本公开涉及网络运营管理方法及装置、计算机可存储介质，涉及通信技术领域。网络运营管理方法包括：获取网络的历史维护成本数据，其中，历史维护成本数据包括工单数据；更新工单数据的标签；利用机器学习模型，根据网络的历史维护成本数据和更新后的工单数据的标签，预测在指定时间内不同类型的网络的维护成本和/或不同类型的设备的维护成本；根据对在指定时间内不同类型的网络的维护成本和/或不同类型的设备的维护成本的预测结果，生成网络维护策略。根据本公开，提高了网络运营管理效率。提高了网络运营管理效率。提高了网络运营管理效率。
【技术实现步骤摘要】
网络运营管理方法及装置、计算机可读存储介质
[0001]本公开涉及通信
，特别涉及网络运营管理方法及装置、计算机可读存储介质。
技术介绍
[0002]通信行业竞争日趋激烈，成本控制成为提高企业竞争力有效手段。网络维护成本是通信企业的经营成本的重要组成部分。在网络运营管理中，网络维护成本管理是确保网络和业务稳健运行的关键。
[0003]随着网络技术演进和5G网络的大规模部署，网络和用户的规模持续扩大，网络维护成本的需求和实际开支随着资产规模的扩张而逐年上升，这些因素使得成本控制与维护需求增长之间的矛盾日益突出，网络运营管理变得更为复杂。
技术实现思路
[0004]根据本公开的第一方面，提供了一种网络运营管理方法，包括：
[0005]获取网络的历史维护成本数据，其中，历史维护成本数据包括工单数据；
[0006]更新工单数据的标签，其中，标签包括网络的类型标签；
[0007]利用机器学习模型，根据网络的历史维护成本数据和更新后的工单数据的标签，预测在指定时间内不同类型的网络的维护成本和/或不同类型的设备的维护成本；
[0008]根据对在指定时间内不同类型的网络的维护成本和/或不同类型的设备的维护成本的预测结果，生成网络维护策略。
[0009]在一些实施例中，更新工单数据的标签，包括：
[0010]根据关键词词库，确定在工单数据中出现的关键词；
[0011]根据在工单数据中出现的关键词，生成工单数据的标签；
[0012]在一些实施例中，在原始的标签与生成的标签不一致的情况下，用生成的标签替换原始的标签。
[0013]在一些实施例中，在原始的标签与生成的标签不一致的情况下，用生成的标签替换原始的标签，包括：
[0014]在工单数据的原始的标签为空值的情况下，用生成的标签替换原始的标签。
[0015]在一些实施例中，根据在工单数据中出现的关键词，生成工单数据的标签，包括：
[0016]根据在工单数据中出现次数最多的关键词的标签，生成工单数据的标签。
[0017]在一些实施例中，利用机器学习模型，根据网络的历史维护成本数据和更新后的工单数据的标签，预测在指定时间内不同类型的网络的维护成本，包括：
[0018]针对不同类型的网络，利用机器学习模型，根据与网络对应的历史成本维护数据和网络的类型标签，从多种指标中选择与每种类型的网络对应的目标指标，其中，目标指标与对应类型的网络的维护成本之间的相关度大于其他指标；
[0019]根据目标指标，预测在指定时间内对应的网络的维护成本。
[0020]在一些实施例中，机器学习模型包括决策树。针对不同类型的网络，利用机器学习模型，根据与网络对应的历史成本维护数据和更新后的网络的类型标签，从多种指标中选择与每种类型的网络对应的指标，包括：
[0021]针对不同类型的网络，利用决策树，根据与网络对应的历史成本维护数据和更新后的网络的类型标签，从多个指标中选择与每种类型的网络对应的目标指标。
[0022]多个指标包括固定资产数量、设备数量和设备端口数量的至少一个。
[0023]在一些实施例中，根据网络的历史维护成本数据和更新后的工单数据的标签，预测在指定时间内不同类型的设备的维护成本，包括：针对不同类型的设备，根据历史维护成本数据和更新后的工单数据的标签，利用时序模型，预测在指定时间内设备的维护成本。
[0024]在一些实施例中，根据网络的历史维护成本数据和更新后的工单数据的标签，预测在指定时间内不同类型的设备的维护成本，包括：
[0025]按照预设时间间隔，划分历史维护成本数据，得到历史维护成本数据的时间序列；
[0026]针对不同类型的设备，根据历史维护成本数据的时间序列和更新后的设备的类型标签，利用时序模型，预测在指定时间内设备的维护成本。
[0027]在一些实施例中，根据对在指定时间内不同类型的网络的维护成本和/或不同类型的设备的维护成本的预测结果，生成网络维护策略，包括：
[0028]根据对在指定时间内不同类型的网络的维护成本和/或不同类型的设备的维护成本的预测结果，判断是否实施指定的网络维护项目。
[0029]在一些实施例中，根据对在指定时间内不同类型的网络的维护成本和/或不同类型的设备的维护成本的预测结果，生成网络维护策略，包括根据在指定时间内不同类型的网络的维护成本和/或不同类型的设备的维护成本的预测结果，以及以下至少一项，生成网络维护策略：
[0030]告警数据、网络质量、营收额、网络运行年限、承载用户数量和用户投诉率。
[0031]在一些实施例中，获取网络的历史维护成本数据，包括：
[0032]从多种系统获取网络的历史维护成本数据，其中，多种系统包括网管系统、资源系统、工单系统和分析系统的至少一个。
[0033]在一些实施例中，网络运营管理方法还包括：
[0034]通过对多种系统进行关联，在其中一种系统的维护成本数据更新的情况下，更新其他系统的维护成本数据。
[0035]根据本公开的第二方面，提供了一种网络运营管理装置，包括：
[0036]获取模块，被配置为获取网络的历史维护成本数据，其中，历史维护成本数据包括工单数据；
[0037]更新模块，被配置为更新工单数据的标签，其中，标签包括设备的类型标签和网络的类型标签；
[0038]预测模块，被配置为利用机器学习模型，根据网络的历史维护成本数据和更新后的工单数据的标签，预测在指定时间内不同类型的网络的维护成本和/或不同类型的设备的维护成本；
[0039]生成模块，被配置为根据对在指定时间内不同类型的网络的维护成本和/或不同类型的设备的维护成本的预测结果，生成网络维护策略。
[0040]根据本公开的第三方面，提供了一种网络运营管理装置，包括：
[0041]存储器；以及
[0042]耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行根据本公开任一实施例所述的网络运营管理方法。
[0043]根据本公开的第四方面，提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储有计算机指令，所述指令被处理器执行时实现根据本公开任一实施例所述的网络运营管理方法。
附图说明
[0044]构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。
[0045]参照附图，根据下面的详细描述，可以更加清楚地理解本公开，
[0046]其中：
[0047]图1示出根据本公开一些实施例的网络运营管理方法的流程图；
[0048]图2示出了根据本公开一些实施例的数据来源的示意图；
[0049]图3示出根据本公开一些实施例的网络运营管理方法的示意图；
[0050]图4示出根据本公开一些实施例的网络运营管理装置的框图；
[0051]图5示出根本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种网络运营管理方法，包括：获取网络的历史维护成本数据，其中，历史维护成本数据包括工单数据；更新工单数据的标签，其中，标签包括网络的类型标签；利用机器学习模型，根据网络的历史维护成本数据和更新后的工单数据的标签，预测在指定时间内不同类型的网络的维护成本和/或不同类型的设备的维护成本；根据对在指定时间内不同类型的网络的维护成本和/或不同类型的设备的维护成本的预测结果，生成网络运营管理策略。2.根据权利要求1所述的网络运营管理方法，其中，更新工单数据的标签，包括：根据关键词词库，确定在工单数据中出现的关键词；根据在工单数据中出现的关键词，生成工单数据的标签。3.根据权利要求2所述的网络运营管理方法，其中，更新工单数据的标签，包括：在原始的标签与生成的标签不一致的情况下，用生成的标签替换原始的标签。4.根据权利要求3所述的网络运营管理方法，在原始的标签与生成的标签不一致的情况下，用生成的标签替换原始的标签，包括：在工单数据的原始的标签为空值的情况下，用生成的标签替换原始的标签。5.根据权利要求2所述的网络运营管理方法，其中，根据在工单数据中出现的关键词，生成工单数据的标签，包括：根据在工单数据中出现次数最多的关键词的标签，生成工单数据的标签。6.根据权利要求1所述的网络运营管理方法，其中，利用机器学习模型，根据网络的历史维护成本数据和更新后的工单数据的标签，预测在指定时间内不同类型的网络的维护成本，包括：针对不同类型的网络，利用机器学习模型，根据与网络对应的历史成本维护数据和网络的类型标签，从多种指标中选择与每种类型的网络对应的目标指标，其中，目标指标与对应类型的网络的维护成本之间的相关度大于其他指标；根据目标指标，预测在指定时间内对应的网络的维护成本。7.根据权利要求6所述的网络运营管理方法，其中，机器学习模型为决策树模型。8.根据权利要求6所述的网络运营管理方法，其中，多种指标包括固定资产数量、设备数量和设备端口数量的至少一种。9.根据权利要求1所述的网络运营管理方法，其中，根据网络的历史维护成本数据和更新后的工单数据的标签，预测在指定时间内不同类型的设备的维护成本，包括：针对不同类型的设备，根据历史维护成本数据和更新后的工单数据的标签，利用时序模型，预测在指定时间内设备的维护成本。10.根...
【专利技术属性】
技术研发人员：王允，刘阳，张晖，解文旭，王燕川，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。