-
公开(公告)号：CN113993153B
公开(公告)日：2023-07-04
申请号：CN202111253202.3
申请日：2021-10-27
Applicant: 中国联合网络通信集团有限公司
IPC: H04W24/06
Abstract: 本发明提供一种人群聚集预测方法、装置、设备和计算机可读存储介质，包括：根据接入基站的终端的访问数据确定基站的基站向量；根据基站的预测时间段确定基站的独热向量；根据基站向量、独热向量以及预设模型预测基站在预测时间段内连接的终端的第一数量；根据各个访问数据获取基站在预测时间段所连接的终端的历史数量以及图模型，预测基站在预测时间段连接终端的第二数量；在第一数量以及第二数量线性融合得到的数量大于预设阈值时，基站在预测时间段发生人群聚集。本发明中，充分利用访问数据获取基站的基站向量以及基站连接的终端的历史数量，且第一数量以及第二数量的融合准确的预测基站是否发生人群聚集，提高了人群聚集预测的准确性。
-
公开(公告)号：CN113891385A
公开(公告)日：2022-01-04
申请号：CN202111276703.3
申请日：2021-10-29
Applicant: 中国联合网络通信集团有限公司
IPC: H04W24/08
Abstract: 本申请提供的一种网络设备的链路状态的检测方法、装置及设备，首先获取接入移动性管理网元的网络设备的数据，随后，根据网络设备的数据和移动性管理网元池的数据，确定网络设备对应的移动性管理网元池，最后，根据网络设备对应的移动性管理网元池，确定网络设备的异常链路。本申请提供的网络设备的链路状态的检测方法，由于可以定期获取网络设备的数据和移动性管理网元池的数据并进行处理分析，确定网络设备的异常链路，从而可以及时地发现网络设备的异常链路，减少了对用户通信业务的影响。
-
公开(公告)号：CN116010830A
公开(公告)日：2023-04-25
申请号：CN202211673152.9
申请日：2022-12-26
Applicant: 中国联合网络通信集团有限公司
IPC: G06F18/23 , G06F18/241 , G06Q10/02 , G06Q10/0631 , G06Q50/30
Abstract: 本发明提供一种网约车司机识别方法、装置、服务器及存储介质，该方法包括：获取网约车平台的司机端App中的第一网络地址和乘客端App中的第二网络地址，若第一和第二网络地址中不存在相同字段，则将访问过第一网络地址的用户标记为网约车司机；若存在相同字段，则在用户移动网络详单中筛选出使用过网约车平台的用户集合；在用户移动网络详单中统计每个用户的至少一个平台使用特征和至少一个空间移动特征；将这些特征的特征值进行处理，根据处理后的数据从所有用户中筛选并标记出网约车司机。本发明通过从用户的移动网络详单中提取特征，根据特征从所有平台用户中标记出网约车司机，实现对只有网络详单而没有职业标签的用户进行识别。
-
公开(公告)号：CN115758195A
公开(公告)日：2023-03-07
申请号：CN202211442002.7
申请日：2022-11-17
Applicant: 中国联合网络通信集团有限公司
IPC: G06F18/23213 , G06F16/955 , G06F18/214 , G06Q10/0631
Abstract: 本申请实施例提供一种外卖员社群识别算法的训练方法和外卖员社群识别方法，涉及大数据分析和机器学习技术领域，包括：获取预设天数中，用户每日使用第一外卖软件的使用记录，对使用记录进行特征提取，获得用户每日的行为特征向量，并采用K‑Means聚类算法对行为特征向量进行聚类，获得聚类结果，将聚类结果中符合预设条件的聚类簇中的用户标记为第一外卖员，根据第一外卖员与第二外卖员的重合度对K‑Means聚类算法进行训练，得到训练完成的K‑Means聚类算法。通过第一外卖软件中的特定字段作为标签，对聚类算法进行训练，得到的训练完成的外卖员社群识别算法，通过该算法对无标签的外卖员进行社群识别，可以提高外卖员社群识别的准确性。
-
公开(公告)号：CN111510940A
公开(公告)日：2020-08-07
申请号：CN202010291351.8
申请日：2020-04-14
Applicant: 中国联合网络通信集团有限公司
Abstract: 本发明实施例提供一种信令分析方法及设备，该方法包括：通过获取初始样本信令中事务状态为信令成功的非正常信令，由流程失败的信令和非正常信令确定分析目标和分析样本，并根据分析目标获取分析属性，最后根据分析目标、分析样本及分析属性确定关联规则，由分析人员根据关联规则分析网络故障原因。本发明实施例通过发现成功信令中的非正常信令，并根据分析目标、分析样本及分析属性确定关联规则，提高了故障分析的效率及网络故障定位的准确性。
-
Patent Agency Ranking
公开(公告)号：CN116074889A
公开(公告)日：2023-05-05
申请号：CN202211729551.2
申请日：2022-12-30
Applicant: 中国联合网络通信集团有限公司
IPC: H04W28/02
Abstract: 本申请提供一种流量包推荐方法、装置及存储介质，涉及通信技术领域，能够解决如何处理用户对流量产品需求动态变化的问题。该方法包括：确定目标历史时间段内多个目标用户的流量使用情况，流量包情况包括通用流量使用情况和定向流量使用情况；基于多个目标用户的流量使用情况，训练得到用户需求预测模型，一个目标用户的流量使用情况包括一个目标用户已使用的通用流量以及已使用的定向流量之和；采用用户需求预测模型，预测得到每个目标用户在第一时间段的流量需求值，并基于每个目标用户在第一时间段的流量需求值、以及每个目标用户的剩余流量，确定每个目标用户的流量缺口值；基于每个目标用户的流量缺口值，为每个目标用户推荐流量包组合。
-
公开(公告)号：CN114926227A
公开(公告)日：2022-08-19
申请号：CN202210673055.3
申请日：2022-06-15
Applicant: 中国联合网络通信集团有限公司
Abstract: 本申请提供一种评分预测模型训练方法、装置、电子设备及存储介质，涉及机器学习领域。所述方法包括：根据用户的特征向量、对象的特征向量以及所述用户对所述对象的评分，建立二部图；基于所述二部图，获得训练数据，所述训练数据包括所述二部图中存在连边的第一用户节点和第一对象节点的一跳子图以及所述一跳子图对应的连边的权重；根据所述训练数据进行模型训练，得到经过训练的所述评分预测模型。以上方案，通过用户和对象的特征向量建立二部图来训练评分预测模型，可以得到相对稳定的评分预测模型，避免评分预测模型的重新训练，提高评分预测效率。
-
公开(公告)号：CN117574128A
公开(公告)日：2024-02-20
申请号：CN202311516711.X
申请日：2023-11-14
Applicant: 中国联合网络通信集团有限公司
IPC: G06F18/213 , G06F18/23 , G06F18/23213 , G06F18/24 , G06F18/22 , G06Q20/40 , G06N20/00
Abstract: 本申请提供一种用户识别方法、用户识别模型训练方法及装置，涉及机器学习技术领域，用于解决识别用户类型的准确性低的问题。该方法包括：获取待识别用户的目标特征信息。将目标特征信息输入训练后的第一用户识别模型，得到目标状态信息，第一用户识别模型用于识别用户在订购业务时对业务信息的了解状态。将目标特征信息和目标状态信息输入训练后的第二用户识别模型，得到目标聚类中心，第二用户识别模型用于确定用户对应的聚类中心。根据第一预设对应关系，确定目标聚类中心对应的目标用户类型，目标用户类型用于指示待识别用户的用户类型，第一预设对应关系包括多个预设聚类中心与多个预设用户类型之间的对应关系。
-
公开(公告)号：CN111510940B
公开(公告)日：2023-02-28
申请号：CN202010291351.8
申请日：2020-04-14
Applicant: 中国联合网络通信集团有限公司
Abstract: 本发明实施例提供一种信令分析方法及设备，该方法包括：通过获取初始样本信令中事务状态为信令成功的非正常信令，由流程失败的信令和非正常信令确定分析目标和分析样本，并根据分析目标获取分析属性，最后根据分析目标、分析样本及分析属性确定关联规则，由分析人员根据关联规则分析网络故障原因。本发明实施例通过发现成功信令中的非正常信令，并根据分析目标、分析样本及分析属性确定关联规则，提高了故障分析的效率及网络故障定位的准确性。
-
公开(公告)号：CN113891385B
公开(公告)日：2023-10-31
申请号：CN202111276703.3
申请日：2021-10-29
Applicant: 中国联合网络通信集团有限公司
IPC: H04W24/08
Abstract: 本申请提供的一种网络设备的链路状态的检测方法、装置及设备，首先获取接入移动性管理网元的网络设备的数据，随后，根据网络设备的数据和移动性管理网元池的数据，确定网络设备对应的移动性管理网元池，最后，根据网络设备对应的移动性管理网元池，确定网络设备的异常链路。本申请提供的网络设备的链路状态的检测方法，由于可以定期获取网络设备的数据和移动性管理网元池的数据并进行处理分析，确定网络设备的异常链路，从而可以及时地发现网络设备的异常链路，减少了对用户通信业务的影响。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.043 seconds)
