[发明专利]质差小区识别方法和装置

权利要求书

1.一种质差小区识别方法，其特征在于，所述方法包括：

获取待识别小区的KPI数据；

将所述待识别小区的KPI数据输入至预测模型中，得到所述待识别小区的质差问题类型分布概率；所述预测模型为使用标注有质差问题类型的X个质差小区的历史KPI数据集、标注有无质差问题类型的Y个非质差小区的历史KPI数据集进行训练得到的，所述X和所述Y均为大于或等于1的整数；

显示所述待识别小区的质差问题类型分布概率。

2.根据权利要求1所述的方法，其特征在于，所述将所述待识别小区的KPI数据输入至预测模型中之前，还包括：

使用所述标注有质差问题类型的X个质差小区的历史KPI数据集、所述标注有无质差问题类型的Y个非质差小区的历史KPI数据集，对所述预测模型进行训练。

3.根据权利要求2所述的方法，其特征在于，所述对所述预测模型进行训练之前，还包括：

获取N个样本小区在历史预设时间段内的KPI数据，所述N为大于或等于2的整数；

将所述N个样本小区在历史预设时间段内的KPI数据划分成第一数据集和第二数据集；

使用所述第一数据集训练检测模型，并将所述第二数据集输入至训练好的检测模型，得到所述X个质差小区和所述Y个非质差小区；所述检测模型用于根据KPI数据识别小区是否为质差小区；

获取所述标注有质差问题类型的X个质差小区的历史KPI数据集、所述标注有无质差问题类型的Y个非质差小区的历史KPI数据集。

4.根据权利要求3所述的方法，其特征在于，所述获取所述标注有质差问题类型的X个质差小区的历史KPI数据集、所述标注有无质差问题类型的Y个非质差小区的历史KPI数据集之前，还包括：

使用所述X个质差小区的历史KPI数据集生成所述X个质差小区对应的KPI热力图；和/或，

对所述X个质差小区的历史KPI数据集进行聚类处理。

5.根据权利要求4所述的方法，其特征在于，所述对所述X个质差小区的历史KPI数据集进行聚类处理之前，还包括：

对所述X个质差小区的历史KPI数据集进行降维处理。

6.根据权利要求3-5任一项所述的方法，其特征在于，所述检测模型为自编码器模型。

7.根据权利要求3-5任一项所述的方法，其特征在于，所述将所述N个样本小区在历史预设时间段内的KPI数据划分成第一数据集和第二数据集之前，所述方法还包括：

对所述N个样本小区在历史预设时间段内的KPI数据进行归一化处理。

8.根据权利要求7所述的方法，其特征在于，所述将所述待识别小区的KPI数据输入至预测模型中之前，所述方法还包括：

对所述待识别小区的KPI数据进行归一化处理。

9.一种质差小区识别装置，其特征在于，所述装置包括：

第一获取模块，用于获取待识别小区的KPI数据；

第一处理模块，用于将所述待识别小区的KPI数据输入至预测模型中，得到所述待识别小区的质差问题类型分布概率；所述预测模型为使用标注有质差问题类型的X个质差小区的历史KPI数据集、标注有无质差问题类型的Y个非质差小区的历史KPI数据集进行训练得到的，所述X和所述Y均为大于或等于1的整数；

显示模块，用于显示所述待识别小区的质差问题类型分布概率。

10.根据权利要求9所述的装置，其特征在于，还包括：

第二处理模块，用于在所述第一处理模块将所述待识别小区的KPI数据输入至预测模型中之前，使用所述标注有质差问题类型的X个质差小区的历史KPI数据集、所述标注有无质差问题类型的Y个非质差小区的历史KPI数据集，对所述预测模型进行训练。