無線網(wǎng)絡(luò)優(yōu)化是一項長期且復(fù)雜的工作，還面臨著網(wǎng)絡(luò)規(guī)模持續(xù)擴大、多頻組網(wǎng)協(xié)同優(yōu)化難度增加、多網(wǎng)元專業(yè)知識要求高等挑戰(zhàn)。針對這一痛點問題，中信科移動持續(xù)進(jìn)行無線質(zhì)差自智化創(chuàng)新實踐，HiNet CRCA（Cell Root Cause Analysis）無線質(zhì)差小區(qū)根因分析系統(tǒng)引入質(zhì)差優(yōu)化專家智能體，結(jié)合專業(yè)知識與AI技術(shù)，可高效輸出優(yōu)化方案。通過知識圖譜與AI學(xué)習(xí)，系統(tǒng)不斷優(yōu)化分析模型，確保方案有效可靠，為用戶提供穩(wěn)定、優(yōu)質(zhì)的業(yè)務(wù)體驗。
圖 質(zhì)差根因分析流程
專家知識圖譜+質(zhì)差優(yōu)化專家智能體應(yīng)用
該系統(tǒng)融合了專家經(jīng)驗初始化的知識圖譜，憑借其在表達(dá)、推理、擴展、跨領(lǐng)域融合及智能化上的卓越性能，確保了根因分析圖譜的可靠性和高效性。同時，系統(tǒng)融合了大模型的前沿技術(shù)，實現(xiàn)了基于大模型識別網(wǎng)絡(luò)優(yōu)化運維意圖，主驅(qū)動優(yōu)化任務(wù)的策略規(guī)劃與持續(xù)學(xué)習(xí)，靈活調(diào)度各類優(yōu)化Agent應(yīng)用于質(zhì)差判定、根因定位和優(yōu)化方案輸出，成功應(yīng)對復(fù)雜根因分析，輸出專業(yè)且針對性的優(yōu)化建議，顯著提升分析效率與方案質(zhì)量，為無線優(yōu)化運維工作的智能化轉(zhuǎn)型與效率升級開辟了新路徑。
機器學(xué)習(xí)算法XGBoost AI算法修正應(yīng)用
機器學(xué)習(xí)XGBoost AI算法擁有高效、準(zhǔn)確、靈活等優(yōu)勢，可將專家經(jīng)驗初始化模型的知識圖譜與XGBoost AI算法融合，降低對已有人工經(jīng)驗的依賴，無線質(zhì)差根因分析系統(tǒng)實現(xiàn)質(zhì)差問題自學(xué)習(xí)自優(yōu)化的目標(biāo)，同時確保了根因識別率和判定準(zhǔn)確率的穩(wěn)步提升。
經(jīng)過多地系統(tǒng)化的聯(lián)合驗證，質(zhì)差根因分析系統(tǒng)定位準(zhǔn)確率和質(zhì)差分析效率均有大幅提升。未來，隨著業(yè)界對自智網(wǎng)絡(luò)的投入和研究持續(xù)加速，中信科移動將持續(xù)推動其發(fā)展進(jìn)程，并致力于將AI大模型與無線知識圖譜技術(shù)深度融合，不斷提升系統(tǒng)根因定位的精確度，著力增強解決方案的實際效能，引領(lǐng)網(wǎng)絡(luò)優(yōu)化向更高水平的自智化邁進(jìn)。
