System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请属于数据分析,尤其涉及一种用户敏感度评分方法、装置、设备及计算机存储介质。
技术介绍
1、随着网络通信技术的快速发展,用户对网络服务的体验效果也越来越重视。而如今的网络业务繁多,为了保障用户良好的上网体验,需要针对用户对于不同场景、不同业务类型下的异常事件的反应进行分析。
2、现有技术中,主要通过关注用户的宏观通话行为和移动互联网行为频率分布的特点与差异,并采用在线时间频率分布来探索手机通话行为与移动互联网行为的特征与规律,从而识别用户对异常事件的反应。或者,利用机器学习方法进行数据分析,实现对上网行为的评估,进而了解用户对异常事件的反应程度。
3、专利技术人发现,以上方式都是从数据中分析用户的上网行为,据此再分析用户对异常事件的反应程度,对于用户对异常事件的反应分析的精确性较低。
技术实现思路
1、本申请实施例提供一种用户敏感度评分方法、装置、设备及计算机存储介质,能够解决现有技术中对于用户对异常事件的反应分析的精确性较低的问题。
2、第一方面,本申请实施例提供一种用户敏感度评分方法,该方法包括:
3、获取目标用户的体验质量qoe评分、网络层关键绩效指标kpi数据和业务内容数据,所述qoe评分是基于所述目标用户的服务数据,通过训练后的qoe评分模型得到;所述kpi数据包括至少一个kpi指标,所述业务内容数据包括至少一个内容指标;
4、通过网络服务质量qos评分模型,基于所述至少一个kpi指标和每个 kpi指标对应的
5、基于所述至少一个内容指标,以及每个所述内容指标对应的预设权重值,计算所述业务内容数据的内容评分;
6、根据所述qoe评分、所述qos评分以及所述内容评分,通过预设算法计算所述目标用户的敏感度评分。
7、在一种实施方式中,在所述通过网络服务质量qos评分模型,基于所述多个kpi指标和每个kpi指标对应的权重值,计算所述kpi数据的qos 评分之前,所述方法还包括:
8、基于每个所述kpi指标对应的预设分值范围,筛选所述kpi数据中在所述预设分值范围内的kpi指标的目标kpi数据;
9、均分所述目标kpi数据中每个kpi指标的初始权重值,得到初始qos 评分模型;
10、利用逻辑回归算法,对所述初始qos评分模型进行训练,得到训练后的qos评分模型,所述训练后的qos评分模型包括每个kpi指标对应的权重值。
11、在一种实施方式中,所述均分所述目标kpi数据中每个kpi指标的初始权重值,得到初始qos评分模型,包括:
12、获取用户的历史网络投诉数据,所述历史网络投诉数据包括被投诉的正样本数据和未被投诉的负样本数据,所述正样本数据包括正样本总数量和kpi指标的数值大于阈值的正样本数量,所述负样本数据包括负样本总数量和kpi指标的数值大于阈值的负样本数量;
13、基于正样本总数量和kpi指标的数值大于阈值的正样本数量,以及负样本总数量和kpi指标的数值大于阈值的负样本数量,计算目标值,所述目标值表征用户对网络的投诉与kpi指标的相关性;
14、筛选所述目标值大于预设相关阈值的kpi指标;
15、均分所述目标kpi数据中所述目标值大于预设相关阈值的kpi指标的初始权重值,得到初始qos评分模型。
16、在一种实施方式中,所述目标值包括卡方值;所述基于正样本总数量和kpi指标的数值大于阈值的正样本数量,以及负样本总数量和kpi指标的数值大于阈值的负样本数量,计算目标值,包括:
17、基于正样本总数量和kpi指标的数值大于阈值的正样本数量,以及负样本总数量和kpi指标的数值大于阈值的负样本数量,采用卡方检验计算卡方值,所述卡方值表征用户对网络的投诉与kpi指标的相关性。
18、在一种实施方式中,所述基于所述至少一个内容指标,以及每个所述内容指标对应的预设权重值,计算所述业务内容数据的内容评分,包括:
19、计算每个所述内容指标的信息熵,所述信息熵表征每个所述内容指标的离散程度;
20、根据所述每个所述内容指标的信息熵,计算每个所述内容指标对应的预设权重值;
21、基于所述内容指标和所述每个所述内容指标对应的预设权重值,计算所述业务内容数据的内容评分。
22、第二方面,本申请实施例提供了一种用户敏感度评分装置,该用户敏感度评分装置包括:
23、获取模块,用于获取目标用户的体验质量qoe评分、网络层关键绩效指标kpi数据和业务内容数据,所述qoe评分是基于所述目标用户的服务数据,通过训练后的qoe评分模型得到;所述kpi数据包括至少一个kpi 指标,所述业务内容数据包括至少一个内容指标;
24、计算模块,用于通过网络服务质量qos评分模型,基于所述至少一个 kpi指标和每个kpi指标对应的权重值,计算所述kpi数据的qos评分;
25、所述计算模块,还用于基于所述至少一个内容指标,以及每个所述内容指标对应的预设权重值,计算所述业务内容数据的内容评分;
26、所述计算模块,还用于根据所述qoe评分、所述qos评分以及所述内容评分,通过预设算法计算所述目标用户的敏感度评分。
27、在一种实施方式中,所述装置还包括筛选模块、均分模块和训练模块;
28、所述筛选模块,用于在所述通过网络服务质量qos评分模型,基于所述多个kpi指标和每个kpi指标对应的权重值,计算所述kpi数据的qos 评分之前,基于每个所述kpi指标对应的预设分值范围,筛选所述kpi数据中在所述预设分值范围内的kpi指标的目标kpi数据;
29、所述均分模块,用于均分所述目标kpi数据中每个kpi指标的初始权重值,得到初始qos评分模型;
30、所述训练模块,用于利用逻辑回归算法,对所述初始qos评分模型进行训练,得到训练后的qos评分模型,所述训练后的qos评分模型包括每个kpi指标对应的权重值。
31、在一种实施方式中,获取模块,还用于获取用户的历史网络投诉数据,所述历史网络投诉数据包括被投诉的正样本数据和未被投诉的负样本数据,所述正样本数据包括正样本总数量和kpi指标的数值大于阈值的正样本数量,所述负样本数据包括负样本总数量和kpi指标的数值大于阈值的负样本数量;
32、所述计算模块,还用于基于正样本总数量和kpi指标的数值大于阈值的正样本数量,以及负样本总数量和kpi指标的数值大于阈值的负样本数量,计算目标值,所述目标值表征用户对网络的投诉与kpi指标的相关性;
33、所述筛选模块,还用于筛选所述目标值大于预设相关阈值的kpi指标;
34、所述均分模块,还用于均分所述目标kpi数据中所述目标值大于预设相关阈值的kpi指标的初始权重值,得到初始qos评分模型。
35、在一种实本文档来自技高网...
【技术保护点】
1.一种用户敏感度评分方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,在所述通过网络服务质量QoS评分模型,基于所述多个KPI指标和每个KPI指标对应的权重值,计算所述KPI数据的QoS评分之前,所述方法还包括:
3.根据权利要求2所述的方法,其特征在于,所述均分所述目标KPI数据中每个KPI指标的初始权重值,得到初始QoS评分模型,包括:
4.根据权利要求3所述的方法,其特征在于,所述目标值包括卡方值;所述基于正样本总数量和KPI指标的数值大于阈值的正样本数量,以及负样本总数量和KPI指标的数值大于阈值的负样本数量,计算目标值,包括:
5.根据权利要求1所述的方法,其特征在于,所述基于所述至少一个内容指标,以及每个所述内容指标对应的预设权重值,计算所述业务内容数据的内容评分,包括:
6.一种用户敏感度评分装置,其特征在于,所述装置包括:
7.根据权利要求6所述的装置,其特征在于,所述装置还包括筛选模块、均分模块和训练模块;
8.一种电子设备,其特征在于,所述设备包括:处理器,
9.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-5任意一项所述的用户敏感度评分方法。
10.一种计算机程序产品,其特征在于,所述计算机程序产品中的指令由电子设备的处理器执行时,使得所述电子设备执行如权利要求1-5任意一项所述的用户敏感度评分方法。
...【技术特征摘要】
1.一种用户敏感度评分方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,在所述通过网络服务质量qos评分模型,基于所述多个kpi指标和每个kpi指标对应的权重值,计算所述kpi数据的qos评分之前,所述方法还包括:
3.根据权利要求2所述的方法,其特征在于,所述均分所述目标kpi数据中每个kpi指标的初始权重值,得到初始qos评分模型,包括:
4.根据权利要求3所述的方法,其特征在于,所述目标值包括卡方值;所述基于正样本总数量和kpi指标的数值大于阈值的正样本数量,以及负样本总数量和kpi指标的数值大于阈值的负样本数量,计算目标值,包括:
5.根据权利要求1所述的方法,其特征在于,所述基于所述至少一个内容指标,以及每个所述内容指标对应的预设权重值,计算所述业务内容...
【专利技术属性】
技术研发人员:黄建,张伟男,徐航,刘春,
申请(专利权)人:中国移动通信集团重庆有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。