基于智能网优分析算法的移动客户感知提质系统及方法与流程

本发明涉及智能网优，尤指一种基于智能网优分析算法的移动客户感知提质系统及方法。

背景技术：

1、近年来通信技术的快速发展带来了上层应用的持续繁荣。用户在享受便捷的ott服务的同时，对运营商产品服务的要求及维权意识也在不断提高。当产品服务质量出现问题时，用户就会通过各种途径对相关问题进行投诉。如果投诉处理不当，用户很可能会选择提前离网，造成运营商收入下降。随着人口红利的消失，通信市场的存量用户竞争变得愈发激烈，在产品同质化严重的大背景下，如何减少用户投诉、提升用户感知成为了各大运营商关注的焦点。

2、因此，提出一种解决上述问题的一种基于智能网优分析算法的移动客户感知提质系统及方法实为必要。

技术实现思路

1、为解决上述问题，本发明提供一种基于智能网优分析算法的移动客户感知提质系统及方法。

2、为实现上述目的，本发明采用的技术方案是：

3、一方面，一种基于智能网优分析算法的移动客户感知提质系统，包含数据采集模块、数据分析模块、ai模块、工单模块和ui模块；

4、所述数据采集模块，用于采集无线网的工参数据、参数数据、性能数据、mr数据、投诉数据、规划站点数据、公共资源站点数据，将上述数据作为目标数据保存到数据库中；

5、所述数据分析模块，用于对用户投诉的经纬度信息进行分析，将不具备经纬度信息的投诉通过基于曼哈顿距离算法补充其投诉点经纬度，然后通过对投诉点附近小区的各类数据进行分析，输出用户投诉原因和应答口径，同时对有关联关系的投诉进行合并；

6、所述ai模块，用于对投诉进行快速分类，输入内容包括用户口述投诉原因、投诉点小区列表以及与投诉点的距离，各个小区的性能指标、mr指标和参数数据，输出结果为用户投诉原因和应答口径；

7、所述工单模块，用于将合并后的投诉从规划建设运维四个方面进行派单；

8、所述ui模块，用于将投诉信息、投诉处理情况、工单信息、工单处理情况显示在地图和表格上。

9、进一步的，所述数据采集模块包括数据自动采集子模块和数据导入子模块；

10、所述数据自动采集子模块包含工参数据采集单元、参数数据采集单元、性能数据采集单元、mr数据采集单元、投诉数据采集单元；

11、所述数据导入子模块包含规划站点数据导入和公共资源站点数据导入。

12、进一步的，所述数据分析模块包括投诉经纬度分析子模块、投诉分析子模块和投诉合并子模块；

13、所述投诉位置分析子模块，用于对投诉的位置进行分析；

14、所述投诉分析子模块，用于对投诉的内容以及投诉用户的网络质量的分析；

15、所述投诉合并子模块，用于对有关联关系的投诉进行合并。

16、更进一步的，所述投诉分析子模块包含了以下内容：

17、参数异常分析单元，用于结合预设的参数数据阈值对所述目标参数数据进行分析评估；

18、性能异常分析单元，用于结合预设的性能数据阈值对所述目标性能数据进行分析评估；

19、mr异常分析单元，用于结合预设的mr数据阈值对所述目标覆盖类数据进行分析评估；

20、规划资源分析单元，用于对规划建设类问题进行分析，针对投诉点附近无覆盖或者连片无覆盖的情况，根据现场实际情况输出应答口径，并根据不同情况采取不同措施。

21、进一步的，所述ai模块设有机器学习算法和聚类分析算法。

22、更进一步的，所述聚类分析算法为k均值聚类算法，所述机器学习算法基于神经网络构建模型；

23、所述神经网络模型的构建方法包括如下步骤：

24、数据准备：准备带有标签的训练数据集，其中包括用户投诉原因、小区性能指标和mr指标作为输入特征，以及相应的投诉分类或应答口径作为标签；

25、选择神经网络结构：根据问题的复杂性和数据特点，选择神经网络结构，其中包括卷积神经网络和循环神经网络；

26、数据预处理：对输入数据进行预处理；

27、构建神经网络模型：使用深度学习框架pytorch，构建神经网络模型；

28、训练模型：将准备好的训练数据输入神经网络模型，使用反向传播算法进行训练，通过优化损失函数，逐步调整神经网络的权重和参数，使模型逐渐收敛到最优解；

29、评估模型：使用验证集或交叉验证来评估训练得到的模型的性能。

30、进一步的，所述工单模块包括自动派单子模块、工单合并子模块、工单监测子模块、工单后评估子模块；

31、所述工单派单子模块用于工单派发、工单流转和工单闭环；

32、所述工单合并子模块用于对工单进行打包，并规划处理顺序；

33、所述工单监测子模块用于对在途工单进行监控，确认工单处理情况；

34、所述工单后评估子模块用于对已完成的工单进行分析。

35、进一步的，所述ui模块包括投诉查询子模块、工单查询子模块、gis子模块；

36、所述投诉查询子模块功能用于显示投诉的状态、投诉原因、应答口径；

37、所述工单查询子模块用于查询工单的状态、流程节点、处理人员信息；

38、所述gis子模块用于将投诉信息、以及投诉点周边小区信息通过gis进行呈现。

39、更进一步的，所述gis子模块利用地理信息系统来构建和应用空间数据，其构建方法包括以下步骤：

40、收集移动网络的地理数据，包括小区位置、边界、覆盖范围、性能指标以及用户投诉的地理位置；

41、将采集到的地理数据存储在gis数据库中，数据以矢量数据或栅格数据的形式存储；

42、对采集到的地理数据进行处理和分析；

43、将处理后的地理数据制作成地图，并通过gis工具进行可视化展示。

44、另一方面，一种基于智能网优分析算法的移动客户感知提质方法，包括以下步骤：

45、采集和收集数据，将与系统相关的所有数据保存到数据库中；

46、通过对投诉点的位置进行分析，获取投诉点的经纬度；

47、通过对投诉点经纬度周围的小区进行分析，给出投诉的原因，并给出应答口径；

48、通过对网络类投诉进行分析，对投诉问题进行问题合并后在打包派单；

49、将有效处理的投诉信息导入到投诉分析经验库，对经验库的模型进行完善。

50、本发明的有益效果在于：通过数据采集模块获取丰富的网络数据，数据分析模块使用智能算法对用户投诉进行分析，快速确定投诉原因和应答口径。ai模块进一步提供快速分类，从而实现投诉处理的智能化和高效化，减少人工干预和处理时间，提升客户满意度。数据分析模块通过曼哈顿距离算法为无经纬度信息的投诉补充经纬度，从而准确地在地图上显示投诉位置。该模块还能够分析投诉附近小区的多种数据，帮助确定用户投诉原因，并合并相关联的投诉，从而更好地洞察问题。数据采集模块收集多种类型的网络数据，包括工参数据、参数数据、性能数据、mr数据等，数据分析模块将这些数据进行综合分析，提供更准确的问题定位和解决方案，有助于提升网络性能。工单模块能够根据数据分析的结果，将合并后的投诉从不同方面进行派发，包括规划、建设、运维等，实现问题的全面解决。同时，系统能够监控工单的处理情况，确保问题得到及时解决。ui模块通过地图和表格的方式将投诉信息、处理情况、工单信息等直观地展示出来，让运维人员能够一目了然地了解网络状态和问题解决情况，从而更好地管理和优化网络。