基于移动用户信令数据的跨城通勤用户识别方法及装置

    公开(公告)号:CN115915038A

    公开(公告)日:2023-04-04

    申请号:CN202110805859.X

    申请日:2021-07-16

    IPC分类号: H04W4/20 H04W24/08

    摘要: 本发明公开了一种基于移动用户信令数据的跨城通勤用户识别方法及装置,包括:基于每一周期的白天时间段与夜间时间段,利用目标区域的移动用户信令数据获取该周期日工作用户与该周期日居住用户;依据该周期日工作用户的该周期夜间信令数据与该周期日居住用户的该周期白天信令数据,分别得到该周期夜间信令消失用户与该周期白天信令消失用户;利用全部移动用户在设定时间段内成为该周期夜间信令消失用户或该周期白天信令消失用户的次数,得到跨城通勤用户识别结果。本发明基于原始信令数据挖掘跨城通勤用户,采用Spark计算框架进行分析处理,具有高可靠性和高效率,可用于区域人口监管。

    网络类型识别方法及装置
    23.
    发明授权

    公开(公告)号:CN110111814B

    公开(公告)日:2021-09-21

    申请号:CN201910419117.6

    申请日:2019-05-20

    摘要: 本发明实施例提供一种网络类型识别方法及装置。所述方法包括:获取待识别语音;将待识别语音输入至预设的网络识别模型,得到识别结果;其中,所述网络识别模型为通过样本数据对随机森林模型以及支持向量机模型进行预设数据训练得到的。本发明实施例将网络类型识别的过程自动化实现,效率较高,可有效降低人工成本;且网络识别通过机器学习的方式建立,满足精确度需求;预先通过大量样本数据建立网络识别模型,适用于VoIP通话;本发明实施例解决了现有技术中,VoIP电话的出现使得难以准确地根据号码判断主叫方网络类型的问题。

    一种基于深度强化学习模型的数据清洗方法及装置

    公开(公告)号:CN113326689A

    公开(公告)日:2021-08-31

    申请号:CN202010128327.2

    申请日:2020-02-28

    摘要: 本发明属于数据通信和数据处理技术领域,具体涉及一种基于深度强化学习模型的数据清洗方法,该方法包括:获取待清洗的带标签的数据集;采用预筛选算法,删除待清洗的带标签的数据集中的无内容数据、不在标签集内的标签数据和标签矛盾的数据,获得待分类的数据集;将待分类的数据集输入至预先训练的深度强化学习模型中,获得不同类别的延迟奖励;再根据获得的不同类别的延迟奖励,依据预先训练的深度强化学习模型中的动作集合,丢弃掉有偏数据,保留有效数据,并更新状态列表S,最大化每一类别的延迟奖励值,将每一类别的最大延迟奖励值对应的带标签的训练数据集作为清洗干净的带标签的训练数据集,从而完成数据清洗。

    基于智能运维的故障流程分析方法、装置及介质

    公开(公告)号:CN111722976A

    公开(公告)日:2020-09-29

    申请号:CN202010425228.0

    申请日:2020-05-19

    IPC分类号: G06F11/30

    摘要: 本发明涉及一种基于智能运维的故障流程分析方法、装置及介质的技术方案,包括:获取设备的历史业务数据,构建告警对应的知识库;获取设备当前的告警数据,自动对告警数据进行多维度的关联分析,根据关联分析结果配知识库,获取对应的设备故障处理流程;根据设备故障处置流程向设备下发对应的操作流程。本发明的有益效果为:本发明的有益效果为:经过智能运维支撑平台等告警智能关联分析、自动处置等过程,能够将统一类告警源的告警归类,有效节省了运维时间;并且能根据业务系统运行数据,精确判断出故障发生源,依靠告警处理模型,自动处理告警。据评估,可大大节省运维的时间,从而节省了运维成本。