经验分享是将运维专家知识经验包分享到云平台进行云端管理，实现知识经验包与系统松耦合和跨地域推荐分享，打造具备大数据智能、群体智能、跨媒体智能、人机混合增强智能等能力的数据融合平台。知识经验库中的经验来自于两部份，一部份通过运维专家的分享，另外一部份来自于机器学习生成的经验；知识经验的分享方法除了主动搜索下载复制，也可以通过云脑平台的推荐算法针对运维专家的专业类别和关注特点进行推荐分享，大大提升了人机信息交互效率。

3、业务发展预测

无论是IPTV在线用户数预测、各网元话务量预测还是出访GSM LU成功率预测，通常情况下这类业务运维人员只与同期历史数对比，准确率较低。由于这些数据通常是随着时间变化，因此使用人工智能算法BP神经网络/LSTM/ARIMA等进行预测，不仅考虑历史同期数据的基数，同时也考虑数据的变化趋势，以及节假日、周几、重大节日等因素带来的数据变化。加入Adam优化方法的LSTM算法，并考虑网格搜索方法对参数进行选取，同时结合全局搜索的粒子群算法和BP神经网络算法处理峰值变化的多样性。这样做不仅考虑其在时间序列的依存性，同时考虑随机波动的干扰性，所以更加合理和准确。

4、在线故障快速定位

一台设备不同的故障类型所体现的KPI和KQI指标都有差别，由于KPI和KQI指标过多，运维专家很难通过不同时间的指标变化，快速发现故障并准确定位故障的类型。在特征工程中，综合考虑基于AIC的Lasso回归，基于BIC的Lasso回归，Randomforest，循环特征剔除和岭回归等方法建立的打分器判断的各特征的贡献率。利用BP神经网络构建弱分类器，再使用Adaboost构建强分类器，提高模型的泛化能力，构建关于故障定位的智能模型。这样不仅可以在故障发生时准确定位，也可以在故障发生前产生预警。有利于对故障进行预处理，为后续报障和维护节约大量时间，提升用户感知与客户忠诚度。

5、垃圾号码识别

一直以来垃圾呼叫让运营商异常头痛，传统的做法是运维专家按照以往的经验人工判断，耗时耗力。利用大数据技术处理分析原始话单，构建重复号段筛选模型，之后引入父子代号段判断模型识别真正引发垃圾呼叫的目标号段。如果单纯只考虑号段，容易遗漏那些不以号段作为主要表现形式的垃圾呼叫，针对具体的号码判断，使用之前模型得到的部分标签作为基础，加上PU learning训练进行标签判断。提取呼出号码熵、呼出号码占号段百分比、呼叫频率、呼叫失败通信概率等特征，采用基于概率加权二分图的贝叶斯和GBDT混合算法构建智能号码识别模型，全方位识别垃圾号码，保障客户财产安全，增加垃圾号码拦截成功率。

在部署实施AiSee产品之后，运营商的技术负责人表示，“衡昊数据提供的AiSee改变了传统的运维工作方式，无需再通过手工查找和判断底什么地方出现了问题，通过配置经验流程上线应用后，机器可以随时发现故障甚至可以自动进行预处理，节省大量处理时间，还很准确。”同时也表示，未来将继续推进AiSee在各专业使用，使运维人员工作更加高效。

AiSee目前已服务多个省的不同运营商，包括广东省移动、浙江电信、中国香港移动国际公司、贵州移动等，今后也将致力于将运维知识经验多方共享和推荐，建设一个跨设备厂商、跨部门和跨专业的强大、灵活、易用的智能化产品。

衡昊数据部分合作伙伴