基于特征学习的5G用户投诉根因定位方法

5G网络的复杂性和业务的多样性,使得5G用户投诉的根因定位涉及终端、锚点、5G站点等多种因素,导致用户投诉的根因定位困难,处理效率低。文章基于特征学习的5G用户投诉根因定位,使用数据分析和特征工程算法,基于大量5G用户的历史投诉记录,结合业务经验和统计学准则,筛选出5G投诉相关的关键指标集合。针对每位5G用户的投诉,根据用户的经纬度地址,匹配出投诉关联的5G基站,并对关联基站提取出指标数据集合,使用孤立森林算法,筛选出关联基站的异常指标集合,最终结合专家经验规则,得出用户投诉的根因。

移动通信小区智能化派单研究

现阶段,针对移动通信小区性能指标的工单采取统一的一刀切派发方式,此种方式一方面导致部分质差用户感知无法及时准确发现,另一方面,统一的派单门限也造成了低价值工单的大量派出,严重增加了一线人员的工作量和处理压力。针对这两个方面的问题,通过对历史高价值派单小区的指标数据进行分析,使用大数据和深度学习算法,对派单规则进行动态优化,实现了移动通信小区的个性化智能派单,有效提升用户感知,缓解一线人员工作处理压力。