基于QPSO算法的信道分配方法

由于传统的信道分配方法存在频率利用率低下和处理速度慢的缺点,为此,提出基于量子计算的PSO算法（QPSO）来快速实现信道最优化分配方法。这种优化方法利用了量子计算的并行计算能力强、全局收敛、运算速度极快等特点,主要包括初始化代表每个信道的粒子的速度和位置,根据信道分配的教学模型计算保证信道各种约束条件的适应度函数,根据量子粒子群的规律进行粒子位置更新,直至找到最佳信道分配方案等步骤。仿真结果表明其方法是行之有效的,优化效果优于基于遗传算法和PSO算法的信道分配方法。     

抑制空间行波管三阶交调失真的信号注入技术

为了抑制空间行波管非线性特性产生的交调失真,本文通过理论分析、计算机仿真和实验验证,分别研究了谐波、交调和混合信号注入技术对空间行波管三阶交调（IM3）分量的抑制情况。实验结果表明：IM3注入技术能够得到25.2 dB的IM3最大抑制量,明显大于谐波注入技术的12.7 dB,两者对IM3失真分量的抑制效果都很良好,且就窄带空间行波管而言IM3注入技术比谐波注入技术更具优势。通过进一步仿真实验,证明双IM3注入技术可以在两个IM3频率处分别产生46 dB和53 dB的最佳抑制量,且混合注入谐波和交调信号也能最大抑制36.9 dB。     

基于深度学习的电信运营商网络投诉工单智能分类技术研究

本文基于自然语言处理技术和深度学习算法，挖掘运营商投诉工单中结构化和非结构化内容的语义特征规律，构建了面向运营商网络投诉派单场景的大规模多标签智能分类模型TBF。本文使用包括编码器模块和解码器模块的端到端框架构建模型。编码器模块使用嵌入层将输入数据中的原始字段转化成向量表示后，使用文本卷积神经网络和双向长短期记忆网络分别对不同数据类型字段的向量表示进行特征抽取并使用前馈神经网络进行特征融合。解码器模块是多层感知机分类器组成的分类器链结构，用来接收编码器模块的融合结果并预测输出各层级投诉类别标签，从而实现对网络投诉工单的智能分类，达到节约人力成本、提升派单质效的数智化转型目的。通过在运营商实际生产环境中的测试和应用，取得了较为满意的效果，成功助力运营商的客户满意度改善。     

电信运营商网络投诉工单智能语义稽核技术

本文基于自然语言处理、语义相似度和实体识别等算法,构建了面向网络投诉工单的智能语义自动稽核系统,挖掘回单中自然语言的命名实体、事件和关系,通过特征提取、模型构建、语义泛化和匹配度计算等环节,输出质检所需的语义关键信息,实现对网络投诉工单传统质检方法的智能化提升.同时,本文设计和实施了一种投诉工单专家规则泛化词构建方法,...     

天津移动普法虚拟数智人系统的研究与应用

为解决普法宣传管理工作中人力成本高、宣传效率低的问题,构建了普法虚拟数智人系统,研究虚拟人领域的计算机视觉算法及图像信息处理技术,支持多样化的二维或三维数智人形象构建生成能力,灵活快速构建多种虚拟形象,满足多样化的行业应用支撑需求,以期为普法宣传推广、普法活动管理领域相关人员提供数字化技术方案上的参考。     

基于正则化等效源模型的航空重力梯度测量信息降噪方法

航空重力梯度测量能获取重力梯度的多个分量,在保证各梯度分量内部固有约束条件下降低测量噪声,是一个巨大的挑战.为提高航空重力梯度测量精度,提出一种基于正则化等效源模型的测量降噪方法.根据矩形棱柱体与重力梯度之间的关系构建了等效源线性方程组,针对该方程组可能存在病态性的问题,引入截断奇异值TSVD和Tikhonov正则化的...     

电信运营商知识图谱智慧运营管理系统

本文打造了"一体两面"的知识图谱运营管理系统,在智能应答和存量运营两大核心业务领域开展了一系列实践,先后完成了智能应答知识图谱,企管支撑知识图谱,权益运营知识图谱,5G换机知识图谱,预离网知识图谱等应用,并打造了面向运营人员的知识图谱个性化管理系统,嵌并嵌入公司运营管理主体流程中形成固化,在存量经营、客户服务、零售运营...     

基于矩阵分解和注意力多任务学习的客服投诉工单分类

投诉工单自动分类是通信运营商客服数字化、智能化发展的要求。客服投诉工单的类别有多层,每一层有多个标签,层级之间有所关联,属于典型的层次多标签文本分类问题,现有解决方法大多数基于分类器同时处理所有的分类标签,或者对每一层级分别使用多个分类器进行处理,忽略了层次结构之间的依赖。提出了一种基于矩阵分解和注意力的多任务学习的方法(MF-AMLA),处理层次多标签文本分类任务。在通信运营商客服场景真实投诉工单分类数据下,与该场景常用的机器学习算法和深度学习算法的Top1F1值相比分别最大提高了21.1%和5.7%。已在某移动运营商客服系统上线,模型输出的正确率97%以上,对客服坐席单位时间的处理效率提升22.1%。     

事理认知图谱在电信运营商潜在不满预测分析中的应用研究

<正>以前，电信运营商多借助机器学习分类算法和构造分类器来衡量用户体验满意度，其不足之处在于无法得出用户不满意的原因。本文拟使用事理认知图谱技术进行电信运营商网络及业务数据的满意度认知分析，从而挖掘事件之间的演化规律与模式。具体通过引入以事件为形态的知识资源，描述实体间的关联关系，以及动态化、结构化的语义信息，最终通过事件抽取及关联将各类源数据进行串联，从而实现更精准的潜在不满预测。