本申請(qǐng)涉及通信，具體涉及一種語(yǔ)音質(zhì)差小區(qū)根因定位方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、當(dāng)前4g語(yǔ)音質(zhì)差小區(qū)的常規(guī)優(yōu)化方法，是通過(guò)專家經(jīng)驗(yàn)分析當(dāng)前小區(qū)狀態(tài)、道路覆蓋、業(yè)務(wù)場(chǎng)景等因素來(lái)進(jìn)行綜合定位，很大程度上依賴于人工經(jīng)驗(yàn)，因不同人員能力和經(jīng)驗(yàn)差異，導(dǎo)致分析效率較低且準(zhǔn)確性存在波動(dòng)，進(jìn)而導(dǎo)致當(dāng)前的語(yǔ)音質(zhì)差小區(qū)的根因定位效率低下。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)實(shí)施例提供一種語(yǔ)音質(zhì)差小區(qū)根因定位方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，用以提高語(yǔ)音質(zhì)差小區(qū)的根因定位效率。

2、第一方面，本申請(qǐng)實(shí)施例提供一種語(yǔ)音質(zhì)差小區(qū)根因定位方法，包括：

3、獲取語(yǔ)音質(zhì)差小區(qū)的第一質(zhì)差根因指標(biāo)集合、正常小區(qū)的第二質(zhì)差根因指標(biāo)集合與目標(biāo)小區(qū)的第三質(zhì)差根因指標(biāo)集合；

4、根據(jù)所述第二質(zhì)差根因指標(biāo)集合中指標(biāo)的測(cè)度值，對(duì)所述第一質(zhì)差根因指標(biāo)集合以及所述第三質(zhì)差根因指標(biāo)集合進(jìn)行數(shù)據(jù)轉(zhuǎn)換，得到第一指標(biāo)特征集合與第二指標(biāo)特征集合；

5、基于所述第一指標(biāo)特征集合與第二指標(biāo)特征集合生成特征矩陣，將所述特征矩陣輸入至質(zhì)差根因預(yù)測(cè)模型中，得到所述質(zhì)差根因預(yù)測(cè)模型輸出的質(zhì)差根因；其中，所述質(zhì)差根因預(yù)測(cè)模型是基于語(yǔ)音質(zhì)差樣本小區(qū)的樣本特征矩陣及其質(zhì)差根因標(biāo)簽進(jìn)行訓(xùn)練得到的。

6、在一個(gè)實(shí)施例中，所述指標(biāo)的測(cè)度值包括均值與標(biāo)準(zhǔn)差；所述根據(jù)所述第二質(zhì)差根因指標(biāo)集合中指標(biāo)的測(cè)度值，對(duì)所述第一質(zhì)差根因指標(biāo)集合以及所述第三質(zhì)差根因指標(biāo)集合進(jìn)行數(shù)據(jù)轉(zhuǎn)換，得到第一指標(biāo)特征集合與第二指標(biāo)特征集合，包括：

7、確定所述第二質(zhì)差根因指標(biāo)集合中各第二指標(biāo)的均值與標(biāo)準(zhǔn)差；

8、根據(jù)所述第二質(zhì)差根因指標(biāo)集合中各第二指標(biāo)的均值與標(biāo)準(zhǔn)差，對(duì)所述第一質(zhì)差根因指標(biāo)集合中與各第二指標(biāo)對(duì)應(yīng)的第一指標(biāo)進(jìn)行數(shù)據(jù)轉(zhuǎn)換，得到第一指標(biāo)特征集合；

9、根據(jù)所述第二質(zhì)差根因指標(biāo)集合中各第二指標(biāo)的均值與標(biāo)準(zhǔn)差，對(duì)所述第三質(zhì)差根因指標(biāo)集合中與各第二指標(biāo)對(duì)應(yīng)的第三指標(biāo)進(jìn)行數(shù)據(jù)轉(zhuǎn)換，得到第二指標(biāo)特征集合。

10、在一個(gè)實(shí)施例中，獲取目標(biāo)小區(qū)的第三質(zhì)差根因指標(biāo)集合，包括：

11、確定與語(yǔ)音質(zhì)差小區(qū)處于相同下行頻點(diǎn)的初始小區(qū)；

12、從所述初始小區(qū)中確定目標(biāo)小區(qū)；

13、獲取所述目標(biāo)小區(qū)的第三質(zhì)差根因指標(biāo)集合。

14、在一個(gè)實(shí)施例中，所述從所述初始小區(qū)中確定目標(biāo)小區(qū)，包括：

15、確定各初始小區(qū)與所述語(yǔ)音質(zhì)差小區(qū)之間的距離信息；

16、對(duì)各所述距離信息按照由小到大的排序方式進(jìn)行排序；

17、將排序后位于前預(yù)設(shè)位的距離信息對(duì)應(yīng)的初始小區(qū)，確定為目標(biāo)小區(qū)。

18、在一個(gè)實(shí)施例中，所述質(zhì)差根因預(yù)測(cè)模型，具體通過(guò)如下步驟確定：

19、獲取語(yǔ)音質(zhì)差樣本小區(qū)的樣本特征矩陣及其質(zhì)差根因標(biāo)簽；

20、基于所述樣本特征矩陣，確定樣本特征向量；

21、基于所述樣本特征向量，構(gòu)建無(wú)向完全圖；

22、基于所述無(wú)向完全圖進(jìn)行前向計(jì)算，得到所述無(wú)向完全圖中各結(jié)點(diǎn)的特征向量的計(jì)算結(jié)果；

23、根據(jù)各結(jié)點(diǎn)的特征向量的計(jì)算結(jié)果，確定各結(jié)點(diǎn)的特征向量的平均值；

24、基于所述平均值與所述質(zhì)差根因標(biāo)簽，對(duì)初始分類模型進(jìn)行訓(xùn)練，得到質(zhì)差根因預(yù)測(cè)模型。

25、在一個(gè)實(shí)施例中，所述初始分類模型包括門(mén)控循環(huán)單元模型、全連接層和leakyrelu激活層；所述基于所述樣本特征矩陣，確定樣本特征向量，包括：

26、基于門(mén)控循環(huán)單元模型對(duì)所述樣本特征矩陣進(jìn)行處理，得到中間特征向量；

27、基于全連接層和leakyrelu激活層對(duì)所述中間特征向量進(jìn)行處理，得到樣本特征向量。

28、在一個(gè)實(shí)施例中，所述初始分類模型還包括圖卷積層；所述基于所述無(wú)向完全圖進(jìn)行前向計(jì)算，得到所述無(wú)向完全圖中各結(jié)點(diǎn)的特征向量的計(jì)算結(jié)果，包括：

29、確定所述無(wú)向完全圖的鄰接矩陣；

30、基于所述圖卷積層，對(duì)所述無(wú)向完全圖與所述鄰接矩陣進(jìn)行前向計(jì)算，得到所述無(wú)向完全圖中各結(jié)點(diǎn)的特征向量的計(jì)算結(jié)果。

31、第二方面，本申請(qǐng)實(shí)施例提供一種語(yǔ)音質(zhì)差小區(qū)根因定位裝置，包括：

32、獲取模塊，用于獲取語(yǔ)音質(zhì)差小區(qū)的第一質(zhì)差根因指標(biāo)集合、正常小區(qū)的第二質(zhì)差根因指標(biāo)集合與目標(biāo)小區(qū)的第三質(zhì)差根因指標(biāo)集合；

33、轉(zhuǎn)換模塊，用于根據(jù)所述第二質(zhì)差根因指標(biāo)集合中指標(biāo)的測(cè)度值，對(duì)所述第一質(zhì)差根因指標(biāo)集合以及所述第三質(zhì)差根因指標(biāo)集合進(jìn)行數(shù)據(jù)轉(zhuǎn)換，得到第一指標(biāo)特征集合與第二指標(biāo)特征集合；

34、輸入模塊，用于基于所述第一指標(biāo)特征集合與第二指標(biāo)特征集合生成特征矩陣，將所述特征矩陣輸入至質(zhì)差根因預(yù)測(cè)模型中，得到所述質(zhì)差根因預(yù)測(cè)模型輸出的質(zhì)差根因；其中，所述質(zhì)差根因預(yù)測(cè)模型是基于語(yǔ)音質(zhì)差樣本小區(qū)的樣本特征矩陣及其質(zhì)差根因標(biāo)簽進(jìn)行訓(xùn)練得到的。

35、第三方面，本申請(qǐng)實(shí)施例提供一種電子設(shè)備，包括處理器和存儲(chǔ)有計(jì)算機(jī)程序的存儲(chǔ)器，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)第一方面所述的語(yǔ)音質(zhì)差小區(qū)根因定位方法。

36、第四方面，本申請(qǐng)實(shí)施例提供一種存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)為計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)第一方面所述的語(yǔ)音質(zhì)差小區(qū)根因定位方法。

37、本申請(qǐng)實(shí)施例提供的語(yǔ)音質(zhì)差小區(qū)根因定位方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，通過(guò)獲取語(yǔ)音質(zhì)差小區(qū)的第一質(zhì)差根因指標(biāo)集合、正常小區(qū)的第二質(zhì)差根因指標(biāo)集合與目標(biāo)小區(qū)的第三質(zhì)差根因指標(biāo)集合，可以根據(jù)第二質(zhì)差根因指標(biāo)集合中指標(biāo)的測(cè)度值，對(duì)第一質(zhì)差根因指標(biāo)集合以及第三質(zhì)差根因指標(biāo)集合進(jìn)行數(shù)據(jù)轉(zhuǎn)換，將各項(xiàng)指標(biāo)轉(zhuǎn)換到相同的取值范圍，得到第一指標(biāo)特征集合與第二指標(biāo)特征集合，進(jìn)而基于第一指標(biāo)特征集合與第二指標(biāo)特征集合生成特征矩陣，并將特征矩陣輸入至質(zhì)差根因預(yù)測(cè)模型中，即可得到質(zhì)差根因預(yù)測(cè)模型輸出的質(zhì)差根因。由此，可以避免人工分析的局限性，提高質(zhì)差根因分析的效率及準(zhǔn)確性，進(jìn)而可以提高語(yǔ)音質(zhì)差小區(qū)的根因定位效率。

技術(shù)特征：

1.一種語(yǔ)音質(zhì)差小區(qū)根因定位方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的語(yǔ)音質(zhì)差小區(qū)根因定位方法，其特征在于，所述指標(biāo)的測(cè)度值包括均值與標(biāo)準(zhǔn)差；所述根據(jù)所述第二質(zhì)差根因指標(biāo)集合中指標(biāo)的測(cè)度值，對(duì)所述第一質(zhì)差根因指標(biāo)集合以及所述第三質(zhì)差根因指標(biāo)集合進(jìn)行數(shù)據(jù)轉(zhuǎn)換，得到第一指標(biāo)特征集合與第二指標(biāo)特征集合，包括：

3.根據(jù)權(quán)利要求1所述的語(yǔ)音質(zhì)差小區(qū)根因定位方法，其特征在于，獲取目標(biāo)小區(qū)的第三質(zhì)差根因指標(biāo)集合，包括：

4.根據(jù)權(quán)利要求3所述的語(yǔ)音質(zhì)差小區(qū)根因定位方法，其特征在于，所述從所述初始小區(qū)中確定目標(biāo)小區(qū)，包括：

5.根據(jù)權(quán)利要求1所述的語(yǔ)音質(zhì)差小區(qū)根因定位方法，其特征在于，所述質(zhì)差根因預(yù)測(cè)模型，具體通過(guò)如下步驟確定：

6.根據(jù)權(quán)利要求5所述的語(yǔ)音質(zhì)差小區(qū)根因定位方法，其特征在于，所述初始分類模型包括門(mén)控循環(huán)單元模型、全連接層和leakyrelu激活層；所述基于所述樣本特征矩陣，確定樣本特征向量，包括：

7.根據(jù)權(quán)利要求6所述的語(yǔ)音質(zhì)差小區(qū)根因定位方法，其特征在于，所述初始分類模型還包括圖卷積層；所述基于所述無(wú)向完全圖進(jìn)行前向計(jì)算，得到所述無(wú)向完全圖中各結(jié)點(diǎn)的特征向量的計(jì)算結(jié)果，包括：

8.一種語(yǔ)音質(zhì)差小區(qū)根因定位裝置，其特征在于，包括：

9.一種電子設(shè)備，包括處理器和存儲(chǔ)有計(jì)算機(jī)程序的存儲(chǔ)器，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1至7任一項(xiàng)所述的語(yǔ)音質(zhì)差小區(qū)根因定位方法。

10.一種存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)為計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，包括計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至7任一項(xiàng)所述的語(yǔ)音質(zhì)差小區(qū)根因定位方法。

技術(shù)總結(jié)
本申請(qǐng)涉及通信技術(shù)領(lǐng)域，提供一種語(yǔ)音質(zhì)差小區(qū)根因定位方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，方法包括：獲取語(yǔ)音質(zhì)差小區(qū)的第一質(zhì)差根因指標(biāo)集合、正常小區(qū)的第二質(zhì)差根因指標(biāo)集合與目標(biāo)小區(qū)的第三質(zhì)差根因指標(biāo)集合；根據(jù)第二質(zhì)差根因指標(biāo)集合中指標(biāo)的測(cè)度值，對(duì)第一質(zhì)差根因指標(biāo)集合以及第三質(zhì)差根因指標(biāo)集合進(jìn)行數(shù)據(jù)轉(zhuǎn)換，得到第一指標(biāo)特征集合與第二指標(biāo)特征集合并生成特征矩陣，將特征矩陣輸入至質(zhì)差根因預(yù)測(cè)模型中，得到質(zhì)差根因預(yù)測(cè)模型輸出的質(zhì)差根因；質(zhì)差根因預(yù)測(cè)模型基于語(yǔ)音質(zhì)差樣本小區(qū)的樣本特征矩陣及其質(zhì)差根因標(biāo)簽訓(xùn)練得到。本申請(qǐng)可以避免人工分析的局限性，提高質(zhì)差根因分析的效率及準(zhǔn)確性，進(jìn)而提高語(yǔ)音質(zhì)差小區(qū)的根因定位效率。

技術(shù)研發(fā)人員：王剛,梁立濤,杜宇楠,楊靈均
受保護(hù)的技術(shù)使用者：中國(guó)移動(dòng)通信集團(tuán)北京有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/21