基站分级方法及装置制造方法及图纸

本发明专利技术实施例提供一种基站分级方法及装置，该方法包括：根据预设维度获取样本数据，并从所述样本数据中获取训练数据集；对所述训练数据集进行筛选，获取与各维度的相关度高于预设阈值的数据，并根据所述数据建立逻辑回归模型；校正所述逻辑回归模型，并根据校正后的逻辑回归模型确定各维度对应的权重；根据所述各维度对应的权重计算基站的评分，并根据所述基站的评分对所述基站进行分级。本发明专利技术实施例提供的基站分级方法及装置，能够提高基站分级的准确性，有利于基站运维资源的优化配置。

【技术实现步骤摘要】
基站分级方法及装置
本专利技术实施例涉及通信
，尤其涉及一种基站分级方法及装置。
技术介绍
基站分级是根据基站数据对基站重要程度进行划分的一种方式。基站分级在基站的优化和运维中具有重要的指向作用。现有技术中，基站的等级是根据基站的话务量来进行划分的。但是随着移动互联网的发展，用户应用网络业务的现象越来越普遍，单纯根据话务量的指标已经无法准确的对基站的等级进行定位，因此，急需一种全新的基站等级划分方法，以便对基站的等级进行精确的划分。
技术实现思路
本专利技术实施例提供一种基站分级方法及装置，用以提高基站分级的准确率，实现基站运维资源的精准配置。本专利技术实施例第一方面提供一种基站分级方法，该方法包括：根据预设维度获取样本数据，并从所述样本数据中获取训练数据集；对所述训练数据集进行筛选，获取与各维度的相关度高于预设阈值的数据，并根据所述数据建立逻辑回归模型；校正所述逻辑回归模型，并根据校正后的逻辑回归模型确定各维度对应的权重；根据所述各维度对应的权重计算基站的评分，并根据所述基站的评分对所述基站进行分级。本专利技术实施例第二方面提供一种基站分级装置，该装置包括：第一获取模块，用于根据预设维度获取样本数据，并从所述样本数据中获取训练数据集；第二获取模块，用于对所述训练数据集进行筛选，获取与各维度的相关度高于预设阈值的数据；模型建立模块，用于根据所述数据建立逻辑回归模型；校正模块，用于校正所述逻辑回归模型；确定模块，用于根据校正后的逻辑回归模型确定各维度对应的权重；分级模块，用于根据所述各维度对应的权重计算基站的评分，并根据所述基站的评分对所述基站进行分级。本专利技术实施例第三方面提供一种基站分级装置，该装置包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为：根据预设维度获取样本数据，并从所述样本数据中获取训练数据集；对所述训练数据集进行筛选，获取与各维度的相关度高于预设阈值的数据，并根据所述数据建立逻辑回归模型；校正所述逻辑回归模型，并根据校正后的逻辑回归模型确定各维度对应的权重；根据所述各维度对应的权重计算基站的评分，并根据所述基站的评分对所述基站进行分级。本专利技术实施例提供的基站分级方法及装置，通过根据训练数据集中与各维度的相关度高于预设阈值的数据建立逻辑回归模型，并通过逻辑回归模型确定各维度对应的权重，从而根据各维度对应的权重计算基站的评分，并根据基站的评分对基站进行分级，提高了基站分级的准确率，有益于基站运维资源的精确配置。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术一实施例提供的基站分级方法的流程示意图；图2为本专利技术另一实施例提供的基站分级方法的流程示意图；图3为本专利技术一实施例提供的基站分级装置的结构示意图；图4为本专利技术另一实施例提供的基站分级装置的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术的说明书和权利要求书的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤的过程或结构的装置不必限于清楚地列出的那些结构或步骤而是可包括没有清楚地列出的或对于这些过程或装置固有的其它步骤或结构。图1为本专利技术一实施例提供的基站分级方法的流程示意图，该方法可以由一基站分级装置来执行，如图1所示，本实施例提供的基站分级方法包括如下步骤：步骤S101、根据预设维度获取样本数据，并从所述样本数据中获取训练数据集。预设维度是根据实际工程场景具体设定的。本实施例中的工程场景是基站的等级划分，因此，本实施例中预设维度优选可以包括基站的基本情况、基站用户价值、基站用户稳定度以及基站用户业务使用量等四个维度，其中：基站基本情况，主要包括基站类型(2G/3G/4G)、投诉率、地理位置及历史使用时长四个方面，根据这四个方面的不同状态结合对应的权重给予基站基本情况相应的分值，该分值将计入该基站的评级。基站用户价值，主要包括用户当前价值和未来潜在价值两个方面。例如用户当前价值可以包括用户的出账金额，增值业务金额等，用户的未来潜在价值可以包括用户的潜在消费水平、用户忠诚度以及用户信用度等。其中，用户的潜在消费水平可以是根据用户当前的终端类型、套餐类型等，确定的用户可升级的终端类型和套餐类型。根据用户当前价值和未来潜在价值这两个方面以及对应的权值给予基站用户价值相应的分值，该分值将计入该基站的评级。基站用户稳定度，主要体现在用户使用业务的稳定度上，它由用户使用各项业务的频次，以及最后使用时间等指标构成，这些指标说明用户是否有稳定的业务使用习惯。根据用户使用各项业务的频次以及最后使用时间等指标以及各项指标对应的权值，给予基站用户稳定度一个相应的分值，该分值将计入该基站的评级。进一步的，在确定预设的维度后，可以对各维度进行相关性分析。以基站用户价值为例，可以根据决定基站用户价值的因素，确定基站用户价值对应的数据应包括代表用户出账金额的相关数据以及代表增值业务金额的相关数据。在确定各维度对应的相关数据后，从基站的数据库中获取相应的相关数据形成样本数据。再进一步的，在获取样本数据后，可以按照预设的策略从样本数据中获取部分数据作为训练数据集，也可以将样本数据全部作为训练数据，在这里不做限定。其中，所述预设策略可以是根据需要具体设置的，在这里同样不做限定。步骤S102、对所述训练数据集进行筛选，获取与各维度的相关度高于预设阈值的数据，并根据所述数据建立逻辑回归模型。在每个维度对应的相关数据中，不同属性(例如，年龄、性别等)的数据在对应维度的相关数据中占据的比例可能不同，即有些属性的数据可能是影响对应维度的主要因素，而有些属性的数据可能对对应维度的影响很小。例如在基站用户价值维度中，不同年龄段的用户在基站的增值业务中所占的比例不同。因此，只要获取占据主要因素的属性对应的数据即可代表对应维度的特性。本实施例中，首先通过皮尔森系数确定训练数据中各属性数据与各维度的相关度，并将各属性数据与各维度的相关度与预设的阈值进行比较，若相关度高于预设阈值，则从训练数据集中获取对应的数据。在这里需要说明的是，影响每个维度的主要属性可能是一个也可能是多个。进一步的，在对训练数据集进行筛选获得与各维度相关度较高的数据后，即可根据获得的数据建立逻辑回归模型。以预设维度包括基站的基本情况、基站用户价值、基站用户稳定度以及基站用户业务使用量四个维度为例，在根据上述获取训练数据集的方法获得训练数据集后，可以根据皮尔森系数对训练数据集中基站用户价值维度和基站用户稳定度维度对应的数据进行相关度分析，并从训练数据集获取与这两个维度的相关度高于预设阈值的数据属性对应的数据，并根据该数据建立逻辑回归模型。在这里需要说明说的是，逻辑回归模型的建立方法与现有技术类似，本文档来自技高网...

【技术保护点】
一种基站分级方法，其特征在于，包括：根据预设维度获取样本数据，并从所述样本数据中获取训练数据集；对所述训练数据集进行筛选，获取与各维度的相关度高于预设阈值的数据，并根据所述数据建立逻辑回归模型；校正所述逻辑回归模型，并根据校正后的逻辑回归模型确定各维度对应的权重；根据所述各维度对应的权重计算基站的评分，并根据所述基站的评分对所述基站进行分级。

【技术特征摘要】
1.一种基站分级方法，其特征在于，包括：根据预设维度获取样本数据，并从所述样本数据中获取训练数据集；对所述训练数据集进行筛选，获取与各维度的相关度高于预设阈值的数据，并根据所述数据建立逻辑回归模型；校正所述逻辑回归模型，并根据校正后的逻辑回归模型确定各维度对应的权重；根据公式计算基站的评分，并根据所述基站的评分对所述基站进行分级,其中，Q为基站的评分，Xi为维度i对应的赋值结果，Ri为维度i对应的权重，维度i为正整数。2.根据权利要求1所述的方法，其特征在于，所述根据预设维度获取样本数据，包括：对各预设维度进行相关性分析，确定各维度对应的相关数据；从基站数据库中获取各维度对应的相关数据形成所述样本数据。3.根据权利要求1所述的方法，其特征在于，所述对所述训练数据集进行筛选，获取与各维度的相关度高于预设阈值的数据，并根据所述数据建立逻辑回归模型，包括：利用皮尔森系数确定所述训练数据集中与各维度相关度高于预设阈值的数据的属性；根据所述数据的属性，从所述训练数据集中获取对应的数据，并根据所述数据建立所述逻辑回归模型。4.根据权利要求3所述的方法，其特征在于，所述根据校正后的逻辑回归模型确定各维度对应的权重，包括：从所述样本数据中获取测试数据集；将所述测试数据集输入所述逻辑回归模型进行各维度间的相关性分析，并根据分析结果确定各维度对应的权重。5.一种基站分级装置，其特征在于，包括：第一获取模块，用于根据预设维度获取样本数据，并从所述样本数据中获取训练数据集；第二获取模块，用于对所述训练数据集进行筛选，获取与各维度的相关度高于预设阈值的数据；模型建立模块，用于根据所述数据建立逻辑回归模型；校正模块，...

【专利技术属性】
技术研发人员：赵静宜，许强，黑昱冬，王娜，迟建，张雨欣，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：北京;11