[发明专利]用户网络感知画像方法及装置

权利要求书

1.一种用户网络感知画像方法，其特征在于，包括：

采集目标用户的上网行为数据、XDR数据、MR数据和投诉数据，并从所述上网行为数据中解析出表征所述目标用户的网络感知的性能数据；

将所述性能数据、XDR数据、MR数据和投诉数据进行关联，获取所述目标用户的感知融合信息，并根据所述感知融合信息获取所述感知融合信息的业务类型；

根据所述业务类型从所述感知融合信息中选择所述业务类型对应的数据；将选择的数据输入用户感知画像模型，输出所述目标用户的网络感知评分，并获取所述网络感知评分对应的用户网络感知描述；

其中，所述业务类型和所述业务类型对应的数据预先关联存储；

所述网络感知评分和所述用户网络感知描述预先关联存储；

所述用户感知画像模型根据用户样本的感知融合信息和所述用户样本的网络感知评分进行训练获取。

2.根据权利要求1所述的用户网络感知画像方法，其特征在于，采集目标用户的上网行为数据的步骤包括：

通过SDK埋点方式采集所述目标用户的日志数据；

通过网络爬虫或公共API抓取所述目标用户的网络数据；

将采集的日志数据和抓取的网络数据作为所述目标用户的上网行为数据。

3.根据权利要求1所述的用户网络感知画像方法，其特征在于，将所述性能数据、XDR数据、MR数据和投诉数据进行关联，获取所述目标用户的感知融合信息的步骤包括：

根据所述XDR数据、MR数据和投诉数据中均存在的时间戳、IMEI、IMSI、MME UE S1APID、CellID和eNBID字段，将所述XDR数据、MR数据和投诉数据进行关联，获取所述目标用户的关联融合数据；

根据所述性能数据和关联融合数据中均存在的时间戳、App Type、App Sub-type和IMEI字段，将所述性能数据和关联融合数据进行关联，获取所述目标用户的感知融合信息。

4.根据权利要求1所述的用户网络感知画像方法，其特征在于，将选择的数据输入用户感知画像模型，输出所述目标用户的网络感知评分的步骤之前还包括：

根据每个用户样本的感知融合信息获取每个用户样本的感知融合信息的业务类型；

根据所有所述用户样本的感知融合信息的业务类型，将所有所述用户样本的感知融合信息划分为多个数据子集；

对于任一所述数据子集，根据该数据子集所属的业务类型，从该数据子集中选择所述业务类型对应的数据；

根据从该数据子集中选择的数据对所述用户感知画像模型进行训练，获取该数据子集所属的业务类型对应的用户感知画像模型；

相应地，将选择的数据输入用户感知画像模型，输出所述目标用户的网络感知评分的步骤包括：

根据所述目标用户的感知融合信息的业务类型，获取所述业务类型对应的用户感知画像模型；

将从所述目标用户的感知融合信息选择的数据输入所述业务类型对应的用户感知画像模型，输出所述目标用户的网络感知评分。

5.根据权利要求4所述的用户网络感知画像方法，其特征在于，根据从该数据子集中选择的数据对所述用户感知画像模型进行训练，获取该数据子集所属的业务类型对应的用户感知画像模型的步骤包括：

根据从该数据子集中选择的数据对多种用户感知画像模型进行训练；

统计每种训练好的用户感知画像模型的准确率，选择所述准确率最高的用户感知画像模型作为该数据子集所属的业务类型对应的用户感知画像模型。

6.根据权利要求1-5任一所述的用户网络感知画像方法，其特征在于，获取所述网络感知评分对应的用户网络感知描述的步骤之后还包括：

若根据所述网络感知评分对应的用户网络感知描述获知所述目标用户存在网络感知差问题，则根据所述目标用户的感知融合信息中的时间戳获取所述网络感知差问题的持续时间；

从所述目标用户的感知融合信息中获取所述持续时间内所述目标用户的位置信息，以及占用的网元信息或小区信息。