网络投诉信息的深度挖掘和细化分析研究.docVIP

投诉信息的深度挖掘和细化分析研究 第 PAGE 2页 2012年网络优化中心科研项目 投诉信息的深度挖掘和细化分析研究 投诉信息的深度挖掘和细化分析研究 完成时间：2012年12月 完成时间：2012年12月 目 录 TOC \o 1-3 \h \z \u 第一章 概 述 3 1.1课题背景及意义 3 1.2课题研究内容 3 1.3课题研究进度 4 第二章 数据挖掘简述 5 2.1 数据挖掘定义 5 2.2 数据挖掘常用方法 8 2.3 数据挖掘功能 9 2.4 数据挖掘的应用 12 第三章 投诉信息深度挖掘 14 3.1 投诉深度挖掘数据源 14 3.2 投诉深度挖掘思路 15 3.2.1 投诉深度挖掘分析流程 17 3.2.2 投诉点物理位置定位思路 18 3.2.3 投诉信息挖掘关联文本库 18 3.3 投诉深度挖掘输出 19 3.3.1投诉信息管理平台 21 第四章 投诉关联分析 23 4.1 投诉与指标关联分析 23 4.1.1 基于无线指标分析的投诉分类 24 4.1.2 投诉小区无线指标差异分析 25 4.1.3 投诉信息与无线指标关联分析 34 4.2 投诉与故障小区关联分析 37 4.2.1 投诉与故障小区关联分析概述 37 4.2.2 隐性故障小区与投诉点距离计算 37 4.2.3 隐性故障小区周边投诉情况 38 4.2.4 隐性故障小区与投诉关联总结 38 第一章 概 述 1.1课题背景及意义 长期以来，指导网络优化一线员工工作的主要指标为网络实际的测试结果和现网运行的性能指标。但随着网络建设的日益成熟，网络优化的重心正渐渐的从覆盖度向运行质量偏转。而用户感知则是最直观反映网络运行质量的标杆。因此，如何通过对用户投诉的深度分析找到提升网络质量的关键切入点就成为了网络优化工作人员最为关心的问题之一。 通常，针对通讯服务运营商的用户投诉主要分为两部分：一、对通讯服务运营商提供的产品、服务或价格的投诉；二、对通讯网络服务质量的投诉。第二部分投诉内容往往反映了通讯服务运营商网络建设与维护中的问题，是通讯服务运营商网络优化的重要导向，对用户投诉分析可以实现以下功能： 通过从宏观上对各行政区域的经济规模、人口特征、相关通讯服务网络主要KPI指标及投诉量进行特征刻画，并对行政区域按位置特征近似性进行分类，帮助优化人员从宏观上了解不同行政区域的通讯服务网络KPI指标和投诉之间的主要差别，从而辅助网络优化人员设计科学的、差异化的维护和优化措施，提高宏观管理的科学性和针对性； 通过定量化分析用户投诉和反映通讯服务网络质量的各项主要KPI之间的关联关系，并构建相应的数学关联模型，在此基础上，优化人员可以基于网络性能监控获得的各项KPI指标快速捕获潜在投诉高发区域，及时安排相关的人员对该区域通讯服务质量进行重点优化，从而从整体上降低通讯服务网络质量方面的投诉率，提供客户满意度。 1.2课题研究内容 本课题的研究内容主要包括以下部分： 通过对现有用户投诉的分类和数理，形成有效的关键字库，并在此基础上建立相关的数学模型，通过数据挖掘等跨行业技术实现对投诉数据的精确定位和分类。 通过对投诉数据及KPI数据采集、投诉数据梳理、关联模型数据准备、最终建立投诉与网络质量关联模型。数据经过采集、梳理、映射、关联、抽样、修正后，数据形式和质量已达到统计模型分析的要求，于是我们通过相关分析、变量重要性分析、模型精度分析，确定最终能够进行模型的变量，定义各类投诉容易诱发客户投诉的门限值规划模型，并进行验证，给出优化建议。 1.3课题研究进度 本课题的研究进度安排计划如下： 5-6月 提取现网海量投诉数据，通过数理和分析确立相应关键字库。引入数据挖掘技术对投诉进行精确定位；形成关键字库，核准文本挖掘技术及数据挖掘技术的准确性。 7-8月 引入现网KPI数据和网络测试数据，深入研究运行指标和用户投诉间的深层关联性；找出影响用户感知的关键KPI指标和相关测试指标。形成有效的数学模型。 9-10月 对之前建立的数学模型进行核算，确定其准确性和实用性；在此基础上研究通过现网运行指标对用户投诉的预判和预处理机制。形成有效的优化指导建议；确定数学模型的准确性，形成相应的用户投诉筛查方法。 11月总结研究成果，形成课题报告。 第二章 数据挖掘简述 数据挖掘作为一个新兴的多学科交叉应用领域，正在各行各业的决策支持活动扮演着越来越重要的角色。如何从大量有噪声、不完整、甚至是不一致数据集合中，挖掘出有意义的模式知识所涉及的概念与技术方法，是数据挖掘所关注的问题。 2.1 数据挖掘