无线网络优化是一项长期且复杂的工作，还面临着网络规模持续扩大、多频组网协同优化难度增加、多网元专业知识要求高等挑战。针对这一痛点问题，中信科移动持续进行无线质差自智化创新实践，HiNet CRCA（Cell Root Cause Analysis）无线质差小区根因分析系统引入质差优化专家智能体，结合专业知识与AI技术，可高效输出优化方案。通过知识图谱与AI学习，系统不断优化分析模型，确保方案有效可靠，为用户提供稳定、优质的业务体验。
专家知识图谱+质差优化专家智能体应用
该系统融合了专家经验初始化的知识图谱，凭借其在表达、推理、扩展、跨领域融合及智能化上的卓越性能，确保了根因分析图谱的可靠性和高效性。同时，系统融合了大模型的前沿技术，实现了基于大模型识别网络优化运维意图，主驱动优化任务的策略规划与持续学习，灵活调度各类优化Agent应用于质差判定、根因定位和优化方案输出，成功应对复杂根因分析，输出专业且针对性的优化建议，显著提升分析效率与方案质量，为无线优化运维工作的智能化转型与效率升级开辟了新路径。
机器学习算法XGBoost AI算法修正应用
机器学习XGBoost AI算法拥有高效、准确、灵活等优势，可将专家经验初始化模型的知识图谱与XGBoost AI算法融合，降低对已有人工经验的依赖，无线质差根因分析系统实现质差问题自学习自优化的目标，同时确保了根因识别率和判定准确率的稳步提升。
经过多地系统化的联合验证，质差根因分析系统定位准确率和质差分析效率均有大幅提升。未来，随着业界对自智网络的投入和研究持续加速，中信科移动将持续推动其发展进程，并致力于将AI大模型与无线知识图谱技术深度融合，不断提升系统根因定位的精确度，着力增强解决方案的实际效能，引领网络优化向更高水平的自智化迈进。
来源：中信科移动 |
