[發明專利]一種主客觀模型結合的話務量異常檢測方法

無效

• 申請號: 201110026939.1
• 申請日: 2011-01-25
• 公開（公告）號: CN102083087A
• 公開（公告）日: 2011-06-01
• 發明（設計）人: 卓越;李達;陳美仙
• 申請（專利權）人: 南京金思科技有限公司
• 主分類號: H04W16/22
• 分類號: H04W16/22;H04W24/04
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 程化銘

1.一種主客觀模型結合的話務異常檢測方法，其特征在于：

構建檢測系統，所述檢測系統包括預處理模塊、檢測模塊；其中，檢測模塊包括：特征庫模塊、客觀模型小波分析模塊、主觀模型ARMA檢測模塊、決策器模塊；

檢測系統按如下方式工作：

步驟一，預處理模塊接收原始話務數據，并從原始話務數據中提取特征信息，輸出話務特征數據；

步驟二，將預處理模塊輸出的話務特征數據保存到特征庫模塊中；

步驟三，客觀模型小波分析模塊對預處理模塊輸出的話務特征數據進行分析，判斷話務狀態是否異常；

步驟四，如果步驟三判斷話務狀態異常，再運用主觀模型ARMA檢測模塊對話務特征數據進行分析，再次判斷話務狀態是否異常；否則直接進入步驟五；

步驟五，決策器模塊根據客觀模型小波分析模塊和主觀模型ARMA檢測模塊的檢測結果，對話務狀態做出判斷，并輸出判斷結果。

2.根據權利要求1所述的話務異常檢測方法，其特征在于，在步驟一中，預處理模塊將原始話務數據分為離線話務文件數據源和實時話務數據源，從該兩類話務數據源中提取特征信息，輸出格式化的話務特征數據。

3.根據權利要求1所述的話務異常檢測方法，其特征在于，在步驟三中，運用客觀模型小波分析法對話務特征數據進行分析，求解Hurst值，并通過Hurst值大小以及Hurst值變化情況來判斷話務狀態是否異常。

4.根據權利要求3所述的話務異常檢測方法，其特征在于，小波求解Husrt值的具體方法為：

第1步，將話務特征數據初始化，整理成時間序列的離散信號；

第2步，應用Mallat算法，進行離散小波分解，得到并保存相應各尺度的細節系數；

第3步，判斷是否最后一級，如果是，則進行第4步，否則進行第2步；

第4步，對不同的區間進行方差擬合度檢驗，得到最優的尺度區間；

第5步，根據最優尺度區間進行線性擬合參數估計；

第6步，計算Husrt值。

5.根據權利要求1所述的話務異常檢測方法，其特征在于，在步驟四中，如果步驟三判斷話務狀態異常，主觀模型ARMA檢測模塊從特征庫模塊保存的歷史數據中，取出與該異常點有相同事件特征的話務特征數據，進行分析。

6.根據權利要求1所述的話務異常檢測方法，其特征在于，所述特征庫模塊包括特征庫、內存庫、文件庫；其中，

特征庫保存格式化的話務特征數據；

內存庫存儲指定長度的歷史話務特征數據；

文件庫處理內存庫和特征庫的存盤和恢復。

7.根據權利要求1至6中任一項所述的話務異常檢測方法，其特征在于，決策器模塊的判斷方法是：

如果客觀模型小波分析模塊判斷話務狀態正常，則判定話務狀態正常；

如果客觀模型小波分析模塊判斷話務狀態異常，而主觀模型ARMA檢測模塊判斷話務狀態正常，則判定話務狀態正常；

如果客觀模型小波分析模塊判斷話務狀態異常，且主觀模型ARMA檢測模塊判斷話務狀態異常，則判定話務狀態異常。