改进自训练模型在业务质差用户识别中的应用

质差用户识别是降低用户投诉率、提升用户满意度的重要环节。针对当前电信网络系统中业务感知相关的大量结构化及非结构化数据难以有效标注、质差用户标签不完备、现有监督学习模型训练样本不均衡而导致质差识别率低的问题,采用改进自训练半监督学习模型,利用少量满意度低分和投诉用户作为质差用户标签对网络数据进行标注,并通过标签迁移对大量未标注数据进行训练识别质差用户。实验表明,相比于识别准确率高但是训练成本高的全监督学习和识别准确率低的无监督学习,半监督学习可以充分利用无标签样本数据进行有效训练,保证较低训练成本的同时显著提升质差用户识别准确率。

IPTV质差用户故障处理监控系统

针对现有IPTV质量监控平台无法将质差账号与用户信息对应、无法精准直推质差用户明细至一线维护人员的问题,实现了IPTV质差用户故障处理监控系统,通过图像识别算法批量识别质差账号、自动提取多系统间关联信息,并将质差信息按维护片区直推一线人员。应用表明,系统有效改善了地市IPTV质差率,节约了数据提取耗费的人工成本,实现了IPTV质差数据的多维度监控分析。

解决IPTV用户质差的方案探讨

本文研究了影响IPTV用户质差的主要症结,逐层分析原因,通过修改速率门限参数、开发了基于WEB界面的自动巡检工具、对超限PON口进行用户分流、开发光功率比对整改工具等措施,实施后取得了显著效果。

融智提质,构建用户级业务下钻的网络感知优化体系

随着中国移动客户规模不断扩大,2019年客户净增2521万户,总计达9.50亿户;家庭客户净增2509万户,总计达1.72亿户。伴随着携号转网全面开放,面向用户服务的竞争压力加剧。本文针对用户质量和用户感知投诉提升,基于大数据应用,搭建随机森林算法模型,将所需业务的每一条详单进行打分,DSI服务器存放全省MR数据,hadoop存放各业务打分详单(汇聚指标数据)以及拼接后的单据,实现场景栅格地理化分析呈现。基于用户感知挖掘平台,有效解决了传统优化方式存在的问题,能够提高优化生产效率,确保用户满意度持续提升。

浅析降低IPTV用户质差率的有效措施

随着多媒体行业的领先发展,我国视频媒体得到了充分的推广和应用。IPTV是在电视技术的基础上为其增加网络服务系统,使得系统更加强大的一种智能化视频技术,并在现代社会中得到了广泛应用。但是,目前的IPTV业务质差较大,影响用户正常使用,也阻碍IPTV技术的继续发展。因此,本文主要从技术和网络结构等方面,探究IPTV质差大的原因以及降低质差的有效措施。

基于机器学习的4G手机上网质差小区定位研究与实现

本文论述了基于机器学习的4G手机上网质差小区的识别与定位,通过机器学习的方法确定了质差业务阈值,实现了质差业务、质差用户和质差小区的识别,并定位了质差小区根因,并将整个流程设计、整合成了一套面向用户体验质量提升的质差下区预警系统,能够先于用户发现、解决网络问题,提升用户网络体验。

用户级移动网络感知提升方法研究

用户业务种类与日俱增,且对4G/5G网络的心理预期高,期盼更好的用户体验,对网络的要求也日益提高。为了满足用户的高需求,亟须完善用户级移动网络感知评价模型。提出基于常驻地维度和业务感知维度的用户级感知优化模型。设计感知评估的模型,包括全量用户评估和VIP客户评估;采用用户级的测量报告(measurement report,MR)覆盖率、长期演进语音承载(voice over longˉterm evolution,VoLTE)感知相关指标等,建立用户级的感知模型,实现用户级移动网络感知提升。在网络优化中应用该模型,可以挖掘质差用户的感知数据,通过优化手段提高用户在移动网络中的实际感知。