CN115442832B - 投诉问题定位方法、装置及电子设备 - Google Patents
投诉问题定位方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115442832B CN115442832B CN202110618826.4A CN202110618826A CN115442832B CN 115442832 B CN115442832 B CN 115442832B CN 202110618826 A CN202110618826 A CN 202110618826A CN 115442832 B CN115442832 B CN 115442832B
- Authority
- CN
- China
- Prior art keywords
- complaint
- communication network
- layer
- target
- service
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000004891 communication Methods 0.000 claims abstract description 160
- 238000013507 mapping Methods 0.000 claims abstract description 125
- 238000004458 analytical method Methods 0.000 claims abstract description 68
- 238000012545 processing Methods 0.000 claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 15
- 238000012423 maintenance Methods 0.000 claims description 14
- 230000008447 perception Effects 0.000 claims description 7
- 230000011664 signaling Effects 0.000 claims description 5
- 210000004027 cell Anatomy 0.000 description 141
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请公开了一种投诉问题定位方法、装置及电子设备，以解决现有技术中通过人工处理投诉工单的方式存在的准确性和处理效率低的问题。所述方法包括：获取目标投诉工单的目标关联小区的关键通信网络指标的指标数据，所述关键通信网络指标包括端到端性能指标、无线性能指标以及基础性能指标；将所述目标关联小区的关键通信网络指标的指标数据输入预先建立的多层映射关系模型，得到所述目标关联小区在多个业务层分别对应的分析结果，其中，所述多层映射关系模型包括所述多个业务层以及不同业务层涉及的关键通信网络指标之间的映射关系；基于所述目标关联小区在多个业务层分别对应的分析结果，定位所述目标投诉工单的投诉问题。
Description
技术领域
本申请涉及通信技术领域，尤其涉及一种投诉问题定位方法、装置及电子设备。
背景技术
现有的投诉处理方案，是由投诉处理人员根据投诉用户描述的内容，推测投诉点位，然后对投诉点位进行现场拨测、复现问题以及收集投诉有用信息等，通过拨测数据和收集到的信息进行分析排查来确定投诉原因。
但是，现有的通过人工收集数据和分析排查的方式较为单一化和固定化，分析结果的准确性和投诉处理效率均较低。
发明内容
本申请实施例的目的是提供一种投诉问题定位方法、装置及电子设备，以解决现有技术中通过人工处理投诉工单的方式存在的准确性和处理效率低的问题。
为了解决上述技术问题，本申请实施例采用下述技术方案：
第一方面，本申请实施例提供一种投诉问题定位方法，包括：
获取目标投诉工单的目标关联小区的关键通信网络指标的指标数据，所述关键通信网络指标包括端到端性能指标、无线性能指标以及基础性能指标；
将所述目标关联小区的关键通信网络指标的指标数据输入预先建立的多层映射关系模型，得到所述目标关联小区在多个业务层分别对应的分析结果，其中，所述多层映射关系模型包括所述多个业务层以及不同业务层涉及的关键通信网络指标之间的映射关系；
基于所述目标关联小区在多个业务层分别对应的分析结果，定位所述目标投诉工单的投诉问题。
第二方面，本申请实施例提供一种投诉问题定位装置，包括：
第一获取单元，用于获取目标投诉工单的目标关联小区的关键通信网络指标的指标数据，所述关键通信网络指标包括端到端性能指标、无线性能指标以及基础性能指标；
多层分析单元，用于将所述目标关联小区的关键通信网络指标的指标数据输入预先建立的多层映射关系模型，得到所述目标关联小区在多个业务层分别对应的分析结果，其中，所述多层映射关系模型包括所述多个业务层以及不同业务层涉及的关键通信网络指标之间的映射关系；
问题定位单元，用于基于所述目标关联小区在多个业务层分别对应的分析结果，定位所述目标投诉工单的投诉问题。
第三方面，本申请实施例提供一种电子设备，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现第一方面所述的方法。
第四方面，本申请实施例提供一种计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行第一方面所述的方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
获取目标投诉工单的目标关联小区的关键通信网络指标的指标数据并输入到预先建立的多层映射关系模型，通过多层映射关系模型中的不同业务层涉及的关键通信网络指标之间的映射关系，对目标投诉工单的目标关联小区的关键通信网络指标的指标数据进行逐层分析，得到目标关联小区在多个业务层分别对应的分析结果，进一步基于目标关联小区在多个业务层分别对应的分析结果，定位目标投诉工单的投诉问题，能够从多个维度对投诉工单进行汇聚分析，进而定位的投诉问题更加精细化和全面、准确性更高，且整个过程无需人工参与，处理效率更高。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请一示例性实施例提供的一种投诉问题定位方法的流程示意图；
图2为本申请一示例性实施例提供的一种多层映射关系模型的结构示意图；
图3为本申请另一示例性实施例提供的一种基于多层映射关系模型对小区进行分析的流程示意图；
图4为本申请一示例性实施例提供的一种多层映射关系模型的建立方法的流程示意图；
图5为本申请一示例性实施例提供的一种多层映射关系模型中各业务层的结构示意图；
图6为本申请一示例性实施例提供的一种电子设备的结构示意图；
图7为本申请一示例性实施例提供的一种投诉问题定位装置的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
为解决现有技术中通过人工处理投诉工单的方式存在的准确性和处理效率低的问题，本申请一个或多个实施例提供一种投诉问题定位方法，通过预先建立的多层映射关系模型中的不同业务层涉及的关键通信网络指标之间的映射关系，对目标投诉工单的目标关联小区的关键通信网络指标的指标数据进行分析，以得到目标关联小区在多个业务层分别对应的分析结果，进一步基于目标关联小区在多个业务层分别对应的分析结果，定位目标投诉工单的投诉问题，能够从多个维度对投诉工单进行分析，进而定位的投诉问题更加精细化和全面、准确性更高，且整个过程无需人工参与，处理效率更高。
应理解，本申请实施例提供的投诉问题定位方法的执行主体，可以包括但不限于服务器、计算机等能够被配置为执行本申请实施例提供的该方法中的至少一种。
以下结合附图，详细说明本申请各实施例提供的技术方案。
请参考图1，为本申请一示例性实施例提供的一种投诉问题定位方法的流程示意图。如图1所示，该方法包括以下步骤：
S102，获取目标投诉工单的目标关联小区的关键通信网络指标的指标数据。
其中，目标投诉工单包括待处理的投诉工单。目标关联小区是指与目标投诉工单相关的小区，例如包括目标投诉工单的投诉用户驻留过的小区。
小区的关键通信网络指标是指能够表征小区的通信网络性能的关键指标，具体可以包括端到端性能指标、无线性能指标以及基础性能指标等。
中，端到端性能指标用于反映小区的端到端性能的好坏，不同业务类型对应的端到端性能指标不同。例如，数据类业务对应的端到端性能指标可以包括但不限于超文本传输协议(HyperText Transfer Protocol，HTTP)下载速率、小区平均吞吐率等，语音类业务对应的端到端性能指标可以包括但不限于长期演进语音承载(Voice over Long-TermEvolution，VoLTE)掉话率、增强的单一无线语音呼叫连续性(Enhanced Single RadioVoice Call Continuity，eSRVCC)切换成功率、上行RTP丢包率等、VoLTE网络接通率、电路域回落(Circuit Switched Fallback，CSFB)被叫回落成功率等。
无线性能指标用于反映小区的无线性能的好坏，不同业务类型对应的无线性能指标不同。例如，数据类业务对应的无线性能指标可以包括但不限于信道质量指示(ChannelQuality Indicator，CQI)、长期演进(Long-Term Evolution，LTE)无线接通率、LTE无线掉线率、无线资源控制(Radio Resource Control，RRC)重建率等。
基础性能指标用于反映小区的覆盖情况、干扰情况、容量以及基础参数的好坏，其中，用于反映小区的覆盖情况的基础性能指标可以例如包括但不限于测量报告(MeasureReport，MR)宏站覆盖率、室分MR覆盖率、上行覆盖率、功率余量报告(Power HeadroomReport，PHR)等，用于反映小区的干扰情况的基础性能指标可以例如包括但不限于LTE的时分双工(Time Division Duplexing，TDD)干扰噪声及频分双工(Frequency DivisionDuplexing，FDD)干扰噪声等，用于反映小区的容量的基础性能指标可以例如包括但不限于LTE符合、控制信道单元(Control Channel Element，CCE)分配成功率等。
由于同一小区在不同类型的业务对应的关键通信网络指标不同，为了便于后续更准确地定位目标投诉工单的投诉问题，具体实施时，可以基于目标投诉工单所投诉的目标业务类型，获取目标关联小区在目标业务类型对应的关键通信网络指标的指标数据。
例如，如果目标投诉工单所投诉的业务类型为语音类业务，则可以获取目标关联小区的VoLTE网络接通率、CSFB被叫回落成功率、VoLTE掉话率、ESRVCC切换成功率、上行RTP丢包率等；如果目标投诉工单所投诉的业务类型为数据类业务，则可以获取目标关联小区的HTTP下载速率、平均吞吐率、LTE无线掉线率等。
S104，将目标关联小区的关键通信网络指标的指标数据输入预先建立的多层映射关系模型，得到目标关联小区在多个业务层分别对应的分析结果，其中，多层映射关系模型包括多个业务层以及不同业务层涉及的关键通信网络指标之间的映射关系。
本申请实施例中，不同的业务层涉及的关键通信网络指标不同，各业务层用于确定小区在该业务层所涉及的关键通信网络指标对应的分析结果。多层映射关系模型在接收到目标关联小区的关键通信网络指标的指标数据后，可根据其中不同业务层涉及的关键通信网络指标之间的映射关系，由各个业务层对目标关联小区在所涉及的关键通信网络指标的指标数据进行分析，由此得到目标关联小区在多个业务层分别对应的分析结果。其中，目标关联小区在各业务层对应的分析结果用于指示目标关联小区在各业务层的网络特征画像。
本申请实施例中，多个业务层可以根据实际需要进行设置。为了更为全面、准确地分析目标关联小区在不同维度的特征画像，以便能够更准确地定位目标投诉工单的投诉问题，可选地，上述多个业务层可以包括感知层、无线层和基础层，其中，感知层用于确定小区的端到端性能指标分析结果，无线层用于确定小区的无线性能指标分析结果，基础层用于确定小区的基础性能指标分析结果。进一步地，考虑同一业务层针对不同类型的业务涉及的关键通信网络指标不同，上述多层映射关系模型还可以包括业务类型与不同业务层涉及的关键通信网络指标之间的映射关系。
例如，图2示出了一种多层映射关系模型的结构示例，其中，感知层中，在数据类业务涉及的关键通信网络指标包括与数据质量相关的端到端性能指标，在语音类业务对应的关键通信网络指标包括分别与语音接入、语音保持、语音移动以及语音指令相关的端到端性能指标；无线层中，在数据类业务涉及的关键通信网络指标包括数据类的无线性能指标，在语音类业务涉及的关键通信网络指标包括语音接入、语音保持、语音移动以及语音指令相关的无线性能指标；基础层中，涉及的关键通信网络指标包括分别反映容量、覆盖情况以及干扰情况等的基础性能指标，箭头表示各业务层涉及的关键通信网络指标之间的映射关系。
以图2所示的多层映射关系模型为例，假如目标投诉工单所投诉的内容为VoLTE通话，可以确定所投诉的目标业务类型为语音类业务，相应地，如图3所示，可以获取目标关联小区在语音类业务对应的关键通信网络指标的指标数据，并输入到图2所示的多层映射关系模型中。如果语音类业务与感知层涉及的端到端性能指标之间存在映射关系，则可以基于该映射关系确定感知层中需要进行分析的端到端性能指标，通过对目标关联小区在该端到端性能指标的指标数据进行分析，得到目标关联小区的端到端性能分析结果；接着，再根据感知层涉及的端到端性能指标与无线层涉及的无线性能指标之间的映射关系，确定需要分析的无线性能指标，通过对目标关联小区在该无线性能指标的指标数据进行分析，得到目标关联小区的无线性能分析结果，以此类推，由此可以得到目标关联小区在多个业务层分别对应的分析结果。
本申请实施例中，多层映射关系模型可以基于大量历史投诉工单的相关数据进行分析和建立。需要说明的是，建立上述多层映射关系模型的过程将在图3所示的实施例中进行详细说明，此处不再展开。
S106，基于目标关联小区在多个业务层分别对应的分析结果，定位目标投诉工单的投诉问题。
由于目标关联小区在各业务层对应的分析结果用于指示目标关联小区在各业务层的网络特征画像，因而综合目标关联小区在各业务层对应的分析结果，可以确定目标关联小区在各业务层存在的问题，进一步可以根据关联小区在各业务层存在的问题与投诉问题之间的预设对应关系，定位出目标投诉工单的投诉问题。
进一步地，目标关联小区在各业务层对应的分析结果还可以指示目标关联小区在各业务层涉及的异常关键通信网络指标。例如，以其中一项关键通信网络指标为例，如果基于多层映射关系模型中相关的业务层确定该项关键通信网络指标的指标数据超过异常门限值或波动异常，则可以确定该项关键通信网络指标为异常关键通信网络指标。
进一步地，在确定出目标关联小区在各业务层对应的异常关键通信网络指标后，还可由目标投诉工单映射到分局级、区县级以及地市级等进行分级定位。例如，如果与目标关联小区所处同一区县中，超过第一预设数量的小区均存在相同的异常关键通信网络指标，则可以确定该异常关键通信网络指标为该区县级的共性网络问题；否则，可以确定该异常关键通信网络指标为非共性网络问题。
采用本申请实施例提供的投诉问题定位方法，获取目标投诉工单的目标关联小区的关键通信网络指标的指标数据并输入到预先建立的多层映射关系模型，通过多层映射关系模型中的不同业务层涉及的关键通信网络指标之间的映射关系，对目标投诉工单的目标关联小区的关键通信网络指标的指标数据进行逐层分析，得到目标关联小区在多个业务层分别对应的分析结果，进一步基于目标关联小区在多个业务层分别对应的分析结果，定位目标投诉工单的投诉问题，能够从多个维度对投诉工单进行汇聚分析，进而定位的投诉问题更加精细化和全面、准确性更高，且整个过程无需人工参与，处理效率更高。
一个实施例中，为提高投诉处理效率、降低投诉率，在定位出目标投诉工单的投诉问题后，本申请实施例提供的上述技术方案还包括对目标投诉工单的处理。具体地，在上述步骤S106之后，本申请实施例提供的投诉问题定位方法还包括：基于目标投诉工单的投诉问题，确定与目标投诉工单匹配的运维策略，并基于匹配的运维策略对目标投诉工单进行处理。
其中，运维策略与投诉问题存在对应关系，也就是说，针对每一类投诉问题，都预先设置有针对该类投诉问题的运维策略。例如，如果目标投诉工单的投诉问题为目标投诉工单所属区县的共性网络问题，则可以确定匹配的运维策略为对该区县进行整网整改的运维策略；如果目标投诉工单的投诉问题为目标投诉工单的目标关联小区的网络问题，则可以确定匹配的运维策略对目标关联小区的网络进行整改的运维策略。
为了便于本领域技术人员理解本申请实施例提供的投诉问题定位方法，下面结合具体的例子来描述本申请实施例的实现过程。
针对上述步骤S102中的目标关联小区，本申请实施例可通过任意适当的方式确定目标投诉工单的目标关联小区。考虑到距离投诉位置较近且投诉用户驻留过的小区引起投诉用户投诉的可能性较大，为更准确地定位投诉工单的投诉问题，对此，在较为优选的实施方式中，可以将距离投诉工单的投诉位置较近且投诉用户驻留过的小区作为投诉工单的关联小区。具体地，目标投诉工单的目标关联小区可通过以下方式确定：
首先，可获取目标投诉工单的投诉位置、投诉时间以及投诉用户。
具体实施时，目标投诉工单包括位置信息字段、时间信息字段以及用户信息字段等，可以从位置信息字段中获取投诉位置，从时间信息字段中获取投诉时间以及从用户信息字段中获取投诉用户。
接着，可基于投诉用户的XDR信令，确定与目标投诉工单的投诉时间匹配的历史时间段内投诉用户占用的小区。
其中，与投诉时间匹配的历史时间段可以根据实际需要进行设置，例如，所述匹配的历史时间段可以是投诉时间之前的2两小时内。
基于用户的XDR信令确定用户占用的小区，可以采用本领域任意适当的常用技术手段实现，在此不再详细展开。
进一步地，确定投诉用户占用的小区与投诉位置之间的距离。
可选地，可以基于欧式距离算法确定投诉用户占用的小区与投诉位置之间的距离，具体如公式(1)所示。
其中，d12表示小区与投诉位置之间的距离；x1k表示小区的位置信息中的第k个数据；x2k表示投诉位置的位置信息中的第k个数据；n表示位置信息中包含的数据个数。
最后，从投诉用户占用的小区中，选取与投诉位置之间的距离小于预设最大距离阈值的小区，确定为目标投诉工单的目标关联小区。
其中，预设最大距离阈值可以根据实际需要进行设置和更新。
例如，初始时，可以设置预设最大距离阈值为700米，选取与投诉位置之间的距离小于700米的小区，作为目标关联小区。如果不存在满足条件的小区，则进一步缩小与预设最大距离，如将预设最大距离更新为300米，并选取与投诉位置之间的距离小于300米的小区。进一步地，如果仍不存在满足条件的小区，则采用K最近邻(K-Nearest Neighbor，KNN)算法，并将分类样本K值设置为1，基于各小区之间的距离，选取与投诉用户当前占用的小区距离最近的K个小区，作为目标关联小区。
可以理解，采用上述方案，基于投诉用户的XDR信令确定用户占用的小区，并基于用户占用的小区与投诉位置之间的距离确定目标关联小区，这种利用客观数据确定的目标关联小区更准确且更具客观性，进而为后续投诉问题的定位奠定基础，能够提升投诉问题定位结果的准确性。
针对上述步骤S104中的多层映射关系模型，本申请实施例还包括对多层映射关系模型的建立方法。指的说明的是，对该多层映射关系模型的建立是根据从移动网络运营平台采集到的历史投诉工单的相关数据预先进行的，后续在进行投诉工单处理的过程中，无需每次对该多层映射关系模型进行建立，或者，可以周期性地基于从移动网络运营平台新采集的历史投诉工单的相关数据进行更新，以提升该多层映射关系模型的分析结果准确性，进而提高后续投诉处理的准确性。
具体地，对上述多层映射关系模型的建立方法如图4所示，包括：
S402，获取历史投诉工单的关联小区的关键通信网络指标的历史指标数据。
具体实施时，可以从移动网络运营平台获取大量针对不同业务类型的历史投诉工单以及各历史投诉工单在所针对的业务类型对应的关键通信网络指标的历史指标数据。
S404，基于各业务层涉及的关键通信网络指标对应的历史指标数据，确定各业务层对应的第一映射关系，其中，业务层对应的第一映射关系用于指示业务层涉及的关键通信网络指标与分析结果之间的映射关系。
具体实施时，可以对于每一业务层，基于该业务层涉及的各个关键通信网络指标对应的历史指标数据，确定该业务层涉及的各个关键通信网络指标与分析结果之间的映射关系，作为该业务层对应的第一映射关系。例如，以感知层为例，对于该感知层涉及的端到端性能指标对应的历史指标数据，确定该感知层涉及的端到端性能指标与分析结果之间的映射关系，该映射关系可用于确定小区的端到端性能分析结果。又如，以无线层为例，对于该无线层涉及的无线性能指标对应的历史指标数据，确定该无线层涉及的无线性能指标与分析结果之间的映射关系，该映射关系可用于确定小区的无线性能分析结果。
更为具体地，历史投诉工单的关联小区在各通信网络指标的历史指标数据可以包括关联小区在与历史投诉工单的投诉时间匹配的历史时间段内的历史指标数据，例如，投诉时间的前后2小时内的历史指标数据。相应地，可从上述历史时间段内各业务涉及的关键通信网络指标对应的历史指标数据，选取历史指标数据的最大值，作为各业务层涉及的关键通信网络指标的异常门限值。然后，基于各业务层涉及的关键通信网络指标的异常门限值，确定各业务层对应的第一映射关系。例如，以拥塞率这一关键通信网络指标为例，可以从大量历史投诉工单的关联小区在对应的投诉时间前后2小时内的拥塞率中，选取拥塞率的最大值作为拥塞率对应的异常门限值。表1示出了一种各个关键通信网络指标的异常门限值以分析结果之间的映射关系。
表1
S406，基于各业务层涉及的关键通信网络指标所属的评估维度，建立不同业务层之间的第二映射关系，其中，第二映射关系用于指示不同业务层涉及的关键通信网络指标之间的映射关系。
具体实施时，通过对各业务层涉及的关键通信网络指标所属的评估维度以及各评估维度之间的预设映射关系，可以确定不同业务层涉及的关键通信网络指标之间的映射关系，由此得到不同业务层之间的第二映射关系。
其中，各评估维度之间的预设映射关系可以根据实际需要预先设置，例如，如图5所示，感知层中，对应于数据类业务，可以包括数据质量这一评估维度；对应于语音类业务，可以包括语音接入、语音保持、语音移动以及语音质量等多个评估维度。无线层中，可以包括数据质量、数据接入、数据保持以及数据移动等多个评估维度；对应于语音类业务，可以包括语音接入、语音保持、语音移动以及语音指令等多个评估维度。基础层中，可以包括告警、覆盖、干扰、容量、基础参数以及COUNTER分析等多个评估维度。以语音类业务为例，语音保持阶段的相关通信网络指标与语音移动阶段的相关通信网络指标之间相互影响，因而可分别建立感知层的语音保持这一评估维度与无线层的语音保持及语音移动这两个评估维度之间的映射关系，同理，可得到如图2所示的各评估维度之间的预设映射关系。
S408，基于各业务层对应的第一映射关系和不同业务层之间的第二映射关系，建立多层映射关系模型。
具体实施时，可以将各个关键通信网络指标作为神经网络中的神经元，将属于同一业务层的关键通信网络指标作为神经网络中同一层级的神经元，基于不同业务层之间的第二映射关系，建立不同层级的神经元之间的连接关系，并将各业务对应的第一映射关系，确定同一层的神经元的输入与输出之间的映射关系，由此可以建立多层神经网络，该多层神经网络即为多层映射关系模型。
可以理解，通过上述方式建立多层映射关系模型，基于多层映射关系模型中不同业务层之间的第二映射关系，可以确定对小区的关键通信网络指标的分析顺序，以对小区进行逐层分析；基于多层映射关系模型中各业务层对应的第一映射关系，可以确定小区在各业务层涉及的关键通信网络指标的分析结果，也即小区在多个业务层分别对应的分析结果。可见，通过上述方式建立多层映射关系模型能够用于对投诉工单的关联小区进行多业务层次的自动化逐层分析，更全面地描述关联小区的整体质差画像啊，进而基于不同业务层次的分析结果能够定位的投诉问题更加精细化和全面、准确性更高，且整个过程无需人工参与，处理效率更高。
本申请实施例中，为减少对处理资源的消耗、进一步提高处理效率以及获得更准确的投诉问题定位结果，在更为优选的方案中，可针对不同的业务类型确定相应的关键通信网络指标，进而在获取目标投诉工单的目标关联小区或历史投诉工单的关联小区在关键通信网络指标的指标数据时，可以根据目标投诉工单或历史投诉工单所投诉的业务类型，获取这些小区在相应业务类型对应的关键通信网络指标的指标数据。
具体地，确定业务类型对应的关键通信网络指标的步骤可以包括：
首先，获取历史投诉工单的关联小区在多个可用通信网络指标分别对应的历史指标数据及历史投诉工单所投诉的业务类型。
然后，基于关联小区在多个可用通信网络指标分别对应的历史指标数据和历史投诉工单所投诉的业务类型，确定各个可用通信网络指标与各个业务类型之间的相关系数。
具体实施时，各个可用通信网络指标与各个业务类型之间的相关系数可通过以下公式(2)确定。
其中，Correl(X,Y)表示业务类型X与通信网络指标Y之间的相关系数，表示历史投诉工单集合Array1的平均值，其中，一个历史投诉工单为该集合中的一个元素x，如果该历史投诉工单所针对的业务类型为语音类业务，则将x标记为1,如果该历史投诉工单所针对的业务类型为数据类业务，则将x标记为0；/>表示历史投诉工单的关联小区在各个可用通信网络指标的指标数据集合Array2的平均值，其中，如果关联小区在可用通信网络指标的指标数据y超过该可以通信网站指标的预设阈值，则将该指标数据y标记为1，否则，将该指标数据y标记为0。
由此，可得到各个可用通信网络指标与各个业务类型之间的相关系数。例如，表2示出了一种不同网络制式的各个可用通信网络指标与各业务类型之间的相关系数。
表2
接着，从多个可用通信网络指标中，选取与各个业务类型之间的相关系数超过预设相关系数阈值的可用通信网络指标，确定为各个业务类型对应的关键通信网络指标。
具体实施时，可针对各业务类型，从多个可用通信网络指标中，选取与该业务类型的相关系数超过预设相关系数阈值的可用通信网络指标，作为该业务类型对应的关键通信网络指标。
其中，不同的业务类型可对应不同的预设相关系数阈值，或者，不同的业务类型也可以对应相同的预设相关系数阈值。另外，预设相关系数阈值可以根据实际需要进行设置，例如，预设相关系数阈值可以为0.5。需要说明的是，上述确定业务类型对应的关键网络通信指标的步骤可以在上述步骤S102之前执行。另外，实际应用中，不同网络制式在同一业务类型对应的通信网络指标存在差异，因此，在确定业务类型对应的关键通信网络指标时，可以针对各个网络制式，根据该网络制式对应的历史投诉工单在该网络制式对应的多个可用通信网络指标分别对应的历史指标数据及历史投诉工单的业务类型，确定该网络制式在各个业务类型分别对应的关键通信网络指标。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
图6是本申请的一个实施例电子设备的结构示意图。请参考图6，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成投诉问题定位装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
获取目标投诉工单的目标关联小区的关键通信网络指标的指标数据，所述关键通信网络指标包括端到端性能指标、无线性能指标以及基础性能指标；
将所述目标关联小区的关键通信网络指标的指标数据输入预先建立的多层映射关系模型，得到所述目标关联小区在多个业务层分别对应的分析结果，其中，所述多层映射关系模型包括所述多个业务层以及不同业务层涉及的关键通信网络指标之间的映射关系；
基于所述目标关联小区在多个业务层分别对应的分析结果，定位所述目标投诉工单的投诉问题。
上述如本申请图1所示实施例揭示的投诉问题定位装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1的方法，并实现投诉问题定位装置在图1所示实施例的功能，本申请实施例在此不再赘述。
当然，除了软件实现方式之外，本申请的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或至少两个程序，该一个或至少两个程序包括指令，该指令当被包括至少两个应用程序的便携式电子设备执行时，能够使该便携式电子设备执行图1所示实施例的方法，并具体用于执行以下操作：
获取目标投诉工单的目标关联小区的关键通信网络指标的指标数据，所述关键通信网络指标包括端到端性能指标、无线性能指标以及基础性能指标；
将所述目标关联小区的关键通信网络指标的指标数据输入预先建立的多层映射关系模型，得到所述目标关联小区在多个业务层分别对应的分析结果，其中，所述多层映射关系模型包括所述多个业务层以及不同业务层涉及的关键通信网络指标之间的映射关系；
基于所述目标关联小区在多个业务层分别对应的分析结果，定位所述目标投诉工单的投诉问题。
图7是本申请的一个实施例投诉问题定位装置的结构示意图。请参考图7，在一种软件实施方式中，投诉问题定位装置700可包括：
第一获取单元710，用于获取目标投诉工单的目标关联小区的关键通信网络指标的指标数据，所述关键通信网络指标包括端到端性能指标、无线性能指标以及基础性能指标；
多层分析单元720，用于将所述目标关联小区的关键通信网络指标的指标数据输入预先建立的多层映射关系模型，得到所述目标关联小区在多个业务层分别对应的分析结果，其中，所述多层映射关系模型包括所述多个业务层以及不同业务层涉及的关键通信网络指标之间的映射关系；
问题定位单元730，用于基于所述目标关联小区在多个业务层分别对应的分析结果，定位所述目标投诉工单的投诉问题。
一个实施例中，所述多个业务层级包括感知层、无线层以及基础层，所述感知层用于确定小区的端到端性能指标分析结果，所述无线层用于确定小区的无线性能指标分析结果，所述基础层用于确定小区的基础性能指标分析结果。
一个实施例中，所述装置700还包括：
第二获取单元，用于获取历史投诉工单的关联小区的关键通信网络指标的历史指标数据；
第一确定单元，用于基于各业务层涉及的关键通信网络指标对应的历史指标数据，确定各业务层对应的第一映射关系，所述业务层对应的第一映射关系用于指示所述业务层涉及的关键通信网络指标与分析结果之间的映射关系；
第一建立单元，用于基于各业务层涉及的关键通信网络指标所属的评估维度，建立不同业务层之间的第二映射关系，所述第二映射关系用于指示不同业务层涉及的关键通信网络指标之间的映射关系；
第二建立单元，用于基于各业务层对应的第一映射关系和所述不同业务层之间的第二映射关系，建立所述多层映射关系模型。
一个实施例中，所述历史指标数据包括与所述历史投诉工单的投诉时间匹配的历史时间段内的历史指标数据；
所述第一确定单元具体用于：
从所述历史时间段内各业务层涉及的关键通信网络指标对应的历史指标数据，选取历史指标数据的最大值，作为各业务层涉及的关键通信网络指标的异常门限值；
基于各业务层涉及的关键通信网络指标的异常门限值，确定各业务层对应的第一映射关系。
一个实施例中，所述装置700还包括：
第三获取单元，用于获取历史投诉工单的关联小区在多个可用通信网络指标分别对应的历史指标数据及所述历史投诉工单所投诉的业务类型；
第二确定单元，用于基于所述关联小区在多个可用通信网络指标分别对应的历史指标数据和所述历史投诉工单所投诉的业务类型，确定各个可用通信网络指标与各个业务类型之间的相关系数；
第三确定单元，用于从所述多个可用通信网络指标中，选取与各个业务类型之间的相关系数超过预设相关系数阈值的可用通信网络指标，确定为各个业务类型对应的关键通信网络指标；
所述第一获取单元，具体用于基于所述目标投诉工单所投诉的目标业务类型，获取所述目标关联小区在所述目标业务类型对应的关键通信网络指标的指标数据。
一个实施例中，所述装置700还包括：
第四获取单元，用于获取所述目标投诉工单的投诉位置、投诉时间以及投诉用户；
第四确定单元，用于基于所述投诉用户的XDR信令，确定与所述目标投诉工单的投诉时间匹配的历史时间段内所述投诉用户占用的小区；
第五确定单元，用于确定所述投诉用户占用的小区与所述投诉位置之间的距离；
第六确定单元，用于从所述投诉用户占用的小区中，选取与所述投诉位置之间的距离小于预设最大距离阈值的小区，确定为所述目标关联小区。
一个实施例中，所述装置700还包括：
第七确定单元，用于基于所述目标投诉工单的投诉问题，确定与所述目标投诉工单匹配的运维策略，其中，所述运维策略与所述投诉问题存在对应关系；
处理单元，用于基于所述匹配的运维策略对所述目标投诉工单进行处理。
总之，以上所述仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
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，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
Claims (8)
1.一种投诉问题定位方法，其特征在于，包括：
获取目标投诉工单的目标关联小区的关键通信网络指标的指标数据，所述关键通信网络指标包括端到端性能指标、无线性能指标以及基础性能指标；
将所述目标关联小区的关键通信网络指标的指标数据输入预先建立的多层映射关系模型，得到所述目标关联小区在多个业务层分别对应的分析结果，其中，所述多层映射关系模型包括所述多个业务层以及不同业务层涉及的关键通信网络指标之间的映射关系；
基于所述目标关联小区在多个业务层分别对应的分析结果，定位所述目标投诉工单的投诉问题；
所述多个业务层级包括感知层、无线层以及基础层，所述感知层用于确定小区的端到端性能指标分析结果，所述无线层用于确定小区的无线性能指标分析结果，所述基础层用于确定小区的基础性能指标分析结果；
所述多层映射关系模型为通过如下方式建立：
获取历史投诉工单的关联小区的关键通信网络指标的历史指标数据；
基于各业务层涉及的关键通信网络指标对应的历史指标数据，确定各业务层对应的第一映射关系，所述业务层对应的第一映射关系用于指示所述业务层涉及的关键通信网络指标与分析结果之间的映射关系；
基于各业务层涉及的关键通信网络指标所属的评估维度，建立不同业务层之间的第二映射关系，所述第二映射关系用于指示不同业务层涉及的关键通信网络指标之间的映射关系；
基于各业务层对应的第一映射关系和所述不同业务层之间的第二映射关系，建立所述多层映射关系模型。
2.根据权利要求1所述的方法，其特征在于，所述历史指标数据包括与所述历史投诉工单的投诉时间匹配的历史时间段内的历史指标数据；
所述基于各业务层涉及的关键通信网络指标对应的历史指标数据，确定各业务对应的第一映射关系，包括：
从所述历史时间段内各业务层涉及的关键通信网络指标对应的历史指标数据，选取历史指标数据的最大值，作为各业务层涉及的关键通信网络指标的异常门限值；
基于各业务层涉及的关键通信网络指标的异常门限值，确定各业务层对应的第一映射关系。
3.根据权利要求1所述的方法，其特征在于，在获取目标投诉工单的目标关联小区的关键通信网络指标的指标数据之前，所述方法还包括：
获取历史投诉工单的关联小区在多个可用通信网络指标分别对应的历史指标数据及所述历史投诉工单所投诉的业务类型；
基于所述关联小区在多个可用通信网络指标分别对应的历史指标数据和所述历史投诉工单所投诉的业务类型，确定各个可用通信网络指标与各个业务类型之间的相关系数；
从所述多个可用通信网络指标中，选取与各个业务类型之间的相关系数超过预设相关系数阈值的可用通信网络指标，确定为各个业务类型对应的关键通信网络指标；
所述获取目标投诉工单的目标关联小区的关键通信网络指标的指标数据，包括：
基于所述目标投诉工单所投诉的目标业务类型，获取所述目标关联小区在所述目标业务类型对应的关键通信网络指标的指标数据。
4.根据权利要求1所述的方法，其特征在于，在获取目标投诉工单的目标关联小区的关键通信网络指标的指标数据之前，所述方法还包括：
获取所述目标投诉工单的投诉位置、投诉时间以及投诉用户；
基于所述投诉用户的XDR信令，确定与所述目标投诉工单的投诉时间匹配的历史时间段内所述投诉用户占用的小区；
确定所述投诉用户占用的小区与所述投诉位置之间的距离；
从所述投诉用户占用的小区中，选取与所述投诉位置之间的距离小于预设最大距离阈值的小区，确定为所述目标关联小区。
5.根据权利要求1所述的方法，其特征在于，在基于所述目标关联小区在多个业务层分别对应的分析结果，定位所述目标投诉工单的投诉问题之后，所述方法还包括：
基于所述目标投诉工单的投诉问题，确定与所述目标投诉工单匹配的运维策略，其中，所述运维策略与所述投诉问题存在对应关系；
基于所述匹配的运维策略对所述目标投诉工单进行处理。
6.一种投诉问题定位装置，其特征在于，包括：
第一获取单元，用于获取目标投诉工单的目标关联小区的关键通信网络指标的指标数据，所述关键通信网络指标包括端到端性能指标、无线性能指标以及基础性能指标；
多层分析单元，用于将所述目标关联小区的关键通信网络指标的指标数据输入预先建立的多层映射关系模型，得到所述目标关联小区在多个业务层分别对应的分析结果，其中，所述多层映射关系模型包括所述多个业务层以及不同业务层涉及的关键通信网络指标之间的映射关系；
问题定位单元，用于基于所述目标关联小区在多个业务层分别对应的分析结果，定位所述目标投诉工单的投诉问题；
所述多个业务层级包括感知层、无线层以及基础层，所述感知层用于确定小区的端到端性能指标分析结果，所述无线层用于确定小区的无线性能指标分析结果，所述基础层用于确定小区的基础性能指标分析结果；
所述多层映射关系模型为通过如下方式建立：
获取历史投诉工单的关联小区的关键通信网络指标的历史指标数据；
基于各业务层涉及的关键通信网络指标对应的历史指标数据，确定各业务层对应的第一映射关系，所述业务层对应的第一映射关系用于指示所述业务层涉及的关键通信网络指标与分析结果之间的映射关系；
基于各业务层涉及的关键通信网络指标所属的评估维度，建立不同业务层之间的第二映射关系，所述第二映射关系用于指示不同业务层涉及的关键通信网络指标之间的映射关系；
基于各业务层对应的第一映射关系和所述不同业务层之间的第二映射关系，建立所述多层映射关系模型。
7.一种电子设备，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如权利要求1至5中任一项所述的方法。
8.一种计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1至5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110618826.4A CN115442832B (zh) | 2021-06-03 | 2021-06-03 | 投诉问题定位方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110618826.4A CN115442832B (zh) | 2021-06-03 | 2021-06-03 | 投诉问题定位方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115442832A CN115442832A (zh) | 2022-12-06 |
| CN115442832B true CN115442832B (zh) | 2024-04-09 |
Family
ID=84271871
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110618826.4A Active CN115442832B (zh) | 2021-06-03 | 2021-06-03 | 投诉问题定位方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115442832B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116094907B (zh) * | 2023-01-05 | 2024-09-27 | 中国联合网络通信集团有限公司 | 投诉信息的处理方法、装置及存储介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9781609B1 (en) * | 2016-08-08 | 2017-10-03 | International Business Machines Corporation | Self-directed mobile wireless access points and wireless endpoints for wireless testing |
| WO2019018645A1 (en) * | 2017-07-21 | 2019-01-24 | Carrier Corporation | WEIGHTED INTERFERENCE PREFERENCES MANAGEMENT |
| CN109408574A (zh) * | 2018-10-18 | 2019-03-01 | 国网山东省电力公司电力科学研究院 | 基于文本挖掘技术的投诉责任认定系统 |
| CN109993543A (zh) * | 2017-12-28 | 2019-07-09 | 中国移动通信集团广东有限公司 | 一种投诉处理方法及系统 |
| CN110377731A (zh) * | 2019-06-18 | 2019-10-25 | 深圳壹账通智能科技有限公司 | 投诉文本处理方法、装置、计算机设备及存储介质 |
| CN110662245A (zh) * | 2018-06-28 | 2020-01-07 | 中国移动通信集团山东有限公司 | 基于深度学习的基站负荷预警方法及装置 |
| CN111325561A (zh) * | 2018-12-14 | 2020-06-23 | 中国移动通信集团北京有限公司 | 智能投诉处理方法、装置、电子设备及存储介质 |
| CN111813764A (zh) * | 2019-04-11 | 2020-10-23 | 中国移动通信集团四川有限公司 | 一种投诉预测模型的训练方法、装置及电子设备 |
| CN112084334A (zh) * | 2020-09-04 | 2020-12-15 | 中国平安财产保险股份有限公司 | 语料的标签分类方法、装置、计算机设备及存储介质 |
| CN112437446A (zh) * | 2020-11-09 | 2021-03-02 | 中国联合网络通信集团有限公司 | 多层室分小区的区分方法、装置、电子设备及存储介质 |
| US10965811B1 (en) * | 2020-03-31 | 2021-03-30 | Cresta Intelligence Inc. | Systems and methods for identifying a behavioral target during a conversation |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107888397B (zh) * | 2016-09-30 | 2020-12-25 | 华为技术有限公司 | 确定故障类型的方法和装置 |
| US10241892B2 (en) * | 2016-12-02 | 2019-03-26 | International Business Machines Corporation | Issuance of static analysis complaints |
| US11194962B2 (en) * | 2019-06-05 | 2021-12-07 | Fmr Llc | Automated identification and classification of complaint-specific user interactions using a multilayer neural network |
-
2021
- 2021-06-03 CN CN202110618826.4A patent/CN115442832B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9781609B1 (en) * | 2016-08-08 | 2017-10-03 | International Business Machines Corporation | Self-directed mobile wireless access points and wireless endpoints for wireless testing |
| WO2019018645A1 (en) * | 2017-07-21 | 2019-01-24 | Carrier Corporation | WEIGHTED INTERFERENCE PREFERENCES MANAGEMENT |
| CN109993543A (zh) * | 2017-12-28 | 2019-07-09 | 中国移动通信集团广东有限公司 | 一种投诉处理方法及系统 |
| CN110662245A (zh) * | 2018-06-28 | 2020-01-07 | 中国移动通信集团山东有限公司 | 基于深度学习的基站负荷预警方法及装置 |
| CN109408574A (zh) * | 2018-10-18 | 2019-03-01 | 国网山东省电力公司电力科学研究院 | 基于文本挖掘技术的投诉责任认定系统 |
| CN111325561A (zh) * | 2018-12-14 | 2020-06-23 | 中国移动通信集团北京有限公司 | 智能投诉处理方法、装置、电子设备及存储介质 |
| CN111813764A (zh) * | 2019-04-11 | 2020-10-23 | 中国移动通信集团四川有限公司 | 一种投诉预测模型的训练方法、装置及电子设备 |
| CN110377731A (zh) * | 2019-06-18 | 2019-10-25 | 深圳壹账通智能科技有限公司 | 投诉文本处理方法、装置、计算机设备及存储介质 |
| US10965811B1 (en) * | 2020-03-31 | 2021-03-30 | Cresta Intelligence Inc. | Systems and methods for identifying a behavioral target during a conversation |
| CN112084334A (zh) * | 2020-09-04 | 2020-12-15 | 中国平安财产保险股份有限公司 | 语料的标签分类方法、装置、计算机设备及存储介质 |
| CN112437446A (zh) * | 2020-11-09 | 2021-03-02 | 中国联合网络通信集团有限公司 | 多层室分小区的区分方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 一种基于信令分析的客户投诉溯源处理系统;熊胜;吴鼎;廖振松;;信息通信;20180215(02);全文 * |
| 基于大数据的投诉关联分析及平台构建;崔小丽;贾金良;王慧慧;;通信管理与技术;20160615(03);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115442832A (zh) | 2022-12-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9980214B2 (en) | SIM selection | |
| RU2544792C2 (ru) | Способ и устройство для реализации когнитивной сети | |
| CN108471627B (zh) | 网络质量确定方法及装置 | |
| CN115442832B (zh) | 投诉问题定位方法、装置及电子设备 | |
| 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 | |
| CN104812060B (zh) | 一种基于数据融合的无线定位方法及装置 | |
| CN113015180A (zh) | 网络参数更新方法、装置及存储介质、电子设备 | |
| CN113411148B (zh) | 移频方法、装置、电子设备及存储介质 | |
| CN113766523B (zh) | 服务小区的网络资源利用率预测方法、装置及电子设备 | |
| CN115243313B (zh) | 一种5g网络的识别方法、装置及电子设备 | |
| CN115379476A (zh) | 确定小区干扰类型的方法、装置、设备及存储介质 | |
| CN113923666A (zh) | 一种过覆盖基站识别方法、装置、电子设备及存储介质 | |
| CN113347660A (zh) | 通信信号检测方法、装置、设备及介质 | |
| CN114071520B (zh) | Lte网络问题定位方法、装置及电子设备 | |
| CN115334517A (zh) | 通信网络的覆盖优化方法、装置及电子设备 | |
| CN113381867A (zh) | 通信时延原因确定方法、装置及电子设备、存储介质 | |
| CN112153679A (zh) | 一种转网方法及装置 | |
| CN113873495A (zh) | eSIM卡的网络接入方法和装置 | |
| CN115134825A (zh) | 异常室分小区识别方法、装置及电子设备 | |
| CN115529605B (zh) | 一种小区配置直放站的识别方法、装置及电子设备 | |
| CN114158082B (zh) | 移动网络投诉信息处理方法、装置及设备 | |
| CN109275158A (zh) | 密集组网的方法及装置 | |
| CN118301648A (zh) | 网络风险评估方法及系统 | |
| CN114553336B (zh) | 信号滤波方法、装置、设备、存储介质及计算机程序产品 | |
| CN115134846A (zh) | 小区容量评估及小区间负荷均衡方法、装置及电子设备 |
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 |