网络优化方法、装置、电子设备及可读存储介质与流程

1.本技术实施例涉及计算机技术领域，尤其涉及一种网络优化方法、装置、电子设备及可读存储介质。


背景技术：

2.携号转网业务的开通，实现了用户在不更改号码的情况下，可以从一家运营商转向另一家运营商，提高了用户对运营商选择的灵活性。这种灵活性也使得各个运营商之间的竞争更加激烈，如何有效地识别、维系和挽留潜在携号转网用户，成为了各个运营商当前的重点工作。
3.网络原因是造成用户发生携号转网行为的一个重要原因。针对于运营商而言，若能及时识别出因网络原因而导致的潜在携号转网用户，并对这些潜在携号转网用户所在的常驻小区的网络及时进行网络优化，可以实现对这些潜在携号转网用户的维系和挽留。在相关技术中，可以通过预测模型对用户的相关信息进行分析，来识别出多个潜在携号转网用户。例如，用户的相关信息可以为投诉信息。然而，在上述过程中，虽然可以通过预测模型识别出多个潜在携号转网用户，但难以精准地识别出因网络原因而导致的潜在携号转网用户，导致模型预测的精准度较低。


技术实现要素：

4.本技术提供一种网络优化方法、装置、电子设备及可读存储介质，可以精准地识别出因网络原因而导致的潜在携号转网用户，提高了模型预测的精准度。
5.第一方面，本技术提供一种网络优化方法，包括：
6.获取预测模型、以及多个网络特征对转网的影响权重；
7.获取多个在网账号的特征信息，所述特征信息包括所述在网账号的所述多个网络特征的特征值；
8.通过预测模型对所述多个在网账号的特征信息进行处理，以在所述多个在网账号中确定目标账号，所述目标账号转网的概率大于或等于预设阈值；
9.根据所述多个网络特征对转网的影响权重，对所述目标账号所在的常驻小区进行网络优化。
10.在一种可能的实施方式中，获取预测模型，包括：
11.若存在历史预测模型，更新所述历史预测模型，得到所述预测模型；
12.若不存在所述历史预测模型，则获取样本数据，并根据所述样本数据进行模型训练，得到所述预测模型，所述样本数据包括多个样本账号、每个样本账号的样本特征信息和标记预测结果。
13.在一种可能的实施方式中，更新所述历史预测模型，得到所述预测模型，包括：
14.获取多个第一账号的实际转网结果，所述实际转网结果包括未转网和已转网；
15.获取所述历史预测模型对所述多个第一账号的预测转网结果；
16.根据所述多个第一账号的实际转网结果和预测转网结果，在所述多个第一账号中确定至少一个第二账号，所述第二账号的实际转网结果和预测转网结果不同；
17.根据所述至少一个第二账号的特征信息和实际转网结果，更新所述历史预测模型，得到所述预测模型。
18.在一种可能的实施方式中，根据所述至少一个第二账号的特征信息和实际转网结果，更新所述历史预测模型，得到所述预测模型，包括：
19.获取所述历史预测模型对应的历史样本数据，所述历史样本数据中包括多个样本账号、每个样本账号的样本特征信息和标记预测结果；
20.根据所述至少一个第二账号的实际转网结果，更新所述历史样本数据，得到最新样本数据；
21.根据所述最新样本数据对所述历史预测模型进行模型训练，得到所述预测模型。
22.在一种可能的实施方式中，获取样本数据，包括：
23.获取正样本集，所述正样本集中包括多个正样本账号，所述正样本账号对应的网络满意度小于或等于预设满意度；
24.获取负样本集，所述负样本集中包括多个负样本账号，所述负样本账号对应的网络满意度大于预设满意度；
25.获取所述多个正样本账号和所述多个负样本账号对应的样本特征信息，以及对所述多个正样本账号和所述多个负样本账号进行标注处理，得到所述样本数据。
26.在一种可能的实施方式中，获取多个网络特征对转网的影响权重，包括：
27.获取所述预测模型的模型参数；
28.在所述模型参数中获取所述多个网络特征对转网的影响权重。
29.在一种可能的实施方式中，根据所述多个网络特征对转网的影响权重，对所述目标账号所在的常驻小区进行网络优化，包括：
30.确定所述目标账号所在的至少一个常驻小区；
31.确定所述至少一个常驻小区对应的管理设备；
32.向所述管理设备发送所述目标账号的标识和所述多个网络特征对转网的影响权重。
33.第二方面，本技术提供一种网络优化装置，包括第一获取模块、第二获取模块、确定模块、网络优化模块，其中，
34.所述第一获取模块用于，获取预测模型、以及多个网络特征对转网的影响权重；
35.所述第二获取模块用于，获取多个在网账号的特征信息，所述特征信息包括所述在网账号的所述多个网络特征的特征值；
36.所述确定模块用于，通过预测模型对所述多个在网账号的特征信息进行处理，以在所述多个在网账号中确定目标账号，所述目标账号转网的概率大于或等于预设阈值；
37.所述网络优化模块用于，根据所述多个网络特征对转网的影响权重，对所述目标账号所在的常驻小区进行网络优化。
38.在一种可能的实施方式中，所述第一获取模块具体用于：
39.若存在历史预测模型，更新所述历史预测模型，得到所述预测模型；
40.若不存在所述历史预测模型，则获取样本数据，并根据所述样本数据进行模型训
练，得到所述预测模型，所述样本数据包括多个样本账号、每个样本账号的样本特征信息和标记预测结果。
41.在一种可能的实施方式中，所述第一获取模块具体用于：
42.获取多个第一账号的实际转网结果，所述实际转网结果包括未转网和已转网；
43.获取所述历史预测模型对所述多个第一账号的预测转网结果；
44.根据所述多个第一账号的实际转网结果和预测转网结果，在所述多个第一账号中确定至少一个第二账号，所述第二账号的实际转网结果和预测转网结果不同；
45.根据所述至少一个第二账号的特征信息和实际转网结果，更新所述历史预测模型，得到所述预测模型。
46.在一种可能的实施方式中，所述第一获取模块具体用于：
47.获取所述历史预测模型对应的历史样本数据，所述历史样本数据中包括多个样本账号、每个样本账号的样本特征信息和标记预测结果；
48.根据所述至少一个第二账号的实际转网结果，更新所述历史样本数据，得到最新样本数据；
49.根据所述最新样本数据对所述历史预测模型进行模型训练，得到所述预测模型。
50.在一种可能的实施方式中，所述第一获取模块具体用于：
51.获取正样本集，所述正样本集中包括多个正样本账号，所述正样本账号对应的网络满意度小于或等于预设满意度；
52.获取负样本集，所述负样本集中包括多个负样本账号，所述负样本账号对应的网络满意度大于预设满意度；
53.获取所述多个正样本账号和所述多个负样本账号对应的样本特征信息，以及对所述多个正样本账号和所述多个负样本账号进行标注处理，得到所述样本数据。
54.在一种可能的实施方式中，所述第一获取模块具体用于：
55.获取所述预测模型的模型参数；
56.在所述模型参数中获取所述多个网络特征对转网的影响权重。
57.在一种可能的实施方式中，所述网络优化模块具体用于：
58.确定所述目标账号所在的至少一个常驻小区；
59.确定所述至少一个常驻小区对应的管理设备；
60.向所述管理设备发送所述目标账号的标识和所述多个网络特征对转网的影响权重。
61.第三方面，本技术提供一种终端设备，包括：处理器和存储器；
62.所述存储器用于，存储计算机程序；
63.所述处理器用于，执行所述存储器中存储的计算机程序，实现如第一方面任一项所述的方法。
64.第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当所述计算机执行指令被处理器执行时用于实现第一方面任一项所述的方法。
65.第五方面，本技术提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，实现如第一方面任一项所述的方法。
66.本技术提供的网络优化方法、装置、电子设备及可读存储介质，可以通过获取预测模型、以及多个网络特征对转网的影响权重；获取多个在网账号的特征信息；通过预测模型对多个在网账号的特征信息进行处理，以在多个在网账号中确定目标账号；根据多个网络特征对转网的影响权重，对目标账号所在的常驻小区进行网络优化。在上述过程中，可以精准地识别出因网络原因而导致的潜在携号转网用户，提高了模型预测的精准度。
附图说明
67.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
68.图1为本技术实施例提供的应用场景的示意图；
69.图2为本技术实施例提供的一种网络优化方法的流程示意图；
70.图3为本技术实施例提供的另一种网络优化方法的流程示意图；
71.图4为本技术实施例提供的网络优化装置的一种结构示意图；
72.图5为本技术实施例提供的终端设备的硬件结构示意图。
73.通过上述附图，已示出本技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本技术的概念。
具体实施方式
74.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
75.图1为本技术实施例提供的应用场景的示意图。请参见图1，包括终端设备101。例如，终端设备101可以为台式计算机和平板电脑等。终端设备101可以用于获取多个在网账号的特征信息。终端设备101中可以设置有预测模型，基于该预测模型可以对获得的多个在网账号的特征信息进行识别，并确定目标账号，目标账号可以为因网络原因而导致具有携号转网意向的用户的账号。
76.在相关技术中，可以通过预测模型对用户的相关信息进行分析，来识别出多个潜在携号转网用户。例如，用户的相关信息可以为投诉信息。然而，在上述过程中，虽然可以通过预测模型识别出多个潜在携号转网用户，但难以精准地识别出因网络原因而导致的潜在携号转网用户，导致模型预测的精准度较低。
77.在本技术实施例中，可以通过获取预测模型、以及多个网络特征对转网的影响权重；获取多个在网账号的特征信息；通过预测模型对多个在网账号的特征信息进行处理，以在多个在网账号中确定目标账号；根据多个网络特征对转网的影响权重，对目标账号所在的常驻小区进行网络优化。在上述过程中，可以精准地识别出因网络原因而导致的潜在携号转网用户，提高了模型预测的精准度。
78.下面，通过具体实施例对本技术所示的方法进行说明。需要说明的是，下面几个实施例可以单独存在，也可以互相结合，对于相同或相似的内容，在不同的实施例中不再重复
说明。
79.图2为本技术实施例提供的一种网络优化方法的流程示意图。请参见图2，该方法可以包括：
80.s201、获取预测模型、以及多个网络特征对转网的影响权重。
81.本技术实施例的执行主体可以为终端设备，也可以为设置在终端设备中的网络优化装置。网络优化装置可以通过软件实现，也可以通过软件和硬件的结合实现。
82.可选的，预测模型可以包括xgboost、marte以及神经网络模型的任意一种或多种的组合。为了提高预测模型的计算精度，可以采用混合型算法来构建预测模型，该混合型算法可以为基于决策树的xgboost算法和神经网络算法相加权的算法。在实际使用过程中，可以利用python、pandas和sklearn来构建预测模型。
83.在实际运用过程中，一个样本账号可以对应于多个网络特征，可以根据这多个网络特征来判断这个样本账号对应的网络情况的好坏。
84.可选的，网络特征可以包括关键质量指标(key quality indicators，kqi)类型的网络特征、关键绩效指标(key performance indicator，kpi)类型的网络特征和b域指标类型的网络特征。每一种网络特征的类型可以包括多个网络特征。例如，网络特征的类型和网络特征之间的关系可以如表1所示：
85.表1
86.87.[0088][0089]
请参见表1，kqi指标类型可以对应于30个网络特征，kpi指标类型可以对应于26个网络特征，b域指标类型可以对应于9个网络特征。
[0090]
s202、获取多个在网账号的特征信息。
[0091]
特征信息可以包括在网账号的多个网络特征的特征值。
[0092]
可选的，特征信息可以包括b域指标类型的特征信息、kqi指标类型的特征信息和kpi指标类型的特征信息。
[0093]
在实际应用过程中，可以通过如下方式获取多个在网账号的特征信息：针对于多个在网账号中的任意一个在网账号，可以根据该在网账号的账号标识，获取该在网账号的b域指标类型的特征信息；根据该在网账号的账号标识确定该在网账号的常驻小区；通过该在网账号的常驻小区的多个服务平台，可以获取该在网账号的kqi指标类型的特征信息和kpi指标类型的特征信息。
[0094]
s203、通过预测模型对多个在网账号的特征信息进行处理，以在多个在网账号中
确定目标账号。
[0095]
可选的，可以通过如下方式确定目标账号：可以通过预测模型对多个在网账号的特征信息进行处理，获得多个在网账号转网的概率；根据预测模型中设置的预设阈值和多个在网账号转网的概率，在多个在网账号中确定目标账号，目标账号转网的概率大于或等于预设阈值。
[0096]
例如，假设有5个在网账号，分别为在网账号1～在网账号5。通过预测模型对这5个在网账号的特征信息进行处理后，可以获得这5个在网账号转网的概率，在网账号1～在网账号5转网的概率分别为0.90，0.85，0.62，0.35，0.45。当预设阈值为0.5时，在上述5个在网账号中，可以确定在网账号1～在网账号3为目标账号。
[0097]
s204、根据多个网络特征对转网的影响权重，对目标账号所在的常驻小区进行网络优化。
[0098]
可选的，可以根据多个网络特征对转网的影响权重，判断多个网络特征对转网的影响的重要程度。在一个预测模型中，网络特征和该网络特征对转网的影响权重可以是一一对应的。
[0099]
针对于任意一个预测模型，假设，其模型参数可以包括n个网络特征、以及每一个网络特征对转网的影响权重，这n个网络特征的编号分别为1，2，3，
……
，n，这n个网络特征对转网的影响权重依次为w1，w2，w3，
……
，wn。其中，每一个网络特征对转网的影响权重的值域均在0到1之间，且w1+w2+
……
+wn＝1。可以将w1～wn按照数值从大到小的顺序进行排列，选取前m个影响权重(w1～wm)作为目标影响权重，m为小于等于n的任意正整数。根据目标影响权重，确定该目标影响权重对应的多个网络特征；根据该对应的多个网络特征，对目标账号所在常驻小区进行网络优化。
[0100]
本技术实施例提供的网络优化方法，可以通过获取预测模型、以及多个网络特征对转网的影响权重；获取多个在网账号的特征信息；通过预测模型对多个在网账号的特征信息进行处理，以在多个在网账号中确定目标账号；根据多个网络特征对转网的影响权重，对目标账号所在的常驻小区进行网络优化。在上述过程中，可以精准地识别出因网络原因而导致的潜在携号转网用户，提高了模型预测的精准度。
[0101]
在上述任意一个实施例的基础上，下面，结合图3，对一种网络优化方法的详细过程进行说明。
[0102]
图3为本技术实施例提供的另一种网络优化方法的流程示意图。请参见图3，该方法可以包括：
[0103]
s301、判断是否存在历史预测模型。
[0104]
若是，执行s302～s307；
[0105]
若否，执行s308～s311。
[0106]
s302、获取多个第一账号的实际转网结果。
[0107]
第一账号可以为在当前时刻之前一段时长、历史预测模型所处理过的在网账号。例如，第一账号可以为在当前时刻之前一个月、历史预测模型所处理过的在网账号。
[0108]
实际转网结果可以包括未转网和已转网。
[0109]
可选的，可以从运营商的服务系统中获取多个第一账号、以及多个第一账号的实际转网结果。
[0110]
s303、获取历史预测模型对多个第一账号的预测转网结果。
[0111]
预测转网结果可以包括未转网和已转网。
[0112]
可选的，可以从历史预测模型对应的结果数据库中获得多个第一账号的预测转网结果。
[0113]
s304、根据多个第一账号的实际转网结果和预测转网结果，在多个第一账号中确定至少一个第二账号。
[0114]
第二账号的实际转网结果和预测转网结果不同。
[0115]
例如，假设有5个第一账号，分别为第一账号1～第一账号5，这5个第一账号的实际转网结果和预测转网结果可以如表2所示。
[0116]
表2
[0117][0118][0119]
请参见表2，可以看到第一账号1和第一账号2的实际转网结果和预测转网结果不同，即可以把第一账号1和第一账号2确定为第二账号。
[0120]
s305、获取历史预测模型对应的历史样本数据。
[0121]
历史样本数据中可以包括多个样本账号、每个样本账号的样本特征信息和标记预测结果。
[0122]
可选的，可以从历史预测模型对应的样本数据库中获取历史样本数据。
[0123]
s306、根据至少一个第二账号的实际转网结果，更新历史样本数据，得到最新样本数据。
[0124]
可选的，可以按照如下方式得到最新样本数据：针对于任意一个第二账号，可以根据第二账号的实际转网结果，对第二样本账号进行标注处理，得到该第二账号的标记预测结果；将第二账号、第二账号的样本特征信息和第二账号的标记预测结果作为新的样本数据，加入到历史样本数据对应的数据库中，以进行历史样本数据的更新，得到最新的样本数据。
[0125]
s307、根据最新样本数据对历史预测模型进行模型训练，得到预测模型。
[0126]
在实际运用过程中，通过不断加入的最新样本数据，对历史预测模型进行模型训练，使得预测模型在使用过程中可以不断地进行更新优化，有利于提高预测模型预测的准确率。
[0127]
当存在历史预测模型时，可以周期性执行s302～s307过程，以实现对历史预测模型的不断更新。
[0128]
下面，结合s308～s311，对不存在历史预测模型的情况下，获取预测模型的过程进
行说明。
[0129]
s308、获取正样本集。
[0130]
正样本集中可以包括多个正样本账号，正样本账号对应的网络满意度小于或等于预设满意度。
[0131]
可选的，正样本账号可以为历史时段内、因网络原因而导致的具有携号转网意向的用户对应的在网账号。历史时段可以为当前时刻之前的任意一段时长，例如，历史时段可以为当前时刻之前三个月、当前时刻之前半年等。
[0132]
可以通过如下方式确定正样本账号：针对于任意一个在网账号，若在历史时段内，该在网账号对应的用户通过电话或者短信咨询过携号转网业务，且在咨询过程中提到对网络质量不满，则可以将该在网账户确定为正样本账户。
[0133]
s309、获取负样本集。
[0134]
负样本集中可以包括多个负样本账号，负样本账号对应的网络满意度大于预设满意度。
[0135]
可以通过如下方式确定负样本账号：针对于任意一个在网账号，若在历史时段内，该在网账号对应的用户对网络净推荐值(net promoter score，nps)打满分，则可以将该在网账户确定为负样本账户。
[0136]
可选的，负样本账号的数量与正样本账号的数量之比可以为1:3，即，假设提取的正样本账号的数量为1500个，那么提取的负样本账号的数量为500个。
[0137]
s310、获取多个正样本账号和多个负样本账号对应的样本特征信息，以及对多个正样本账号和多个负样本账号进行标注处理，得到样本数据。
[0138]
需要说明的是，s310中获取多个正样本账号和多个负样本账号对应的样本特征信息的过程，可以参照s202中获取多个在网账号的特征信息的过程，此处不再重复赘述。
[0139]
可选的，可以通过如下方式进行标注处理：获取多个正样本账号和多个负样本账号对应的实际转网结果，实际转网结果包括未转网和已转网；根据实际转网结果对多个正样本账号和多个负样本账号进行分类处理，可以获得已转网的多个样本账号以及未转网的多个样本账号；根据0和1对样本账号进行标注处理，即将已转网的多个样本账号标注为1，未转网的多个样本账号标注为0。
[0140]
s311、根据样本数据进行模型训练，得到预测模型。
[0141]
样本数据可以包括多个样本账号、每个样本账号的样本特征信息和标记预测结果。
[0142]
样本特征信息可以包括样本账号的多个网络特征的特征值。
[0143]
标记预测结果可以包括已转网和未转网。可选的，可以用0和1来表示标记预测结果，其中，0可以用于表示未转网，1可以用于表示已转网。
[0144]
s312、获取预测模型的模型参数。
[0145]
可选的，模型参数可以包括多个网络特征、以及每一个网络特征对转网的影响权重。
[0146]
s313、在模型参数中获取多个网络特征对转网的影响权重。
[0147]
可选的，可以通过模型参数对应的参数信息，获取多个网络特征对转网的影响权重。
[0148]
s314、获取多个在网账号的特征信息。
[0149]
特征信息包括在网账号的多个网络特征的特征值。
[0150]
需要说明的是，s314的执行过程可以参考s202的执行过程，此处不再重复赘述。
[0151]
s315、通过预测模型对多个在网账号的特征信息进行处理，以在多个在网账号中确定目标账号。
[0152]
目标账号转网的概率大于或等于预设阈值。
[0153]
需要说明的是，s315的执行过程可以参考s203的执行过程，此处不再重复赘述。
[0154]
可选的，在确定目标账号后，还可以将目标账号、以及目标账号的特征信息发送给运营商的相关部门，例如，服务部门或者市场运营部门。根据目标账号的特征信息，相关部门的工作人员可以对该目标账号对应的用户定制挽留方案，例如，可以对目标账号对应的用户推送相关优惠信息，或者对目标账户对应的用户进行电话回访安抚等。
[0155]
s316、确定目标账号所在的至少一个常驻小区。
[0156]
可选的，可以通过目标账号的标识，查询到用户的位置信息，根据用户的位置信息确定目标账号所在的至少一个常驻小区。
[0157]
s317、确定至少一个常驻小区对应的管理设备。
[0158]
可选的，管理设备可以为运营商在常驻小区内设置的服务设备。
[0159]
s318、向管理设备发送目标账号的标识和多个网络特征对转网的影响权重。
[0160]
本技术实施例提供的网络优化方法，可以通过获取预测模型、以及多个网络特征对转网的影响权重；获取多个在网账号的特征信息；通过预测模型对多个在网账号的特征信息进行处理，以在多个在网账号中确定目标账号；根据多个网络特征对转网的影响权重，对目标账号所在的常驻小区进行网络优化。在上述过程中，可以精准地识别出因网络原因而导致的潜在携号转网用户，提高了模型预测的精准度。
[0161]
图4为本技术实施例提供的网络优化装置的一种结构示意图。请参见图4，该网络优化装置10包括第一获取模块11、第二获取模块12、确定模块13、网络优化模块14，其中，
[0162]
所述第一获取模块11用于，获取预测模型、以及多个网络特征对转网的影响权重；
[0163]
所述第二获取模块12用于，获取多个在网账号的特征信息，所述特征信息包括所述在网账号的所述多个网络特征的特征值；
[0164]
所述确定模块13用于，通过预测模型对所述多个在网账号的特征信息进行处理，以在所述多个在网账号中确定目标账号，所述目标账号转网的概率大于或等于预设阈值；
[0165]
所述网络优化模块14用于，根据所述多个网络特征对转网的影响权重，对所述目标账号所在的常驻小区进行网络优化。
[0166]
本技术实施例提供的网络优化装置可以执行上述方法实施例所示的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。
[0167]
在一种可能的实施方式中，所述第一获取模块11具体用于：
[0168]
若存在历史预测模型，更新所述历史预测模型，得到所述预测模型；
[0169]
若不存在所述历史预测模型，则获取样本数据，并根据所述样本数据进行模型训练，得到所述预测模型，所述样本数据包括多个样本账号、每个样本账号的样本特征信息和标记预测结果。
[0170]
在一种可能的实施方式中，所述第一获取模块11具体用于：
[0171]
获取多个第一账号的实际转网结果，所述实际转网结果包括未转网和已转网；
[0172]
获取所述历史预测模型对所述多个第一账号的预测转网结果；
[0173]
根据所述多个第一账号的实际转网结果和预测转网结果，在所述多个第一账号中确定至少一个第二账号，所述第二账号的实际转网结果和预测转网结果不同；
[0174]
根据所述至少一个第二账号的特征信息和实际转网结果，更新所述历史预测模型，得到所述预测模型。
[0175]
在一种可能的实施方式中，所述第一获取模块11具体用于：
[0176]
获取所述历史预测模型对应的历史样本数据，所述历史样本数据中包括多个样本账号、每个样本账号的样本特征信息和标记预测结果；
[0177]
根据所述至少一个第二账号的实际转网结果，更新所述历史样本数据，得到最新样本数据；
[0178]
根据所述最新样本数据对所述历史预测模型进行模型训练，得到所述预测模型。
[0179]
在一种可能的实施方式中，所述第一获取模块11具体用于：
[0180]
获取正样本集，所述正样本集中包括多个正样本账号，所述正样本账号对应的网络满意度小于或等于预设满意度；
[0181]
获取负样本集，所述负样本集中包括多个负样本账号，所述负样本账号对应的网络满意度大于预设满意度；
[0182]
获取所述多个正样本账号和所述多个负样本账号对应的样本特征信息，以及对所述多个正样本账号和所述多个负样本账号进行标注处理，得到所述样本数据。
[0183]
在一种可能的实施方式中，所述第一获取模块11具体用于：
[0184]
获取所述预测模型的模型参数；
[0185]
在所述模型参数中获取所述多个网络特征对转网的影响权重。
[0186]
在一种可能的实施方式中，所述网络优化模块14具体用于：
[0187]
确定所述目标账号所在的至少一个常驻小区；
[0188]
确定所述至少一个常驻小区对应的管理设备；
[0189]
向所述管理设备发送所述目标账号的标识和所述多个网络特征对转网的影响权重。
[0190]
本技术实施例提供的网络优化装置可以执行上述方法实施例所示的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。
[0191]
图5为本技术实施例提供的终端设备的硬件结构示意图。请参见图5，该终端设备20可以包括处理器21和存储器22。其中，处理器21和存储器22可以通信；示例性的，处理器21和存储器22通过通信总线23通信。
[0192]
所述存储器22用于存储计算机执行指令；
[0193]
所述处理器21用于执行所述存储器22存储的计算机执行指令，使得所述处理器21执行如上述方法实施例所示的网络优化方法。
[0194]
可选的，终端设备20还可以包括通信接口，通信接口可以包括发送器和/或接收器。
[0195]
可选的，上述处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路
(application specific integrated circuit，asic)等。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。结合本技术实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
[0196]
本技术实施例提供的终端设备可以执行上述方法实施例所示的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。
[0197]
本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当所述计算机执行指令被处理器执行时用于实现如上述任意实施例所述的网络优化方法。
[0198]
本技术实施例提供一种计算机程序产品，所述计算机程序产品包括指令，当所述指令被执行时，使得计算机执行上述网络优化方法。
[0199]
实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一可读取存储器中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储器(存储介质)包括：只读存储器(英文：read-only memory，缩写：rom)、ram、快闪存储器、硬盘、固态硬盘、磁带(英文：magnetic tape)、软盘(英文：floppy disk)、光盘(英文：optical disc)及其任意组合。
[0200]
本技术实施例是参照根据本技术实施例的方法、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单元以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理单元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。
[0201]
可以理解的是，在本技术的实施例中涉及的各种数字编号仅为描述方便进行的区分，并不用来限制本技术的实施例的范围。
[0202]
需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。
[0203]
在本技术中，术语“包括”及其变形可以指非限制性的包括；术语“或”及其变形可以指“和/或”。本技术中术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。本技术中，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
[0204]
显然，本领域的技术人员可以对本技术实施例进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术实施例的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。