摘要：本文主要分析了运营商大数据平台发展，人工智能的主流技术，论述了人工智能产品在通信领域的应用研究，解决运营商在系统运维和客户服务等方案存在的问题。
关键词：大数据；人工智能；机器学习
伴随通信技术的不断发展和4G高速网络的不断建设，物联网爆发式增长，家庭宽带的全面建设以及未来5G的全面商用，全网产生的数据量与日俱增。同时因云计算和大数据技术的不断成熟，数据成为下一个“金矿”，运营商纷纷开始构建“数据驱动，能力共享”的大数据平台，并开始以数据挖掘、数据分析等手段，变现“数据金矿”的价值。人工智能成为大数据价值挖掘的一个方向，大数据资源为人工智能的发展提供了富饶的土壤，结合先进的机器学习技术，适合运营商的人工智能产品也将越来越多，运营商网络的智能化程度会越来越高，整体效率大幅度提升，用户体验越来越好。
本文将从通信运营商大数据平台发展现状、人工智能技术以及人工智能产品在通信领域的应用3个方面进行阐述。
一、运营商的大数据发展现状
运营商融合大数据+云计算的成熟技术，汇聚企业全网数据，构建数据资源池。实现面向企业内部的决策支持、精确营销和精细化管理的大数据分析平台，同时支持面向外部构建大数据价值变现的敏捷应用。数据分布如图1所示。
目前运营商大数据平台年存储数量达十几PB，数据量仍在成倍增加。
数据视图层：满足具体业务运营的数据视图，降低各租户构建智能化应用的难度，同时为运营提供决策依据，也是人工智能展现和应用的平台。
关联汇总层：根据业务需求对数据进行关联汇总，避免数据重复计算，也是用来机器学习和分析的数据存储区域。
基础数据层：沉淀基础明细数据，保持模型稳固结构，容纳时变的数据结构，屏蔽源系统变化带来的差异。属于人工智能的养料和水。
原始数据层：保持与生产系统数据一致性，用于日常稽核对账。属于人工智能的土壤。
数据源将运营商B域（业务域）、M域（管理域）、O域（运营域）的数据全部引入汇总大数据平台的原始数据层，同时通过爬虫工具，引入互联网的数据。
二、人工智能
机器学习是人工智能的核心技术之一，人工智能更多涉及非结构化数据的学习、表示和使用。
人工智能通过机器学习从大数据资源池获取知识养分，实现自身的智能化，数据主要处理流程如下。
数据采集：大数据平台完成各类数据的采集、汇总和存储。
数据预处理：大数据平台完成各类数据预处理，包括数据清洗和数据转换。
数据建模：大数据平台数据分析模型的构建。
模型评估优化：大数据平台根据机器学习的结果，对数据模型进行优化。
模型固化：大数据平台将经过优化的模型固化和发布。
人工智能平台根据大数据平台发布的模型，进行翻译、解释、表示和使用，并反馈优化意见，由数据平台完成模型进一步优化和发布。
机器学习是一个反复迭代的过程，不是一次数据分析的结果，而是经过反复调优修正的过程，主要分为4个流程阶段：趋势分析、根因分析、预测建模、策略建议。
趋势分析是一种使用历史数据或因素变量来预测需求的数学，用于预测和推测未来发展变化情况的一类预测方法，常用方法有算数平均、指数平滑、线性回归、加权平均等算法。
根因分析是一项结构化的问题处理法，用以逐步找出问题的根本原因并制定问题预防措施，常用方法因果图、鱼骨图、头脑风暴等。
预测建模与策略建议，通过机器学习，获取最佳决策，常用方法是决策树和神经网络等。
机器学习常见主流算法如表1所示。
三、人工智能产品在通信领域的应用研究
运营商人工智能应用台平台基于大数据平台构建，充分利用全网各类大数据资源，进行数据挖掘和数据分析，搭建机器学习和训练模型，使各应用系统更加智能化。
人工智能体系架构如图2所示。
3.1智能营销
通过对用户终端偏好识别和购买事前动作识别等构建机器学习模型，根据某公司4G换机营销活动跟踪分析，统计模型在命中率和覆盖率方面均有较大提升。
终端偏好识别：基于用户通信消费能力、交往圈、用户位置、上网行为、终端搜索行为、终端参数配置爬取等匹配用户适配终端。
购买事前动作识别：基于用户通信行为和上网行为进行分析，通过用户流量使用行为变化、APP使用行为变化、特定网站上网行为变化等筛选潜在换机用户。
3.2智能运维
如何从错综复杂的运维监控数据中快速、准确自动找到我们需要的信息和结果，是智能运维
面临的最大挑战。因此，如何让机器成为一位经验丰富的运维工程师成为当下运维系统思考最多的问题，那么将人工智能技术引入到运维系统，将是一个必然的趋势。智能运维过程如下。
首先，要分辨和精炼数据，通过数据趋势分析提取聚焦关注信息。
其次，通过数据统计和深度学习，进行根因分析，并构建机器学习模型。
最后，利用运维的历史数据，通过学习模型不断训练机器的识别和分析能力，提升机器自我判断的准确性，同时逐步减少对运维人员的依赖，实现机器的自我决策。
智能运维基本架构如图3所示。
综上所述，人工智能的引入，开启了一个新运维时代。
3.3智能客服
在购物出现问题时，想打电话给客服，但是对方一直占线，或者询问机器小助手后答非所问的时候，是不是很恼火？智能客服或许可以解决困扰。
智能客服系统逻辑如图4所示。
（1）用户发起问题。
（2）智能客服系统将问题分别发送到数据源库和自然语言分析模块。
（3）自然语言模块将语义解析结果输入到数据源库和机器学习模型。
（4）数据源库通过数据挖掘、数据统计等数据分析技术将趋势分析结果发送到机器学习模型。
（5）经过机器学习模型学习，将问题答案输入到智能客服系统，反馈给客户。
（6）智能系统会将与用户沟通过程全部回传到数据源库，供系统进行修正和学习。
智能客服系统结合自然语言分析技术，通过对大量数据源的趋势分析，构建机器学习模型学习，并通过反复迭代学习，不断提升对用户问题精准回答的能力。同时智能系统也可以向用户推荐其感兴趣的业务，也可以根据运营商发展需求配置“广告位”等服务。
四、结束语
人工智能引起了广泛的关注，运营商也纷纷开始探索人工智能相关技术的应用，用于优化网络，解决运营决策中存在的问题，同时IT基础设施的云化，大数据资源的集中化，也为人工智能的发展奠定了坚实的基础和丰富的土壤，未来人工智能的产品也会越来越丰硕。