用户体验质量确定方法及系统的制作方法
【技术领域】
[0001] 本发明设及计算机网络技术领域，特别是设及用户体验质量确定方法及系统。
【背景技术】
[0002] 随着信息技术的发展，人们对网络和信息的需求呈现爆炸式的增长，也对网络质 量有着更高的要求。
[0003] 用户体验质量（QoE，QualityofExperience)相对于服务质量（QoS,Qualityof Service)而言，更能体现用户对网络质量的实际感受，也更能影响用户对网络的访问行为。 因此运营商多通过用户体验质量来评价网络质量并对所提供的服务进行改进。当前阶段， 运营商需要花费大量的人力，通过向用户发送调查问卷，让用户对体验质量进行评分的方 式来获得用户体验质量。该种通过人工调查的方式虽然收集了大量的数据，但在每次获得 用户体验质量时，仍需要向用户发送调查问卷，让用户对体验质量进行评分。该无疑给用 户带来了干扰，同时，该种每次都需要用户评分的方式也易受用户配合度影响，获得难度较 大。
【发明内容】
[0004] 本发明实施例的目的在于提供一种用户体验质量确定方法及系统，W无需用户对 体验质量进行评分即可得到用户体验质量。
[0005] 为达到上述目的，本发明实施例公开了一种用户体验质量确定方法，应用于服务 器中，所述方法包括：数据收集的步骤、模型训练的步骤、模型测试的步骤和模型应用的步 骤；
[0006] 其中，所述数据收集的步骤包括：
[0007] 获得多个网络状态下的网络数据，所述网络数据包括：网络质量参数及用户对网 络状态的评分；
[000引将所获得的多个网络状态至少划分为第一状态组和第二状态组，所述第一状态组 中网络状态的数量大于所述第二状态组中网络状态的数量；
[0009] 其中，所述模型训练的步骤包括：
[0010] 选择所述第一状态组中的一个网络状态下的网络数据作为当前训练数据，将预设 的神经网络计算模型作为当前训练模型，其中，所述当前训练模型的输入量为所述网络质 量参数，所述当前训练模型的输出量为用户体验质量；
[0011] 将当前训练数据中的网络质量参数输入当前训练模型中W对当前训练模型进行 训练；
[0012] 获得当前训练模型计算得出的用户体验质量；
[0013] 获得所述计算得出的用户体验质量与当前训练数据中的用户对网络状态的评分 之间的训练误差；
[0014] 将所述训练误差与第一预设误差阔值进行比较，如果所述训练误差不大于所述第 一预设误差阔值，则执行所述模型测试的步骤对进行训练后的当前训练模型进行测试，如 果所述训练误差大于所述第一预设误差阔值，则判断所获得的训练误差的收敛次数是否位 于预设的次数区间中，如果是，则执行所述模型测试的步骤对进行训练后的当前训练模型 进行测试，否则，对当前训练模型进行调整，选择所述第一状态组中的剩余网络状态中一个 网络状态下的网络数据作为当前训练数据并继续执行将当前训练数据中的网络质量参数 输入当前训练模型中W对当前训练模型进行训练；
[0015] 其中，所述模型测试的步骤包括：
[0016] 依次将所述第二状态组中的各网络状态作为当前测试状态，将当前测试状态下的 网络数据作为当前测试数据，将当前测试数据中的网络质量参数输入进行训练后的当前训 练模型中W对训练后的当前训练模型进行测试；
[0017] 获得进行训练后的当前训练模型计算得出的用户体验质量；
[0018] 获得该计算得出的用户体验质量与当前测试数据中的用户对网络状态的评分之 间的测试误差；
[0019] 分别将所述第二状态组中各网络状态对应的测试误差与第二预设误差阔值进行 比较，获得比较结果；
[0020] 判断所述比较结果是否满足预设的测试通过条件，如果是，则将进行训练后的当 前训练模型作为对网络的用户体验质量计算模型，否则继续执行所述选择所述第一状态组 中的剩余网络状态中一个网络状态下的网络数据作为当前训练数据并继续执行将当前训 练数据中的网络质量参数输入当前训练模型中W对当前训练模型进行训练的步骤；
[0021] 其中，所述模型应用的步骤包括：
[0022] 从网络中采集第一网络状态下的网络质量参数；
[0023] 将所采集的网络质量参数输入所述模型测试的步骤中所确定的对网络的用户体 验质量计算模型中，计算获得所述第一网络状态下的用户体验质量。
[0024] 可选的，所述预设的测试通过条件为：
[0025] 不大于所述第二预设误差阔值的测试误差的数量不低于第一数量；
[0026] 或者，不大于所述第二预设误差阔值的测试差值的数量占所述第二状态组中所有 网络状态对应的测试差值的总数量的比例不低于第一比例。
[0027] 可选的，所述网络质量参数包括；客观网络参数，所述客观网络参数包括；网络状 况、业务质量和终端质量。
[002引可选的，所述网络质量参数还包括；主观网络参数，所述主观网络参数包括；先前 用户体验质量、业务体验经历、自身背景、身屯、状态和期望中的一种或多种；
[0029] 从网络中采集第一网络状态下的主观网络参数的方式包括：
[0030] 接收用户输入的第一网络状态下的主观网络参数；
[0031] 和 / 或，
[0032] 通过监控用户的操作行为，获得第一网络状态下的主观网络参数。
[0033] 可选的，在当前训练数据与上一训练数据均对应同一用户，且该当前训练数据的 产生时间与上一训练数据的产生时间之间的间隔小于预设时间间隔时，所述当前训练数据 中的主观网络参数包括先前用户体验质量，且所述先前用户体验质量为上一训练数据中的 网络质量参数输入训练模型后计算得出的用户体验质量。
[0034] 可选的，所述对当前训练模型进行调整，包括：
[0035] 计算获得当前训练数据对应的训练误差对当前训练模型中各神经元的偏导数；
[0036] 对各神经元；根据该神经元的偏导数调整该神经元的连接权值。
[0037] 可选的，所述根据该神经元的偏导数调整该神经元的连接权值，包括：
[003引根据该神经元的偏导数的正负确定该神经元的连接权值的调整方向；
[0039] 按照所确定的调整方向调整该神经元的连接权值，其中，该神经元的连接权值的 调整量为该神经元的偏导数的绝对值。
[0040] 可选的，所述预设的神经网络计算模型包括输入层、隐含层和输出层，在所述客观 网络参数包括网络状况、业务质量和终端质量，且所述主观网络参数包括先前用户体验质 量、业务体验经历、自身背景、身屯、状态和期望时：
[0041] 所述输入层的输入参数为：马巧= (x,W，而W，??一8(A))，其中，所述Xi似至所述 Xg(k)分别为所述先前用户体验质量、所述业务体验经历、所述自身背景、所述身屯、状态和 所述期望，所述Xe(k)至所述Xs(k)分别为所述网络状况、所述业务质量和所述终端质量； [00创所述输出层的输出参数为：=yo;
[0043] 所述获得当前训练模型计算得出的用户体验质量，包括：
[0044] 通过如下公式根据所述输入层的输入参数计算得到所述输出层的输出参数yo化）；
【主权项】
1. 一种用户体验质量确定方法，其特征在于，应用于服务器中，所述方法包括：数据收 集的步骤、模型训练的步骤、模型测试的步骤和模型应用的步骤； 其中，所述数据收集的步骤包括： 获得多个网络状态下的网络数据，所述网络数据包括：网络质量参数及用户对网络状 态的评分； 将所获得的多个网络状态至少划分为第一状态组和第二状态组，所述第一状态组中网 络状态的数量大于所述第二状态组中网络状态的数量； 其中，所述模型训练的步骤包括： 选择所述第一状态组中的一个网络状态下的网络数据作为当前训练数据，将预设的神 经网络计算模型作为当前训练模型，其中，所述当前训练模型的输入量为所述网络质量参 数，所述当前训练模型的输出量为用户体验质量； 将当前训练数据中的网络质量参数输入当前训练模型中以对当前训练模型进行训 练； 获得当前训练模型计算得出的用户体验质量； 获得所述计算得出的用户体验质量与当前训练数据中的用户对网络状态的评分之间 的训练误差； 将所述训练误差与第一预设误差阈值进行比较，如果所述训练误差不大于所述第一预 设误差阈值，则执行