[發明專利]質差小區識別方法和裝置

在審

• 申請號: 201911031642.7
• 申請日: 2019-10-28
• 公開（公告）號: CN110796366A
• 公開（公告）日: 2020-02-14
• 發明（設計）人: 滕祖偉;王勇;周杰華;肖波;許國平;阮班禮;陳鴻翔;黃立
• 申請（專利權）人: 中國聯合網絡通信集團有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/26
• 代理公司: 11205 北京同立鈞成知識產權代理有限公司
• 代理人: 榮甜甜;劉芳

1.一種質差小區識別方法，其特征在于，所述方法包括：

獲取待識別小區的KPI數據；

將所述待識別小區的KPI數據輸入至預測模型中，得到所述待識別小區的質差問題類型分布概率；所述預測模型為使用標注有質差問題類型的X個質差小區的歷史KPI數據集、標注有無質差問題類型的Y個非質差小區的歷史KPI數據集進行訓練得到的，所述X和所述Y均為大于或等于1的整數；

顯示所述待識別小區的質差問題類型分布概率。

2.根據權利要求1所述的方法，其特征在于，所述將所述待識別小區的KPI數據輸入至預測模型中之前，還包括：

使用所述標注有質差問題類型的X個質差小區的歷史KPI數據集、所述標注有無質差問題類型的Y個非質差小區的歷史KPI數據集，對所述預測模型進行訓練。

3.根據權利要求2所述的方法，其特征在于，所述對所述預測模型進行訓練之前，還包括：

獲取N個樣本小區在歷史預設時間段內的KPI數據，所述N為大于或等于2的整數；

將所述N個樣本小區在歷史預設時間段內的KPI數據劃分成第一數據集和第二數據集；

使用所述第一數據集訓練檢測模型，并將所述第二數據集輸入至訓練好的檢測模型，得到所述X個質差小區和所述Y個非質差小區；所述檢測模型用于根據KPI數據識別小區是否為質差小區；

獲取所述標注有質差問題類型的X個質差小區的歷史KPI數據集、所述標注有無質差問題類型的Y個非質差小區的歷史KPI數據集。

4.根據權利要求3所述的方法，其特征在于，所述獲取所述標注有質差問題類型的X個質差小區的歷史KPI數據集、所述標注有無質差問題類型的Y個非質差小區的歷史KPI數據集之前，還包括：

使用所述X個質差小區的歷史KPI數據集生成所述X個質差小區對應的KPI熱力圖；和/或，

對所述X個質差小區的歷史KPI數據集進行聚類處理。

5.根據權利要求4所述的方法，其特征在于，所述對所述X個質差小區的歷史KPI數據集進行聚類處理之前，還包括：

對所述X個質差小區的歷史KPI數據集進行降維處理。

6.根據權利要求3-5任一項所述的方法，其特征在于，所述檢測模型為自編碼器模型。

7.根據權利要求3-5任一項所述的方法，其特征在于，所述將所述N個樣本小區在歷史預設時間段內的KPI數據劃分成第一數據集和第二數據集之前，所述方法還包括：

對所述N個樣本小區在歷史預設時間段內的KPI數據進行歸一化處理。

8.根據權利要求7所述的方法，其特征在于，所述將所述待識別小區的KPI數據輸入至預測模型中之前，所述方法還包括：

對所述待識別小區的KPI數據進行歸一化處理。

9.一種質差小區識別裝置，其特征在于，所述裝置包括：

第一獲取模塊，用于獲取待識別小區的KPI數據；

第一處理模塊，用于將所述待識別小區的KPI數據輸入至預測模型中，得到所述待識別小區的質差問題類型分布概率；所述預測模型為使用標注有質差問題類型的X個質差小區的歷史KPI數據集、標注有無質差問題類型的Y個非質差小區的歷史KPI數據集進行訓練得到的，所述X和所述Y均為大于或等于1的整數；

顯示模塊，用于顯示所述待識別小區的質差問題類型分布概率。

10.根據權利要求9所述的裝置，其特征在于，還包括：

第二處理模塊，用于在所述第一處理模塊將所述待識別小區的KPI數據輸入至預測模型中之前，使用所述標注有質差問題類型的X個質差小區的歷史KPI數據集、所述標注有無質差問題類型的Y個非質差小區的歷史KPI數據集，對所述預測模型進行訓練。