[发明专利]一种QOE体系预测投诉倾向建模方法

说明书

技术领域

本发明涉及移动通信领域，特别是一种QOE体系预测投诉倾向建模方法。

背景技术

在日益竞争化的今天，尤其是在互联网领域，针对网络质量投诉的研究课题具有重要意义，如果能够提前对用户可能产生的网络质量投诉方向进行精确定位分析，并及时出具相应的解决措施解决用户的问题，就提前掌握了市场先机，不仅为用户带来方便，也为企业的发展带来益处。

目前业界针对网络质量投诉问题的分析，主要是围绕如何搭建QOE体系的方法，通过定位用户投诉感知问题的原因开展优化工作。这是一种先产生问题后解决的方式，这种方式已经无法满足现代社会竞争的需要。其他投诉倾向分析的研究，多停留在网络KPI指标与用户投诉倾向分析上，由于KPI指标数量多，关系复杂，使得投诉倾向预测准确性极低。为此，需要在搭建QOE体系的基础上，进一步结合用户主观信息预测用户可能进行的投诉，提前对用户可能产生的投诉进行预测，并配合相关的措施提前解决相关的投诉问题。

发明内容

为解决上述问题，本发明的目的在于提供一种QOE体系预测投诉倾向建模方法，提前对用户可能产生的投诉进行预测，解决相关的投诉问题。

本发明解决其问题所采用的技术方案是：

一种QOE体系预测投诉倾向建模方法，包括：

(1)采用主成分分析法对影响网络质量投诉的因素进行提取，获取对应影响网络质量投诉的关键因素；

(2)通过数据挖掘模型对所述主成分分析法所得的关键因素进行投诉倾向分析，根据分析结果的对比以确定用于投诉倾向分析的数据挖掘模型；

(3)向所得的关键因素添加QOE评分时间分布的权重字段，形成符合所述确定用于投诉倾向分析的数据挖掘模型所需要的输入数据；

(4)通过确定的数据挖掘模型对所述输入数据进行模型训练，生成对应用于预测用户投诉倾向的QOE评分修正表。

步骤(1)中获取对应的影响网络质量投诉的关键因素包括接入成功率、时延性、感知速率和完整性。

步骤(2)中所述数据挖掘模型包括逻辑回归模型、决策树模型和神经网络模型。

步骤(2)所述投诉倾向分析具体为每个数据挖掘模型分别按照各自对应的模型分析权重，对测试数据进行计算预测投诉发生的概率，分别将每个数据挖掘模型预测的概率与实际的投诉概率进行对比，将预测的概率与实际概率之间差值最小所确定的数据挖掘模型为用于投诉倾向分析的数据挖掘模型。

本发明的有益效果是：

本发明采用一种QOE体系预测投诉倾向建模方法，在影响用户投诉的关键因素中加入QOE评分时间分布的权重因子，经数据挖掘模型训练后得出具体的QOE评分修正案，以此预测用户可能产生的投诉行为，提高了预测的准确性。

附图说明

下面结合附图和实例对本发明作进一步说明。

图1是本发明所述方法流程面图。

具体实施方式

本发明采用一种QOE体系预测投诉倾向建模方法，在用户感知的QOE评分基础上，引入用户投诉信息及用户描述信息，通过数据挖掘建模的手段，挖掘QOE评分与用户主观倾向信息，主动预测用户的投诉倾向。