《浅析大数据在移动通信中的应用策略》7200字

第三章大数据分析在移动通信网络优化中的应用策略3.1移动通信网络优化数据分析应用难点虽然大数据分析功能强大，但在移动通信网络优化方面仍存在诸多困难，具体体现在以下几个方面3.1.1安全问题大数据分析主要包括数据分析、存储和处理。分析大数据主要是看数字，而不是看它是否存在。就云存储技术而言，对于云控制来说，如果用户把所有的数据都上传到云端，就等于把所有的安全风险都放在云端。在未来的世界中，通信泄露所造成的后果和问题的数量是无法估计的。因此，解决移动通信中的安全问题也是以前的一个重要方向。3.1.2移动通信网络用户业务的多元化在当今社会，由于使用手机、平板电脑等移动电子设备的用户众多，相对而言，不同的用户希望使用不同的服务。举一个非常常见的例子，于机用户之中,少者普用机衡、平板、游戏、视频等事,而中年益多用设备。相反,用度不可避也。例如，在某个WIFI覆盖范围内，上网的人越来越多，导致网络拥塞。此时或有用户方用低流微业,亦有厌用之事。夫网络用户之多,通络之数分散,甚分难治。夫大数析之,此巨挑也。3.1.3移动通信网络数据过于庞大当移动通信网络还处于起步阶段时，大多数用户都是相对年轻的用户，产生的数据量有限。它们的收集、分析、存储和应用都很简单。然随国经济,世务相终,相对而言,移通网之所被,广之不绝,益之无已,渗之万家。故移通道之不可避地而生大数。而理析之属亦非常繁剧,故亦一难也。3.1.4需要投入大量建设资金就数据分析而言，虽然它已经普及了几十年，但事实上，在今天的中国，这项技术的使用仍然是非常平凡的，尤其是在移动通信数据分析方面。方之于用,吾国犹多有差,是大资人物之基也。是以因大数而析信移者,必以为性。延岁月,益资入焉。兼兼一台之内,人物力也。3.2大数据分析在移动通信网络优化中的应用策略一般来说，在移动通信网络优化中，大数据分析技术的应用可以分为四个阶段，也可以称之为四个阶段。初步部分:明确优化的内容和目标，并为相关的优化做好准备测试阶段:测试数据优化分析阶段:优化对象主要是存储数据，工作人员仔细分析研究信号覆盖和信号切换，并提出最终解决方案。最优调整阶段:背景参数、天线射频等内容是最优调整的主要对象。背景参数优化可以及时发现和调整错误的参数，避免通信故障，保证通信行业的健康发展。优化和调整天线的射频特性可以改善用户体验，满足用户需求，对提高通信质量具有重要意义。3.2.1利用大数据获取移动通信网络数据原有的移动通信网络数据处理方法效率低、精度低，难以满足移动通信网络发展的需要。在优化过程中，如何有效地获取海量数据资源成为一个关键问题。大数据分析在移动通信网络中的应用优势明显。先置算网大数析中,可令移通信公司员工不复事杂作,省其事量。又大率析中,数之与准性,皆有高下。3.2.2挖掘移动通信网络数据数据在移动通信网络优化中，挖掘是最困难的任务之一。为了使移动通信网络正常运行，有必要使用数据挖掘系统对大量的数据信息进行分析，深入挖掘信息之间的相互关系，为移动通信网络的正常运行提供数据支持。数掘者,强力之智也。数掘之于移通之术者,大可兴致,为企致之功也。其全大解全性相关,掘地数时,尚当与数析、漉漉、数取、聚聚,以趣移通。3.2.3制定健全的大数据技术管理机制在移动通信中，数据安全是大数据分析面临的最大问题。为移通企业,立完大数,析析众多,支移网络,以为必制。又因企业所行,移通业以充身术,尽可保数,兼引益众,以为身保。

第四章基于关联规则的网络投诉数据分析网络投诉服务正逐渐成为移动通信网络中各个运营商关注的焦点。“网络投诉”是指移动通信用户在使用移动通信服务过程中发现的与移动通信网络相关的问题，如掉线、串线、杂音、无法连接、无法接入、速率慢等。4.1网络投诉工作的困境随着移动通信网络的发展，以及移动用户的不断增加，尤其是近两年移动互联网的迅猛发展，人们对移动通信网络的投诉呈几何级数的增加。在网络建设初期，基站少、规模小、用户少，及时解决了网络中存在的问题。然络网逐渐扩大，用户越来越多，如其市网移数以年前的三十万众，为现在的二百万，增长迅速。网商亦由初日约5单，上升至今日100单以上。从这一点可以看出，投诉的增长速度远远高于网络用户。对于每一起投诉，移动运营商都需要安排专人进行电话回访，现场检查，网络调整。大言不惭，其事多者，此亦此时此刻动而移商之贾者也。而今夫网络优者，多数而分之，以合其意，与其用词而得也，并归为同一类网络投诉。4.2投诉分析与问题定位怎样分析和定位大量的网络投诉，是现有网络优化人员迫切需要解决的问题。通过网络优化人员对后台数据的分析和定位，上门客户回访，DTCQT测试等工作，对移动通信网络投诉的发生进行了初步的分类，大致可以把网络投诉的发生分为网络原因、非网络原因和其他原因。不是网络之所由，往往是小占。如果每投诉一位用户，必遣良人诣门而试之，无疑增移通网络，以优其力，亦减其诉效，更不能急解户间，升降知觉，糜费日月。通过对网络后台数据的分析定位，用户投诉内容的分析定位，用户投诉的内容、地点和业务类型的关联分析，能够快速地对问题进行分析、定位，提高移动通信用户投诉工作的效率。关联度分析能够快速地分析、定位问题，提高移动通信用户投诉处理效率。4.3基于关联规则的网络投诉分析模型针对上面中网络关联规则中的问题与网络投诉分析，本文使用历史数据的对关键规则预计投诉分类等等类型进行了模型建立，在关于以上两种的模型的建立中，无论是最终趋向哪种类别，使用的历史数据都是要用到理论数据来进行制成的，回归与分类都不例外，因此对于建立模型的数据获取，就显得的尤为重要，因为质量高的数据得到的模型预测精度与分类准确性就越高，因此，基于关联数据的网络投诉分析模型的建立前期重点工作为数据采集与清洗，为后续建立高质量的模型提供基础。4.3.1网络投诉数据采集本次模型中对于网络中的投诉数据获取与采集主要集中在某个相关地区的某时段的GSM在线投诉意见数据，由于数据库具有在线同时可以直接于运营商进行对接的特性，因此在采集的过程中直接对运营商的投诉区进行数据获取即可，由于投诉意见的数据具有公开透明的特性，因此可以直接利用网络爬虫工具或自动获取工具对数据进行自动化采集，可快速、清晰将数据获取，为后面的数据清洗减轻工作量。4.3.2用户业务数据采集在对上述的投诉意见进行相关性的采集之后，下一步要进行的就是对用户的业务数据进行获取，由于用户的业务数据属于私人因素，因此，在对该部分的数据进行获取时，首先要得到合法的信息采集证明，否则就是属于违法侵犯个人隐私在获取到用户业务数据的采集权后，由于本次需要建立的模型为关联分析型的模型，因此对于模型的特征维度而言，需要重点关注用户业务的告警信息、指标信息。只有采集到充足的该部分信息，才可以对下一步的模型建立提供更充分的数据支持4.3.3建立关联分析模型在对模型的数据进行获取与清洗之后，因此具备了建立充分关联分析模型的数据基础，在该类型的数据支撑下，选择网络覆盖特性、网络接入性、童话质量、保持性、通话质量等指标，就可对建立关联分析模型，具体模型相关数据如下所示：表4-1网络投诉评估得分汇总如上表所示，某地区移动通信网络部分评估得分较低的网格内投诉原因主要有:上行覆盖率差、SDCCH拥塞率过高、半速率比例过高、干扰带比例过高等。4.3.4网络投诉问题自动定位对于关联分析模型的建立在上一步就已经算是完成了。但是，分析必须清楚地说明:如何通过计数来决定。这是需要一个大量的分析和聚类的过程。它是建立在对模型的非连结、关系的分析、范畴的数量上的。，如果需要计数，应该使用数据挖掘的方法来聚类。对于模型语言的的自主性是建立在上述模型的基础上的，这在形态分析中也很常见。一是是用文字来混淆，二是用数字分类、筛选、加权和网络的平均数，而用算术来得到递减顺序。可以得到低维度的模型，都有很高的准确率。因此，该理论和关系方式是建立在过去的基础上的。4.4基于关联规则的网络投诉分析的应用对于以上的应用关联可以简要的概述为：用户满意度的评价体系，主要的分析如下：对于某区域某时段的网络优化整体满意度的分析中，如果需要对用户满意度进行评估域分析，那就需要结合通信、通话质量、网络覆盖度、网络持久等指标来进行评估，该部分评估由于针对的人群为该地区的常住人民，因此需要准确的应用结果，需要结合到发放的调查问卷结果来进行综合满意度的指标分析。图4-2评估打分体系雷达图由图上所示，本评估体系有俩个方面，五种网络指标工作：（1）本体系是由多重方面进行综合评估，分别是覆盖率、接入率、保持性、对客户满意度进行较为综合的评估。（2）由对应的KPI指标、上、下行覆盖率来完成评分项。（3）设置评分项下的KPI权重。（4）划分网络，优化管理。（5）划分区域、计算数据（6）网络数据的投诉评估，合理有效的验证打分系统。

五总结伴随着我国经济的逐步提高的发展，我国也慢慢的进入了大数据的时代了，而在当今来说，要把大数据者们技术无疑也是最为适合我们时代的技术，因为在当今时代，刚好存在着无穷无尽由历史堆积起来的数据，而且都是由于真实的人类活动产生的，这毫无疑问代表着，现在当今时代的人民，有着任何时代都无法替代的优势，同时也面临是前所没有的挑战，海量的数据对我们来说，不只是珍贵的资源，也是潜在的威胁，如何用用好这项技术，把它用在当今时代上，作为历史长河的推进器，是我们当代年轻人要更加思考的一部，所以说，一切都应该以用户，推进历史发展的角度出发，去发展，去竞争。

参考文献[1]杨颖航,时欣.数字化时代下的商业银行信贷风险管理研究[J].商业文化,2021,(01):70-71.[2]郝明涛.大数据技术在通信网络优化中的应用研究[J].数字通信世界,2021,(01):187-188.[3]李志敏.物联网应用需求中的5G技术分析[J].电子世界,2020,(24):7-8.[4]丁婕.5G时代新闻编辑的思维创新模式[J].新闻文化建设,2020,(18):166-167.[5]许爱萍,成文.高质量发展视角下天津人工智能产业发展路径研究[J].城市,2020,(12):16-23.[6]陈中康.基于深度学习的高铁移动通信信道预测和信号检测研究[D].南京邮电大学,2020.[7]董喆人.基于5G背景的YZ移动公司流量营销策略优化研究[D].南京邮电大学,2020.[8]刘震.5G技术下的出版内容服务创新路径[J].中国传媒科技,2020,(12):26-28.[9]谢滋红,刘涛,崔洋,陈彬.移动通信网络优化大数据分析[J].软件,2020,41(12):98-100.[10]杨荣,张峻,冒蓉,杨进.基于大数据技术提升宽带质态策略研究[J].江苏通信,2020,36(06):43-46.[11]刘露,温小勇,金安琪.5G+智能技术教育应用：核心场景重构与挑战[J].软件导刊,2020,19(12):235-238.[12]于莎莎.大数据5G移动通信技术的应用及发展前景[J].科技经济导刊,2020,28(35):50-51.[13]杨一萌.大数据对城市营销的影响及应用前景分析[J].当代经济,2020,(12):90-92.[14].中共中央:加快第五代移动通信、工业互联网、大数据中心等建设[J].机电信息,2020,(34):14.[15]杨婷婷.大数据分析在移动通信网络优化中的应用[J].中国新通信,2020,22(23):37-38.[16]康冠强.5G移动通信的关键技术和发展趋势[J].中国新通信,2020,22(23):13-14.[17]杨振.大数据时代互联网企业信息安全与防护策略[J