基于人工智能算法的投诉质差小区定界定位方案 .pdfVIP

基于人工智能算法的投诉质差小区

定界定位方案

一、成果简介

目前投诉用户问题定位主要依靠OMC性能指标统计、人工测试及

MR覆盖分析等方面进行问题的断定与定位，感知问题定位耗时耗力。

该成果基于人工智能算法大数据技术，将4G网络的全量信令与

用户投诉数据结合，关联无线小区的性能指标和告警数据，采用决策

树数学建模方式，建立用户投诉质差小区模型和4G投诉精准定位模

型，从而实现用户角度的无线质差小区挖掘。

该成果主要的技术特点和优势有：

1)创新的质差小区挖掘方式

从用户感知的角度切入挖掘无线质差小区，同时为优先解决影响

用户感知的无线侧问题提供数据支撑。传统的无线质差小区挖掘往往

是通过网络告警，网络性能指标来定位。而本成果中的用户投诉信令

小区模型挖掘质差小区，是从用户感知角度进行。通过识别出用户感

知受影响的信令表现形式，采用大数据技术获得每小时中感知劣化的

用户通信次数，和受影响的用户数（即潜在投诉用户的数量）。通过

分析数据的变化趋势和数量级别，从而识别出无线质差小区。

2)建立用户感知—信令特征集—无线质差小区模型

根据4G投诉的用户行为特征，本成果在定位投诉用户发生感知

下降所属的无线小区时，创新地采用持续定位算法：将用户投诉前

1h内驻留的小区列为嫌疑小区，并结合用户投诉质差小区模型的结

论，精准定位出4G用户投诉的小区。该方法首先模糊化投诉小区，

将驻留小区均纳入分析范围，避免质差小区遗漏，避免因用户行为导

致的误判，同时增加分析基数。

3)投诉小区精准定位：

根据投诉用户行为特征，在定位投诉用户发生感知下降所属的无

线小区时，创新地采用持续定位算法：将用户投诉前1h内驻留的小

区列为嫌疑小区，并结合用户投诉质差小区模型的结论，精准定位出

4G用户投诉的小区。

该成果在全省推广实施后，实现经济效益，社会效益双丰收：投

诉处理平均时长由19.6小时下降至12.3小时，投诉处理效果显著提

升。同时用户对投诉处理满意度评分由成果应用前的67.33分，上升

到应用后的78.75分，提升13.42pp。

二、成果详细内容

（一）存在问题及分析

网络投诉定位的准确性和处理效率是电信运营商极为重视的领

域，直接影响到运营商的口碑。但4G网络有别于传统话音网，即使

指标良好，网元设备无影响业务的告警，仍存在用户感知不佳和通信

业务受影响的情况，同时复杂的4G网络架构也给投诉问题的定位带

来了挑战，对于网络投诉处理人员来说，需要掌握的技术知识面广，

还需要耗费大量的时间精力进行投诉原因定位，因此投诉处理效果及

投诉满意度始终无法提升，具体表现为：

1）对于语音类业务，目前存在IMS和CS两个同域网络，根据投

诉用户反馈的问题细项，已无法判断是2G呼叫、VoLTE呼叫还是

eSRVCC互操作过程存在问题。依据日常查看网元告警、性能指标、

路测等手段，无法定位相应质差小区及定界网元，常常事倍功半。

2）对于4G上网类投诉，因网络拓扑复杂，不但涉及移动运营商

的网络设备，还与用户终端、SP服务商、互联网服务商等密切相关。

常出现4G网络指标好，网元设备无影响业务的告警，仍存在用户感

知不佳、通信业务受影响的情况，而要准确定位用户投诉原因，需要

工作人员知识面广且耗费大量的时间和精力。

3）当前处理用户投诉主要停留在投诉事后的处理过程，缺乏投

诉的预判和防范，且投诉处理过程相对复杂，障碍申告和网络优化的

实时性不强，

（二）详细技术内容

本成果通过综合收集用户投诉信息、用户通信过程的Mc、S1-U

和S1-MME口网络控制信令，网管无线性能指标和告警等海量数据，

基于人工智能技术得出“投诉质差小区定界模型”和“质差小区预测

模型”，快速准确输出投诉质差小区及质差原因，并对潜在质差小区

进行预测，为投诉分析、故障处理、网络规划提供建议和优化决策数

据支撑。

1)用户投诉定界模型

以数据驱动来实现业务规则自动化，并充分考虑用户投诉时间、

投诉问题、信令、无线性能指标和告警等，使数据有机融合。既可利

用投诉定界模型定位出无线网络质差小区和故障原因，又可通过质差

小区预测模型定位出潜在的投诉用户和质差小区。

2)质差小区定位