[发明专利]用户满意度的分析方法及装置

说明书

本发明公开了一种用户满意度的分析方法及装置。该用户满意度的分析方法包括：融合BSS域及OSS域的数据，获取用于预测用户满意度的指标数据；对指标数据进行清洗及标记；基于清洗及标记后的所述指标数据，通过改进的随机森林算法，预测用户满意度。本发明对OSS域、BSS域进行融合分析，提高数据多样性形成多维数据，对多维指标数据进行改进的平衡随机森林算法进行分析，能有效的提高对用户满意度预测的准确率、查全率、查准率。

技术领域

本发明涉及信息技术及数据业务技术领域，尤其涉及一种用户满意度的分析方法及装置。

背景技术

顾客满意度体现着企业的价值，无论是在战略层面还是在战术层面对企业的市场营销都有非常重要的指导意义，对顾客满意度的调查并将调查的结果与产品/服务属性相联系，已成为市场驱动质量方法的一种工具。另一方面，随着信息技术的发展，电信商庞大的数据库中积累了海量信息，如何将数据挖掘技术运用于经营、管理和决策的各个方面，从海量数据中获取有效信息能对企业进行启发性的指导。因此，如何有效精准评测用户满意度、利用数据挖掘手段对海量数据进行关联分析是通讯行业的迫切需求。

目前通信运营商常用的用户满意度分析模型有四分图方法、层次分析法、决策树、随机森林等方法，其中绝大部分都是通过抽取运营支撑系统(Operation support system，OSS)域或业务支撑系统(Business support system，BSS)域关键信息进行简单加权分析，并没有通过数据挖掘等技术手段对用户满意度、OSS域、BSS域信息进行关联关系的分析；而现有的决策树用户满意度分析方法容易造成过拟合的现象，不能较好的适用于普遍场景；现有的随机森林算法对于不平衡数据，优化内容更偏向大类样本，易使得预测结果有偏差。

发明内容

本发明实施例提供了一种用户满意度的分析方法及装置，能够解决现有技术中如何有效精准评测用户满意度、利用数据挖掘手段对海量数据进行关联分析的问题。

一方面，本发明实施例提供了一种用户满意度的分析方法，包括：融合业务支撑系统BSS域及运营支撑系统OSS域的数据，获取用于预测用户满意度的指标数据；对指标数据进行清洗及标记；基于清洗及标记后的所述指标数据，通过改进的随机森林算法，预测用户满意度。

在一个示例实施例中，对指标数据进行清洗及标记，具体包括：判断指标数据是否在第一预设阈值与第二预设阈值之间；当指标数据在第一预设阈值与第二预设阈值之间时，对指标数据进行标注；

在一个示例实施例中，方法还包括：当指标数据不在第一预设阈值与第二预设阈值之间时，将指标数据剔除。

在一个示例实施例中，方法还包括：存储指标数据、第一预设阈值、第二预设阈值。

在一个示例实施例中，通过改进的随机森林算法，预测用户满意度，具体包括：从指标数据的数据集中进行随机抽样，构造子数据集；对指标数据的待选属性值进行随机抽样，构造子属性集；按照子属性集中的属性遍历所述子数据集，将子数据集分裂为数据子树；通过数量比，计算数据子树的基尼系数及信息增益；根据基尼系数及所述信息增益，在子属性集中选取最优划分属性；按照最优划分属性，将数据子树进行拆分，生成多个子树；判断子树的子节点是否能够继续拆分以及多个子树的数据是否属于同一类型，得出判断结果；根据判断结果对多个子树进行投票，得到用户满意度。

在一个示例实施例中，数量比为各个类别在子树中的比例。

第二方面，本发明实施例提供了一种用户满意度的分析装置，包括：数据获取模块，用于融合业务支撑系统BSS域及运营支撑系统OSS域的数据，获取用于预测用户满意度的指标数据；数据预处理模块，用于对指标数据进行清洗及标记；随机森林算法预测模块，用于基于清洗及标记后的指标数据，通过改进的随机森林算法，预测用户满意度。