业务质量预测方法及业务质量预测装置制造方法及图纸

本发明专利技术公开了一种业务质量预测方法及业务质量预测装置。该方法包括：对多种用户数据类别进行相关性分析以获得用户特征类别的步骤；在已标注用户集中加入未标注用户生成待预测用户集，基于待预测用户集和获得的用户特征类别构建权值矩阵，其中，已标注用户集包括已标注用户的标签的步骤；对权值矩阵进行仿射变换获得权值矩阵的仿射矩阵，基于仿射矩阵与已标注用户的标签计算得到所加入的未标注用户的标签，其中，标签能够反映业务质量的步骤。

Business quality prediction method and service quality prediction device

The invention discloses a service quality prediction method and a service quality prediction device. The method includes the steps of correlation analysis of various user data categories to obtain user feature categories; the unlabeled user set is generated by untagged users in the tagged user, and the weight matrix is constructed based on the unpredicted user set and the user feature class obtained. An affine matrix of weight matrix is obtained by affine transformation of the weight matrix, and the label of the unlabeled user is obtained based on the affine matrix and tagged user tagged, in which the label can reflect the quality of the business.

【技术实现步骤摘要】
业务质量预测方法及业务质量预测装置
本专利技术属于业务质量预测
，尤其涉及一种业务质量预测方法及业务质量预测装置。
技术介绍
用户的满意度是反映各行业营运商所提供服务的业务质量的最重要指标。以移动通信的营运商为例，可以通过问卷调查等方式获取用户的满意度，以作为提高移动营运商通信服务业务质量的依据。然而，就一个中等人口的省份来说，由于用户的数量有几百万甚至几千万，对每个用户做用户调查需要极大的工作量，且非常依赖移动用户的大力配合。同时，一些行业的运营商可以获取收集每个用户的通信性能，流量、投诉、业务偏好、资费情况等用户感知相关的数据，且这些数据与影响用户满意度的业务质量有明确的相关关系。受业务质量影响的用户满意度不仅由客观的用户数据决定，一定程度上还由用户对资费的感受度以及其它主观体验所决定，仅通过客观的用户数据来预测满意度具有一定的难度。
技术实现思路
本专利技术实施例提供了一种业务质量预测方法及业务质量预测装置，能够基于少量用户得到的业务质量评估作为已标注用户集，对行业的业务质量进行较为准确的预测。第一方面，提供了一种业务质量预测方法，包括：对多种用户数据类别进行相关性分析以获得用户特征类别的步骤；在已标注用户集中加入未标注用户生成待预测用户集，基于待预测用户集和获得的用户特征类别构建权值矩阵，其中，已标注用户集包括已标注用户的标签的步骤；对权值矩阵进行仿射变换获得权值矩阵的仿射矩阵，基于仿射矩阵与已标注用户的标签计算得到所加入的未标注用户的标签，其中，标签能够反映业务质量的步骤。第二方面，提供了一种业务质量预测装置，包括：用户特征类别获取单元、预测矩阵构建单元和预测矩阵计算单元。该用户特征类别获取单元被配置为对多种用户数据类别进行相关性分析以获得用户特征类别；该预测矩阵构建单元被配置为在已标注用户集中加入未标注用户生成待预测用户集，基于待预测用户集和获得的用户特征类别构建权值矩阵，其中，已标注用户集包括已标注用户的标签；该预测矩阵计算单元被配置为对权值矩阵进行仿射变换获得权值矩阵的仿射矩阵，基于仿射矩阵与已标注用户的标签计算得到所加入的未标注用户的标签，其中，标签能够反映业务质量。根据本专利技术实施例提供的业务质量预测方法及业务质量预测装置，通过少量用户得到的业务质量评估作为已标注用户集，同时通过对多种用户数据类别进行相关性分析以获得用户特征类别，基于已标注用户集和用户特征类别构建权值矩阵以对需要通过大量未标注用户才能反映的行业的业务质量进行较为准确的预测。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一实施例的业务质量预测方法的示意性流程图；图2是本专利技术一实施例的业务质量预测方法中用户特征类别获得方法的示意性流程图；图3是本专利技术另一实施例的业务质量预测装置的示意性结构框图；图4是本专利技术一实施例的业务质量预测装置计算设备实现的示意性结构框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。下面将详细描述本专利技术的各个方面的特征和示例性实施例。在下面的详细描述中，提出了许多具体细节，以便提供对本专利技术的全面理解。但是，对于本领域技术人员来说很明显的是，本专利技术可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本专利技术的示例来提供对本专利技术的更好的理解。本专利技术决不限于下面所提出的任何具体配置和算法，而是在不脱离本专利技术的精神的前提下覆盖了元素、部件和算法的任何修改、替换和改进。在附图和下面的描述中，没有示出公知的结构和技术，以便避免对本专利技术造成不必要的模糊。现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本专利技术更全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。在图中，为了清晰，可能夸大了区域和层的厚度。在图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本专利技术的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本专利技术的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、组元、材料等。在其它情况下，不详细示出或描述公知结构、材料或者操作以避免模糊本专利技术的主要技术创意。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。图1是本专利技术一实施例的业务质量预测方法的示意性流程图。该方法包括：S110，对多种用户数据类别进行相关性分析以获得用户特征类别；S120，在已标注用户集中加入未标注用户生成待预测用户集，基于待预测用户集和获得的用户特征类别构建权值矩阵，其中，已标注用户集包括已标注用户的标签；S130，对权值矩阵进行仿射变换获得所述权值矩阵的仿射矩阵，基于仿射矩阵与已标注用户的标签计算得到所加入的未标注用户的标签，其中，标签能够反映业务质量。上述实施例的业务质量预测方法通过少量用户得到的业务质量评估作为已标注用户集，同时通过对多种用户数据类别进行相关性分析以获得用户特征类别，基于已标注用户集和用户特征类别构建权值矩阵以对需要通过大量未标注用户才能反映的行业的业务质量进行较为准确的预测。在S110中，在一些示例中，该方法还可以包括对多种用户数据类别的数据进行归一化处理，例如，对多种用户数据类别进行归一化处理以使上述多种用户数据类别的数据都被归一化到了0至1之间。在一些示例中，该方法还可以包括采用激励函数对多种用户数据类别的数据进行处理，例如，在对多种用户数据类别的数据进行归一化到0至1之间后，不同类别用户数据在0～1之间的取值分布差异较大，为了进一步减少选中用户数据类别的数据变化的范围，同时使得在后续的权值矩阵计算中选中的各类别用户数据具有同一水平的贡献，以提高算法的性能，对选中的用户数据类别的用户数据按xi＝1-exp(-16xi)做调整，其中，的xi为第i类别的用户数据，以降低不同数据类别的数据在0～1间分布的差异性。在一些示例中，在S110中，还可以包括分别对多种用户数据类别的可能组合构成的相关性矩阵进行相关性分析，选取相关性最小的用户数据类别的可能组合作为用户特征类别。在一些示例中，该相关性最小的用户数据类别的可能组合为构成的相关性矩阵的能量最大的用户数据类别的可能组合。例如，对有M个用户假设选择了他们的K个用户数据类别，这些用户数据类型可写成如(1)式的矩阵形式：把式(1)中的元素用K个列矢量X1，…XK来表示。Xk，k＝1，2，...，K的定义如式(2)。Xk＝[x1kx2本文档来自技高网...

【技术保护点】
1.一种业务质量预测方法，其特征在于，包括：对多种用户数据类别进行相关性分析以获得用户特征类别；在已标注用户集中加入未标注用户生成待预测用户集，基于所述待预测用户集和获得的用户特征类别构建权值矩阵，其中，所述已标注用户集包括已标注用户的标签；对所述权值矩阵进行仿射变换获得所述权值矩阵的仿射矩阵，基于所述仿射矩阵与所述已标注用户的标签计算得到所加入的未标注用户的标签，其中，所述标签能够反映业务质量。

【技术特征摘要】
1.一种业务质量预测方法，其特征在于，包括：对多种用户数据类别进行相关性分析以获得用户特征类别；在已标注用户集中加入未标注用户生成待预测用户集，基于所述待预测用户集和获得的用户特征类别构建权值矩阵，其中，所述已标注用户集包括已标注用户的标签；对所述权值矩阵进行仿射变换获得所述权值矩阵的仿射矩阵，基于所述仿射矩阵与所述已标注用户的标签计算得到所加入的未标注用户的标签，其中，所述标签能够反映业务质量。2.根据权利要求1所述的业务质量预测方法，其特征在于，还包括：对所述多种用户数据类别的数据进行归一化处理。3.根据权利要求1或2所述的业务质量预测方法，其特征在于，还包括：采用激励函数对所述多种用户数据类别的数据进行处理。4.根据权利要求1或2所述的业务质量预测方法，其特征在于，所述对多种用户数据类别进行相关性分析以获得用户特征类别的步骤包括：分别对多种用户数据类别的可能组合构成的相关性矩阵进行相关性分析，选取相关性最小的用户数据类别的可能组合作为用户特征类别。5.根据权利要求4所述的业务质量预测方法，其特征在于，所述相关性最小的用户数据类别的可能组合为构成的相关性矩阵的能量最大的用户数据类别的可能组合。6.根据权利要求1所述的业务质量预测方法，其特征在于，还包括：对所述已标注用户集删除任意一个已标注用户，基于做删除处理后的已标注用户集对删除的已标注用户进行标签预测，若预测得到的标签与所述删除的已标注用户的标签的差异度在预设范围内，则将所述已标注用户集更新为做删除处理后的已标注用户集。7.根据权利要求1所述的业务质量预测方法，其特征在于，所述对所述权值矩阵进行仿射变换获得所述权值矩阵的仿射矩阵，基于所述仿射矩阵与所述已标注用户的标签计算得到所加入的未标注用户的标签，其中，所述标签能够反映业务质量的步骤包括：对所述权值矩阵进行仿射变换获得所述权值矩阵的仿射矩阵，基于所述仿射矩阵与质询矢量计算得到所加入的未标注用户的标签，其中，所述标签能够反映业务质量，所述质询矢量基于所述已标注用户集中的所有已标注用户的标签获得。8.根据权利要求1所述的业务质量预测方法，其特征在于，所述对所述权值矩阵进行仿射变换获得所述权值矩阵的仿射矩阵，基于所述仿射矩阵与所述已标注用户的标签计算得到所加入的未标注用户的标签，其中，所述标签能够反映业务质量的步骤包括：将所述权值矩阵的对角线上的元素置零。9.根据权利要求1所述的业务质量预测方法，其特征在于，还包括：当对未标注用户的标签预测数量达到预设值后，将预测得到的未标注用户的标签中的任意一个未标注用户的标签与标准未标注用户的标签进行比较，当所述任意一个未标注用户的标签与标准未标注用户的标签的差异度不在预设范围内，则...

【专利技术属性】
技术研发人员：王冼，陈加忠，廖振松，
申请(专利权)人：中国移动通信集团湖北有限公司，中国移动通信集团公司，
类型：发明
国别省市：湖北,42