基于無線信令指標(biāo)的用戶投訴定位方法

錢會(huì)

（中國移動(dòng)通信集團(tuán)廣東有限公司，廣東 廣州 510064）

0 引言

隨著移動(dòng)通信的飛速發(fā)展，2020 年5G 用戶將超1.1億元，5G 基站總量將會(huì)超10 萬座，但5G 在短時(shí)間達(dá)到大規(guī)模商用是不現(xiàn)實(shí)的，因此，LTE 仍然存在很長的生命周期，對(duì)LTE 的網(wǎng)絡(luò)持續(xù)優(yōu)化仍然是當(dāng)前三大運(yùn)營商提升競(jìng)爭(zhēng)實(shí)力的關(guān)鍵所在。學(xué)者們紛紛投入到網(wǎng)絡(luò)優(yōu)化的領(lǐng)域：彭麗恩[1]在獲取LTE 網(wǎng)絡(luò)的全量信令和用戶投訴數(shù)據(jù)的基礎(chǔ)上，提取影響無線小區(qū)性能指標(biāo)，并將無線小區(qū)的性能指標(biāo)和告警數(shù)據(jù)進(jìn)行關(guān)聯(lián)，構(gòu)建LTE 的用戶投訴精準(zhǔn)定位模型，實(shí)現(xiàn)每一個(gè)小區(qū)的無線性能評(píng)估，提升用戶滿意度；盧麗[2]結(jié)合用戶投訴的信息對(duì)用戶相關(guān)信令進(jìn)行回溯和分析，快速發(fā)現(xiàn)用戶投訴的實(shí)際問題，從而達(dá)到降低該小區(qū)用戶重復(fù)投訴概率目的，提升用戶使用通信業(yè)務(wù)的感知水平；李進(jìn)盛[3]在分析LTE 用戶投訴數(shù)據(jù)的基礎(chǔ)上，挖掘影響網(wǎng)絡(luò)質(zhì)量的關(guān)鍵指標(biāo)，結(jié)合問卷調(diào)查和層次分析法獲取各個(gè)網(wǎng)絡(luò)質(zhì)量關(guān)鍵指標(biāo)的權(quán)重，利用業(yè)務(wù)撥測(cè)法模擬LTE 用戶使用體驗(yàn)；陳毅森[4]等人提出一種基于用戶感知關(guān)聯(lián)LTE 網(wǎng)絡(luò)接入性能的分析與研究，發(fā)現(xiàn)LTE 考核指標(biāo)（接通、掉線、切換）與投訴無明顯相關(guān)，相反，用戶經(jīng)常投訴的區(qū)域與LTE 考核指標(biāo)沒有太大的關(guān)聯(lián)關(guān)系。由此可知，僅以用戶投訴作為網(wǎng)絡(luò)問題的切入點(diǎn)，結(jié)合用戶投訴進(jìn)行后驗(yàn)性的網(wǎng)絡(luò)問題修復(fù)和網(wǎng)絡(luò)優(yōu)化，并不能解決用戶重復(fù)投訴的問題，往往存在某一個(gè)用戶在這一個(gè)小區(qū)進(jìn)行投訴，網(wǎng)絡(luò)優(yōu)化部門將該小區(qū)的問題進(jìn)行優(yōu)化后，另一個(gè)用戶在另一個(gè)小區(qū)進(jìn)行投訴的現(xiàn)象。

除此之外，以日常LTE 考核指標(biāo)（接通、掉線、切換）來衡量用戶使用業(yè)務(wù)的感知，往往導(dǎo)致用戶感知評(píng)估失真。針對(duì)上述的現(xiàn)象，很多學(xué)者對(duì)MR、信令、路測(cè)等數(shù)據(jù)與用戶投訴數(shù)據(jù)進(jìn)行聯(lián)合分析，通過拉網(wǎng)的方式來獲取某個(gè)網(wǎng)絡(luò)簇的網(wǎng)絡(luò)質(zhì)量數(shù)據(jù)，實(shí)現(xiàn)區(qū)域級(jí)別的網(wǎng)絡(luò)覆蓋、質(zhì)量和容量相關(guān)問題的優(yōu)化：Mahmoud 等人[5]通過實(shí)時(shí)采集數(shù)據(jù)來監(jiān)測(cè)網(wǎng)絡(luò)質(zhì)量的運(yùn)行狀態(tài)，結(jié)合各種網(wǎng)絡(luò)各種參數(shù)的變化發(fā)現(xiàn)并解決網(wǎng)絡(luò)問題，根據(jù)網(wǎng)絡(luò)質(zhì)量運(yùn)行的實(shí)時(shí)信息提出有針對(duì)性的網(wǎng)絡(luò)優(yōu)化方案，提升用戶滿意度；李遠(yuǎn)卓[6]在將網(wǎng)絡(luò)問題與網(wǎng)絡(luò)優(yōu)化的三個(gè)維度（覆蓋維度、容量維度和質(zhì)量維度）進(jìn)行關(guān)聯(lián)的基礎(chǔ)上，構(gòu)建可量化的網(wǎng)絡(luò)優(yōu)化維度指標(biāo)作為網(wǎng)絡(luò)問題的判別依據(jù)，以此提升用戶的滿意度；羅郡[7]針對(duì)網(wǎng)絡(luò)優(yōu)化與用戶體驗(yàn)感知評(píng)價(jià)脫節(jié)以及現(xiàn)有用戶感知體驗(yàn)評(píng)價(jià)方法無法全面量化網(wǎng)絡(luò)質(zhì)量的實(shí)際問題，采用主動(dòng)學(xué)習(xí)擴(kuò)充用戶投訴數(shù)據(jù)，在此基礎(chǔ)上，融合信令和MR 數(shù)據(jù)對(duì)用戶投訴的原因進(jìn)行定位，找出潛在問題小區(qū)并進(jìn)行網(wǎng)絡(luò)優(yōu)化，提升用戶感知評(píng)價(jià)的全面性；王燕[8]以電信運(yùn)營商的話單數(shù)據(jù)、CRM 數(shù)據(jù)、網(wǎng)絡(luò)信令交互數(shù)據(jù)為數(shù)據(jù)樣本，提出語音網(wǎng)絡(luò)質(zhì)量評(píng)估預(yù)警模型和用戶價(jià)值評(píng)估模型，以此提升語音網(wǎng)絡(luò)故障預(yù)測(cè)的精準(zhǔn)性。

本文在借鑒相關(guān)學(xué)者[9-14]研究的基礎(chǔ)上，針對(duì)當(dāng)前研究用戶投訴數(shù)據(jù)不完備、投訴原因定位難等問題，以LTE 無線側(cè)網(wǎng)絡(luò)信令為數(shù)據(jù)基礎(chǔ)，以接入性能、保持性能和移動(dòng)性為切入點(diǎn)，在融合用戶投訴、信令數(shù)據(jù)基礎(chǔ)上，從用戶感知的角度出發(fā)，在對(duì)用戶信令數(shù)據(jù)進(jìn)行重構(gòu)的基礎(chǔ)上，采用稀疏表示的方法獲取投訴無線側(cè)信令指標(biāo)特征并利用主動(dòng)學(xué)習(xí)框架擴(kuò)充用戶投訴數(shù)據(jù)庫；以無線側(cè)信令指標(biāo)為輸入，以用戶投訴原因?yàn)檩敵?，采用BP 神經(jīng)網(wǎng)絡(luò)構(gòu)建端到端網(wǎng)絡(luò)業(yè)務(wù)質(zhì)量評(píng)估模型，完成以小區(qū)為顆粒度的用戶投訴原因精準(zhǔn)定位；基于端到端網(wǎng)絡(luò)業(yè)務(wù)質(zhì)量評(píng)估模型的結(jié)果，挖掘影響投訴原因的關(guān)鍵無線側(cè)信令指標(biāo)，確定影響用戶感知的網(wǎng)絡(luò)質(zhì)量指標(biāo)（接入性能、保持性能和移動(dòng)性）的觸發(fā)告警閾值，以觸發(fā)告警數(shù)據(jù)定位用戶投訴原因，為網(wǎng)絡(luò)優(yōu)化人員進(jìn)行日常的LTE 網(wǎng)絡(luò)優(yōu)化提供數(shù)據(jù)支撐，降低用戶重復(fù)投訴的概率。

1 基于主動(dòng)學(xué)習(xí)框架用戶投訴數(shù)據(jù)庫擴(kuò)充

運(yùn)營商針對(duì)實(shí)時(shí)用戶投訴工單數(shù)據(jù)，結(jié)合信令回溯的方法對(duì)用戶投訴前2 天的小區(qū)信令數(shù)據(jù)進(jìn)行回溯分析，最后得出兩種結(jié)論：該用戶投訴原因與當(dāng)前小區(qū)網(wǎng)絡(luò)質(zhì)量問題存在一致性（真實(shí)投訴）；該用戶投訴原因與當(dāng)前小區(qū)網(wǎng)絡(luò)質(zhì)量問題無明顯關(guān)聯(lián)性（干擾投訴）。將用戶投訴原因與當(dāng)前小區(qū)網(wǎng)絡(luò)質(zhì)量問題存在一致性的信息（包括信令指標(biāo)和投訴標(biāo)簽）放到用戶投訴數(shù)據(jù)庫中。投訴用戶數(shù)據(jù)庫不僅需要采集投訴用戶的信息，還要采集非投訴用戶的信息。由于系統(tǒng)中存在很多未標(biāo)注用戶，這種未標(biāo)注用戶包括兩種：使用移動(dòng)通信業(yè)務(wù)過程中感受到網(wǎng)絡(luò)質(zhì)量出現(xiàn)問題但不愿因投訴的用戶（簡(jiǎn)稱：潛在投訴用戶）和使用移動(dòng)通信業(yè)務(wù)過程中感覺網(wǎng)絡(luò)質(zhì)量好的用戶（簡(jiǎn)稱：正常用戶）。因此，采取哪種方法過濾潛在投訴的用戶，對(duì)用戶投訴數(shù)據(jù)庫進(jìn)行補(bǔ)全，是本文首要解決的問題。本文采用主動(dòng)學(xué)習(xí)框架來實(shí)現(xiàn)用投訴數(shù)據(jù)庫擴(kuò)充，包括以下三個(gè)步驟：

（1）無線側(cè)信令指標(biāo)的提取

本文從無線側(cè)的接入性能、保持性能和移動(dòng)性能三個(gè)角度來對(duì)無線側(cè)的信令進(jìn)行分析，得到基于小區(qū)顆粒度的無線側(cè)信令指標(biāo)如表1 所示：

表1 基于小區(qū)顆粒度的無線側(cè)信令指標(biāo)

考慮到用戶投訴通常存在滯后的現(xiàn)象，基于用戶當(dāng)前投訴時(shí)間段獲取無線側(cè)信令指標(biāo)與用戶投訴標(biāo)簽的關(guān)聯(lián)度不大，針對(duì)該問題，本文首先對(duì)真實(shí)投訴的信息進(jìn)行信令回溯（回溯用戶投訴前6 個(gè)小時(shí)的信令數(shù)據(jù)），采用滑動(dòng)窗口的方法對(duì)回溯的無線側(cè)信令指標(biāo)進(jìn)行數(shù)據(jù)重構(gòu)，重構(gòu)出一個(gè)具有時(shí)間延續(xù)性的信令樣本。

（2）重構(gòu)具有時(shí)間延續(xù)性的無線側(cè)信令樣本

由于同一個(gè)小區(qū)某個(gè)時(shí)段的無線側(cè)信令指標(biāo)在時(shí)空上具有高度的相似性，本文采用滑動(dòng)窗口法（滑動(dòng)窗口大小為6，步長為3）對(duì)數(shù)據(jù)進(jìn)行樣本構(gòu)造。重構(gòu)結(jié)果如圖1 所示：

圖1 采用滑動(dòng)窗口法的樣本構(gòu)造

（3）基于稀疏表示的樣本特征重構(gòu)

由于無線側(cè)信令指標(biāo)之間存在互相影響的關(guān)系，因此，本文通過稀疏表示的方法——采用少量基本特征的線性組合來表示樣本的特征。稀疏表示能夠降低通信環(huán)境隨機(jī)因素的干擾的影響，降低異常點(diǎn)對(duì)分類結(jié)果的影響。稀疏表示的示意圖如圖2 所示：

圖2 稀疏表示示意圖

使用稀疏表示重構(gòu)無線側(cè)信令指標(biāo)特征需要關(guān)注無線側(cè)信令指標(biāo)變換前后的特征損失，為了盡量保留無線側(cè)信令指標(biāo)的原始特征，本文采用變換后的方差最小的方法來保證原始特征損失最小。

第個(gè)投訴樣本無線側(cè)信令指標(biāo)可用稀疏特征的線性組合表示，可以表示為以下目標(biāo)函數(shù)：

其中X=[x1,x2,……,xn]表示真實(shí)投訴數(shù)據(jù)集，Si是重建系數(shù)。通過L1范數(shù)約束可使S矩陣稀疏。通過上述的方法，投訴樣本的無線側(cè)信令指標(biāo)可用通過稀疏特征進(jìn)行表示，大大簡(jiǎn)化計(jì)算量。

（4）基于主動(dòng)學(xué)習(xí)的投訴樣本擴(kuò)充

通過對(duì)投訴樣本的無線側(cè)信令指標(biāo)進(jìn)行稀疏處理之后，本文采用半監(jiān)督學(xué)習(xí)的主動(dòng)學(xué)習(xí)框架，將未標(biāo)注無線側(cè)信令指標(biāo)稀疏表示與已標(biāo)注（真實(shí)投訴）無線側(cè)信令指標(biāo)稀疏表示進(jìn)行相似度判斷，如果相似度大于設(shè)定的閾值，則認(rèn)為是投訴；相反，則認(rèn)為是不投訴?；谥鲃?dòng)學(xué)習(xí)的投訴樣本擴(kuò)充模型如圖3 所示：

圖3 基于主動(dòng)學(xué)習(xí)的投訴樣本擴(kuò)充模型

基于主動(dòng)學(xué)習(xí)框架的用戶投訴數(shù)據(jù)庫擴(kuò)充步驟如下：

1）假設(shè)數(shù)據(jù)庫正樣本為P（真實(shí)投訴用戶），負(fù)樣本為N（不投訴用戶），未標(biāo)注樣本為U，總樣本為D，初始化D=P；

2）在獲取總樣本稀疏表示的基礎(chǔ)上，計(jì)算某個(gè)標(biāo)注樣本Ui稀疏表示與所有正樣本P稀疏表示的余弦相似度，結(jié)合閾值，獲得可靠的負(fù)樣本，分別更新的總樣本和負(fù)樣本：D=P+N；U=U-N。

3）基于更新的總樣本，訓(xùn)練一個(gè)新的分類器對(duì)為標(biāo)注樣本N，對(duì)未標(biāo)注樣本為U進(jìn)行分類，如果對(duì)為未標(biāo)注樣本U的分類結(jié)果置信度高于設(shè)置的閾值，那么將會(huì)加入訓(xùn)練庫中重新訓(xùn)練一個(gè)新的分類器，如此不斷迭代新的分類器，直到將剩下的未標(biāo)注樣本分類完畢為止。

2 構(gòu)建端到端網(wǎng)絡(luò)業(yè)務(wù)質(zhì)量評(píng)估模型，實(shí)現(xiàn)用戶投訴精準(zhǔn)定位

端到端網(wǎng)絡(luò)業(yè)務(wù)質(zhì)量評(píng)估模型的原理是將用戶投訴原因與無線側(cè)信令指標(biāo)進(jìn)行一一映射，建立用戶感知-信令特征重構(gòu)——投訴小區(qū)定位的端到端網(wǎng)絡(luò)業(yè)務(wù)質(zhì)量評(píng)估模型，識(shí)別出影響用戶感知的無線側(cè)信令指標(biāo)，并構(gòu)建無線側(cè)信令指標(biāo)的投訴閾值，實(shí)現(xiàn)端到端網(wǎng)絡(luò)業(yè)務(wù)質(zhì)量評(píng)估。

端到端網(wǎng)絡(luò)業(yè)務(wù)質(zhì)量評(píng)估模型的原理是將投訴用戶的感知與信令樣本的特征進(jìn)行映射，識(shí)別出影響用戶感知的無線側(cè)信令指標(biāo)。創(chuàng)新性采用滑動(dòng)窗口重構(gòu)信令數(shù)據(jù)的方法實(shí)現(xiàn)連續(xù)小區(qū)定位。將用戶投訴前的駐留小區(qū)的無線側(cè)信令指標(biāo)納入考慮的范圍，結(jié)合用戶投訴差小區(qū)的結(jié)論，精準(zhǔn)定位出用戶投訴的真實(shí)小區(qū)。該方法在一定程度上擴(kuò)大了用戶投訴小區(qū)的監(jiān)測(cè)范圍，避免對(duì)網(wǎng)絡(luò)質(zhì)量無問題的小區(qū)進(jìn)行誤判，也將用戶的移動(dòng)軌跡納入分析的范圍，提升了用戶投訴小區(qū)定位的精準(zhǔn)性。端到端網(wǎng)絡(luò)業(yè)務(wù)質(zhì)量評(píng)估模型如圖4 所示：

圖4 投訴精準(zhǔn)定位流程圖

其流程如下：

1）從客服系統(tǒng)獲取用戶投訴信息，基于用戶投訴，回溯其投訴前6 個(gè)小時(shí)的信令數(shù)據(jù)，獲取用戶無線側(cè)信令指標(biāo)。

基于客服系統(tǒng)獲取的用戶投訴信息庫，分析的樣本量不少于4 000 條，正樣本量2 000 條，負(fù)樣本量2 000 條。隨機(jī)抽取30% 數(shù)據(jù)集作為訓(xùn)練數(shù)據(jù)集，剩下的70% 數(shù)據(jù)集作為測(cè)試數(shù)據(jù)集。

2）采用滑動(dòng)窗口法重構(gòu)用戶信令數(shù)據(jù)，構(gòu)造出一個(gè)具有時(shí)間延續(xù)性的信令樣本；基于稀疏表示重構(gòu)樣本特征，降低通信環(huán)境隨機(jī)因素對(duì)無線側(cè)信令干擾的影響。

3）基于主動(dòng)學(xué)習(xí)的投訴樣本擴(kuò)充模型構(gòu)建用戶投訴數(shù)據(jù)庫，在此基礎(chǔ)上，采用BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練端到端網(wǎng)絡(luò)業(yè)務(wù)質(zhì)量評(píng)估模型，輸出觸發(fā)告警的無線側(cè)信令指標(biāo)閾值。

4）將投訴用戶的信令重構(gòu)特征輸入到端到端網(wǎng)絡(luò)業(yè)務(wù)質(zhì)量評(píng)估模型，基于用戶投訴原因與無線側(cè)信令特征的關(guān)聯(lián)性，最終輸出8 項(xiàng)用戶投訴原因：無信號(hào)、信號(hào)弱/不穩(wěn)定、有信號(hào)無法接通/打開網(wǎng)頁、頻繁掉線、網(wǎng)速慢、單通、雜音/回音、網(wǎng)頁無法正常打開。

5）基于BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練的結(jié)果，得出每一種投訴原因與關(guān)鍵無線側(cè)信令特征的關(guān)聯(lián)性，提取關(guān)鍵無線側(cè)信令指標(biāo)與同一小區(qū)內(nèi)非投訴用戶關(guān)鍵無線側(cè)信令指標(biāo)進(jìn)行對(duì)比，輸出觸發(fā)告警的無線側(cè)信令指標(biāo)閾值。

6）基于影響用戶感知網(wǎng)絡(luò)質(zhì)量指標(biāo)（接入性能、保持性能和移動(dòng)性）的觸發(fā)告警閾值監(jiān)控網(wǎng)絡(luò)實(shí)時(shí)信令，對(duì)疑似質(zhì)差小區(qū)進(jìn)行投訴原因定位，輸出小區(qū)評(píng)價(jià)信息，并告知網(wǎng)絡(luò)優(yōu)化部門優(yōu)化網(wǎng)絡(luò)質(zhì)量，先于用戶投訴實(shí)現(xiàn)網(wǎng)絡(luò)質(zhì)量問題的處理。

3 實(shí)驗(yàn)分析

將端到端網(wǎng)絡(luò)業(yè)務(wù)質(zhì)量評(píng)估模型應(yīng)用于某個(gè)地市的用戶投訴預(yù)測(cè)，通過掃描無線側(cè)信令指標(biāo)，輸出每一個(gè)小區(qū)的投訴情況（潛在投訴發(fā)生的時(shí)間、投訴原因）。網(wǎng)絡(luò)優(yōu)化部門根據(jù)上述模型輸出投訴情況到現(xiàn)場(chǎng)排查，對(duì)潛在投訴原因進(jìn)行確認(rèn)，并采取相應(yīng)的措施對(duì)網(wǎng)絡(luò)進(jìn)行優(yōu)化，提升用戶使用無線通信服務(wù)的感知水平。圖5 是一個(gè)月某一個(gè)質(zhì)差小區(qū)基于端到端網(wǎng)絡(luò)業(yè)務(wù)質(zhì)量評(píng)估模型輸出的投訴原因與實(shí)際投訴原因?qū)Ρ葓D。

基于上述對(duì)比結(jié)果，超過80% 的實(shí)際投訴原因被評(píng)估模型精準(zhǔn)定位，因此，本文提出的投訴原因精準(zhǔn)定位模型具有準(zhǔn)確性高、擴(kuò)展性強(qiáng)的特點(diǎn)。網(wǎng)優(yōu)人員在投訴原因精準(zhǔn)定位的基礎(chǔ)上進(jìn)行針對(duì)性的網(wǎng)絡(luò)優(yōu)化，能夠降低80% 左右的實(shí)際投訴用戶數(shù)，降低該小區(qū)用戶重復(fù)投訴的概率，提升用戶使用通信業(yè)務(wù)的感知水平，具有一定的擴(kuò)展性。

4 結(jié)束語

圖5 用戶投訴原因?qū)Ρ葓D

基于端到端網(wǎng)絡(luò)業(yè)務(wù)質(zhì)量評(píng)估模型的用戶投訴原因精準(zhǔn)定位，已經(jīng)成為運(yùn)營商提升LTE 通信服務(wù)質(zhì)量的首要策略。實(shí)驗(yàn)證明，本文提出的方法能夠精準(zhǔn)用戶投訴的原因，這源于以下幾點(diǎn)：采用主動(dòng)學(xué)習(xí)框架擴(kuò)充用戶投訴數(shù)據(jù)庫，為評(píng)估模型提供完備的數(shù)據(jù)基礎(chǔ)；采用BP 神經(jīng)網(wǎng)絡(luò)挖掘無線側(cè)信令指標(biāo)與用戶投訴原因關(guān)聯(lián)性，獲取關(guān)鍵無線側(cè)信令指標(biāo)的觸發(fā)告警閾值，實(shí)現(xiàn)用戶投訴原因的精準(zhǔn)定位。本文提出的模型能夠先于用戶發(fā)現(xiàn)每一個(gè)小區(qū)的網(wǎng)絡(luò)投訴原因，解決了用戶投訴定位難的問題，為網(wǎng)絡(luò)優(yōu)化部門的網(wǎng)絡(luò)優(yōu)化提供了有效的數(shù)據(jù)支撐。