-
公开(公告)号：CN116112960A
公开(公告)日：2023-05-12
申请号：CN202111320696.2
申请日：2021-11-09
申请人： 中国移动通信集团广东有限公司 , 中国移动通信集团有限公司
摘要： 本发明提供一种基站退服告警预测方法及装置，该方法包括：将基站的每类历史跨专业告警和所述基站的历史退服告警进行关联，将与每类历史跨专业告警关联的历史退服告警加入到每类历史跨专业告警的集合中；根据所述集合中每个告警的发生时间所述集合划分成多个告警簇，从所述告警簇中挖掘出频繁项，将所述频繁项与每个告警簇进行匹配，获取每类历史跨专业告警对应的匹配结果；对每类历史跨专业告警进行词向量编码，获取每类历史跨专业告警的嵌入特征，将所有类历史跨专业告警对应的匹配结果、嵌入特征和预先获取的历史运行状态指标输入到退服预测模型中，输出所述基站的退服告警预测结果。本发明提高基站退服告警预测的准确性和效率。
-
公开(公告)号：CN116112961A
公开(公告)日：2023-05-12
申请号：CN202111322427.X
申请日：2021-11-09
申请人： 中国移动通信集团广东有限公司 , 中国移动通信集团有限公司
IPC分类号： H04W24/04 , H04L41/0631 , G06V10/762
摘要： 本发明提供一种跨专业基站故障告警因果关系分析方法及装置，该方法包括：根据目标区域内每种历史跨专业基站告警的产生时间对每种历史跨专业基站故障告警进行聚类，获取多个告警簇；根据各告警簇中每种历史跨专业基站告警的产生时间和所属的机房，将所有种历史跨专业基站故障告警之间的告警簇进行关联，从关联的告警簇中挖掘出多个频繁项；基于词向量模型计算每个频繁项中的基站退服告警与每个频繁项中除所述基站退服告警以外的第一其他告警之间的相似性，根据所述相似性对所述频繁项进行筛选，将筛选出的频繁项作为所有种历史跨专业基站故障告警的因果关系分析结果。本发明提高因果关系分析的准确性。
-
公开(公告)号：CN118802505A
公开(公告)日：2024-10-18
申请号：CN202410154034.X
申请日：2024-02-02
申请人： 中国移动通信集团设计院有限公司 , 中国移动通信集团有限公司
发明人： 王西点 , 徐晶 , 曾豫 , 周毅 , 余寰 , 梅明涛 , 郭苑苑 , 李爱成 , 聂臻霖 , 王亚楠 , 王国治 , 贾子寒 , 石铎 , 王磊 , 程楠 , 董逍 , 曹天骄 , 华程铭 , 何隽飞 , 王显阳 , 李佳袁 , 李益乐 , 安瑞 , 管元恺 , 余绍绍
IPC分类号： H04L41/0695 , H04L41/06 , H04L41/0654 , H04L41/0677 , G06F18/2431 , G06F16/907
摘要： 本公开涉及故障处理方案的推荐方法、装置、电子设备和存储介质。该故障处理方案的推荐方法包括：获取目标工单数据，并从目标工单数据中提取主告警字段和子告警字段；将主告警字段和子告警字段输入集成模型，获得目标工单数据的多个故障原因类别标签；其中，集成模型包括多个子模型，通过将主告警字段和子告警字段分别输入多个子模型，获得多个故障原因类别标签；从多个故障原因类别标签中确定出目标工单数据的目标故障原因类别标签，并获取目标故障原因类别标签对应的目标故障处理方案。本公开能够实现故障处理方案的智能化推荐，提升网络运维工作的质量与效率。
-
公开(公告)号：CN118821781A
公开(公告)日：2024-10-22
申请号：CN202410386766.1
申请日：2024-04-01
申请人： 中国移动通信集团福建有限公司 , 中国移动通信集团有限公司
IPC分类号： G06F40/30 , G06F40/279 , G06N5/022 , G06F16/9535 , G06F16/903 , G06N20/00 , G06F40/205
摘要： 本公开提出一种网络优化工单的处理方法及装置，涉及网络优化技术领域，该方法包括：对网络优化工单进行提示语提取，以获取网络问题描述信息及网络优化对象信息；将所述网络问题描述信息及网络优化对象信息输入到预先训练完成的优化模型中，以确定网络优化意图，所述优化模型为大语言模型；基于所述网络优化意图向网络优化平台查询针对所述网络优化对象网络的网络性能指标；基于所述优化模型对所述网络性能指标进行感知分析，以得到针对网络问题原因的优化建议信息。由此，可以通过训练无线网络优化领域的大语言模型，基于大模型强大的语义理解和意图转译能力，准确识别网络优化意图，快速推荐用户网络指标查询方法及网络分析优化策略。
-
公开(公告)号：CN117407521A
公开(公告)日：2024-01-16
申请号：CN202210723761.4
申请日：2022-06-24
申请人： 中国移动通信集团设计院有限公司 , 中国移动通信集团有限公司
发明人： 程楠 , 王西点 , 陈志明 , 王磊 , 徐晶 , 贾子寒 , 沈骜 , 方媛 , 石铎 , 王亚楠 , 聂臻霖 , 陈光明 , 刘丹月 , 刘少聪 , 梁晓明 , 董浩 , 王亚韬 , 戴天弓 , 丁三弟
IPC分类号： G06F16/35 , G06F40/237 , G06F40/289 , G06F40/30 , G06Q50/50 , H04W16/22
摘要： 本发明实施例公开了一种小区分类方法及装置，方法包括：获取小区的工程参数进行拼接处理，得到拼接字符串；对拼接字符串进行切词处理，得到包含多个分词的词表；将词表输入至预设词向量模型中，得到各个分词对应的词向量；根据各个分词的词向量计算得到小区向量，并对小区向量进行聚类处理，根据聚类结果确定小区对应的类别。本发明利用工程参数进行拼接，将拼接字符串转化为向量表示，映射至语义空间之中，再基于语义空间可以计算小区之间的距离，语义上越相似的小区距离越近，从而可以对小区进行聚类，准确划分小区分类，较好地矫正工程参数中数据不准的问题。
-
公开(公告)号：CN116886499A
公开(公告)日：2023-10-13
申请号：CN202210311485.0
申请日：2022-03-28
申请人： 中国移动通信集团设计院有限公司 , 中国移动通信集团有限公司
IPC分类号： H04L41/0631 , H04L41/0677 , H04L41/16 , G06F16/35 , G06F18/214 , G06F18/243 , G06F123/02
摘要： 本发明公开了一种基站故障根因的预测方法、装置及设备，所述方法包括：获取基站的告警数据；对所述告警数据进行特征挖掘处理，得到目标数据特征；将所述目标数据特征输入训练好的基站根因预测模型中进行预测处理，得到所述告警数据对应的根因。通过上述方式，本发明实现了在网络基站运维中对基站告警进行及时高效的定界定位，提高网络运维效率。
-
公开(公告)号：CN113825162A
公开(公告)日：2021-12-21
申请号：CN202010568169.2
申请日：2020-06-19
申请人： 中国移动通信集团设计院有限公司 , 中国移动通信集团有限公司
摘要： 本发明实施例提供一种电信网络故障原因方法及装置，方法包括：获取目标电信网络设备在历史时间段发出的告警消息，对所有所述告警消息进行统计，获取所述告警消息的统计特征；将所有所述告警消息按照发出的时间先后顺序进行拼接，生成所述告警消息的时间序列；将所述告警消息的统计特征和时间序列输入基于注意力机制的神经网络模型中，输出所述目标电信网络设备属于每种预设故障原因的概率，将最大概率对应的所述预设故障原因作为所述目标电信网络设备的故障原因。本发明实施例可以快速准确定位目标电信网络设备的故障原因，提升运维效率，缩短故障处理时长。
-
公开(公告)号：CN118828607A
公开(公告)日：2024-10-22
申请号：CN202310883339.X
申请日：2023-07-18
申请人： 中国移动通信集团设计院有限公司 , 中国移动通信集团有限公司
发明人： 高鹏 , 徐晶 , 王西点 , 董逍 , 方芳 , 任文璋 , 王磊 , 贾子寒 , 聂臻霖 , 石铎 , 王亚楠 , 程楠 , 曾豫 , 曹天骄 , 华程铭 , 何隽飞 , 王显阳 , 李佳袁 , 沈骜 , 郭若沛
摘要： 本发明公开了一种无线网络问题的根因分析方法、装置、设备及存储介质，方法包括：获取待分析小区的原始无线指标表征数据和原始无线网络问题表征数据；将经过预处理过的原始无线指标表征数据和原始无线网络问题表征数据进行匹配，得到无线劣化指标表征数据与无线网络问题表征数据的匹配数据对，对匹配数据对进行关联规则分析，得到匹配数据对的关联权重；利用训练好的无线指标异常检测模型对原始无线指标表征数据进行异常检测，得到无线异常指标表征数据；将无线异常指标表征数据的异常差值和关联权重进行加权求和，得到待分析小区的无线网络问题的根因的推荐系数。本发明实施例能够快速准确进行无线网络问题根因分析。
-
公开(公告)号：CN112836843B
公开(公告)日：2024-04-09
申请号：CN201911168434.1
申请日：2019-11-25
申请人： 中国移动通信集团设计院有限公司 , 中国移动通信集团有限公司
IPC分类号： G06Q10/04 , G06N3/0442 , G06N3/08
摘要： 本发明实施例提供一种基站退服告警预测方法及装置，所述方法包括：获取基站特征数据和基站所在区域的天气信息数据；输入所述基站特征数据和所述天气信息数据至预设基站退服告警预测模型，并将所述预设基站退服告警预测模型的输出结果作为基站退服告警预测结果；其中，所述预设基站退服告警预测模型采用提取所述基站特征数据和所述天气信息数据的样本数据训练循环神经网络得到。所述装置执行上述方法。本发明实施例提供的基站退服告警预测方法及装置，能够提前、准确、高效地进行基站退服告警预测，进而提升网络运维的效率和质量。
-
公开(公告)号：CN113379176B
公开(公告)日：2023-12-19
申请号：CN202010158291.2
申请日：2020-03-09
申请人： 中国移动通信集团设计院有限公司 , 中国移动通信集团有限公司
IPC分类号： G06Q10/0637 , G06Q50/30 , G06F18/214 , G06F18/23213 , G06F18/2433 , G06N20/00
摘要： 异常数据，根据集成学习能够整体上提高检测模本发明实施例提供一种电信网络异常数据 型泛化能力的特征，从而提高了电信网络异常数检测方法、装置、设备和可读存储介质，其中方法 据检测的准确性。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(56)对比文件Ryota Hinami等.Joint Detection andRecounting of Abnormal Events by LearningDeep Generic Knowledge.2017 IEEEinternational Conference on ComputerVision(ICCV).2017,3639-3647.张志平.基于集成方法的异常点检测.信息与电脑（理论版）.2019,第31卷(第20期),48-49.许振等.基于聚类的兴趣区域间异常轨迹并行检测算法.南京师大学报（自然科学版）.2019,第42卷(第1期),59-64.
-
-
-
-
-
-
-
-
-
搜索结果
22 条记录 (耗时 0.046 秒)
