技术特征：
1.一种信息确定方法，其特征在于，所述方法包括：获取目标用户的多个维度的宽带指标对应的目标业务数据，其中，所述多个维度包括基础信息、家庭网络、承载网络、业务质量、服务质量、访问行为中的至少两个维度；将所述目标业务数据输入第一预测模型，得到多个满意度信息中每个满意度信息对应的概率值，确定最大的概率值对应的满意度信息为所述目标用户的第一满意度信息，其中，所述第一预测模型为根据所述多个维度的宽带指标和所述多个维度的宽带指标对应的业务数据构建和训练得到的。2.根据权利要求1所述的方法，其特征在于，在所述将所述目标业务数据输入第一预测模型之前，所述方法还包括：获取训练样本集和测试样本集，所述训练样本集包括多个训练样本，每个所述训练样本包括所述多个维度的宽带指标和所述多个维度的宽带指标对应的第一业务数据；所述测试样本集包括多个测试样本，每个所述测试样本包括实际满意度信息、所述多个维度的宽带指标和所述多个维度的宽带指标对应的第二业务数据；采用所述训练样本集中每个训练样本的所述多个维度的宽带指标和所述多个维度的宽带指标对应的所述第一业务数据，构建和训练多个第二预测模型，得到所述多个第二预测模型和每个第二预测模型的第一性能信息；采用所述测试样本集中每个测试样本的所述多个维度的宽带指标、所述多个维度的宽带指标对应的所述第二业务数据和所述实际满意度信息，分别测试每个第二预测模型，得到每个所述第二预测模型的第二性能信息；根据所述第一性能信息和/或所述第二性能信息，确定满足预设条件的第二预测模型为所述第一预测模型。3.根据权利要求2所述的方法，其特征在于，所述采用所述训练样本集中每个训练样本的所述多个维度的宽带指标和所述多个维度的宽带指标对应的所述第一业务数据，构建和训练多个第二预测模型，得到所述多个第二预测模型，包括：采用所述训练样本集中每个训练样本的所述多个维度的宽带指标和所述多个维度的宽带指标对应的所述第一业务数据，通过多粒度扫描所述多个维度的宽带指标，提取特征向量；根据所述特征向量和预设的多个满意度信息，构建和训练多个级联森林，得到所述多个第二预测模型，每个级联森林中的每个随机森林包括至少一种决策树，每种决策树的数量为多个预设数量中的任一预设数量。4.根据权利要求2所述的方法，其特征在于，所述第一性能信息包括构建和训练的时间，所述第二性能信息包括准确率。5.根据权利要求2-4任一项所述的方法，其特征在于，所述获取训练样本集和测试样本集包括：获取多个样本，每个样本包括所述多个维度的宽带指标、所述多个维度的宽带指标对应的原始业务数据和实际满意度信息；对所述多个样本的原始业务数据中的连续特征数据进行离散化处理，得到第一特征矩阵，所述第一特征矩阵包括所述多个维度的宽带指标和所述多个维度的宽带指标对应的第一原始业务数据，所述第一原始业务数据表征对所述原始业务数据离散化处理后的数据；
对所述第一特征矩阵中的第一原始业务数据进行均衡处理，得到第二特征矩阵，所述第二特征矩阵包括所述多个维度的宽带指标和所述多个维度的宽带指标对应的第二原始业务数据，所述第二原始业务数据表征对所述第一原始业务数据均衡处理后的数据；划分所述第二特征矩阵为训练样本集和第一样本集；根据所述第一样本集和所述第一样本集中每个样本的实际满意度信息，生成所述测试样本集。6.一种信息确定装置，其特征在于，所述装置包括：获取模块，用于获取目标用户的多个维度的宽带指标对应的目标业务数据，其中，所述多个维度包括基础信息、家庭网络、承载网络、业务质量、服务质量、访问行为中的至少两个维度；确定模块，用于将所述目标业务数据输入第一预测模型，得到多个满意度信息中每个满意度信息对应的概率值，确定最大的值对应的满意度信息为所述目标用户的第一满意度信息，其中，所述第一预测模型为根据所述多个维度的宽带指标和所述多个维度的宽带指标对应的业务数据构建和训练得到的。7.根据权利要求6所述的装置，其特征在于，所述获取模块，还用于获取训练样本集和测试样本集，所述训练样本集包括多个训练样本，每个所述训练样本包括所述多个维度的宽带指标和所述多个维度的宽带指标对应的第一业务数据，所述测试样本集包括多个测试样本，每个所述测试样本包括实际满意度信息、所述多个维度的宽带指标和所述多个维度的宽带指标对应的第二业务数据；所述装置还包括：构建和训练模块，用于采用所述训练样本集中每个训练样本的所述多个维度的宽带指标和所述多个维度的宽带指标对应的所述第一业务数据，构建和训练多个第二预测模型，得到所述多个第二预测模型和每个第二预测模型的第一性能信息；测试模块，用于采用所述测试样本集中每个测试样本的所述多个维度的宽带指标、所述多个维度的宽带指标对应的所述第二业务数据和所述实际满意度信息，分别测试每个第二预测模型，得到每个所述第二预测模型的第二性能信息；所述确定模块，还用于根据所述第一性能信息和/或所述第二性能信息，确定满足预设条件的第二预测模型为所述第一预测模型。8.一种电子设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；所述处理器执行所述计算机程序指令时实现如权利要求1-5任意一项所述的信息确定方法。9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-5任意一项所述的信息确定方法。10.一种计算机程序产品，其特征在于，所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行如权利要求1-5任意一项所述的信息确定方法。
技术总结
本申请实施例公开了一种信息确定方法、装置、设备及存储介质。该方法包括：获取目标用户的多个维度的宽带指标对应的目标业务数据，其中，所述多个维度包括基础信息、家庭网络、承载网络、业务质量、服务质量、访问行为中的至少两种维度；将所述目标业务数据输入第一预测模型，得到多个满意度信息中每个满意度信息对应的概率值，确定最大的值对应的满意度信息为得到所述目标用户的第一满意度信息，其中，所述第一预测模型为根据所述多个维度的宽带指标和所述多个维度的宽带指标对应的业务数据构建和训练得到的。本申请实施例提供的方法能够确定宽带用户的满意度信息，从而能够根据满意度信息确定影响用户体验的故障点。度信息确定影响用户体验的故障点。度信息确定影响用户体验的故障点。
技术研发人员：苏东
受保护的技术使用者：中国移动通信集团有限公司
技术研发日：2021.11.29
技术公布日：2022/3/4