[发明专利]网络质量检测方法、装置、电子设备及可读存储介质

说明书

本申请公开了一种网络质量检测方法、装置、电子设备及可读存储介质，属于通信技术领域。其中，网络质量检测方法，包括：响应于用户的网络质量投诉请求，获取用户的目标数据信息，目标数据信息用于定位用户；将数据信息输入网络状况预测模型中，得到用户的网络问题，网络状况预测模型为基于影响网络状况的时间因素、区域场景和网络因素对用户的网络状况进行预测的模型。

技术领域

本申请涉及通信技术领域，具体涉及一种网络质量检测方法、装置、电子设备及可读存储介质。

背景技术

在无线通信网络的运营过程中，往往会出现设备故障。此时，处于某一位置的手机用户无法与基站进行通信、或者与基站通信不畅通，并具体体现为用户手机无信号，电话无法拨通，掉话等现象。

通常，无线通信网络的运营商为手机用户提供了投诉服务。通过来自手机用户的投诉，网络运营商能够发现网络中出现的问题，并加以解决。当前，网络运营商通常通过投诉电话接收用户的投诉，并将用户的投诉录入到系统中以备后台网维网优人员进一步处理。

现有的网络问题难以预测，基于用户投诉的网络问题解决方式较为被动和滞后，对于网络问题的解决速度慢。

发明内容

本申请实施例的目的是提供一种网络质量检测方法、装置、电子设备及可读存储介质，以至少解决现有网络问题难以预测的问题。

本申请的技术方案如下：

根据本申请实施例的第一方面，提供一种网络质量检测方法，该方法可以包括：

响应于用户的网络质量投诉请求，获取用户的目标数据信息，目标数据信息用于定位用户；

将数据信息输入网络状况预测模型中，得到用户的网络问题，网络状况预测模型为基于影响网络状况的时间因素、区域场景和网络因素对用户的网络状况进行预测的模型。

进一步地，目标数据信息可以为用户位置信息和/或用户电话号码信息。

进一步地，在响应于用户的网络质量投诉请求，获取用户的目标数据信息之前，方法还可以包括：

按照日粒度获取网络投诉数据；

提取网络投诉数据中可量化的场景投诉评价指标数据，得到投诉评价指标集合；

删除投诉评价指标集合中的节假日数据，并根据时序特征对投诉评价指标集合中的进行标记，得到样本数据；

利用样本数据对机器学习模型进行训练，得到网络状况预测模型。

进一步地，提取网络投诉数据中可量化的场景投诉评价指标数据，得到投诉评价指标集合，可以包括：

对网络投诉数据中异常数据进行正常化处理，得到常规指标数据；

提取常规指标数据中的可量化的场景投诉评价指标数据，得到投诉评价指标集合。

进一步地，可量化的场景投诉评价指标数据可以包括：KQI、KPI、AOI场景、环境指标、异常指标和软采指标。

进一步地，利用样本数据对机器学习模型进行训练和测试，得到网络状况预测模型，可以包括：

对样本数据进行特征增强处理，得到增强样本数据；

利用增强样本数据对机器学习模型进行训练和测试，得到网络状况预测模型。

进一步地，在将数据信息输入网络状况预测模型中，得到用户的网络问题之后，上述方法还可以包括：

根据网络问题生成诉求解释；

向用户发送诉求解释。

根据本申请实施例的第二方面，提供一种目标用户确定方法，该方法可以包括：