[發明專利]一種用戶滿意度預測模型的樣本生成方法及裝置

有效

• 申請號: 201910362355.8
• 申請日: 2019-04-30
• 公開（公告）號: CN110335058B
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 李露;馮毅;李福昌
• 申請（專利權）人: 中國聯合網絡通信集團有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q10/06;G06Q50/10;G06F17/16;G06N3/04;G06N3/08;H04L12/24
• 代理公司: 北京中博世達專利商標代理有限公司 11274
• 代理人: 申健

本發明的實施例提供一種用戶滿意度預測模型的樣本生成方法及裝置，涉及計算機領域，能夠降低樣本的復雜度。該方法包括：獲取網絡的樣本數據；對網絡數據進行歸一化處理，生成第一網絡矩陣；將第一網絡質量矩陣輸入第一自編碼神經網絡，得到第二網絡質量矩陣；將第一用戶信息矩陣輸入第二自編碼神經網絡，得到第二用戶信息矩陣；根據第一網絡質量矩陣、第二網絡質量矩陣計算第一自編碼損失函數；根據第一用戶信息矩陣、第二用戶信息矩陣計算第二自編碼損失函數；計算總損失函數，并根據總損失函數最小值提取對應的目標第二網絡質量矩陣以及目標第二用戶信息矩陣作為用戶滿意度預測模型的樣本。本申請實施例應用于用戶滿意度預測模型的樣本生成。

技術領域

本發明的實施例涉及計算機領域，尤其涉及一種用戶滿意度預測模型的樣本生成方法及裝置。

背景技術

移動通信網飛速發展至今，經歷了語音到數據時代的轉變，用戶滿意度是網絡運營商在未來發展中穩中求勝的首要問題。一旦用戶對產品或服務不滿意將會終止業務，并且可能引起連鎖反應，使其周圍用戶受到不滿意評價的影響，也終止相關通信業務。因此，提升用戶滿意度是提升通信網絡服務產品在市場上的競爭力的重要手段。

現有的用戶滿意度預測技術多是簡單融合業務支撐系統(business supportsystem，BSS)域及運營支撐系統(the office of strategic services，OSS)域的數據，獲取用于預測用戶滿意度的指標數據；對指標數據進行清洗及標記；基于清洗及標記后的指標數據，通過改進的隨機森林算法或其他決策樹算法，預測用戶滿意度，即在BSS域與OSS域選取樣本數據，然后使用機器學習算法學習樣本數據，生成用戶滿意度預測模型，需要進行用戶滿意度預測時，輸入預測樣本數據，進行用戶滿意度預測。首先，現有技術沒有說明如何融合BSS域和OSS域的數據，如果將BSS域和OSS域的數據直接作為機器學習算法學習的樣本數據，不但樣本數據具有較高的復雜度，而且會引入很多無用數據，增加用戶滿意度預測模型的復雜度，此外無用數據會形成干擾，降低結果準確率。其次，在利于用戶滿意度預測模型進行預測的過程中，現有方法主要通過抽樣和遍歷來進行用戶滿意度預測模型的樣本數據的選擇，但是通過抽樣選擇樣本數據會降低預測結果的精度，通過遍歷選擇樣本數據時，樣本數據會具有較高的復雜度。因此，現有技術中所選取的樣本數據的復雜度高的問題越發凸顯。

發明內容

本發明的實施例提供一種用戶滿意度預測模型的樣本生成方法及裝置，能夠降低樣本的復雜度。

第一方面，提供一種用戶滿意度預測模型的樣本生成方法，包括如下步驟：獲取網絡的樣本數據，樣本數據包含網絡數據，其中網絡數據包含網絡質量數據、用戶信息數據；對網絡數據進行歸一化處理，生成第一網絡矩陣，其中，第一網絡矩陣包含由網絡質量數據生成的第一網絡質量矩陣、由用戶信息數據生成的第一用戶信息矩陣；將第一網絡質量矩陣輸入第一自編碼神經網絡，得到第二網絡質量矩陣；將第一用戶信息矩陣輸入第二自編碼神經網絡，得到第二用戶信息矩陣；根據第一網絡質量矩陣、第二網絡質量矩陣計算第一網絡質量矩陣通過第一自編碼神經網絡后的第一自編碼損失函數；根據第一用戶信息矩陣、第二用戶信息矩陣計算第一用戶信息矩陣通過第二自編碼神經網絡后的第二自編碼損失函數；根據第一自編碼損失函數、第二自編碼損失函數計算總損失函數；獲取總損失函數的最小值，并根據最小值提取對應的目標第二網絡質量矩陣以及目標第二用戶信息矩陣作為用戶滿意度預測模型的樣本，用以訓練用戶滿意度預測模型或者輸入用戶滿意度預測模型進行用戶滿意度的預測。