[发明专利]建立满意度预测模型的方法及装置在审
申请号: | 201910165299.9 | 申请日: | 2019-03-05 |
公开(公告)号: | CN109934627A | 公开(公告)日: | 2019-06-25 |
发明(设计)人: | 李露;冯毅;李福昌 | 申请(专利权)人: | 中国联合网络通信集团有限公司 |
主分类号: | G06Q30/02 | 分类号: | G06Q30/02;G06N3/08 |
代理公司: | 北京中博世达专利商标代理有限公司 11274 | 代理人: | 申健 |
地址: | 100033 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 满意度 网格 预测模型 设备参数 网络质量参数 预测模型训练 用户满意度 多个目标 目标设备 目标用户 设备标识 神经网络 通信领域 网格标识 业务服务 预测 预设 申请 网络 | ||
1.一种建立满意度预测模型的方法,其特征在于,所述方法包括:
获取多个目标设备的设备参数,其中,所述设备参数包括:设备标识,至少一个第一网格的网格标识和所述目标设备对各个所述第一网格的满意度;所述第一网格为在预设时间内为所述目标设备提供业务服务的网格;
获取各个第一网格的网络质量参数;
将所述设备参数和所述网络质量参数输入到神经网络中进行满意度预测模型训练,建立满意度预测模型。
2.根据权利要求1所述的建立满意度预测模型的方法,其特征在于,所述设备参数中还包括多个业务参数;所述获取多个目标设备的设备参数包括:
确定所述目标设备的数量i,并从1至i依次对各个目标设备进行编号;i为大于1的整数;
获取各个所述目标设备的所述设备参数;所述设备参数中包括j个参数并从1至j依次对各个所述设备参数中的参数进行编号;j为大于1的整数;
将各个所述目标设备的设备参数按照编号填入到矩阵中得到设备参数矩阵:
3.根据权利要求2所述的建立满意度预测模型的方法,其特征在于,所述获取各个第一网格的网络质量参数包括:
确定i个所述目标设备对应的第一网格数量m;并从1至m依次对各个目标设备进行编号;m为大于1的正整数;
获取所述各个第一网格的网络质量参数;其中,所述网络质量参数中包括k个参数,从1至k依次对各个所述网络质量参数中的各个参数进行编号;k为大于1的整数;
将所述各个第一网格的网络质量参数按照编号填入到矩阵中得到网络质量参数矩阵:
4.根据权利要求3所述的建立满意度预测模型的方法,其特征在于,所述将所述设备参数和所述网络质量参数输入到神经网络中进行满意度预测模型训练,建立所述满意度预测模型包括:
S1、构建第一满意度矩阵,其中,所述第一满意度矩阵中包括各个所述目标设备对各个所述第一网格的满意度;
S2、对所述设备参数矩阵进行神经网络训练,得到设备参数隐含特征矩阵;
S3、对所述网络质量参数矩阵进行神经网络训练,得到网络质量参数隐含特征矩阵;
S4、根据所述设备参数隐含特征矩阵和所述网络质量参数隐含特征矩阵得到第二满意度矩阵;
S5、计算所述第二满意度矩阵与所述第一满意度矩阵的差值;
若所述差值满足预设条件,则结束训练,将训练得到的神经网络作为所述满意度预测模型;
若所述差值不满足所述预设条件,则根据所述差值调整神经网络训练参数,并重复执行S2-S5,直到所述差值满足所述预设条件,则结束训练,将训练得到的神经网络作为所述满意度预测模型。
5.根据权利要求4所述的建立满意度预测模型的方法,其特征在于,所述根据所述设备参数隐含特征矩阵和所述网络质量参数隐含特征矩阵得到第二满意度矩阵包括:
根据第二满意度矩阵计算公式计算得到所述第二满意度矩阵;所述第二满意度矩阵的计算公式为:
其中,为所述第二满意度矩阵,Si*q为所述设备参数隐含特征矩阵,Vq*m为所述网络质量参数隐含特征矩阵。
6.一种建立满意度预测模型的装置,其特征在于,所述装置包括:
获取模块,用于获取多个目标设备的设备参数,其中,所述设备参数包括:设备标识,至少一个第一网格的网格标识、所述目标设备对各个所述第一网格的满意度;所述第一网格为在预设时间内为所述目标设备提供业务服务的网格;
所述获取模块,还用于获取各个第一网格的网络质量参数;
处理模块,用于将所述设备参数和所述网络质量参数输入到神经网络中进行满意度预测模型训练,建立满意度预测模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国联合网络通信集团有限公司,未经中国联合网络通信集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910165299.9/1.html,转载请声明来源钻瓜专利网。