电信科学 ›› 2022, Vol. 38 ›› Issue (Z2): 272-279.doi: 10.11959/j.issn.1000-0801.2022211

• AI技术与应用 • 上一篇    

基于关联算法和非显性特征的KPI根因定位研究

陈晓芳, 丁沈媛, 张儒申, 邓丽君, 左扬, 皇甫俊伟   

  1. 中国电信股份有限公司上海分公司,上海 200085
  • 修回日期:2022-05-30 出版日期:2022-12-01 发布日期:2022-12-01
  • 作者简介:陈晓芳(1978- ),女,中国电信股份有限公司上海分公司高级工程师,主要研究方向为移动互联网网络优化技术、智能优化
    丁沈媛(1998- ),女,现就职于中国电信股份有限公司上海分公司,无线网络技术支撑,主要研究方向无线网络优化及大数据应用开发
    张儒申(1986- ),男,现就职于中国电信股份有限公司上海分公司,无线网络技术支撑,主要研究方向为无线网络优化、移动网络质量提升
    邓丽君(1997- ),女,现就职于中国电信股份有限公司上海分公司,无线网络技术支撑,主要研究方向为无线网络优化、移动网络质量提升
    左扬(1992- ),女,中国电信股份有限公司上海分公司工程师,主要研究方向为2G/3G/4G/5G无线网络规划和优化
    皇甫俊伟(1987- ),男,中国电信股份有限公司上海分公司工程师,主要研究方向为2G/3G/4G/5G无线网络规划和优化

  • Revised:2022-05-30 Online:2022-12-01 Published:2022-12-01

摘要:

主要研究定位KPI根因的方法,旨在结合AI技术在日常网络优化中实现自动问题洞察,自动问题定位。通过计算所有指标项的支持度,挖掘出频繁项集,求出置信度后基于多维转移矩阵方法定位具有显性特征指标的根因,基于对比偏离度方法定位具有非显性特征指标的根因,最终确定KPI根因问题。相较传统的人工处理和单一关联,减少了大量的数据处理和分析的工作,定位结果也更为全面。同时,缩短了问题定位时长,提升客户的网络感知,实现降本增效的目标。

关键词: 关联算法, 显性特征, KPI根因

中图分类号: 

No Suggested Reading articles found!