一种异常割接用户确定方法、系统及设备技术方案

本发明专利技术涉及一种异常割接用户确定方法、系统及设备。其中，该方法包括：从接入目标小区的用户中确定待割接用户；获取所述待割接用户的网络配置数据；将所述网络配置数据输入第一深度网络模型，以使所述第一深度网络模型分别根据正常割接用户的网络配置数据特征和异常割接用户的网络配置数据特征输出所述待割接用户为正常割接用户的第一概率值和为异常割接用户的第二概率值；根据所述第一概率值和所述第二概率值，确定所述待割接用户是否为异常割接用户。本发明专利技术实施例中，通过将待割接用户的网络配置数据输入第一深度网络模型，以使第一深度网络模型根据待割接用户的网络配置数据的数据特征自动判定待割接用户是否为异常割接用户。接用户。接用户。

【技术实现步骤摘要】
一种异常割接用户确定方法、系统及设备


[0001]本专利技术涉及网络割接领域，尤其涉及一种异常割接用户确定方法、系统及设备。

技术介绍

[0002]随着网络业务的不断扩展，对无源光纤网络(Passive Optical Network，PON)设备的需求也越来越多。为了提高网络业务的扩展和用户的体验，需要经常对PON网络进行优化。而在对PON网络进行优化时，往往采用网络割接的方式。网络割接是指将将网络资源占用率较高的PON口承载的部分用户(待割接用户)迁移到网络资源占用率较低的PON口上。在进行网络割接时，可能存在服务器中存储的资源数据和用户实际接线对应的配置数据不一致的情况，从而导致网络割接出现失败的结果，进而造成网络割接失败的用户的业务无法使用，引起用户投诉。例如，服务器中存储的用户A所在的PON口是1号，对应的二级分光器是1号，但实际接线时，用户A所连接的PON口是2号，对应的二级分光器是2号，此时根据服务器中存储的用户A的资源数据对用户A进行网络割接时，会造成割接失败，使得实际接入1号PON口的1号二级分光器的用户的业务无法使用。

技术实现思路

[0003]为了解决上述问题，本专利技术实施例提供了一种异常割接用户确定法方法、系统及设备。在进行网络割接之前，根据待割接用户的网络配置数据来确定待割接用户是否为异常割接用户，从而避免割接失败。
[0004]第一方面，本专利技术实施例提供一种异常割接用户确定方法，包括：
[0005]从接入目标小区的用户中确定待割接用户；r/>[0006]获取所述待割接用户的网络配置数据；
[0007]将所述网络配置数据输入第一深度网络模型，以使所述第一深度网络模型分别根据正常割接用户的网络配置数据特征和异常割接用户的网络配置数据特征输出所述待割接用户为正常割接用户的第一概率值和为异常割接用户的第二概率值；
[0008]根据所述第一概率值和所述第二概率值，确定所述待割接用户是否为异常割接用户。
[0009]本专利技术实施例中，在确定待割接用户后，通过获取待割接用户的网络配置数据并输入第一深度网络模型。之后根据第一深度网络模型输出的结果来确定待割接用户是否为异常割接用户。从而降低网络割接的失败概率。
[0010]在一种可能的实现方式中，从接入目标小区的用户中确定待割接用户，包括：
[0011]获取目标小区的各个网络接口的负载信息，其中，所述目标小区包含多个网络接口，每个所述网络接口包含多个分光器，每个所述分光器对应多个用户，所述负载信息包含多个参数项；
[0012]确定所述每个网络接口的各个参数项的得分和权重；
[0013]对所述各个参数项的得分和权重进行加权运算，得到每个网络接口的负载得分；
[0014]确定所述负载得分大于第一阈值的网络接口为待割接网络接口；
[0015]从所述待割接网络接口包含的分光器中确定用户数量高于第二阈值的分光器为待割接分光器；
[0016]确定所述待割接分光器对应的用户为待割接用户。
[0017]在一种可能的实现方式中，将所述网络配置数据输入第一深度网络模型，以使所述第一深度网络模型分别根据正常割接用户的网络配置数据特征和异常割接用户的网络配置数据特征输出所述待割接用户为正常割接用户的第一概率值和为异常割接用户的第二概率值，包括：
[0018]根据所述网络配置数据，构建待割接用户的网络配置数据集；
[0019]对所述网络配置数据集进行固定差值运算或独热编码运算；
[0020]根据运算结果，构建待割接用户的网络配置数据矩阵；
[0021]将所述网络配置数据矩阵输入所述第一深度网络模型，以使所述第一深度网络模型根据所述网络配置数据矩阵确定所述待割接用户的网络配置数据特征，并根据正常割接用户的网络配置数据特征和异常割接用户的网络配置数据特征输出所述待割接用户为正常割接用户的第一概率值和为异常割接用户的第二概率值。
[0022]在一种可能的实现方式中，所述第一深度网络模型的训练过程包括：
[0023]获取历史网络配置数据，所述历史网络配置数据包含标注有正常割接用户标签的网络配置数据和标注有异常割接用户标签的网络配置数据；
[0024]根据所述历史网络配置数据构建历史网络配置数据矩阵；
[0025]将所述历史网络配置数据矩阵输入所述第一深度网络模型进行迭代训练，以使所述第一深度网络模型学习正常割接用户的网络配置数据特征和异常割接用户的网络配置数据特征；
[0026]当所述第一深度网络模型输出结果的准确率大于第三阈值时，确定迭代结束。
[0027]在一种可能的实现方式中，所述方法还包括：
[0028]如果所述待割接用户为异常割接用户，则将所述待割接用户的网络配置数据输入第二深度网络模型，以使所述第二深度网络模型根据不同类别的异常问题的网络配置数据特征输出所述待割接用户为各个类别的异常问题的概率值；
[0029]根据所述各个类别的异常问题的概率值确定所述待割接用户的异常问题类别；
[0030]根据所述异常问题类别，确定所述待割接用户的异常配置参数。
[0031]在一种可能的实现方式中，所述第二深度网络模型的训练过程包括：
[0032]获取历史异常网络配置数据，所述历史异常网络配置数据包含标注有不同类别的异常问题标签，每个所述异常问题标签对应一个异常配置参数；
[0033]根据所述历史异常网络配置数据构建历史异常网络配置数据矩阵；
[0034]将所述历史异常网络配置数据矩阵输入所述第二深度网络模型进行迭代训练，以使所述第二深度网络模型学习各个类别的异常问题对应的网络配置数据特征；
[0035]当所述第二深度网络模型输出结果的准确率大于第四阈值时，确定迭代结束。
[0036]在一种可能的实现方式中，所述方法还包括：
[0037]根据所述第二深度网络模型输出的待割接用户为各个类别的异常问题的概率值，确定概率值最小的异常问题类别；
[0038]根据所述概率值最小的异常问题类别，确定异常概率最小的配置参数；
[0039]根据所述异常概率最小的配置参数的取值，确定所述异常配置参数的修复值；
[0040]根据所述修复值对所述异常配置参数进行修复。
[0041]第二方面，本专利技术实施例提供一种异常割接用户确定系统，包括：
[0042]确定模块，用于从接入目标小区的用户中确定待割接用户；
[0043]获取模块，获取所述待割接用户的网络配置数据；
[0044]深度学习模块，用于将所述网络配置数据输入第一深度网络模型，以使所述第一深度网络模型分别根据正常割接用户的网络配置数据特征和异常割接用户的网络配置数据特征输出所述待割接用户为正常割接用户的第一概率值和为异常割接用户的第二概率值；
[0045]所述确定模块，还用于根据所述第一概率值和所述第二概率值，确定所述待割接用户是否为异常割接用户。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常割接用户确定方法，其特征在于，包括：从接入目标小区的用户中确定待割接用户；获取所述待割接用户的网络配置数据；将所述网络配置数据输入第一深度网络模型，以使所述第一深度网络模型分别根据正常割接用户的网络配置数据特征和异常割接用户的网络配置数据特征输出所述待割接用户为正常割接用户的第一概率值和为异常割接用户的第二概率值；根据所述第一概率值和所述第二概率值，确定所述待割接用户是否为异常割接用户。2.根据权利要求1所述的方法，其特征在于，从接入目标小区的用户中确定待割接用户，包括：获取目标小区的各个网络接口的负载信息，其中，所述目标小区包含多个网络接口，每个所述网络接口包含多个分光器，每个所述分光器对应多个用户，所述负载信息包含多个参数项；确定所述每个网络接口的各个参数项的得分和权重；对所述各个参数项的得分和权重进行加权运算，得到每个网络接口的负载得分；确定所述负载得分大于第一阈值的网络接口为待割接网络接口；从所述待割接网络接口包含的分光器中确定用户数量高于第二阈值的分光器为待割接分光器；确定所述待割接分光器对应的用户为待割接用户。3.根据权利要求1所述的方法，其特征在于，将所述网络配置数据输入第一深度网络模型，以使所述第一深度网络模型分别根据正常割接用户的网络配置数据特征和异常割接用户的网络配置数据特征输出所述待割接用户为正常割接用户的第一概率值和为异常割接用户的第二概率值，包括：根据所述网络配置数据，构建待割接用户的网络配置数据集；对所述网络配置数据集进行固定差值运算或独热编码运算；根据运算结果，构建待割接用户的网络配置数据矩阵；将所述网络配置数据矩阵输入所述第一深度网络模型，以使所述第一深度网络模型根据所述网络配置数据矩阵确定所述待割接用户的网络配置数据特征，并根据正常割接用户的网络配置数据特征和异常割接用户的网络配置数据特征输出所述待割接用户为正常割接用户的第一概率值和为异常割接用户的第二概率值。4.根据权利要求1所述的方法，其特征在于，所述第一深度网络模型的训练过程包括：获取历史网络配置数据，所述历史网络配置数据包含标注有正常割接用户标签的网络配置数据和标注有异常割接用户标签的网络配置数据；根据所述历史网络配置数据构建历史网络配置数据矩阵；将所述历史网络配置数据矩阵输入所述第一深度网络模型进行迭代训练，以使所述第一深度网络模型学习正常割接用户的网络配置数据特征和异常割接用户的网络配置数据特征；当所述第一深度网络模型输出...

【专利技术属性】
技术研发人员：邱伟娜，孙洁，徐惠鑫，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：