摘要：主要介绍了基于机器学习方法的设备监控指标的模型设计与实现。基于时间序列算法,从生产实际出发,在不同应用场景下对不同厂商,甚至是同一厂商内不同设备,不同版本,设计和构建了“冷启动”的指标预测模型。使得指标的预测“千人千面”,并同时达成数据闭环和模型更新的效果。在应用上主要用于监控不同维度的网络业务恶化的问题。

摘要：当前室分小区隐性故障排查主要依赖人工巡检,存在现场测试排查周期长、对人工经验依赖严重、用户感知差等问题。提出基于多策略融合的室分小区隐性故障发现方法,利用8种KPI指标,使用Prophet算法确定动态阈值,通过研究指标重要性调整策略和修正非连续异常值策略相融合的多策略故障诊断,实现对室分隐性故障的快速定位。根据上述方法构建室分健康监控体系,辅助运维人员快速定位与修复隐性故障,提升用户感知。

摘要：首先分析了人工智能在运营商网络建设、规划、运营、优化、维护等方面的重要意义,以及使用人工技能技术的痛点,横向对比互联网厂商以及各大运营商的AI平台建设思路后,详细介绍中国联通面向网络的AI平台的建设目标、建设情况以及创新举措,最后展望网络AI平台未来的演进计划。

摘要：提出基于ERNIE序列标注的地址分级模型进行地址提取识别,将地址分级问题转换为一个序列标注的NLP问题。首先将原始待分级地址文本输入到训练好的ERNIE命名实体识别算法训练模型中,得到11级地址的粗略分级;然后应用AC自动机算法,对地址的前5级地址进行补全或纠正,再通过正则化匹配对地址后4级进行纠正。提出的模型不仅可以提高地址解析的准确率,还可以对错误地址进行纠正,最后将模型用于真实数据集,验证了方法的有效性。

摘要：无线网络质量是运营商的命脉与核心,合理的无线网络规划能够保障网络覆盖范围广、干扰低、系统服务质量高、运营成本低以及网络结构达到最佳。提出了一种基于LightGBM算法的网络信号预测方法,采集基站现有的MR数据,对MR数据进行栅格化,并对栅格化后的数据进行分析处理,通过LightGBM算法对有经纬度的未知地区进行网络信号强度预测,从而实现无线网络优化,保证网络通信质量。