CN112996015A - 一种指标关联关系的构建方法及装置 - Google Patents
一种指标关联关系的构建方法及装置 Download PDFInfo
- Publication number
- CN112996015A CN112996015A CN201911311348.1A CN201911311348A CN112996015A CN 112996015 A CN112996015 A CN 112996015A CN 201911311348 A CN201911311348 A CN 201911311348A CN 112996015 A CN112996015 A CN 112996015A
- Authority
- CN
- China
- Prior art keywords
- index
- network operation
- maintenance
- service
- service perception
- 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
- 238000010276 construction Methods 0.000 title claims description 6
- 238000012423 maintenance Methods 0.000 claims abstract description 314
- 230000008447 perception Effects 0.000 claims abstract description 241
- 238000000034 method Methods 0.000 claims abstract description 76
- 238000003860 storage Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 description 47
- 238000010586 diagram Methods 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000005457 optimization Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 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
- 230000002085 persistent effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种指标关联关系的构建方法及装置,包括:获取目标业务的业务感知指标数据和网络运维指标数据,然后,根据业务感知指标数据和网络运维指标数据计算每项业务感知指标与每项网络运维指标之间的皮尔森相关系数,最后,基于计算得出的皮尔森相关系数,构建每项业务感知指标与各类网络运维指标之间的关联关系,由于皮尔森相关系数的计算比较客观,因此,基于皮尔森相关系数确定的每项业务感知指标与每类网络运维指标之间的关联关系准确性较更高,发生用户投诉时,针对投诉的业务感知问题可以快速、准确的确定出网络短板,有效指导网络感知优化提升,提高用户体验。
Description
技术领域
本发明涉及移动通信网络技术领域,尤其涉及一种指标关联关系的构建方法及装置。
背景技术
随着互联网技术的快速发展,互联网在各个领域的应用越来越广泛,并且应用形式越来越多样化。例如,通过互联网可以观看视频、浏览网页、使用各类应用程序等等。随着互联网技术的日益盛行,人们对于互联网的网络感知要求也越来越高。如,用户在观看视频时,不仅希望视频的下载速率较大、还希望视频的响应延时较短以及希望视频卡顿次数较少等等。
而影响用户对各项业务感知情况的因素主要在网络侧,例如网络的覆盖率、网络的干扰情况等等。一般的,在现有技术中,在处理用户对业务感知的投诉事件时,大都是基于经验一一排查导致用户感知较差的网络因素。由于业务感知情况与网络因素之间的关联关系并不明确,因此,在排查导致用户感知较差的网络因素时,工作量较大、耗时较长且排查的准确性较差,无法有效提升用户业务感知,导致用户体验较差。
发明内容
本发明实施例的目的是提供一种指标关联关系的构建方法及装置,以解决现有技术在排查导致用户感知较差的网络因素时,工作量较大、耗时较长且排查的准确性较差,无法有效提升用户业务感知,导致用户体验较差的问题。
为了解决上述技术问题,本发明实施例是这样实现的:
第一方面,本发明实施例提供了一种指标关联关系的构建方法,包括:
获取目标业务的业务感知指标数据和网络运维指标数据;其中,所述业务感知指标数据包括用户针对所述目标业务的业务感知指标的指标值,所述网络运维指标数据包括所述用户在请求所述目标业务时所对应的网络运维指标的指标值;
根据所述业务感知指标数据和所述网络运维指标数据,计算每项所述业务感知指标与每项所述网络运维指标之间的皮尔森相关系数;
基于所述皮尔森相关系数,构建每项所述业务感知指标与各类所述网络运维指标之间的关联关系;其中,每类所述网络运维指标包含至少一项所述网络运维指标。
第二方面,本发明实施例提供了一种指标关联关系的构建装置,包括:
数据获取模块,用于获取目标业务的业务感知指标数据和网络运维指标数据;其中,所述业务感知指标数据包括用户针对所述目标业务的业务感知指标的指标值,所述网络运维指标数据包括所述用户在请求所述目标业务时所对应的网络运维指标的指标值;
相关系数计算模块,用于根据所述业务感知指标数据和所述网络运维指标数据,计算每项所述业务感知指标与每项所述网络运维指标之间的皮尔森相关系数;
关联关系构建模块,用于基于所述皮尔森相关系数,构建每项所述业务感知指标与各类所述网络运维指标之间的关联关系;其中,每类所述网络运维指标包含至少一项所述网络运维指标。
第三方面,本发明实施例提供了一种计算机设备,包括处理器、通信接口、存储器和通信总线;其中,所述处理器、所述通信接口以及所述存储器通过总线完成相互间的通信;所述存储器,用于存放计算机程序;所述处理器,用于执行所述存储器上所存放的程序,实现如第一方面所述的指标关联关系的构建方法的步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,实现如第一方面所述的指标关联关系的构建方法的步骤。
本发明实施例中的指标关联关系的构建方法及装置,首先,获取目标业务的业务感知指标数据和网络运维指标数据,然后,根据业务感知指标数据和网络运维指标数据计算每项业务感知指标与每项网络运维指标之间的皮尔森相关系数,最后,基于计算得出的各个皮尔森相关系数,构建每项业务感知指标与各类网络运维指标之间的关联关系,由于通过算法计算出的皮尔森相关系数比较客观,因此,基于皮尔森相关系数所确定的每项业务感知指标与每类网络运维指标之间的关联关系,准确性更高,这样,在发生用户投诉事件时,针对用户投诉的业务感知问题可以快速、准确的确定出对应的网络短板,可以有效指导网络感知优化提升,提高用户体验。
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中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的指标关联关系的构建方法的第一种流程示意图;
图2为本发明实施例提供的指标关联关系的构建方法的第二种流程示意图;
图3为本发明实施例提供的指标关联关系的构建方法的第三种流程示意图;
图4为本发明实施例提供的指标关联关系的构建方法中,所构建的业务感知指标与网络运维指标之间的关联矩阵的示意图;
图5为本发明实施例提供的指标关联关系的构建方法的第四种流程示意图;
图6为本发明实施例提供的指标关联关系的构建方法中,所生成的雷达图的示意图;
图7为本发明实施例提供的指标关联关系的构建方法的第五种流程示意图;
图8为本发明实施例提供的指标关联关系的构建装置的模块组成示意图;
图9为本发明实施例提供的计算机设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,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、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
本发明实施例提供了一种指标关联关系的构建方法及装置,基于每项业务感知指标与每项网络运维指标之间的皮尔森相关系数,建立业务感知指标与每类网络运维指标之间的关联关系;由于通过算法计算出的皮尔森相关系数比较客观,因此,基于皮尔森相关系数所确定的每项业务感知指标与每类网络运维指标之间的关联关系,准确性更高,这样,在发生用户投诉事件时,针对用户投诉的业务感知问题可以快速、准确的确定出对应的网络短板,可以有效指导网络感知优化提升,提高用户体验。
图1为本发明实施例提供的指标关联关系的构建方法的第一种流程示意图,图1所示的方法至少包括如下步骤:
步骤102,获取目标业务的业务感知指标数据和网络运维指标数据;其中,上述业务感知指标数据包括用户针对上述目标业务的业务感知指标的指标值,网络运维指标数据包括用户在请求上述目标业务时所对应的网络运维指标的指标值。
其中,本发明实施例中所提及到的业务感知指标可以理解为用于描述用户体验业务好坏的KQI(Key Quality Indicators,关键质量指标),KQI是主要针对不同业务提出的贴近用户感受的业务质量参数。例如,针对视频类业务,其所对应的业务感知指标可以为视频响应延时、视频播放成功率、视频卡顿次数以及视频下载速率等等。
上述网络运维指标则可以理解为影响业务感知的KPI(Key PerformanceIndicator,关键绩效指标),具体的,主要为网络侧的参数指标。为便于理解,继续以视频类业务为例举例说明,一般的,影响用户对视频类业务的感知的网络参数可以为网络覆盖信号强度、平均eNB(基站)接收干扰功率等,网络覆盖信号强度和平均eNB接收干扰功率则为视频类业务所对应的网络运维指标。
具体的,上述目标业务可以为如下几大类业务:视频类业务、即时通讯类业务、HTTP(Hyper Text Transfer Protocol,超文本传输协议)类业务、游戏类业务以及语音类业务等。
步骤104,根据业务感知指标数据和网络运维指标数据,计算每项业务感知指标与每项网络运维指标之间的皮尔森相关系数。
其中,皮尔森相关系数用于表征业务感知指标与网络运维指标之间的关联程度,皮尔森相关系数越大,表征该项业务感知指标与网络运维指标之间的关联程度越大。一般的,若是某项业务感知指标与某项网络运维指标之间的关联程度越大,则说明该项网络运维指标对该项业务感知指标的影响程度越大。
一般的,皮尔森相关系数的取值为(-1,1),所计算出的业务感知指标与网络运维指标之间的皮尔森系数越接近1,则说明两者之间正相关性越强,所计算出的业务感知指标与网络运维指标之间的皮尔森系数越接近-1,则说明两者之间的负相关性越强。所计算出的业务感知之间与网络运维指标之间的皮尔森系数为零时,则说明两者没有相关性。
例如,针对视频类业务,其中一个业务感知指标为视频下载速率,若是视频下载速率与网络覆盖信号强度之间的皮尔森相关系数接近1或者接近-1,则说明网络覆盖信号强度对视频下载速率的影响很大。
步骤106,基于上述皮尔森相关系数,构建每项业务感知指标与各类网络运维指标之间的关联关系;其中,每类网络运维指标包含至少一项网络运维指标。
在上述步骤106中,构建每项业务感知指标与各类网络运维指标之间的关联关系,这样可清晰明了的得知影响每项业务感知指标的网络运维指标,这样,在处理用户投诉事件时,可以基于用户的投诉信息(包含业务感知指标),快速、准确的查找到解决该问题所对应的网络运维指标,从而提升用户的业务感知。
本发明实施例中,由于通过算法计算出的皮尔森相关系数比较客观,因此,基于皮尔森相关系数所确定的每项业务感知指标与每类网络运维指标之间的关联关系,准确性更高,这样,在发生用户投诉事件时,针对用户投诉的业务感知问题可以快速、准确的确定出对应的网络短板,可以有效指导网络感知优化提升,提高用户体验。
具体的,在上述步骤104中,根据业务感知指标数据和网络运维指标数据,计算每项业务感知指标与每项网络运维指标之间的皮尔森相关系数,具体包括:
通过如下公式计算每项业务感知指标与每项网络运维指标之间的皮尔森相关系数;
Var(X)=E(X2)-(E(X))2
其中,在上述公式中,X表示业务感知指标,Y网络运维指标,Corr(X,Y)表示业务感知指标X与网络运维指标Y之间的皮尔森相关系数,Cov(X,Y)表示业务感知指标X与网络运维指标Y之间的协方差,Var(X)表示业务感知指标X的指标值方差,Var(Y)表示网络运维指标Y的指标值的方差,xi表示第i个用户所对应的业务感知指标X的指标值,yi表示第i个用户所对应的网络运维指标Y的指标值,表示n个用户所对应的业务感知指标X的指标值的平均值,表示n个用户所对应的网络运维指标Y的指标值的平均值。
通过上述方式可以计算出每个业务感知指标与每个网络运维指标之间的皮尔森相关系数。
其中,所得到的某项业务的每个业务感知指标与每个网络运维指标之间的皮尔森相关系数的一种可能的形式如表1所示。
表1
网络运维指标11 | 网络运维指标12 | 网络运维指标13 | |
业务感知指标11 | A11 | A12 | A13 |
业务感知指标12 | A21 | A22 | A23 |
业务感知指标13 | A31 | A32 | A33 |
其中,在上述表1中,目标业务1所对应的业务感知指标包括业务感知指标11、业务感知指标12和业务感知指标13,所对应的网络运维指标包括网络运维指标11、网络运维指标12和网络运维指标13,A11表示业务感知指标11与网络运维指标12之间的皮尔森相关系数,A12表示业务感知指标11与网络运维指标12之间的皮尔森相关系数,以此类推。
在本发明实施例中,通过智能算法计算每项业务感知指标与每项网络运维指标之间的皮尔森相关系数,计算方法科学,可以客观、清晰、直观的表征每项业务感知指标与每项网络运维指标之间的关联关系,进而使得后续所构建的每项业务感知指标与每类网络运维指标之间的关联关系更准确。
具体的,在上述步骤106中,基于皮尔森相关系数,构建每项业务感知指标与每类网络运维指标之间的关联关系,具体包括如下步骤一、步骤二和步骤三;
步骤一、将所有的网络运维指标进行类别划分,得到多类网络运维指标;
步骤二、针对每项业务感知指标,根据业务感知指标与每项网络运维指标之间的皮尔森相关系数和预设的计算规则,确定业务感知指标与每类网络运维指标之间的关联程度值;
步骤三、基于上述关联程度值构建每项业务感知指标与每类网络运维指标之间的关联关系。
具体的,在本发明实施例中,可以依据各个网络运维指标的指标特征对网络运维指标进行分类,具体的,在一种具体实施方式中可以将网络运维指标划分为覆盖、干扰、结构、容量和性能五大类。
另外,需要说明的是,在上述步骤二中,需要计算每项业务感知指标与每类网络运维指标之间的关联程度值。
图2为本发明实施例提供的指标关联关系的构建方法的第二种流程示意图,图2所示的方法,至少包括如下步骤:
步骤202,获取目标业务的业务感知指标数据和网络运维指标数据。
步骤204,根据上述业务感知指标数据和网络运维指标数据,计算每项业务感知指标与每项网络运维指标之间的皮尔森相关系数。
步骤206,将所有的网络运维指标进行类别划分,得到多类网络运维指标。
步骤208,针对每项业务感知指标,根据业务感知指标与每项网络运维指标之间的皮尔森相关系数和预设的计算规则,确定业务感知指标与每类网络运维指标之间的关联程度值。
步骤210,基于上述关联程度值,构建每项业务感知指标与各类网络运维指标之间的关联关系。
其中,在一种具体实施方式中,上述步骤二、针对每项业务感知指标,根据业务感知指标与每项网络运维指标之间的皮尔森相关系数和预设的计算规则,确定业务感知指标与每类网络运维指标之间的关联程度值,具体包括如下过程:
针对每项业务感知指标,获取业务感知指标与每种类别下的所有网络运维指标之间的皮尔森相关系数;将上述业务感知指标所对应的所有皮尔森相关系数中最大的皮尔森相关系数确定为业务感知指标与该类别的网络运维指标之间的关联程度值。
即在本发明实施例中,将业务感知指标与各类别下的网络运维指标之间的皮尔森相关系数中的最大相关系数作为业务感知指标与该类别网络运维指标之间的关联程度值。
为便于理解,下述将举例进行说明。
例如,在一种具体实施方式中,业务2所对应的业务感知指标包括业务感知指标21、业务感知指标22和业务感知指标23,网络运维指标包括网络运维指标21、网络运维指标22、网络运维指标23、网络运维指标24、网络运维指标25和网络运维指标26,且网络运维指标21、网络运维指标23和网络运维指标24属于同一个类别,记为网络运维指标类别1,网络运维指标22、网络运维指标25和网络运维指标26属于同一个类别,记为网络运维指标类别2。
在确定业务感知指标21与网络运维指标类别1之间的关联程度值时,则选取业务感知指标21与网络运维指标21的皮尔森相关系数、与网络运维指标23的皮尔森相关系数,以及与网络运维指标24的皮尔森相关系数中的最大的皮尔森相关系数,作为业务感知指标21与网络运维指标类别1之间的关联程度值;在确定业务感知指标22与网络运维指标2之间的关联程度值时,则选取业务感知指标22与网络运维指标22的皮尔森相关系数、与网络运维指标25的皮尔森相关系数,以及与网络26的皮尔森相关系数中的最大的皮尔森相关系数,作为业务感知指标22与网络运维指标2之间的关联程度值。
图3为本发明实施例提供的指标关联关系的构建方法的第三种方法流程图,图3所示的方法至少包括如下步骤:
步骤302,获取目标业务的业务感知指标数据和网络运维指标数据。
步骤304,根据业务感知指标数据和网络运维指标数据,计算每项业务感知指标与每项网络运维指标之间的皮尔森相关系数。
步骤306,将所有的网络运维指标进行类别划分,得到多类网络运维指标。
步骤308,针对每项业务感知指标,获取业务感知指标与每种类别下的所有网络运维指标之间的皮尔森相关系数。
步骤310,将上述业务感知指标所对应的所有皮尔森相关系数中的数值最大的皮尔森相关系数确定为该业务感知指标与该类别的网络运维指标之间的关联程度值。
步骤312,基于上述关联程度值构建每项业务感知指标与各类网络运维指标之间的关联关系。
另外,在本发明实施例中,在执行完上述步骤104,根据业务感知指标数据和网络运维指标数据,计算每项业务感知指标与每项网络运维指标之间的皮尔森相关系数之后,本发明实施例提供的方法还包括如下步骤(1)、步骤(2)和步骤(3);
步骤(1)、将所有的网络运维指标进行类别划分,得到多类网络运维指标;
步骤(2)、针对每类网络运维指标,根据每项业务感知指标与该类别网络运维指标中的各网络运维指标之间的皮尔森相关系数,按照预设规则筛选该类网络运维指标中的网络运维关键指标;
步骤(3)、根据上述业务感知指标与网络运维关键指标之间的皮尔森相关系数,建立每项业务感知指标与网络运维关键指标之间的关联矩阵。
具体的,在本发明实施例中,在上述步骤(2)中,可以筛选与各项业务感知指标的关联性均较强的预设数量个网络运维指标,作为网络运维关键指标。
为便于理解,下述将举例进行说明。
例如,在一种具体实施方式中,将所有的网络运维指标可以划分为覆盖、干扰、结构、容量和性能五大类,其中,每一类网络运维指标可以包含数十种到几十种不等的网络运维指标,每一类网络运维指标所包含的各个网络运维指标中,有的与业务感知指标关联性较大,有的与业务感知指标关联性较小,在本发明实施例中,则在每一类网络运维指标中筛选预设数量个网络运维指标数据用于构建关联矩阵。
在从每一类网络运维指标中筛选用于构建关联矩阵的网络运维指标时,将各项业务所对应的业务感知指标中的每项业务感知指标与该类别的网络运维指标中的各网络运维指标之间的皮尔森相关系数按照从大到小的顺序进行排序,从每个序列中选取排在前面的第一预设数量个皮尔森相关系数所对应的网络运维指标,将所选取的网络运维指标出现次数最多的第二预设数量个网络运维指标筛选出来。
需要说明的是,在本发明实施例中,所构建的关联矩阵可以为表格的形式,也可以为示意图的形式。本发明实施例并不对此进行限定。
例如,在一种具体实施方式中,以视频类业务为例,构建的关联矩阵的一种可能的形式如表2所示,另外一种可能的形式似如图4所示。当然,表2和图4只是示例性说明,并不构成对本发明实施例的限定。
表2
图5为本发明实施例提供的指标关联关系的构建方法的第四种方法流程图,图5所示的方法,至少包括如下步骤:
步骤502,获取目标业务的业务感知指标数据和网络运维指标数据。
步骤504,根据业务感知指标数据和网络运维指标数据,计算每项业务感知指标与每项网络运维指标之间的皮尔森相关系数。
步骤506,将所有的网络运维指标进行类别划分,得到多类网络运维指标。
步骤508,针对每类网络运维指标,根据每项业务感知指标与该类别网络运维指标中的各网络运维指标之间的皮尔森相关系数,按照预设规则筛选该类别网络运维指标中的网络运维关键指标。
步骤510,根据上述业务感知指标与网络运维关键指标之间的皮尔森相关系数,建立每项业务感知指标与网络运维关键指标之间的关联矩阵。
步骤512,针对每项业务感知指标,从所述关联矩阵获取业务感知指标与每种类别下的所有网络运维关键指标之间的皮尔森相关系数。
步骤514,将上述业务感知指标所对应的所有皮尔森相关系数中的数值最大的皮尔森相关系数确定为该业务感知指标与该类别的网络运维指标之间的关联程度值。
步骤516,基于上述关联程度值构建每项业务感知指标与各类网络运维指标之间的关联关系。
另外,在本发明实施例中,上述基于关联程度值构建每项业务感知指标与各类网络运维指标之间的关联关系,具体包括:
针对每项业务感知指标,根据业务感知指标与每类网络运维指标之间的关联程度值,生成业务感知指标与各类网络运维指标之间的雷达图。
为便于理解,下述将结合图示进行说明。例如,视频下载平均速率(视频类业务的业务感知指标)与五种类别的网络运维指标(覆盖、干扰、结构、容量和性能)之间的雷达图如图6,从该雷达图可以直观的看出,视频下载平均速率与容量指标的关联性最强。
在本发明实施例中,以雷达图的形式展示每项业务感知指标与各类网络运维指标之间的关联关系,可以清晰、明了、直观的显示出影响业务感知指标的强相关网络运维指标。
另外,在本发明实施例中,在获取目标业务的业务感知指标数据和网络运维数据之前,本发明实施例提供的方法还包括:
根据每个场景所需求的保障等级对目标区域进行场景划分;根据各个场景的场景特征,确定各个场景下各项业务所对应的业务感知指标。
其中,其中,上述目标区域可以为小区、学校、城镇或者城区等等。上述保障等级可以理解为网络保障的重要程度。例如,在一种具体实施方式中,可以将目标区域划分为如下五大类场景,分别为“重点保障类室内场景”、“商业保障类室内场景”、“高价值室内场景”、“普通业务室内场景”以及“低价值室内场景”。
由于不同场景下各项业务对网络的要求存在差异,因此,不同场景下所对应的关键业务也会存在差异,并且不同场景下的相同业务所对应的业务感知指标也会存在差异。
因此,本发明实施例中,基于各个场景确定业务所对应的业务感知指标,使得所确定的各业务的业务感知指标的精细、准确度较高,更符合用户的实际需求。
图7为本发明实施例提供的指标关联关系的构建方法的第五种方法流程图,图7所示的方法,至少包括如下步骤:
步骤702,获取目标业务的业务感知指标数据和网络运维指标数据。
步骤704,根据业务感知指标数据和网络运维指标数据,计算每项业务感知指标与每项网络运维指标之间的皮尔森相关系数。
步骤706,将所有的网络运维指标进行类别划分,得到多类网络运维指标。
步骤708,针对每类网络运维指标,根据每项业务感知指标与该类别网络运维指标中的各网络运维指标之间的皮尔森相关系数,按照预设规则筛选该类别网络运维指标中的网络运维关键指标。
步骤710,根据上述业务感知指标与网络运维关键指标之间的皮尔森相关系数,建立每项业务感知指标与网络运维关键指标之间的关联矩阵。
步骤712,针对每项业务感知指标,从所述关联矩阵获取业务感知指标与每种类别下的所有网络运维关键指标之间的皮尔森相关系数。
步骤714,将上述业务感知指标所对应的所有皮尔森相关系数中的数值最大的皮尔森相关系数确定为该业务感知指标与该类别的网络运维指标之间的关联程度值。
步骤716,基于上述关联程度值生成每项业务感知指标与各类网络运维指标之间的雷达图。
本发明实施例提供的指标关联关系的构建方法,首先,获取目标业务的业务感知指标数据和网络运维指标数据,然后,根据上述业务感知指标数据和网络运维指标数据计算每项业务感知指标与每项网络运维指标之间的皮尔森相关系数,最后,基于计算得出的各个皮尔森相关系数,构建每项业务感知指标与各类网络运维指标之间的关联关系,由于通过算法计算出的皮尔森相关系数比较客观,因此,基于皮尔森相关系数所确定的每项业务感知指标与每类网络运维指标之间的关联关系,准确性更高,这样,在发生用户投诉事件时,针对用户投诉的业务感知问题可以快速、准确的确定出对应的网络短板,可以有效指导网络感知优化提升,提高用户体验。
对应于本发明实施例提供的指标关联关系的构建方法,基于相同的思路,本发明实施例还提供了一种指标关联关系的构建装置,用于执行本发明实施例图1-图7所示实施例对应的指标关联关系的构建方法,图8为本发明实施例提供的指标关联关系的构建装置的模块组成示意图,图8所示的装置,至少包括:
数据获取模块802,用于获取目标业务的业务感知指标数据和网络运维指标数据;其中,业务感知指标数据包括用户针对目标业务的业务感知指标的指标值,网络运维指标数据包括用户在请求目标业务时所对应的网络运维指标的指标值;
相关系数计算模块804,用于根据业务感知指标数据和网络运维指标数据,计算每项业务感知指标与每项网络运维指标之间的皮尔森相关系数;
关联关系构建模块806,用于基于皮尔森相关系数,构建每项业务感知指标与各类网络运维指标之间的关联关系;其中,每类网络运维指标包含至少一项网络运维指标。
可选的,上述关联关系构建模块806,具体用于:
将所有的网络运维指标进行类别划分,得到多类网络运维指标;针对每项业务感知指标,根据业务感知指标与每项网络运维指标之间的皮尔森相关系数和预设的计算规则,确定业务感知指标与每类网络运维指标之间的关联程度值;基于关联程度值构建每项业务感知指标与每类网络运维指标之间的关联关系。
可选的,上述关联关系构建模块806,还具体用于:
针对每项业务感知指标,获取业务感知指标与每种类别下的所有网络运维指标之间的皮尔森相关系数;将业务感知指标所对应的所有皮尔森相关系数中最大的皮尔森相关系数确定为业务感知指标与类别的网络运维指标之间的关联程度值。
可选的,上述关联关系构建模块806,还具体用于:
针对每项业务感知指标,根据业务感知指标与每类网络运维指标之间的关联程度值,生成业务感知指标与每类网络运维指标之间的雷达图。
可选的,本发明实施例提供的装置,还包括:
第一划分模块,用于将所有的网络运维指标进行类别划分,得到多类网络运维指标;
筛选模块,用于针对每类网络运维指标,根据每项业务感知指标与类别网络运维指标中的各网络运维指标之间的皮尔森相关系数,按照预设规则筛选类别网络运维指标中的网络运维关键指标;
建立模块,用于根据业务感知指标与网络运维关键指标之间的皮尔森相关系数,建立每项业务感知指标与网络运维关键指标之间的关联矩阵。
可选的,上述相关系数计算模块804,具体用于:
通过如下公式计算每项业务感知指标与每项网络运维指标之间的皮尔森相关系数:
Var(X)=E(X2)-(E(X))2
其中,在上述公式中,X表示业务感知指标,Y表示网络运维指标,Corr(X,Y)表示业务感知指标X和网络运维指标Y之间的皮尔森相关系数,Cov(X,Y)表示业务感知指标X与网络运维指标Y之间的协方差,Var(X)表示业务感知指标X的指标值的方差,Var(Y)表示网络运维指标Y的指标值的方差,xi表示第i个用户所对应的业务感知指标X的指标值,yi表示第i个用户所对应的网络运维指标Y的指标值,表示n个用户所对应的业务感知指标X的指标值的平均值,表示n个用户所对应的网络运维指标Y的指标值的平均值。
可选的,本发明实施例提供的装置,还包括:
第二划分模块,用于根据每个场景所需求的网络保障等级对目标区域进行场景划分;
确定模块,用于根据各个场景的场景特征,确定各个场景下各项业务所对应的业务感知指标。
本发明实施例提供的指标关联关系的构建装置能够实现上述指标关联关系的构建方法对应的实施例中的各个过程,为避免重复,这里不再赘述。
需要说明的是,本发明实施例提供的指标关联关系的构建装置与本发明实施例提供的指标关联关系的构建方法基于同一发明构思,因此该实施例的具体实施可以参见前述指标关联关系的构建方法的实施,重复之处不再赘述。
本发明实施例提供的指标关联关系的构建装置,首先,获取目标业务的业务感知指标数据和网络运维指标数据,然后,根据其所对应的业务感知指标数据和网络运维指标数据计算每项业务感知指标与每项网络运维指标之间的皮尔森相关系数,最后,基于计算得出的各个皮尔森相关系数,构建每项业务感知指标与各类网络运维指标之间的关联关系,由于通过算法计算出的皮尔森相关系数比较客观,因此,基于皮尔森相关系数所确定的每项业务感知指标与每类网络运维指标之间的关联关系,准确性更高,这样,在发生用户投诉事件时,针对用户投诉的业务感知问题可以快速、准确的确定出对应的网络短板,可以有效指导网络感知优化提升,提高用户体验。
对应上述实施例提供的指标关联关系的构建方法,基于相同的技术构思,本发明实施例还提供了一种计算机设备,该设备用于执行上述的指标关联关系的构建方法,图9为实现本发明各个实施例的一种计算机设备的结构示意图,如图9所示。计算机设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上的处理器901和存储器902,存储器902中可以存储有一个或一个以上存储应用程序或数据。其中,存储器902可以是短暂存储或持久存储。存储在存储器902的应用程序可以包括一个或一个以上模块(图示未示出),每个模块可以包括对计算机设备中的一系列计算机可执行指令。更进一步地,处理器901可以设置为与存储器902通信,在计算机设备上执行存储器902中的一系列计算机可执行指令。计算机设备还可以包括一个或一个以上电源903,一个或一个以上有线或无线网络接口904,一个或一个以上输入输出接口905,一个或一个以上键盘906。
具体在本实施例中,计算机设备包括有处理器、通信接口、存储器和通信总线;其中,处理器、通信接口以及存储器通过总线完成相互间的通信;存储器,用于存放计算机程序;处理器,用于执行存储器上所存放的程序,实现以下方法步骤:
获取目标业务的业务感知指标数据和网络运维指标数据;其中,业务感知指标数据包括用户针对目标业务的业务感知指标的指标值,网络运维指标数据包括用户在请求目标业务时所对应的网络运维指标的指标值;
根据业务感知指标数据和网络运维指标数据,计算每项业务感知指标与每项网络运维指标之间的皮尔森相关系数;
基于皮尔森相关系数,构建每项业务感知指标与各类网络运维指标之间的关联关系;其中,每类网络运维指标包含至少一项网络运维指标。
本发明实施例中的计算机设备,首先,获取目标业务的业务感知指标数据和网络运维指标数据,然后,根据其所对应的业务感知指标数据和网络运维指标数据计算每项业务感知指标与每项网络运维指标之间的皮尔森相关系数,最后,基于计算得出的各个皮尔森相关系数,构建每项业务感知指标与各类网络运维指标之间的关联关系,由于通过算法计算出的皮尔森相关系数比较客观,因此,基于皮尔森相关系数所确定的每项业务感知指标与每类网络运维指标之间的关联关系,准确性更高,这样,在发生用户投诉事件时,针对用户投诉的业务感知问题可以快速、准确的确定出对应的网络短板,可以有效指导网络感知优化提升,提高用户体验。
本发明实施例提供的计算机设备能够实现上述指标关联关系的构建方法对应的实施例中的各个过程,为避免重复,这里不再赘述。
需要说明的是,本发明实施例提供的计算机设备与本发明实施例提供的指标关联关系的构建方法基于同一发明构思,因此该实施例的具体实施可以参见前述指标关联关系的构建方法的实施,重复之处不再赘述。
本申请实施例还提供一种计算机可读存储介质,存储介质内存储有计算机程序,计算机程序被处理器执行时实现以下方法步骤:
获取目标业务的业务感知指标数据和网络运维指标数据;其中,业务感知指标数据包括用户针对目标业务的业务感知指标的指标值,网络运维指标数据包括用户在请求目标业务时所对应的网络运维指标的指标值;
根据业务感知指标数据和网络运维指标数据,计算每项业务感知指标与每项网络运维指标之间的皮尔森相关系数;
基于皮尔森相关系数,构建每项业务感知指标与各类网络运维指标之间的关联关系;其中,每类网络运维指标包含至少一项网络运维指标。
本发明实施例中的计算机可读存储介质首先,首先,获取目标业务的业务感知指标数据和网络运维指标数据,然后,根据其所对应的业务感知指标数据和网络运维指标数据计算每项业务感知指标与每项网络运维指标之间的皮尔森相关系数,最后,基于计算得出的各个皮尔森相关系数,构建每项业务感知指标与各类网络运维指标之间的关联关系,由于通过算法计算出的皮尔森相关系数比较客观,因此,基于皮尔森相关系数所确定的每项业务感知指标与每类网络运维指标之间的关联关系,准确性更高,这样,在发生用户投诉事件时,针对用户投诉的业务感知问题可以快速、准确的确定出对应的网络短板,可以有效指导网络感知优化提升,提高用户体验。
本发明实施例提供的计算机可读存储介质能够实现上述指标关联关系的构建方法对应的实施例中的各个过程,为避免重复,这里不再赘述。
需要说明的是,本发明实施例提供的计算机可读存储介质与本发明实施例提供的指标关联关系的构建方法基于同一发明构思,因此该实施例的具体实施可以参见前述指标关联关系的构建方法的实施,重复之处不再赘述。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种指标关联关系的构建方法,其特征在于,包括:
获取目标业务的业务感知指标数据和网络运维指标数据;其中,所述业务感知指标数据包括用户针对所述目标业务的业务感知指标的指标值,所述网络运维指标数据包括所述用户在请求所述目标业务时所对应的网络运维指标的指标值;
根据所述业务感知指标数据和所述网络运维指标数据,计算每项所述业务感知指标与每项所述网络运维指标之间的皮尔森相关系数;
基于所述皮尔森相关系数,构建每项所述业务感知指标与各类所述网络运维指标之间的关联关系;其中,每类所述网络运维指标包含至少一项所述网络运维指标。
2.如权利要求1所述的方法,其特征在于,所述基于所述皮尔森相关系数,构建每项所述业务感知指标与各类所述网络运维指标之间的关联关系,包括:
将所有的所述网络运维指标进行类别划分,得到多类所述网络运维指标;
针对每项所述业务感知指标,根据所述业务感知指标与每项所述网络运维指标之间的皮尔森相关系数和预设的计算规则,确定所述业务感知指标与每类所述网络运维指标之间的关联程度值;
基于所述关联程度值构建每项所述业务感知指标与各类所述网络运维指标之间的关联关系。
3.如权利要求2所述的方法,其特征在于,所述针对每项所述业务感知指标,根据所述业务感知指标与每项所述网络运维指标之间的皮尔森相关系数和预设的计算规则,确定所述业务感知指标与每类所述网络运维指标之间的关联程度值,包括:
针对每项所述业务感知指标,获取所述业务感知指标与每种类别下的所有所述网络运维指标之间的皮尔森相关系数;
将所述业务感知指标所对应的所有所述皮尔森相关系数中最大的皮尔森相关系数确定为所述业务感知指标与所述类别的网络运维指标之间的关联程度值。
4.如权利要求2或3所述的方法,其特征在于,所述基于所述关联程度值构建每项所述业务感知指标与各类所述网络运维指标之间的关联关系,包括:
针对每项所述业务感知指标,根据所述业务感知指标与每类所述网络运维指标之间的关联程度值,生成所述业务感知指标与各类所述网络运维指标之间的雷达图。
5.如权利要求1所述的方法,其特征在于,所述根据所述业务感知指标数据和所述网络运维指标数据,计算每项所述业务感知指标与每项所述网络运维指标之间的皮尔森相关系数之后,所述方法还包括:
将所有的所述网络运维指标进行类别划分,得到多类所述网络运维指标;
针对每类所述网络运维指标,根据每项所述业务感知指标与所述类别网络运维指标中的各网络运维指标之间的皮尔森相关系数,按照预设规则筛选所述类别网络运维指标中的网络运维关键指标;
根据所述业务感知指标与所述网络运维关键指标之间的皮尔森相关系数,建立每项所述业务感知指标与所述网络运维关键指标之间的关联矩阵。
6.如权利要求1所述的方法,其特征在于,所述根据所述业务感知指标数据和所述网络运维指标数据,计算每项所述业务感知指标与每项所述网络运维指标之间的皮尔森相关系数,包括:
通过如下公式计算每项所述业务感知指标与每项所述网络运维指标之间的皮尔森相关系数:
Var(X)=E(X2)-(E(X))2
7.如权利要求1所述的方法,其特征在于,所述获取目标业务的业务感知指标数据和网络运维指标数据之前,所述方法还包括:
根据每个场景所需求的网络保障等级对目标区域进行场景划分;
根据各个场景的场景特征,确定各个所述场景下各项业务所对应的业务感知指标。
8.一种指标关联关系的构建装置,其特征在于,包括:
数据获取模块,用于获取目标业务的业务感知指标数据和网络运维指标数据;其中,所述业务感知指标数据包括用户针对所述目标业务的业务感知指标的指标值,所述网络运维指标数据包括所述用户在请求所述目标业务时所对应的网络运维指标的指标值;
相关系数计算模块,用于根据所述业务感知指标数据和所述网络运维指标数据,计算每项所述业务感知指标与每项所述网络运维指标之间的皮尔森相关系数;
关联关系构建模块,用于基于所述皮尔森相关系数,构建每项所述业务感知指标与各类所述网络运维指标之间的关联关系;其中,每类所述网络运维指标包含至少一项所述网络运维指标。
9.一种计算机设备,其特征在于,包括处理器、通信接口、存储器和通信总线;其中,所述处理器、所述通信接口以及所述存储器通过总线完成相互间的通信;所述存储器,用于存放计算机程序;所述处理器,用于执行所述存储器上所存放的程序,实现如权利要求1-7任一项所述的指标关联关系的构建方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的指标关联关系的构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911311348.1A CN112996015B (zh) | 2019-12-18 | 2019-12-18 | 一种指标关联关系的构建方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911311348.1A CN112996015B (zh) | 2019-12-18 | 2019-12-18 | 一种指标关联关系的构建方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112996015A true CN112996015A (zh) | 2021-06-18 |
CN112996015B CN112996015B (zh) | 2023-11-03 |
Family
ID=76344328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911311348.1A Active CN112996015B (zh) | 2019-12-18 | 2019-12-18 | 一种指标关联关系的构建方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112996015B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115801916A (zh) * | 2021-09-08 | 2023-03-14 | 中国移动通信集团山东有限公司 | 一种流量识别方法及装置 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1784027A1 (en) * | 2005-11-07 | 2007-05-09 | Accenture Global Services GmbH | Network performance management |
CN103313333A (zh) * | 2012-03-13 | 2013-09-18 | 中国移动通信集团广东有限公司 | 在移动网络间进行切换的方法、通信终端、服务器和网络 |
US20140192970A1 (en) * | 2013-01-08 | 2014-07-10 | Xerox Corporation | System to support contextualized definitions of competitions in call centers |
CN105357691A (zh) * | 2015-09-28 | 2016-02-24 | 中国普天信息产业北京通信规划设计院 | Lte无线网络用户感知监测方法和系统 |
EP3013001A1 (en) * | 2013-07-17 | 2016-04-27 | Huawei Technologies Co., Ltd. | Service quality index calculation method and calculation apparatus, and communications system |
CN105554786A (zh) * | 2015-12-11 | 2016-05-04 | 中国联合网络通信集团有限公司 | 一种定位网络问题的方法及装置 |
CN107124321A (zh) * | 2017-07-10 | 2017-09-01 | 山东浪潮商用系统有限公司 | 一种基于大数据的网络运行状况预测模型 |
CN107623924A (zh) * | 2016-07-15 | 2018-01-23 | 中兴通讯股份有限公司 | 一种验证影响关键质量指标kqi相关的关键性能指标kpi的方法和装置 |
CN107666403A (zh) * | 2016-07-29 | 2018-02-06 | 中兴通讯股份有限公司 | 一种指标数据的获取方法及装置 |
CN108647854A (zh) * | 2018-04-04 | 2018-10-12 | 中国电力科学研究院有限公司 | 一种确定电力传输网运行质量的方法和系统 |
CN108683527A (zh) * | 2018-04-25 | 2018-10-19 | 武汉虹信技术服务有限责任公司 | 一种基于mr和xdr的用户感知深度检测方法 |
CN108901036A (zh) * | 2018-07-04 | 2018-11-27 | 广东海格怡创科技有限公司 | 小区网络参数的调整方法、装置、计算机设备和存储介质 |
CN109614284A (zh) * | 2018-10-25 | 2019-04-12 | 北京奇艺世纪科技有限公司 | 一种数据处理方法及装置 |
CN110084400A (zh) * | 2019-03-21 | 2019-08-02 | 平安直通咨询有限公司上海分公司 | 信息预测方法、装置、计算机设备和存储介质 |
-
2019
- 2019-12-18 CN CN201911311348.1A patent/CN112996015B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1784027A1 (en) * | 2005-11-07 | 2007-05-09 | Accenture Global Services GmbH | Network performance management |
CN103313333A (zh) * | 2012-03-13 | 2013-09-18 | 中国移动通信集团广东有限公司 | 在移动网络间进行切换的方法、通信终端、服务器和网络 |
US20140192970A1 (en) * | 2013-01-08 | 2014-07-10 | Xerox Corporation | System to support contextualized definitions of competitions in call centers |
EP3013001A1 (en) * | 2013-07-17 | 2016-04-27 | Huawei Technologies Co., Ltd. | Service quality index calculation method and calculation apparatus, and communications system |
CN105357691A (zh) * | 2015-09-28 | 2016-02-24 | 中国普天信息产业北京通信规划设计院 | Lte无线网络用户感知监测方法和系统 |
CN105554786A (zh) * | 2015-12-11 | 2016-05-04 | 中国联合网络通信集团有限公司 | 一种定位网络问题的方法及装置 |
CN107623924A (zh) * | 2016-07-15 | 2018-01-23 | 中兴通讯股份有限公司 | 一种验证影响关键质量指标kqi相关的关键性能指标kpi的方法和装置 |
CN107666403A (zh) * | 2016-07-29 | 2018-02-06 | 中兴通讯股份有限公司 | 一种指标数据的获取方法及装置 |
CN107124321A (zh) * | 2017-07-10 | 2017-09-01 | 山东浪潮商用系统有限公司 | 一种基于大数据的网络运行状况预测模型 |
CN108647854A (zh) * | 2018-04-04 | 2018-10-12 | 中国电力科学研究院有限公司 | 一种确定电力传输网运行质量的方法和系统 |
CN108683527A (zh) * | 2018-04-25 | 2018-10-19 | 武汉虹信技术服务有限责任公司 | 一种基于mr和xdr的用户感知深度检测方法 |
CN108901036A (zh) * | 2018-07-04 | 2018-11-27 | 广东海格怡创科技有限公司 | 小区网络参数的调整方法、装置、计算机设备和存储介质 |
CN109614284A (zh) * | 2018-10-25 | 2019-04-12 | 北京奇艺世纪科技有限公司 | 一种数据处理方法及装置 |
CN110084400A (zh) * | 2019-03-21 | 2019-08-02 | 平安直通咨询有限公司上海分公司 | 信息预测方法、装置、计算机设备和存储介质 |
Non-Patent Citations (3)
Title |
---|
GUOCHAO SONG;: "KPI/KQI-Driven Coordinated Multipoint in 5G: Measurements, Field Trials, and Technical Solutions", IEEE WIRELESS COMMUNICATIONS * |
彭传梅;: "基于拓扑结构神经网络的绩效管理评价研究", 计算机与数字工程, no. 04 * |
黄金福;: "LTE用户网络浏览感知KQI与无线侧KPI关联分析", 无线互联科技, no. 18 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115801916A (zh) * | 2021-09-08 | 2023-03-14 | 中国移动通信集团山东有限公司 | 一种流量识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112996015B (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109362084B (zh) | 通信业务质量优化的方法、装置、设备和介质 | |
CN102158879A (zh) | 要因失分的数据处理方法及设备 | |
CN105005582A (zh) | 多媒体信息的推荐方法及装置 | |
CN112584422B (zh) | 5g终端性能获取方法和装置 | |
CN113379176A (zh) | 电信网络异常数据检测方法、装置、设备和可读存储介质 | |
CN111061624A (zh) | 策略执行效果确定方法、装置、电子设备及存储介质 | |
CN106993296B (zh) | 终端的性能评估方法及装置 | |
CN112996015A (zh) | 一种指标关联关系的构建方法及装置 | |
CN112383936B (zh) | 一种可接入用户数的评估方法和装置 | |
CN117939499A (zh) | 网络的选择方法、选择装置和网络选择系统 | |
CN113132136B (zh) | 满意度预测模型建立及预测满意度的方法、装置及电子设备 | |
CN111835800B (zh) | 一种物联网业务属性识别方法及装置 | |
CN104486769A (zh) | 一种价值小区的选取方法及装置 | |
CN111368858B (zh) | 用户满意度评估方法及装置 | |
CN111148278A (zh) | 数据传输方法、装置、存储介质及电子设备 | |
CN113347461B (zh) | 一种媒资内容提升方法及装置 | |
CN110347973A (zh) | 用于生成信息的方法和装置 | |
CN113705683A (zh) | 推荐模型的训练方法、装置、电子设备及存储介质 | |
CN111093218A (zh) | 一种干扰分析方法和装置 | |
CN112488743A (zh) | 一种满意度预测方法、网络设备及存储介质 | |
CN115442833B (zh) | 一种投诉根因分析方法、装置及电子设备 | |
CN113727382A (zh) | 网络质量确定方法、装置、网络设备及计算机存储介质 | |
CN105517087B (zh) | 用户感知评估的方法及装置 | |
CN112752252B (zh) | 小区归属地识别方法和装置 | |
CN118016111B (zh) | 音频处理方法、装置、介质及设备 |
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 |