的门限范围内，则根据共现度的大小对各第一目标维度进行排序并输出，以实现对网络批量用户投诉的定界。
可选地，所述装置还包括：
异常判断模块，用于若判断获知第二目标维度的共现度不在所述门限表中对应维度的门限范围内，则认为第二目标维度为异常维度；
第二输出模块，用于计算各第二目标维度的共现度与所述门限表中对应维度的门限范围的差值，并根据差值的大小对各第二目标维度进行排序并输出。
可选地，所述装置还包括：
信令记录提取模块，用于获取历史投诉用户数据，并根据所述历史投诉用户数据提取用户投诉时段的信令记录，所述历史投诉用户数据包括投诉时间、用户号码和业务类别；
信令记录划分模块，用于根据投诉量累加值或区间值超阈值的投诉预警方式，将所述信令记录划分为若干个样本集合；
共现率统计模块，用于根据统计周期统计每个样本集合各维度的投诉用户的共现率，并获取每个维度共现率最高且大于统计阈值的目标维度，对所述目标维度进行降维处理，得到目标样本；
预处理模块，用于对所述目标样本进行预处理，并根据箱线图算法和概率分布算法对预处理后的目标样本进行动态门限学习，得到各维度的门限表。
可选地，所述预处理模块具体用于：
根据聚类算法对所述目标样本进行处理，剔除所述目标样本中的离群点，并根据Kmeans算法对同一维度的投诉用户数量按中心点数分别进行聚类，选取轮廓系数最优的类别。
第三方面，本发明实施例还提出一种电子设备，包括：
至少一个处理器；以及
与所述处理器通信连接的至少一个存储器，其中：
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述方法。
第四方面，本发明实施例还提出一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机程序，所述计算机程序使所述计算机执行上述方法。
由上述技术方案可知，本发明实施例通过引入网络的信令记录，并计算投诉用户在各个维度下的共现度，通过建立门限表，对每个维度定义门限范围，实现在新的批量投诉到来后只需将各维度的共现度与门限表进行对比并排序输出，无需再进行人工回访、异常判断等，极大的提升了批量投诉处理的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。
图1为本发明一实施例提供的一种网络批量用户投诉的定界处理方法的流程示意图；
图2为本发明一实施例提供的一种获取异常门限的流程示意图；
图3为本发明另一实施例提供的一种网络批量用户投诉的定界处理方法的流程示意图；
图4为本发明一实施例提供的一种网络批量用户投诉的定界处理装置的结构示意图；
图5为本发明一实施例提供的电子设备的逻辑框图。
具体实施方式
下面结合附图，对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
图1示出了本实施例提供的一种网络批量用户投诉的定界处理方法的流程示意图，包括：
S101、获取实时的投诉预警数据和用户投诉时段的信令记录；
其中，所述投诉预警数据包括投诉预警类型、用户投诉时间和投诉号码。
所述信令记录包括多个关键字段，如地市、网元、TAC、Host、APN及信令流程等。
S102、根据所述投诉预警数据和所述信令记录计算投诉用户在各个维度下的共现度。
具体地，共现度统计以维度为单位，通过计算同时段重复出现的比例获取，定义如下：维度A的共现度＝投诉用户中含维度A特征的时段数/样本中总时段数。分析的维度来源于信令记录中的关键字段，包含地市、网元、TAC、Host、APN及信令流程等，同流程中具体取值不同则算不同维度。比如rls_trans_cause＝107&11&0，rls_trans_cause＝112&11&0属同一信令流程但取值不同算两种维度。
S103、将各维度的共现度和各维度的门限表进行比对。
其中，所述门限表是根据多个样本数据计算得到的用于判断所有维度门限的列表。
S104、若判断获知第一目标维度的共现度在所述门限表中对应维度的门限范围内，则根据共现度的大小对各第一目标维度进行排序并输出，以实现对网络批量用户投诉的定界。
其中，所述第一目标维度为共现度在所述门限表中对应维度的门限范围内的维度。
本实施例通过引入网络的信令记录，并计算投诉用户在各个维度下的共现度，通过建立门限表，对每个维度定义门限范围，实现在新的批量投诉到来后只需将各维度的共现度与门限表进行对比并排序输出，无需再进行人工回访、异常判断等，极大的提升了批量投诉处理的效率。
进一步地，在上述方法实施例的基础上，所述方法还包括：
S105、若判断获知第二目标维度的共现度不在所述门限表中对应维度的门限范围内，则认为第二目标维度为异常维度。
S106、计算各第二目标维度的共现度与所述门限表中对应维度的门限范围的差值，并根据差值的大小对各第二目标维度进行排序并输出。
其中，所述第二目标维度为共现度不在所述门限表中对应维度的门限范围内的维度。
本实施例通过对每一个维度建立日常的动态阈值门限，实现在新的批量投诉到来后只需提前相关用户信令即能自动化分析输出异常维度，无需再进行人工回访、异常判断等，极大的提升了批量投诉处理的效率。
进一步地，在上述方法实施例的基础上，所述将各维度的共现度和各维度的门限表进行比对之前，还包括：
S1031、获取历史投诉用户数据，并根据所述历史投诉用户数据提取用户投诉时段的信令记录，所述历史投诉用户数据包括投诉时间、用户号码和业务类别；
S1032、根据投诉量累加值或区间值超阈值的投诉预警方式，将所述信令记录划分为若干个样本集合；
S1033、根据统计周期统计每个样本集合各维度的投诉用户的共现率，并获取每个维度共现率最高且大于统计阈值的目标维度，对所述目标维度进行降维处理，得到目标样本；
S1034、对所述目标样本进行预处理，并根据箱线图算法和概率分布算法对预处理后的目标样本进行动态门限学习，得到各维度的门限表。
其中，所述对所述目标样本进行预处理，具体包括：
根据聚类算法对所述目标样本进行处理，剔除所述目标样本中的离群点，并根据Kmeans算法对同一维度的投诉用户数量按中心点数分别进行聚类，选取轮廓系数最优的类别。
具体地，采用Kmeans算法对同一维度的投诉用户数量按中心点数分别为1、2、3进行聚类，选取轮廓系数最优的类别。如聚类获得的类数量大于1，则对量少并且距离量最多的那一类的中心距离较大的数据点进行删除。
在各维度建立异常门限学习的过程中，参见图1，包括以下步骤：
A1、从客服系统获取历史投诉用户数据，包括投诉时间、用户号码、业务类别等，并根据上述信息从网络大数据平台提取用户投诉时段的信令记录；
A2、根据投诉量累加值或区间值超阈值两种批量投诉预警的方式，对步骤1中所提取的用户信令记录进一步分类。以15分钟粒度的预警为例，一天为96个时段。累加值预警提取历史样本中每天[0,1],[0,2],[0,3]…[0,96]时段的记录构建新的子样本集。区间预警样本则提取每天[0,4],[1,5],[2,6]…[92,96]时段的记录构建新的子样本集。后续阈值门限计算均基于每一个子样本集；
A3、针对步骤A2中所述获取的各个样本集合，按维度统计每个集合的统计周期下投诉用户共现率，并保留每一类别(TAC、host等)共现率最高(如TOP 10％，可配置)并且共现率超过统计次数50％的维度实现数据降维；
A4、针对步骤A3中精简后保留的每一个维度利用聚类算法进行数据预处理，剔除离群点避免某时刻的波动影响后续阈值的构建；
A5、针对步骤A4清洗过的数据用箱线图算法和概率分布算法进行动态门限学习。门限通过箱线图和概率分布相结合的方式来计算，其中通过箱线图计算上、下门限，概率分布进一步校准门限进而保证学得的门限是合理。
假设维度中投诉样本数的第一四分位数、第三四分位数分别为Q1，Q3，则上门限为Q3+1.5(Q3-Q1)，下门限为Q1-1.5(Q3-Q1)。如上述上门限值比整体分布的90％分位值小，调整90％的分位值作为上门限；如果箱线图算出来的下门限值比整体分布的10％分位值还大，调整10％的分位值作为下门限。
结合上述计算，可以建立起每种预警类型在每一预警区间的日常投诉基准阈值门限。
获取的异常门限后，可对投诉进行批量处理，如图3所示，具体包括以下步骤：
A6、从客服投诉平台获取实时投诉预警数据，包含投诉预警类型、用户投诉时间、号码等信息；并从网络大数据平台提取用户投诉时段的信令记录；
A7、根据投诉用户信令记录，按步骤A3所述的共现度定义计算投诉用户在各个维度下的共现度；
A8、根据步骤A7计算得到的各维度共现度和步骤A5中建立的日常维度门限表进行比对查询，如维度存在则进入步骤A9。否则认为是异常维度进行记录，并进入步骤A11；
A9、对前述步骤A7计算得到的共现度和步骤A5中建立的共现度基准门限进行对比，如超出阈值则认为是异常维度进行记录，并进入步骤A11。否则判定维度正常；
A10、主要对前述步骤计算获取的正常维度，按共现度高低排序输出，实现网络专家进一步处理时可以对这些维度原因进行排除；
A11、对前述步骤计算获取的异常维度，按共现度和基准门限相比变化幅度、影响用户人数增长变化情况等多维度分别进行排序输出，支撑网络专家快速定位引起投诉突增的原因分析。
本实施例针对现有技术的不足，引入了网络信令数据源，使得批量投诉到来后无需再进行大规模用户回访即可对用户异常进行全面识别，能够有效提升投诉处理的效率和问题分析的针对性；通过引入箱线图、概率分布等算法能够对历史投诉中的大数据样本进行全面分析，并对每一个维度建立日常基准门限，使得维度或指标异常与否的判断不再全靠专家经验，每一个维度在批量投诉中的影响度都是可量化评估的；定界分析的结果可以根据维度共现度变化幅度、涉及的影响用户人数等进行多维度排序输出，可以支撑网络专家快速定位引起投诉突增的原因分析。
以某日杭州的0点-12点移动互联网业务累加投诉预警，投诉用户达249起，较日常增长81起为例。
首先根据前述方法，系统对日常杭州区域在0-9点区间的移动互联网业务进行了基准门限学习构建。结果如下表所示，对每个业务类型不同取值下的各维度的均构建了日常的基准门限，共2663个维度，具体可以参见附件表格。
Figure BDA0001732208140000101
针对本次投诉预警的号码，提取信令记录后按前述方法中步骤A6～11计算共现度并和基准门限比较识别出异常维度，TOP的异常结论如下表所示。4G回落用户较日常增长55人，且流程类型中寻呼失败的用户增加了40人，初步可以判断为区域无线问题。
Figure BDA0001732208140000111
后续经验证，确认该部分投诉用户主要集中在西湖周边，部分站点存在高负荷的情况，有力的提升了问题分析的效率。
本实施例可以将历史投诉数据按累加值或区间值两种方式建立学习样本并用于后续学习建模，能有效应对实际发生的各种批量投诉预警类型；基于维度的共现率数值排名与共现率是否超过统计次数相结合的阈值构建维度选取方法，来实现数据降维，仅对历史投诉中复现率较高的维度建立基准门限，来提升算法的准确性与运算效率；利用聚类算法对各维度进行数据预处理方法，通过样本聚类、样本数据量及距离计算等剔除离群点，可以有效避免历史投诉中某时刻的波动影响基准阈值的构建，提升阈值构建的准确性和稳健性；通过箱线图分位值计算上、下门限基础上进一步结合概率分布分析样本门限在整体样本中的分布合理性进行门限动态调整，来保障门限的合理性。
图4示出了本实施例提供的一种网络批量用户投诉的定界处理装置的结构示意图，所述装置包括：数据获取模块401、共现度计算模块402、共现度比对模块403和第一输出模块404，其中：
所述数据获取模块401用于获取实时的投诉预警数据和用户投诉时段的信令记录，所述投诉预警数据包括投诉预警类型、用户投诉时间和投诉号码；
所述共现度计算模块402用于根据所述投诉预警数据和所述信令记录计算投诉用户在各个维度下的共现度；
所述共现度比对模块403用于将各维度的共现度和各维度的门限表进行比对；
所述第一输出模块404用于若判断获知第一目标维度的共现度在所述门限表中对应维度的门限范围内，则根据共现度的大小对各第一目标维度进行排序并输出，以实现对网络批量用户投诉的定界。
具体地，所述数据获取模块401获取实时的投诉预警数据和用户投诉时段的信令记录，所述投诉预警数据包括投诉预警类型、用户投诉时间和投诉号码；所述共现度计算模块402根据所述投诉预警数据和所述信令记录计算投诉用户在各个维度下的共现度；所述共现度比对模块403将各维度的共现度和各维度的门限表进行比对；所述第一输出模块404若判断获知第一目标维度的共现度在所述门限表中对应维度的门限范围内，则根据共现度的大小对各第一目标维度进行排序并输出，以实现对网络批量用户投诉的定界。
本实施例通过引入网络的信令记录，并计算投诉用户在各个维度下的共现度，通过建立门限表，对每个维度定义门限范围，实现在新的批量投诉到来后只需将各维度的共现度与门限表进行对比并排序输出，无需再进行人工回访、异常判断等，极大的提升了批量投诉处理的效率。
进一步地，在上述装置实施例的基础上，所述装置还包括：
异常判断模块，用于若判断获知第二目标维度的共现度不在所述门限表中对应维度的门限范围内，则认为第二目标维度为异常维度；
第二输出模块，用于计算各第二目标维度的共现度与所述门限表中对应维度的门限范围的差值，并根据差值的大小对各第二目标维度进行排序并输出。
进一步地，在上述装置实施例的基础上，所述装置还包括：
信令记录提取模块，用于获取历史投诉用户数据，并根据所述历史投诉用户数据提取用户投诉时段的信令记录，所述历史投诉用户数据包括投诉时间、用户号码和业务类别；
信令记录划分模块，用于根据投诉量累加值或区间值超阈值的投诉预警方式，将所述信令记录划分为若干个样本集合；
共现率统计模块，用于根据统计周期统计每个样本集合各维度的投诉用户的共现率，并获取每个维度共现率最高且大于统计阈值的目标维度，对所述目标维度进行降维处理，得到目标样本；
预处理模块，用于对所述目标样本进行预处理，并根据箱线图算法和概率分布算法对预处理后的目标样本进行动态门限学习，得到各维度的门限表。
进一步地，在上述装置实施例的基础上，所述预处理模块具体用于：
根据聚类算法对所述目标样本进行处理，剔除所述目标样本中的离群点，并根据Kmeans算法对同一维度的投诉用户数量按中心点数分别进行聚类，选取轮廓系数最优的类别。
本实施例所述的网络批量用户投诉的定界处理装置可以用于执行上述方法实施例，其原理和技术效果类似，此处不再赘述。
参照图5，所述电子设备，包括：处理器(processor)501、存储器(memory)502和总线503；
其中，
所述处理器501和存储器502通过所述总线503完成相互间的通信；
所述处理器501用于调用所述存储器502中的程序指令，以执行上述各方法实施例所提供的方法。
本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。
本实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种网络批量用户投诉的定界处理方法，其特征在于，包括：
获取实时的投诉预警数据和用户投诉时段的信令记录，所述投诉预警数据包括投诉预警类型、用户投诉时间和投诉号码；
根据所述投诉预警数据和所述信令记录计算投诉用户在各个维度下的共现度；
将各维度的共现度和各维度的门限表进行比对；
若判断获知第一目标维度的共现度在所述门限表中对应维度的门限范围内，则根据共现度的大小对各第一目标维度进行排序并输出，以实现对网络批量用户投诉的定界。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若判断获知第二目标维度的共现度不在所述门限表中对应维度的门限范围内，则认为第二目标维度为异常维度；
计算各第二目标维度的共现度与所述门限表中对应维度的门限范围的差值，并根据差值的大小对各第二目标维度进行排序并输出。
3.根据权利要求1所述的方法，其特征在于，所述将各维度的共现度和各维度的门限表进行比对之前，还包括：
获取历史投诉用户数据，并根据所述历史投诉用户数据提取用户投诉时段的信令记录，所述历史投诉用户数据包括投诉时间、用户号码和业务类别；
根据投诉量累加值或区间值超阈值的投诉预警方式，将所述信令记录划分为若干个样本集合；
根据统计周期统计每个样本集合各维度的投诉用户的共现率，并获取每个维度共现率最高且大于统计阈值的目标维度，对所述目标维度进行降维处理，得到目标样本；
对所述目标样本进行预处理，并根据箱线图算法和概率分布算法对预处理后的目标样本进行动态门限学习，得到各维度的门限表。
4.根据权利要求3所述的方法，其特征在于，所述对所述目标样本进行预处理，具体包括：
根据聚类算法对所述目标样本进行处理，剔除所述目标样本中的离群点，并根据Kmeans算法对同一维度的投诉用户数量按中心点数分别进行聚类，选取轮廓系数最优的类别。
5.一种网络批量用户投诉的定界处理装置，其特征在于，包括：
数据获取模块，用于获取实时的投诉预警数据和用户投诉时段的信令记录，所述投诉预警数据包括投诉预警类型、用户投诉时间和投诉号码；
共现度计算模块，用于根据所述投诉预警数据和所述信令记录计算投诉用户在各个维度下的共现度；
共现度比对模块，用于将各维度的共现度和各维度的门限表进行比对；
第一输出模块，用于若判断获知第一目标维度的共现度在所述门限表中对应维度的门限范围内，则根据共现度的大小对各第一目标维度进行排序并输出，以实现对网络批量用户投诉的定界。
6.根据权利要求5所述的装置，其特征在于，所述装置还包括：
异常判断模块，用于若判断获知第二目标维度的共现度不在所述门限表中对应维度的门限范围内，则认为第二目标维度为异常维度；
第二输出模块，用于计算各第二目标维度的共现度与所述门限表中对应维度的门限范围的差值，并根据差值的大小对各第二目标维度进行排序并输出。
7.根据权利要求5所述的装置，其特征在于，所述装置还包括：
信令记录提取模块，用于获取历史投诉用户数据，并根据所述历史投诉用户数据提取用户投诉时段的信令记录，所述历史投诉用户数据包括投诉时间、用户号码和业务类别；
信令记录划分模块，用于根据投诉量累加值或区间值超阈值的投诉预警方式，将所述信令记录划分为若干个样本集合；
共现率统计模块，用于根据统计周期统计每个样本集合各维度的投诉用户的共现率，并获取每个维度共现率最高且大于统计阈值的目标维度，对所述目标维度进行降维处理，得到目标样本；
预处理模块，用于对所述目标样本进行预处理，并根据箱线图算法和概率分布算法对预处理后的目标样本进行动态门限学习，得到各维度的门限表。
8.根据权利要求7所述的装置，其特征在于，所述预处理模块具体用于：
根据聚类算法对所述目标样本进行处理，剔除所述目标样本中的离群点，并根据Kmeans算法对同一维度的投诉用户数量按中心点数分别进行聚类，选取轮廓系数最优的类别。
9.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述处理器通信连接的至少一个存储器，其中：
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至4任一所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机程序，所述计算机程序使所述计算机执行如权利要求1至4任一所述的方法。
CN201810779484.2A 2018-07-16 2018-07-16 一种网络批量用户投诉的定界处理方法及装置 Active CN110728525B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810779484.2A CN110728525B (zh) 2018-07-16 2018-07-16 一种网络批量用户投诉的定界处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810779484.2A CN110728525B (zh) 2018-07-16 2018-07-16 一种网络批量用户投诉的定界处理方法及装置

Publications (2)

Publication Number Publication Date
CN110728525A true CN110728525A (zh) 2020-01-24
CN110728525B CN110728525B (zh) 2022-04-15

Family

ID=69216873

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810779484.2A Active CN110728525B (zh) 2018-07-16 2018-07-16 一种网络批量用户投诉的定界处理方法及装置

Country Status (1)

Country Link
CN (1) CN110728525B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112083853A (zh) * 2020-09-02 2020-12-15 北京字节跳动网络技术有限公司 账号举报方法、审核方法、装置、电子设备和存储介质
CN112184059A (zh) * 2020-10-20 2021-01-05 平安银行股份有限公司 评分分析方法、装置、电子设备及存储介质
CN112632281A (zh) * 2020-12-28 2021-04-09 杭州东方通信软件技术有限公司 一种基于预警投诉数据的融合定界方法及装置
CN112699099A (zh) * 2020-12-30 2021-04-23 广州杰赛科技股份有限公司 用户投诉数据库扩充方法、装置及存储介质
CN113762978A (zh) * 2020-06-03 2021-12-07 中国移动通信集团浙江有限公司 5g切片用户的投诉定界方法、装置及计算设备
CN114095344A (zh) * 2020-08-04 2022-02-25 中国移动通信集团重庆有限公司 批量网络投诉的故障定位方法、设备及计算机存储介质
CN114202339A (zh) * 2020-08-31 2022-03-18 中国移动通信集团重庆有限公司 预警处理方法及装置
CN114866433A (zh) * 2022-04-21 2022-08-05 中国移动通信集团陕西有限公司 用户业务感知评估方法、装置、设备及计算机存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101964997A (zh) * 2009-07-21 2011-02-02 中国移动通信集团黑龙江有限公司 网络性能预警方法及装置
CN103188705A (zh) * 2011-12-29 2013-07-03 中国移动通信集团广东有限公司 一种对批量投诉进行告警定位的方法和告警定位装置
US20130198767A1 (en) * 2012-01-30 2013-08-01 Board Of Regents, The University Of Texas System Method and apparatus for managing quality of service
US20140256310A1 (en) * 2011-11-25 2014-09-11 Huawei Technologies Co., Ltd. Method and apparatus for network problem location based on subscriber perception
WO2015081685A1 (zh) * 2013-12-02 2015-06-11 中兴通讯股份有限公司 业务质量的处理方法及装置
CN105828376A (zh) * 2016-05-09 2016-08-03 中国联合网络通信集团有限公司 基于用户感知的业务质量监测方法和设备
CN105873113A (zh) * 2015-01-21 2016-08-17 中国移动通信集团福建有限公司 无线质量问题定位方法及系统
CN107332681A (zh) * 2016-04-28 2017-11-07 中国移动通信集团福建有限公司 一种故障维度分析方法及网络设备
CN107404728A (zh) * 2016-05-18 2017-11-28 中国移动通信集团江苏有限公司 一种网络问题定位的方法及装置
CN107786994A (zh) * 2016-08-26 2018-03-09 卓望数码技术（深圳）有限公司 端到端无线业务的用户感知质差分析方法和系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101964997A (zh) * 2009-07-21 2011-02-02 中国移动通信集团黑龙江有限公司 网络性能预警方法及装置
US20140256310A1 (en) * 2011-11-25 2014-09-11 Huawei Technologies Co., Ltd. Method and apparatus for network problem location based on subscriber perception
CN103188705A (zh) * 2011-12-29 2013-07-03 中国移动通信集团广东有限公司 一种对批量投诉进行告警定位的方法和告警定位装置
US20130198767A1 (en) * 2012-01-30 2013-08-01 Board Of Regents, The University Of Texas System Method and apparatus for managing quality of service
WO2015081685A1 (zh) * 2013-12-02 2015-06-11 中兴通讯股份有限公司 业务质量的处理方法及装置
CN105873113A (zh) * 2015-01-21 2016-08-17 中国移动通信集团福建有限公司 无线质量问题定位方法及系统
CN107332681A (zh) * 2016-04-28 2017-11-07 中国移动通信集团福建有限公司 一种故障维度分析方法及网络设备
CN105828376A (zh) * 2016-05-09 2016-08-03 中国联合网络通信集团有限公司 基于用户感知的业务质量监测方法和设备
CN107404728A (zh) * 2016-05-18 2017-11-28 中国移动通信集团江苏有限公司 一种网络问题定位的方法及装置
CN107786994A (zh) * 2016-08-26 2018-03-09 卓望数码技术（深圳）有限公司 端到端无线业务的用户感知质差分析方法和系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ALESSANDRO CHIUMENTO 等: "Adaptive CSI and feedback estimation in LTE and beyond：a Gaussian process regression approach", 《EURASIP JOURNAL ON WIRELESS COMMUNICATIONS AND NETWORKING》 *
王莹等: "一种基于大数据的资源引入和质差分析平台", 《信息通信》 *
邓炳光 等: "面向用户感知的LTE网络评估模型的设计与实现", 《电视技术》 *
陈森等: "基于大数据分析的移动互联网用户感知评估系统", 《电信科学》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113762978A (zh) * 2020-06-03 2021-12-07 中国移动通信集团浙江有限公司 5g切片用户的投诉定界方法、装置及计算设备
CN113762978B (zh) * 2020-06-03 2023-08-18 中国移动通信集团浙江有限公司 5g切片用户的投诉定界方法、装置及计算设备
CN114095344A (zh) * 2020-08-04 2022-02-25 中国移动通信集团重庆有限公司 批量网络投诉的故障定位方法、设备及计算机存储介质
CN114095344B (zh) * 2020-08-04 2023-10-27 中国移动通信集团重庆有限公司 批量网络投诉的故障定位方法、设备及计算机存储介质
CN114202339A (zh) * 2020-08-31 2022-03-18 中国移动通信集团重庆有限公司 预警处理方法及装置
CN112083853A (zh) * 2020-09-02 2020-12-15 北京字节跳动网络技术有限公司 账号举报方法、审核方法、装置、电子设备和存储介质
CN112184059A (zh) * 2020-10-20 2021-01-05 平安银行股份有限公司 评分分析方法、装置、电子设备及存储介质
CN112632281A (zh) * 2020-12-28 2021-04-09 杭州东方通信软件技术有限公司 一种基于预警投诉数据的融合定界方法及装置
CN112699099A (zh) * 2020-12-30 2021-04-23 广州杰赛科技股份有限公司 用户投诉数据库扩充方法、装置及存储介质
CN112699099B (zh) * 2020-12-30 2024-06-04 中电科普天科技股份有限公司 用户投诉数据库扩充方法、装置及存储介质
CN114866433A (zh) * 2022-04-21 2022-08-05 中国移动通信集团陕西有限公司 用户业务感知评估方法、装置、设备及计算机存储介质
CN114866433B (zh) * 2022-04-21 2024-03-22 中国移动通信集团陕西有限公司 用户业务感知评估方法、装置、设备及计算机存储介质

Also Published As

Publication number Publication date
CN110728525B (zh) 2022-04-15

Similar Documents

Publication Publication Date Title
CN110728525B (zh) 一种网络批量用户投诉的定界处理方法及装置
CN110865929B (zh) 异常检测预警方法及系统
CN111143102B (zh) 异常数据检测方法、装置、存储介质及电子设备
CN109981328B (zh) 一种故障预警方法及装置
CN113556258B (zh) 一种异常检测方法及装置
CN105095056B (zh) 一种数据仓库数据监控的方法
CN112188531B (zh) 异常检测方法、装置、电子设备及计算机存储介质
CN105721187A (zh) 一种业务故障诊断方法及装置
CN105373894A (zh) 基于稽查数据的电力营销业务诊断模型的建立方法及系统
RU2716029C1 (ru) Система мониторинга качества и процессов на базе машинного обучения
CN112989332B (zh) 一种异常用户行为检测方法和装置
CN110830438A (zh) 一种异常日志告警方法、装置及电子设备
CN110046245B (zh) 一种数据监控方法及装置、一种计算设备及存储介质
CN113672600B (zh) 一种异常检测方法及系统
CN111444060A (zh) 异常检测模型训练方法、异常检测方法及相关装置
CN108390793A (zh) 一种分析系统稳定性的方法及装置
CN113190426A (zh) 一种大数据评分系统稳定性监控方法
CN112445685A (zh) 一种动态更新告警阈值的方法、装置及存储介质
CN110677269B (zh) 通信用户关系的确定方法、装置和计算机可读存储介质
CN110618925A (zh) 数据处理方法及系统
CN109960839B (zh) 基于机器学习的业务支撑系统业务链路发现方法和系统
CN111428963B (zh) 一种数据处理方法及装置
CN117194191A (zh) 日志监控告警方法、装置、计算机设备和存储介质
CN116797180A (zh) 投诉预警方法、装置、计算机设备和存储介质
CN115543671A (zh) 数据分析方法、装置、设备、存储介质及程序产品

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