[发明专利]质差小区识别方法和装置

说明书

本发明实施例提供一种质差小区识别方法和装置，该方法包括：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。本发明实施例提供的质差小区识别方法和装置，可以提高识别质差小区的准确率和效率。

技术领域

本发明实施例涉及通信技术领域，尤其涉及一种质差小区识别方法和装置。

背景技术

质差小区是指网络通信质量存在一个或多个质差问题的小区，小区质差的问题类型涉及多个方面，如无线覆盖、干扰、容量等。目前，对质差小区的问题类型的识别主要采用传统的网络优化(简称：网优)方式，具体地，先采集小区的各项关键业绩指标(KeyPerformance Indication，KPI)。然后，网优工作人员可以依靠自己的专家知识和经验对各项KPI分别设置阈值，进而根据这些KPI的阈值以及小区的各项KPI，判断小区质差的问题类型。

但是，随着小区的KPI维度不断增大，识别质差小区的问题类型的复杂度也不断增大，导致采用上述方式识别质差小区问题类型的准确率低、效率低。

发明内容

本发明实施例提供一种质差小区识别方法和装置，以克服识别质差小区问题类型的准确率低、效率低的问题。

第一方面，本发明实施例提供一种质差小区识别方法，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。

可选地，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，对所述预测模型进行训练。

可选地，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，并将第二数据集输入至训练好的检测模型，得到X个质差小区和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。

可选地，所述在获取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。

可选地，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。

可选地，所述检测模型为自编码器模型。