[发明专利]用户投诉数据库扩充方法、装置及存储介质

说明书

本发明提供一种用户投诉数据库扩充方法、装置及存储介质，方法包括：获取无投诉记录的用户和有投诉记录的用户的通信业务数据；基于通信业务数据回溯用户的信令信息，对信令信息进行分析，得到不同信令分析指标对应的分析结果；按照时间序列对每一次用户发生通信业务生成的分析结果进行排序；采用滑动窗口法对排好序的分析结果进行样本重构，得到重构样本；基于深度学习提取重构样本的信令特征；通过K‑NN算法，并根据重构样本的信令特征和有投诉记录的用户的信令特征，确定潜在投诉用户；将潜在投诉用户的信令信息和标签信息添加到用户投诉数据库中。本发明通过挖掘潜在投诉用户，扩充用户投诉数据库，能够提升网络质量评估的准确度。

技术领域

本发明涉及通信技术领域，尤其涉及一种用户投诉数据库扩充方法。

背景技术

当运营商接收到用户投诉时，运营商一般会对该用户的前1-2天的使用业务记录进行查询，并基于业务使用情况查找对应的信令，这种操作的方法叫信令回溯。通过信令回溯，可以甄别两类用户，真实投诉用户和虚假投诉用户。真实投诉用户是用户确实感受到了网络质量问题，并针对该问题进行投诉。虚假用户是，通过信令回溯，没有发现用户在使用移动通信业务过程中存在任何的网络问题。发明人在研究中发现，由于还一部分用户在使用业务的过程中确实感受到了网络质量存在问题，由于种种原因，“懒”得投诉，因此，仅仅利用上述的用户投诉数据与用户网络质量指标进行关联，所得出来的用户感知评估是不全面的。

发明内容

本发明的目的在于提供一种用户投诉数据库扩充方法、装置及存储介质，以挖掘潜在投诉用户，用潜在投诉用户的信令信息和标签信息扩充用户投诉数据库，以提升网络质量评估的准确性。

第一方面，本发明实施例提供一种用户投诉数据库扩充方法，包括：

获取无投诉记录的用户和有投诉记录的用户的通信业务数据；

基于所述通信业务数据回溯用户的信令信息，对一个小区内的所述信令信息进行分析，得到不同信令分析指标对应的分析结果；

按照时间序列对每一次用户发生通信业务生成的所述分析结果进行排序；

采用滑动窗口法对排好序的分析结果进行样本重构，得到重构样本；

基于深度学习提取所述重构样本的信令特征；

通过K-NN算法，并根据所述重构样本的信令特征和所述有投诉记录的用户的信令特征，确定潜在投诉用户；

将所述潜在投诉用户的信令信息和标签信息添加到用户投诉数据库中。

进一步地，所述通过K-NN算法，并根据所述重构样本的信令特征和有投诉记录的信令特征，确定潜在投诉用户，具体包括：

通过K-NN算法构建领域，以所述有投诉记录的用户的信令特征作为邻域图中心，所述重构样本的信令特征作为枝叶构建邻域图；

根据每一个信令分析指标的不同权重计算所述重构样本的信令特征的综合值；

根据所述重构样本的信令特征的综合值和预设的阈值对所述邻域图进行剪枝；

根据所述剪枝后的邻域图，确定潜在投诉用户。

进一步地，所述获取无投诉记录的用户和有投诉记录的用户的通信业务数据，具体为：

获取无投诉记录的VIP用户和有投诉记录的用户的通信业务数据。

进一步地，所述信令信息包括链路建立时间和无线链路质量。

进一步地，所述信令分析指标包括：Attach成功率、E-RAB建立成功率、Servicerequest成功率、Pagin成功率，重定向成功率、上下文异常释放成功率、TAU成功率、小区切换成功率、乒乓TAU成功率和乒乓小区切换成功率。