无线网络智能化的探索和应用

摘  要

随着5G网络的完善和5G流量的快速增长，如何满足网络连接的多样化需求，提升客户感知保障能力，成为网络运营智能化的关键点。介绍了某省联通在无线网络智能化、潜在贬损用户识别与感知提升方面所做的探索与实践，通过整合XDR话单和专业网管等多源数据，引入熵权法、分层二元评分法等科学算法模型，结合用户体验回访结果不断迭代优化算法，实现了对潜在贬损用户的有效识别，同时在感知驱动网络问题闭环解决方面也取得了较好的效果。

   0 1  

无线网络智能化背景

随着中国电信和中国联通（下称“电联”）4G共建共享的深入和5G网络的日益完善，现网3G/4G/5G多网共存，受多频段/多站型组合、电联一张网整合、多厂家协同等影响，移动网络优化与客户感知保障难度日益增加。同时，网络智能化已经成为电信运营商网络发展的战略目标，三大运营商均面向2025年L4目标，积极研发和应用AI/网络大模型、内生智能等前沿技术，移动网络自动化与智能化成为运营商数字化转型的关键。

充分挖掘现有多源数据、引入算法模型，结合现网不断迭代的优化算法，识别潜在贬损用户，达到以客户感知驱动建、维、优问题闭环解决，不仅是运营商优先要提升的能力，也是目前移动网络客户感知提升的迫切需求。

   0 2   

潜在贬损模型助力客户感知提升

2.1 贬损模型原理

当用户感知体验变差时，会增加投诉和贬低运营商网络的情况。如何提前识别用户感知体验差成为迫切需要解决的问题。以用户感知为中心的网络优化核心是通过精准的用户感知画像，区分出潜在贬损用户，以潜在贬损用户为抓手，完成问题汇聚识别并开展问题整治，主动提升网络质量和用户满意度（见图1）。

图1 潜在投诉和贬损用户模型

为更好地衡量同一个业务内不同指标之间的权重，采用业界比较科学的熵权法进行权重划分。根据信息论中信息熵的定义，一组数据的信息熵可由式（1）来表示：

Ej=log2

×