一种5G用户投诉预测方法及装置与流程

本发明涉及5g网络领域，具体提供一种5g用户投诉预测方法及装置。

背景技术：

1、当前流行诸多投诉预测的方法和平台，大多数通过提取低时间粒度的用户级指标找到感知质差指标，然后以质差指标、时间、频次、门限等为特征信息，输入黑白用户样本数据执行ai监督学习和规则训练。该类方法实际应用查全率和查准率较低，效果不佳。总结原因大致包含以下几点：

2、1、黑样本数据(投诉用户)输入的质差事件为用户级统计数据(由xdr统计而来)，而用户投诉往往因网络极差，甚至存在与网络无法交互的情况，呼叫业务信令无法进入核心网网络。该情况易造成采集遗失，造成用户级指标失真，无法真实反应该投诉用户的业务特征；

3、2、用户级指标难免存在平均化现象。一些敏感型用户极易因网络感知问题投诉，而用户的感知指标经汇总统计后由于被平均化，无法体现异常业务特征；

4、3、输入ai模型的特征指标与投诉用户关联性较低，指标好，用户感知差的现象严重；

5、4、通过用户级指标预测的投诉用户，预测输出结果往往是数十万级别以上，难以真正帮助运营商进行网络维护和用户关怀。

6、综上所述，需要一种更加高效更精准的投诉用户预测方法。避免指标平均化和数据失真问题，降低投诉预测结果的数量，提升投诉用户预测命中率。

技术实现思路

1、本发明是针对上述现有技术的不足，提供一种实用性强的5g用户投诉预测方法。

2、本发明进一步的技术任务是提供一种设计合理，安全适用的5g用户投诉预测装置。

3、本发明解决其技术问题所采用的技术方案是：

4、一种5g用户投诉预测方法，具有如下步骤：

5、s1、通过分析n1/n2重点异常事件，实现去指标化的真实用户业务感知获取；

6、s2、结合常驻小区实现单用户高频次业务聚类；

7、s3、基于累计投诉案例实现敏感型用户特征提取；

8、s4、ai预测算法选取与模型构建。

9、进一步的，在步骤s1中，通过5g投诉数据的端到端关联分析发现，以xdr为基础数据生成的用户级kpi指标无法真实呈现投诉用户的业务感知。

10、进一步的，在步骤s2中，基于用户的常驻小区关联实现n1/n2关键异常的聚类分析，提取出用户的业务频次特征，将用户n1/n2关键异常信令事件形成面向常驻小区的映射。

11、进一步的，具体包括如下三项处理：

12、(1)基于用户n1/n2接口异常信令事件，执行常驻小区长期问题识别；

13、(2)参考基站pm告警数据，实现常驻小区突发显性故障识别；

14、(3)利用基站周期性的业务量变化及周边小区业务吸纳后的n1/n2异常波动，确认常驻小区隐性故障。

15、进一步的，在步骤s3中，高敏感投诉用户在历史投诉单据上呈现继承性，通过多月投诉累计数据实现用户识别，并呈现特征如下：

16、(1)相比普通用户，投诉频次更高。

17、(2)相比普通用户，投诉持续时间跨度更长。

18、进一步的，在步骤s4中，挖掘感知关联因素，基于n1/n2重点异常信令事件的识别，规避网络指标失真；

19、基于常驻小区得到业务频次特征；基于历史投诉案例获取敏感型用户特征，模型训练采用xgboost的算法对样本数据进行建模预测。

20、进一步的，所述模型训练分为一下几步：

21、(1)训练样本属性选取；

22、专家经验定义影响用户业务感知的pm告警、n1/n2重点信令事件；

23、(2)训练样本选取；

24、分别选取近一段时间内的投诉用户数据和非投诉用户数据，分别定义为a组合b组数据，再分别从a组和b组数据种随机抽取80％的用户数据，融合为训练样本；

25、(3)将常驻小区pm告警属性，n1/n2重点信令事件属性通过xgboost模型训练学习后筛选出n个有效特征属性；

26、再将n个特征属性再次通过xgboost结合gridsearchcv搜索出模型最优解，获取最终预测模型的特征结果；

27、一种5g用户投诉预测装置，包括：至少一个存储器和至少一个处理器；

28、所述至少一个存储器，用于存储机器可读程序；

29、所述至少一个处理器，用于调用所述机器可读程序，执行一种5g用户投诉预测方法。

30、本发明的一种5g用户投诉预测方法及装置和现有技术相比，具有以下突出的有益效果：

31、本发明可以对5g用户进行投诉预测，包括的业务有5g的语音呼叫业务和5g上网的数据业务的投诉预测。基于该方法的ai预测，能显著提高预测的准确率；

32、相比基于用户级指标的预测方法，有效降低了预测结果数量，避免了指标数据平均化问题。预测结果真实有效的帮助运营商进行网络优化调整，投诉用户关怀和挽留。

技术特征：

1.一种5g用户投诉预测方法，其特征在于，具有如下步骤：

2.根据权利要求1所述的一种5g用户投诉预测方法，其特征在于，在步骤s1中，通过5g投诉数据的端到端关联分析发现，以xdr为基础数据生成的用户级kpi指标无法真实呈现投诉用户的业务感知。

3.根据权利要求2所述的一种5g用户投诉预测方法，其特征在于，在步骤s2中，基于用户的常驻小区关联实现n1/n2关键异常的聚类分析，提取出用户的业务频次特征，将用户n1/n2关键异常信令事件形成面向常驻小区的映射。

4.根据权利要求3所述的一种5g用户投诉预测方法，其特征在于，具体包括如下三项处理：

5.根据权利要求4所述的一种5g用户投诉预测方法，其特征在于，在步骤s3中，高敏感投诉用户在历史投诉单据上呈现继承性，通过多月投诉累计数据实现用户识别，并呈现特征如下：

6.根据权利要求5所述的一种5g用户投诉预测方法，其特征在于，在步骤s4中，挖掘感知关联因素，基于n1/n2重点异常信令事件的识别，规避网络指标失真；

7.根据权利要求5所述的一种5g用户投诉预测方法，其特征在于，所述模型训练分为一下几步：

8.一种5g用户投诉预测装置，其特征在于，包括：至少一个存储器和至少一个处理器；

技术总结
本发明涉及5G网络领域，具体提供了一种5G用户投诉预测方法及装置，具有如下步骤：S1、通过分析N1/N2重点异常事件，实现去指标化的真实用户业务感知获取；S2、结合常驻小区实现单用户高频次业务聚类；S3、基于累计投诉案例实现敏感型用户特征提取；S4、AI预测算法选取与模型构建。与现有技术相比，本发明相比基于用户级指标的预测方法，有效降低了预测结果数量，避免了指标数据平均化问题。预测结果真实有效的帮助运营商进行网络优化调整，投诉用户关怀和挽留。

技术研发人员：黄瑞民,刘延亮
受保护的技术使用者：浪潮通信信息系统有限公司
技术研发日：
技术公布日：2024/1/16