[发明专利]网络质量指标质差门限确定方法、装置和电子设备

说明书

本发明实施例提供一种网络质量指标质差门限确定方法、装置和电子设备，该方法获取不同用户类型分别对应的网络质量指标的指标值；其中，用户类型包括投诉用户和非投诉用户；以不同用户类型分别对应的网络质量指标的指标值作为样本数据，以与网络质量指标的对应的用户类型作为标签数据，采用由多个决策树构成的学习算法进行训练，得到网络质量预测模型；并获取各个网络质量指标在各个决策树中对应的决策门限值；基于各个网络质量指标在各个决策树中对应的决策门限值，确定各个网络质量指标所对应的质差门限。基于投诉用户与非投诉用户的网络质量指标获取各网络质量指标的质差门限值，解决了现有技术中网络质量指标质差门限确定主观性太强的问题。

技术领域

本发明涉及通信网络技术领域，尤其涉及一种网络质量指标质差门限确定方法、装置和电子设备。

背景技术

在通信网络运行过程中，评估网络运行质量的好坏需要有一套完整的质量指标体系进行支撑。质量指标体系通常包含指标类型、指标名、指标门限等。根据网络运行关注点确定好评估指标后，需要对指标质差门限进行设置，如何合理地设置指标门限一直是网络质量分析及优化人员关注的问题。现有的网络质量指标质差门限设置通常采用人工经验法，根据网络质量分析及优化人员获取的现网数据及长期的工作经验，确定网络指标门限。例如确定4G网络下的VoLTE(Voice over Long-Term Evolution，长期演进语音承载)语音掉话率，可以参考3G和2G时代的网络语音掉话率门限。然而通过人工经验确定网络指标门限的方法主观性太强，特别是在精细化网络质量分析过程中，此类门限通常与影响到实际用户感知的门限有较大差异。

发明内容

针对现有技术存在的上述技术问题，本发明实施例提供一种网络质量指标质差门限确定方法、装置和电子设备。

第一方面，本发明实施例提供一种网络质量指标质差门限确定方法，包括：

获取不同用户类型分别对应的网络质量指标的指标值；其中，所述用户类型包括投诉用户和非投诉用户；

以所述不同用户类型分别对应的网络质量指标的指标值作为样本数据，以与所述网络质量指标的对应的用户类型作为标签数据，采用由多个决策树构成的学习算法进行训练，得到网络质量预测模型；并获取各个所述网络质量指标在各个所述决策树中对应的决策门限值；

基于所述各个所述网络质量指标在各个所述决策树中对应的决策门限值，确定各个网络质量指标所对应的质差门限。

可选地，所述基于所述各个所述网络质量指标在各个所述决策树中对应的决策门限值，确定各个网络质量指标所对应的质差门限，包括：

将各个所述网络质量指标在各个所述决策树中对应的决策门限值的平均值作为各网络质量指标的质差门限；

或，将各个所述网络质量指标在各个所述决策树中对应的决策门限值的中位数作为各网络质量指标的质差门限。

可选地，所述学习算法为集成学习算法，包括以下任意一种算法：XGboost算法、GBDT算法和AdaBoost算法。

可选地，所述决策树的根节点和各中间节点基于各网络质量指标的决策门限值对所述各网络质量指标进行决策。

第二方面，本发明一个实施例提供一种网络质量指标质差门限确定装置，包括：

第一获取模块，用于获取不同用户类型分别对应的网络质量指标的指标值；其中，所述用户类型包括投诉用户和非投诉用户；

第二获取模块，用于以所述不同用户类型分别对应的网络质量指标的指标值作为样本数据，以与所述网络质量指标的对应的用户类型作为标签数据，采用由多个决策树构成的学习算法进行训练，得到网络质量预测模型；并获取各个所述网络质量指标在各个所述决策树中对应的决策门限值；