敏感用户的确定方法、装置、设备和介质与流程

本发明涉及通信领域，尤其涉及敏感用户的确定方法、装置、设备和介质。

背景技术：

伴随着家庭宽带用户量快速增长的同时，家庭宽带的投诉量也成爆发式增长态势，远远超过基础通信类投诉。

现有技术中，通过系统之间的交互日志以及移动运营商客服前台的接电记录，统计出投诉次数较多的用户。例如，将一个月内投诉次数超过5次或者一年内投诉次数超过12次的用户确定为敏感用户。

该确定方法的规则较为模糊，需要依据人为经验设置，确定敏感用户的准确性往往较低。

技术实现要素：

本发明实施例提供的敏感用户的确定方法、装置、设备和介质，可以提高确定敏感用户的准确性。

根据本发明实施例的一方面，提供一种敏感用户的确定方法，包括：

获取家庭宽带网络的目标网元的预定时间段内多个投诉数据，投诉数据包括用户信息和家庭宽带故障信息；

建立重复投诉次数与投诉用户数量的对应关系，重复投诉次数为同一用户对相同故障的投诉次数；

将重复投诉次数与投诉用户数量的对应关系中、投诉用户数量的变化幅度最大时对应的重复投诉次数作为投诉次数阈值；

确定重复投诉次数大于等于投诉次数阈值的用户为目标网元对应的敏感用户。

在一种可选的实施方式中，将重复投诉次数与投诉用户数量的对应关系中、投诉用户数量的变化幅度最大时对应的重复投诉次数作为投诉次数阈值，具体包括：

对重复投诉次数与投诉用户数量的对应关系进行回归分析后，得到回归曲线，回归曲线以重复投诉次数为自变量，以投诉用户数量为因变量；

确定回归曲线中弧长变化率最大时对应的重复投诉次数为投诉次数阈值。

在一种可选的实施方式中，将重复投诉次数与投诉用户数量的对应关系中、投诉用户数量的变化幅度最大时对应的重复投诉次数作为投诉次数阈值，具体包括：

判断重复投诉次数与投诉用户数量的对应关系中、投诉用户数量的变化趋势是否与预设的变化趋势相同；

若相同，将重复投诉次数与投诉用户数量的对应关系中、投诉用户数量的变化幅度最大时对应的重复投诉次数作为投诉次数阈值。

在一种可选的实施方式中，将重复投诉次数与投诉用户数量的对应关系中、投诉用户数量的变化幅度最大时对应的重复投诉次数作为投诉次数阈值，具体包括：

判断多个投诉数据的数量是否大于等于预设的投诉量阈值；

若大于等于预设的投诉量阈值，将多个重复投诉次数中投诉用户数量的变化幅度最大的重复投诉次数确定为下限阈值。

在一种可选的实施方式中，方法还包括：

监控敏感用户使用的目标网元的性能指标数据；

当性能指标数据低于预设的性能指标数据参考值，向敏感用户发送用于指示修正性能指标数据的提示信息。

在一种可选的实施方式中，在监控敏感用户对应的目标网元的性能指标数据之后，方法还包括：

当性能指标数据低于预设的性能指标数据参考值，将敏感用户确定为目标用户；

获取目标网元对应的所有目标用户；

按照目标网元的类型，将所有目标用户使用的目标网元进行聚类，得到隐患目标网元。

本发明另一实施例提供一种敏感用户的确定装置，包括：

获取处理模块，用于获取家庭宽带网络的目标网元的预定时间段内多个投诉数据，投诉数据包括用户信息和家庭宽带故障信息；

建立处理模块，用于建立重复投诉次数与投诉用户数量的对应关系，重复投诉次数为同一用户对相同故障的投诉次数；

第一确定模块，用于将重复投诉次数与投诉用户数量的对应关系中、投诉用户数量的变化幅度最大时对应的重复投诉次数作为投诉次数阈值；

第二确定模块，用于确定重复投诉次数大于等于投诉次数阈值的用户为目标网元对应的敏感用户。

在一种可选的实施方式中，第一确定模块，具体用于：

对重复投诉次数与投诉用户数量的对应关系进行回归分析后，得到回归曲线，回归曲线以重复投诉次数为自变量，以投诉用户数量为因变量；

确定回归曲线中弧长变化率最大时对应的重复投诉次数为投诉次数阈值。

在一种可选的实施方式中，第一确定模块，具体用于：

判断重复投诉次数与投诉用户数量的对应关系中、投诉用户数量的变化趋势是否与预设的变化趋势相同；

若相同，将重复投诉次数与投诉用户数量的对应关系中、投诉用户数量的变化幅度最大时对应的重复投诉次数作为投诉次数阈值。

在一种可选的实施方式中，第一确定模块，具体用于：

判断多个投诉数据的数量是否大于等于预设的投诉量阈值；

若大于等于预设的投诉量阈值，将多个重复投诉次数中投诉用户数量的变化幅度最大的重复投诉次数确定为下限阈值。

在一种可选的实施方式中，装置还包括：

监控处理模块，用于监控敏感用户使用的目标网元的性能指标数据；

发送处理模块，用于当性能指标数据低于预设的性能指标数据参考值，向敏感用户发送用于指示修正性能指标数据的提示信息。

根据本发明实施例的又一方面，提供一种敏感用户的确定设备，包括：

存储器，用于存储程序；

处理器，用于运行存储器中存储的程序，以执行本发明实施例提供的敏感用户的确定方法。

根据本发明实施例的再一方面，提供一种计算机存储介质，其特征在于，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现本发明实施例提供的敏感用户的确定方法。

根据本发明实施例中的敏感用户的确定方法、装置、设备和介质，可以根据目标网元的预定时间段内多个投诉数据，建立重复投诉次数与投诉用户数量的对应关系。由于投诉次数阈值是基于该对应关系中，投诉用户数量的变化幅度最大是对应的重复投诉次数确定的，可以提高确定敏感用户的准确性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，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，还可以根据这些附图获得其他的附图。

图1为家庭宽带网络的拓扑结构示意图；

图2是示出根据本发明实施例的敏感用户的确定方法的示意流程图；

图3a至图3e分别表示onu、olt、sw9306、bras和mb网元的重复投诉次数与投诉用户数量的对应关系的示意图；

图4是本发明实施例中出敏感用户判断模型的示意图；

图5a示出了投诉用户数量-重复投诉次数的散点离散图；

图5b示出根据图5a拟合出的回归曲线的示意图；

图6示出了根据本发明一实施例提供的敏感用户的确定装置的结构示意图；

图7是本发明实施例中敏感用户的确定设备的示例性硬件架构的结构图。

具体实施方式

下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

在本发明的实施例中，图1为家庭宽带网络的拓扑结构示意图。如图1所示，家庭宽带网络包括多个网络节点：省网核心路由器pb、地市核心路由器mb、宽带远程接入服务器bras、交换机s9306、光线路终端olt、光分配网络odn和光网络单元onu。

现有技术的确定敏感用户的方法，是依据人为经验设置，缺乏科学性的数据统计，没有充分挖掘出历史投诉数据中的潜在价值。与此同时，依据现有方法统计出的敏感用户群体准确性不高，确定规则为系统静态配置，不能依据实际情况动态调整。

因此，需要一种能够确定敏感用户的准确性和灵活性较高的确定方法。

其中，本发明实施例中的敏感用户表示：对家庭宽带网络故障容忍度较低的用户。

为了更好的理解本发明，下面将结合附图，详细描述根据本发明实施例的敏感用户的确定方法、装置、设备和介质，应注意，这些实施例并不用来限制本发明公开的范围。

图2是示出根据本发明实施例的敏感用户的确定方法的示意流程图。如图2所示，本实施例中的敏感用户的确定方法200可以包括步骤s210、s220、s250和s260：

s210，获取家庭宽带网络的目标网元的预定时间段内多个投诉数据，投诉数据包括用户信息和家庭宽带故障信息。

在s210中，家庭宽带网络的目标网元表示移动骨干网与家庭宽带用户之间的网元。示例地，目标网元可以是图1中的家庭宽带网络的各网元。比如：省网核心路由器pb、地市核心路由器mb、宽带远程接入服务器bras、交换机s9306、光线路终端olt、光分配网络odn和光网络单元onu。

作一个具体的示例，家庭宽带网络中包括多个onu。s210中的多个投诉数据包括：各个onu的投诉数据。

在本发明的一些实施例中，s210中获取的多个投诉数据是保存于故障管理系统中的投诉数据。目标网元的投诉数据表示用户针对目标网元的故障进行投诉时产生的投诉数据。

具体地，当接收到因家庭宽带网络中的网元发生故障的投诉时，故障管理系统会记录投诉用户的信息和本次投诉的家庭宽带故障信息。

在一些实施例中，用户信息可以是能够标识用户身份信息的号码。例如，用户信息可以包括以下一种或多种：

用户使用通讯设备的号码、用户的家庭宽带账户用户的ip地址等。

在一些实施例中，家庭宽带故障信息可以是根据对应的故障网元的告警信息或者投诉预处理平台确定的。具体地，家庭宽带故障信息可以是家庭宽带故障的类型。例如，onu的温度异常等。

示例性的，若用户a的onu发生故障，用户a进行投诉之后，会通过投诉预处理平台和集中故障管理系统，确定本次故障类型，会生成并存储一个投诉记录，该投诉记录包括：用户a的身份信息，以及本次故障类型。

在本发明的一些实施例中，预定时间段可以是通信运营商根据实际需要选取的。可以是一个统计周期。示例性的，可以将一个季度作为预设的时间段。作一个具体的示例，可以统计目标网元在一个季度内的投诉数据。

s220，建立重复投诉次数与投诉用户数量的对应关系，重复投诉次数为同一用户对相同故障的投诉次数。

在本发明的实施例中，重复投诉次数n对应的投诉用户数量表征：在预设时间段内，针对目标网元进行投诉的用户中，针对任何故障重复投诉n次的用户的总数。其中n为正整数。

示例性的，用户a在目标网元发生温度故障时，针对温度故障反复投诉了4次，则将重复投诉次数4对应的投诉用户数量加1。用户b在目标网元发生联网故障时，针对该故障重复投诉了4次，则重复投诉次数4对应的投诉用户数量再加1。

作一个具体的示例，若预设时间段内，5个用户的onu发生故障。用户a针对onu故障投诉了1次，用户b投诉了2次，用户c投诉了1次、用户d投诉了3次，用户e投诉了1次，用户f投诉了2次。

则s220中建立重复投诉次数与投诉用户数量的对应关系包括：重复投诉1，对应的投诉用户数量为3；重复投诉次数2，对应的投诉用户数量为2；重复投诉次数3，对应的投诉用户数量为2；其余重复投诉次数，对应的投诉用户数量为0。

s250，将重复投诉次数与投诉用户数量的对应关系中、投诉用户数量的变化幅度最大时对应的重复投诉次数作为投诉次数阈值。

在本发明的一些实施例中，投诉次数阈值用于区分用户是否为敏感用户。若用户的重复投诉次数小于投诉次数阈值，则该用户不为敏感用户。若用户的重复投诉次数大于等于投诉次数阈值，则该用户为敏感用户。

在本发明的一些实施例中，投诉次数阈值可以是依据当重复投诉次数逐渐增大时投诉用户数量的变化趋势确定的。

在一些实施例中，重复投诉次数与投诉用户数量的对应关系可以用条形图表示。其中，重复投诉次数可对应横轴，投诉用户数量可对应纵轴。图3a至图3e分别表示onu、olt、sw9306、bras和mb网元的重复投诉次数与投诉用户数量的对应关系的示意图。其中，图3a至图3e的条形图的横坐标表示重复投诉次数，纵坐标表示投诉用户数量。

通过图3a至图3e，可以发现规律：各网元的投诉用户数量的变化趋势均满足“潮涌现象”。即，当重复投诉次数的值较小时，投诉用户数量变化明显。当重复投诉次数的值较大时，投诉用户数量变化不明显。

作一个示例，以图3a为例，当重复投诉次数为1时，投诉用户数量为35k；当重复投诉次数为2时，投诉用户数量急速下降至11k；当重复投诉次数为3时，投诉用户数量急速下降至4k。而当重复投诉次数大于5时，投诉用户数据变化不明显。

在一些实施例中，投诉次数阈值表示：投诉用户数量变化趋势的临界点。

具体地，当重复投诉次数小于投诉次数阈值时，投诉用户数量变化明显，当重复投诉次数大于投诉次数阈值时，投诉用户数量变化不明显。示例性的，参照图3b，重复投诉次数4对应投诉用户数量的变化幅度最大。当重复投诉次数小于4时，投诉用户数量变化明显，当重复投诉次数大于4时，投诉用户数量几乎无变化。

在本发明的一些实施例中，根据图3a至图3e，可以构建出敏感用户判断模型。图4是本发明实施例中出敏感用户判断模型的示意图。如图4所示，在图4中，存在着一个特殊的点(图4中箭头所指向的点)，可称为“潮涌下落点”。在该点之前，投诉用户数量会急剧变化，在该点之后，投诉用户数量变化缓慢。可将该点对应的横坐标的值作为投诉次数阈值。

在本发明的一些实施例中，为了找出合适的投诉次数阈值，s250具体包括s251和s252：

s251，对重复投诉次数与投诉用户数量的对应关系进行回归分析后，得到回归曲线。

具体的，回归曲线以重复投诉次数为自变量，以投诉用户数量为因变量。

在一些实施例中，s51的具体实施方式包括s2511和s2512：

s2511，依据重复投诉次数与投诉用户数量的对应关系建立散点离散图，散点图的横坐标为重复投诉次数，散点图的纵坐标为重复投诉次数对应的投诉用户的数量。

作一个示例，图5a示出了投诉用户数量-重复投诉次数的散点离散图。图5a所示，图5a包括多个离散的圆圈，每个圆圈的横纵坐标代表着一个重复投诉次数与投诉用户数量的对应关系。

s2512，利用spss统计工具对散点离散图进行回归分析，拟合出回归曲线。

在s2512的具体实施过程中，可将重复投诉次数和对应的投诉用户数量输入spss统计工具。利用spss统计工具对输入数据进行回归分析后，拟合出回归曲线。

作一个示例，图5b示出根据图5a拟合出的回归曲线的示意图。如图5b所示，图5b中的曲线表示拟合出的回归曲线，回归曲线与离散点的变化趋势基本相同。

在一个实施例中，为了真实接近重复投诉次数-投诉用户数量的变化趋势，回归曲线可以为幂函数曲线。

其中，为了进一步保证回归曲线能够反映真实的变化趋势，回归曲线的可决系数r²应当大于等于90％。例如，利用spss工具，拟合出的回归曲线的可决系数r²＝91.3％，满足本发明实施例的需求。

作一个示例，拟合出的回归曲线方程如公式(1)所示：

y＝f(x)＝0.479x^-2.558(1)

其中，自变量x表示重复投诉次数，单位为次。因变量y表示投诉用户数量，单位可以为千人。

s252，确定回归曲线中弧长变化率最大时对应的重复投诉次数为投诉次数阈值。

在一些实施例中，重复投诉次数的弧长变化率表示该重复投诉次数对应的弧长与第一参考次数对应的弧长的差值除以第一参考次数对应的弧长后得到的商值。

该重复投诉次数对应的弧长表示回归曲线在该重复投诉次数与第二参考次数之间的长度，

其中，第一参考次数的数目比该投诉参考次数的数目大1，第二参考次数的数目比该投诉参考次数的数目小1。

在一些实施例中，在s252之前，需要先构建以重复投诉次数x为自变量的弧长公式。

其中，弧长公式的因变量为弧长，x对应的弧长表示回归曲线在重复投诉次数[x，f(x)]与参考次数[x+1，f(x+1)]之间的弧长。

具体地，弧长公式h(x)满足公式(2)：

其中，f′(x)表示回归曲线f(x)的导数。例如，h(3)表示点[3，f(3)]与点[4，f(4)]之间的弧长。

在一些实施例中，在构建弧长公式h(x)的基础上，弧长变化率g(x)满足公式(3)：

若g(x)的最大值为g(x1)，x1对应的投诉用户数量的变化幅度最大，x1为投诉次数阈值。

需要说明的是，若x1不为整数，则可以将x1取整后得到的整数值作为投诉次数阈值；或者将x1取整后得到的整数值加1后作为投诉次数阈值。

在本发明的一些实施例中，s250之前，还包括：

s230，判断重复投诉次数与投诉用户数量的对应关系中、投诉用户数量的变化趋势是否与预设的变化趋势相同。若相同，执行s230或执行s240。

在本发明的一些实施例中，其中，可以将预设的变化趋势称为“潮涌现象”。即，存在一个潮涌下降点，对应重复投诉次数i。重复投诉次数从1至i逐渐变大时，对应的投诉用户数量下降明显，近似于指数级下降。从i往后，随着重复投诉次数的增大，投诉用户数量变化不明显，几乎近似于无变化。

由于本发明实施例中的回归曲线是在“潮涌现象”的基础上，抽象出敏感用户判断模型，拟合出回归曲线，求出弧长变化率公式，并确定弧长变化率最大时对应的重复投诉次数为投诉次数阈值。因此，为了能够确保依据本发明实施例中的方法求得的投诉次数阈值的合理性，需要使得重复投诉次数与投诉用户数量的对应关系中、投诉用户数量的变化趋势满足“潮涌现象”。

需要说明的是，潮涌下降点并非一个固定的值，不同目标网元以及不同预定时间段，潮涌下降点不同。即，潮涌下降点是一个动态变化值。

在本发明的一些实施例中，获取的投诉数据量，确定的敏感用户的准确性越高。为了进一步保证确定的敏感用户的高精准性，s250之前，还包括：

s240，判断s210中获取的多个投诉数据的数量是否大于等于预设的投诉量阈值。

若大于等于预设的投诉量阈值，执行步骤s250。

在本发明的一些实施例中，预设的投诉量阈值可以是根据回归曲线的真实程度确定的。其中，当重复投诉次数对应的投诉用户数量越靠近回归曲线，回归曲线的真实程度越高。

示例性的，预设的投诉量阈值可以是在半年的周期内，投诉总量达到2000个。

s260，确定重复投诉次数大于等于投诉次数阈值的用户为目标网元对应的敏感用户。

根据本发明实施例中的敏感用户的确定方法、装置、设备和介质，可以根据目标网元的预定时间段内多个投诉数据，建立重复投诉次数与投诉用户数量的对应关系。由于投诉次数阈值是基于该对应关系中，投诉用户数量的变化幅度最大是对应的重复投诉次数确定的，可以提高确定敏感用户的准确性。

作一个示例，若某一用户针对onu故障反复投诉8次，且onu对应的投诉次数阈值为5，则该用户可以确定为onu对应的敏感用户。

需要说明的是，可以计算每一时间周期内的敏感用户。例如，一年中每一季度或每一月份的敏感用户。由于每一时间周期内的投诉数据是动态变化的，同一目标网元在不同时间周期内的投诉次数阈值也是一个动态值。

在一些实施例中，可以基于s260中确定的目标网元的敏感用户，建立敏感用户数据库，并以预设的时间周期为粒度不断更新敏感用户数据库。

在本发明的一些实施例中，通过s260确定了敏感用户之后，敏感用户的确定方法200还包括：

s270，监控敏感用户使用的目标网元的性能指标数据。

在s270中，目标网元的性能指标数据表示能够反映目标网元自身质量、网络质量等的性能指标。

例如，以onu为例，可以指onu负荷、onu温度、onu运行时长等性能指标。

需要说明的是，针对上一时间周期内的敏感用户，可以在当前时间周期内监控其使用的目标网元的性能数据。

s280，当性能指标数据低于预设的性能指标数据参考值，向敏感用户发送用于指示修正性能指标数据的提示信息。

在s280中，当目标网元的性能指标包括多个时，可以为每一性能指标设定一个性能指标数据参考值。

示例性的，若监控到onu的温度超过预设的onu正常温度范围时，可以向onu对应的敏感用户发送用于指示onu温度回归正常温度范围的提示信息。例如，向敏感用户发送“建议检查onu的外部环境温度是否正常”等提示信息。

作另一个示例，若监控到敏感用户的onu超负荷时，可以发送的提示信息如下：“尊敬的客户，您好！为了让您更好的体验宽带服务，建议您定期重启光猫设备/清理内存，可延长其使用寿命。”

需要说明的是，由于敏感用户重复投诉次数多于非敏感用户的，重复投诉次数的增多往往对应着用户使用感知的下降。因此，在确定了目标网元的敏感用户之后，可以对敏感用户更新至主动关怀系统。当敏感用户的目标网元的指标出现劣化时，会由业务运营支撑系统(boss系统)关联用户信息(209号码)下发关怀短信。

还需要说明的是，通过本发明实施例的上述方法，可以先于敏感用户发现目标网元的问题，先于敏感用户的投诉解决目标网元的问题。从而可以进一步降低家庭宽带用户投诉量，提升敏感用户的使用感知，减小用户离网率。

在本发明的一些实施例中，在s250之后，敏感用户的确定方法200还包括s291至s293：

s291，当性能指标数据低于预设的性能指标数据参考值，将敏感用户确定为目标用户。

在一些实施例中，敏感用户可以指上一时间周期内的敏感用户。s291中的性能指标数据可以是本时间周期内的性能指标数据。

s292，获取目标网元对应的所有目标用户。

在一些实施例中，可以统计出当前时间周期内目标网元中所有目标用户，

s293，按照目标网元的类型，将所有目标用户使用的目标网元进行聚类，得到隐患目标网元。

在s293中，目标网元的类型可以包括以下一种或多种：

目标网元的生产商家信息、目标网元的型号、目标网元的各项性能参数。

在一些实施例中，目标网元可能分为类型a、类型b和类型c。若类型a对应的聚类中，目标网元的数量较多，可以将类型a的目标网元确定为隐患目标网元。

例如，可以按照目标网元的生产厂家对10个目标网元进行聚类，若厂家a对应的聚类结果中包含8个目标网元，则可以将厂家a生产的目标网元作为隐患目标网元。

需要说明的是，确定的隐患目标网元，可用于后续过程中的目标网元维护和目标网元采购提供参考。

下面结合附图，详细介绍根据本发明实施例的装置。

基于相同的发明构思，本发明一实施例提供了敏感用户的确定装置。图6示出了根据本发明一实施例提供的敏感用户的确定装置的结构示意图。如图6所示，敏感用户的确定装置600包括：

获取处理模块610，用于获取家庭宽带网络的目标网元的预定时间段内多个投诉数据，投诉数据包括用户信息和家庭宽带故障信息；

建立处理模块620，用于建立重复投诉次数与投诉用户数量的对应关系，重复投诉次数为同一用户对相同故障的投诉次数；

第一确定模块630，用于将重复投诉次数与投诉用户数量的对应关系中、投诉用户数量的变化幅度最大时对应的重复投诉次数作为投诉次数阈值；

第二确定模块640，用于确定重复投诉次数大于等于投诉次数阈值的用户为目标网元对应的敏感用户。

在本发明的一些实施例中，第一确定模块630，具体用于：

对重复投诉次数与投诉用户数量的对应关系进行回归分析后，得到回归曲线，回归曲线以重复投诉次数为自变量，以投诉用户数量为因变量；

确定回归曲线中弧长变化率最大时对应的重复投诉次数为投诉次数阈值。

在本发明的一些实施例中，第一确定模块630，具体用于：

判断重复投诉次数与投诉用户数量的对应关系中、投诉用户数量的变化趋势是否与预设的变化趋势相同；

若相同，将重复投诉次数与投诉用户数量的对应关系中、投诉用户数量的变化幅度最大时对应的重复投诉次数作为投诉次数阈值。

在本发明的一些实施例中，第一确定模块630，具体用于：

判断多个投诉数据的数量是否大于等于预设的投诉量阈值；

若大于等于预设的投诉量阈值，将多个重复投诉次数中投诉用户数量的变化幅度最大的重复投诉次数确定为下限阈值。

在本发明的一些实施例中，敏感用户的确定装置600还包括：

监控处理模块，用于监控敏感用户使用的目标网元的性能指标数据。

发送处理模块，用于当性能指标数据低于预设的性能指标数据参考值，向敏感用户发送用于指示修正性能指标数据的提示信息。

在本发明的一些实施例中，敏感用户的确定装置600还包括：

第三确定模块，用于当性能指标数据低于预设的性能指标数据参考值，将敏感用户确定为目标用户。

目标用户获取模块，用于获取目标网元对应的所有目标用户。

聚类处理模块，用于按照目标网元的类型，将所有目标用户使用的目标网元进行聚类，得到隐患目标网元。

根据本发明实施例的敏感用户的确定装置的其他细节与以上结合图1至图5描述的根据本发明实施例的方法类似，在此不再赘述。

图7是本发明实施例中敏感用户的确定设备的示例性硬件架构的结构图。

如图7所示，敏感用户的确定设备700包括输入设备701、输入接口702、中央处理器703、存储器704、输出接口705、以及输出设备706。其中，输入接口702、中央处理器703、存储器704、以及输出接口705通过总线710相互连接，输入设备701和输出设备706分别通过输入接口702和输出接口705与总线710连接，进而与敏感用户的确定设备700的其他组件连接。

具体地，输入设备701接收来自外部的输入信息，并通过输入接口702将输入信息传送到中央处理器703；中央处理器703基于存储器704中存储的计算机可执行指令对输入信息进行处理以生成输出信息，将输出信息临时或者永久地存储在存储器704中，然后通过输出接口705将输出信息传送到输出设备706；输出设备706将输出信息输出到敏感用户的确定设备700的外部供用户使用。

也就是说，图7所示的敏感用户的确定设备也可以被实现为包括：存储有计算机可执行指令的存储器；以及处理器，该处理器在执行计算机可执行指令时可以实现结合图1至图6描述的敏感用户的确定设备的方法和装置。

在一个实施例中，图7所示的敏感用户的确定设备700可以被实现为一种设备，该设备可以包括：存储器，用于存储程序；处理器，用于运行存储器中存储的程序，以执行本发明实施例的敏感用户的确定方法。

在本发明实施例中，还提供一种计算机存储介质，其特征在于，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现本发明实施例提供的敏感用户的确定方法。

需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

以上的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(asic)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、rom、闪存、可擦除rom(erom)、软盘、cd-rom、光盘、硬盘、光纤介质、射频(rf)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

以上，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。