一种网络投诉预测方法、系统、电子设备及存储介质与流程

本发明涉及通信，具体涉及一种网络投诉预测方法、系统、电子设备及存储介质。

背景技术：

1、现有的网络投诉预测技术主要是基于用户的网络质差指标数据的研究，通过研究历史投诉用户的网络质差指标数据，采用分类算法挖掘用户投诉行为与网络质差指标间的相关关系，实现对用户投诉行为的预测。

2、而网络投诉行为本质上是用户对于运营商客观网络质量的一种主观行为反应，网络投诉行为受客观网络质量与用户主观意愿两个要素影响，同样的网络质量表现情况，对于不同的用户，在投诉行为上可能有不同的行为，所以现有的网络投诉预测技术仅考虑了客观的网络质差指标，而缺失了对用户主观网络体验特征的研究；因此，目前现有的网络投诉预测技术并不能非常真实地还原用户投诉的主观逻辑路径，投诉预测的精度并不高。

技术实现思路

1、针对上述问题，本发明的一个目的是提供一种网络投诉预测方法，该方法将网络满意度预测模型嵌套在其中，实现将网络满意度指标引入网络投诉预测模型，更真实地还原了用户投诉的主观逻辑路径；而且在投诉预测的精度上表现十分优异，在网络投诉预防工作方面具有良好的应用。

2、本发明的第二个目的是提供一种网络投诉预测系统。

3、本发明所采用的第一个技术方案是：一种嵌套网络满意度预测模型的网络投诉预测方法，包括以下步骤：

4、获取用户身份数据、用户行为数据和网络质差数据；

5、基于所述用户行为数据和网络质差数据获得网络质差频次，将所述网络质差频次输入预先构建的网络满意度预测模型，从而获得用户网络满意度预测值；

6、构建网络投诉预测模型；以及基于所述网络质差频次、用户网络满意度预测值、用户身份数据、用户行为数据、网络质差数据训练所述网络投诉预测模型，从而获得训练好的网络投诉预测模型；

7、基于所述训练好的网络投诉预测模型预测出潜在投诉用户。

8、可选地，所述网络投诉预测方法还包括：采用smote算法对所述用户身份数据、用户行为数据和网络质差数据进行预处理。

9、可选地，所述网络质差数据包括上网质差次数、语音质差次数，所述用户行为数据包括上网流量、通话时长，所述网络质差频次是根据所述上网质差次数、语音质差次数、上网流量和通话时长通过计算获得的，所述网络质差频次包括上网质差频次和语音质差频次。

10、可选地，所述网络满意度预测模型通过以下方式构建：

11、获取用户的上网质差次数、语音质差次数、用户行为数据和网络满意度数据；所述网络满意度数据包括手机上网满意度数据和语音通话满意度数据；

12、基于所述用户的上网质差次数、语音质差次数和用户行为数据获得网络质差频次；

13、采用混合回归算法建立网络满意度预测模型，并基于所述网络质差频次和网络满意度数据训练所述网络满意度预测模型。

14、可选地，所述网络质差频次通过以下方式获得：

15、基于用户的上网质差次数、语音质差次数与用户行为数据计算网络质差频次，所述用户行为数据包括上网流量、通话时长，所述网络质差频次包括上网质差频次和语音质差频次；其中，

16、上网质差频次＝上网质差次数/上网流量；

17、语音质差频次＝语音质差次数/通话时长×n；

18、其中，n为预定常数。

19、可选地，所述网络满意度预测模型的构建还包括：

20、采用混合回归算法建立手机上网满意度预测模型和语音通话满意度预测模型；

21、基于所述手机上网满意度数据和上网质差频次训练所述手机上网满意度预测模型；

22、基于所述语音通话满意度数据和语音质差频次训练所述语音通话满意度预测模型。

23、可选地，所述网络投诉预测模型基于xgboost、神经网络算法或随机森林算法构建而成。

24、本发明所采用的第二个技术方案是：一种网络投诉预测系统，包括数据获取模块、用户网络满意度预测模块、网络投诉预测模型构建模块和投诉预测模块；

25、所述数据获取模块用于获取用户身份数据、用户行为数据和网络质差数据；

26、所述用户网络满意度预测模块用于基于所述用户行为数据和网络质差数据获得网络质差频次，将所述网络质差频次输入预先构建的网络满意度预测模型，从而获得用户网络满意度预测值；

27、所述网络投诉预测模型构建模块用于构建网络投诉预测模型；以及基于所述网络质差频次、用户网络满意度预测值、用户身份数据、用户行为数据、网络质差数据训练所述网络投诉预测模型，从而获得训练好的网络投诉预测模型；

28、所述投诉预测模块用于基于所述训练好的网络投诉预测模型预测出潜在投诉用户。

29、本发明所采用的第三个技术方案是：一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一个技术方案中所述的网络投诉预测方法。

30、本发明所采用的第四个技术方案是：一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现第一个技术方案中所述的网络投诉预测方法。

31、上述技术方案的有益效果：

32、(1)本发明公开的一种网络投诉预测方法使用用户身份指标与用户行为指标来共同描述用户主观网络体验情况；并创新性地将网络满意度预测模型(即网络满意度混合回归预测模型)嵌套在其中，实现将网络满意度指标引入网络投诉预测模型，更真实地还原了用户投诉的主观逻辑路径：客观网络质量情况+用户主观特征→用户主观网络体验累计(网络满意度)→网络投诉。

33、(2)本发明公开的一种网络投诉预测方法创新性地提出了将用户主观网络体验纳入网络投诉预测模型的技术方案；用户主观网络体验指标结合客观的网络质量类指标，共同构建网络投诉预测模型；相对于传统仅依赖客观网络质量类指标构建的网络投诉预测模型，本发明构建的网络投诉预测模型在投诉预测的精度上表现十分优异，在网络投诉预防工作方面具有良好的应用。

技术特征：

1.一种网络投诉预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的网络投诉预测方法，其特征在于，还包括：采用smote算法对所述用户身份数据、用户行为数据和网络质差数据进行预处理。

3.根据权利要求1所述的网络投诉预测方法，其特征在于，所述网络质差数据包括上网质差次数、语音质差次数，所述用户行为数据包括上网流量、通话时长，所述网络质差频次是根据所述上网质差次数、语音质差次数、上网流量和通话时长通过计算获得的，所述网络质差频次包括上网质差频次和语音质差频次。

4.根据权利要求1所述的网络投诉预测方法，其特征在于，所述网络满意度预测模型通过以下方式构建：

5.根据权利要求4所述的网络投诉预测方法，其特征在于，所述网络质差频次通过以下方式获得：

6.根据权利要求5所述的网络投诉预测方法，其特征在于，所述网络满意度预测模型的构建还包括：

7.根据权利要求1所述的网络投诉预测方法，其特征在于，所述网络投诉预测模型基于xgboost、神经网络算法或随机森林算法构建而成。

8.一种网络投诉预测系统，其特征在于，包括数据获取模块、用户网络满意度预测模块、网络投诉预测模型构建模块和投诉预测模块；

9.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述的网络投诉预测方法。

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的网络投诉预测方法。

技术总结
本发明涉及通信技术领域，具体公开了一种网络投诉预测方法、系统、电子设备及存储介质，包括获取用户身份数据、用户行为数据和网络质差数据；基于用户行为数据和网络质差数据获得网络质差频次，将网络质差频次输入网络满意度预测模型，从而获得用户网络满意度预测值；构建网络投诉预测模型；以及基于网络质差频次、用户网络满意度预测值、用户身份数据、用户行为数据、网络质差数据训练网络投诉预测模型，从而获得训练好的网络投诉预测模型；基于训练好的网络投诉预测模型预测出潜在投诉用户。该方法将网络满意度指标引入网络投诉预测模型，更真实地还原了用户投诉的主观逻辑路径；而且在投诉预测的精度上表现十分优异。

技术研发人员：陈纪阔
受保护的技术使用者：北京东土拓明科技有限公司
技术研发日：
技术公布日：2024/2/21