余立，李哲，高飞，袁向阳，杨永

（1. 中国移动通信有限公司研究院，北京 100053； 2. 中国移动通信集团公司，北京 100033）

1 引言

随着移动互联网发展，我国移动互联网用户突破13亿户，占全球网民规模的32.17%[1]，随着新型技术（如5G、云计算等）的发展，用户对上网速度、稳定性等要求越来越高。

质差用户指在使用移动通信网络服务时，由于网络质量问题或其他因素对服务体验不满的用户。网络质量问题导致的质差用户，对网络服务的满意度会降低，且可能存在投诉、转网等行为。

质差用户群体流失概率较高，他们是各大网络运营商重点关注与关怀对象。传统质差用户识别通过数据采集系统对用户上网过程中产生的行为单据XDR（X data record）进行分析，即可过滤潜在的质差用户。但各用户感知无法统一，不满意原因及不满意的业务也并不一致，传统分析方法可识别的投诉用户比例较低，无法满足现网投诉处理要求。故通过将已存在的满意度低或投诉行为的质差用户与XDR进行关联标注后，利用机器学习算法，实现对质差用户进行分类识别与预测。

通过现网收集的XDR数据中存在以下问题。

• 不同省份网络基础设备存在一定差异，数据中特征字段并不完全相同，且部分字段填充率较低，无法直接利用。

• 数据进行标签化标注时，不同省份字段计算方法可能存在差异，且数据量巨大，导致标注成本高昂。

• 已投诉用户单据中投诉原因众多，部分原因来自于非网络问题，存在大量对抗样本，导致样本本身含有较大噪声，训练时会影响模型性能。……