[发明专利]电信网络异常数据检测方法、装置、设备和可读存储介质

说明书

本发明实施例提供一种电信网络异常数据检测方法、装置、设备和可读存储介质，其中方法包括：获取电信网络中待检测小区对应的网络特征数据；将网络场景相同的待检测小区对应的网络特征数据输入电信网络异常数据检测模型，得到所述电信网络的异常检测结果；其中，电信网络异常数据检测模型由多个基学习器组成；所述基学习器是以网络场景相同的小区对应的网络特征数据为训练样本进行训练得到。本发明实施例提供的电信网络异常数据检测方法、装置、设备和可读存储介质，通过使用基于集成学习的电信网络异常数据检测模型检测出电信网络中的异常数据，根据集成学习能够整体上提高检测模型泛化能力的特征，从而提高了电信网络异常数据检测的准确性。

技术领域

本发明涉及通信领域，尤其涉及一种电信网络异常数据检测方法、装置、设备和可读存储介质。

背景技术

在电信网络的日常管理中，对电信网络中的异常数据进行及时地检测非常重要。然而，随着电信网络的发展，电信网络中的数据的维度越来越高。例如，无线网络的性能指标种类和计算规则，基站的工参信息配置数据类别，不同基站的覆盖参数和用户分布情况，网络运维相关的告警、工单、板件信息等各种复杂数据，都使得电信网络数据的复杂度大大提升，同时也增大了从电信网络的上述复杂数据中检测出异常数据的难度。

现有技术已经采用了一些机器学习方法进行电信网络的异常数据检测。但是，在目前电信网络数据复杂度较高的情况下，任何单一的机器学习算法均由于算法本身的局限性，泛化能力不足，难以保证对不同的电信网络检测场景都能获得较为准确的异常数据检测结果。

发明内容

针对现有技术存在的上述至少一个技术问题，本发明实施例提供一种电信网络异常数据检测方法、装置、设备和可读存储介质。

第一方面，本发明实施例提供一种电信网络异常数据检测方法，包括：

获取电信网络中待检测小区对应的网络特征数据；

将网络场景相同的待检测小区对应的网络特征数据输入电信网络异常数据检测模型，得到所述电信网络的异常检测结果；

其中，所述电信网络异常数据检测模型由多个基学习器组成；

所述基学习器是以网络场景相同的小区对应的网络特征数据为训练样本进行训练得到。

可选地，所述方法还包括：

获取具有相同网络场景的小区对应的网络特征数据；

采用Bootstrapping方法对所述具有相同网络场景的小区对应的网络特征数据进行有放回地采样，得到基训练集；

将基训练集作为训练样本训练并行检测算法，得到所述基学习器；

集成多个所述基学习器得到所述电信网络异常数据检测模型。

可选地，所述并行检测算法为K均值聚类算法、高斯核密度估计算法、局部异常因子算法、孤立森林算法或主成分分析算法。

可选地，所述将网络场景相同的待检测小区对应的网络特征数据输入电信网络异常数据检测模型，得到所述电信网络的异常检测结果，包括：

将网络场景相同的待检测小区对应的网络特征数据输入电信网络异常数据检测模型中的多个基学习器，获取各基学习器输出的初步检测结果；

基于所述初步检测结果，采用投票机制确定所述异常检测结果。

可选地，所述方法还包括：

基于所述电信网络中所有待检测小区对应的网络特征数据，确定待检测小区对应的网络场景。

可选地，基于所述电信网络中所有待检测小区对应的网络特征数据，确定待检测小区对应的网络场景，包括：