[发明专利]一种用户感知评估方法及装置

说明书

技术领域

本发明涉及通信技术领域，具体的，涉及一种用户感知评估方法，以及应用该方法的装置。

背景技术

随着移动互联网的迅猛发展，网络和业务的进一步分离，传统的网络KPI指标已经不能很好的反映客户真实感知问题,且往往要通过用户投诉，才知道网络存在4G用户感知差的情况，如何快速分析出用户遇到的问题并解决，或在用户投诉之前就能提前发现并解决问题。如何建立一套用户感知评估体系，来实时掌握用户的真实感知情况，成为如今通信网络急需解决的问题。

现有的用户感知评估方法通常采用的信令跟踪分析、话务统计分析、测试分析及用户投诉分析等方法进行，没有综合性的分析，而且单一的评估方法也都存在效率较低、手段缺失、缺少前瞻性等弊端，不能主动预测投诉用户，导致信息反馈慢，用户体验不佳。

发明内容

本发明的主要目的是提供一种具有较高的用户投诉预测准确率，并可提高用户体验度的用户感知评估方法。

本发明的另一目的是提供一种具有较高的用户投诉预测准确率，并可提高用户体验度的用户感知评估装置。

为了实现上述主要目的，本发明提供的用户感知评估方法包括：获取全网用户的全量运营数据，根据全量运营数据对每一个感知事件进行预测建模，获得每一个感知事件的最佳预测模型；获取待评估用户预设时间段内的全量运营数据，利用每一个最佳预测模型对待评估用户的全量运营数据进行分类预测，获得待评估用户的分类信息。

由上述方案可见，本发明通过对影响用户通信体验的感知事件进行预测建模，获得每一个感知事件对应的最佳预测模型，利用最佳模型对待评估用户进行投诉预测，获得待评估用户的分类信息，即待评估用户是投诉用户或非投诉用的的相关信息。通过用户感知的评估及用户投诉的预测，可以发现全网中多少用户存在感知不好及不良可能性，发现多少基站存在感知问题，可以根据存在的问题做到对用户的主动关怀，对问题基站进行网络优化，提升网络质量，提升用户的感知体验。

进一步的方案中，获取全网用户的全量运营数据，根据全量运营数据对每一个感知事件进行预测建模，获得每一个感知事件的最佳预测模型，包括：根据全网用户的全量运营数据获得每一个感知事件所对应的所有特征数据；对每一个感知事件所对应的所有特征数据进行平衡处理及缺省值处理，获得预处理后的特征数据；根据预处理后的特征数据进行模型训练，获得每一个感知事件的最佳预测模型。

由此可见，在对感知事件进行预测模型的建立时，通过采用机器学习的方式，从全量的运营数据中挖掘评估用户感知，通过对事件及相关联的网络指标进行综合、全面分析，获取到最佳的预测模型，从而提升用户感知评估的准确性。

进一步的方案中，根据全网用户的全量运营数据获得每一个感知事件所对应的所有特征数据，包括：以预设方式对每一个感知事件进行特征数据的汇聚。

由此可见，在获取感知事件所对应的特征数据时，由于获取的数据大多属于原始数据，不能够直接获得建立预测模型的直接变量数据，需要经过处理后才可获得需要的特征数据，作为建立预测模型的直接变量数据。

进一步的方案中，对每一个感知事件所对应的所有特征数据进行平衡处理及缺省值处理，包括：利用SMOTE算法对特征数据进行平衡处理；利用平均值填充法对特征数据进行缺省值处理。

由此可见，由于在预测模型建立时获取的特征数据中包含了投诉用户数据和非投诉用户数据，投诉用户数据占少数，非投诉用户数据占大多数，数据间存在较大的差别，使得数据极度不平衡，同时存在大量的缺省值。因此，需要对特征数据进行平衡处理以及缺省值处理，提高数据评估的效果。同时，使用SMOTE算法对数据进行数据平衡处理，利用平均值填充法对特征数据进行缺省值处理，效果更佳。

进一步的方案中，获取待评估用户预设时间段内的全量运营数据，利用每一个最佳预测模型对待评估用户的全量运营数据进行分类预测，获得待评估用户的分类信息，包括：根据待评估用户的全量运营数据获取待评估用户每一个感知事件所对应的待评估特征数据；利用每一个最佳预测模型对相应的感知事件的待评估特征数据进行评估，获得待评估用户的分类信息。

由此可见，利用经过验证的最佳预测模型对待评估用户进行预测，预测的准确性可得到保证，同时利用预测模型中经过优化选择的数据处理方式，可提高数据的处理速度。