网络质量匹配度的确定方法、装置、服务终端及介质与流程

1.本技术涉及通信技术，尤其涉及一种网络质量匹配度的确定方法、装置、服务终端及介质。


背景技术：

2.随着智能终端的普及，越来越多的用户使用数据业务进行数据传输或信息交互，如看视频、阅读新闻等，从而对移动通信的网络质量提出了更高的要求。
3.为了评估移动通信的网络质量的匹配度，在现有技术中，通常融合bss(business support system，业务支撑系统)域和oss(operation support system，运营支撑系统)域的数据，进行区域性的整体匹配度的评估，而无法得到针对用户的细粒度的匹配度的评估，匹配度评估精度较低，无法满足需求。


技术实现要素：

4.本技术提供一种网络质量匹配度的确定方法、装置、服务终端及介质，用以解决网络匹配度评估精度较差的问题。
5.第一方面，本技术提供一种网络质量匹配度的确定方法，该方法应用于服务终端，包括：
6.获取用户的用户终端上传的网络质量参数；基于预设分类算法，确定所述用户的用户类别；根据所述用户对应的网络质量参数以及所述用户的用户类别，确定所述用户匹配度对应的网络质量匹配度。
7.可选的，根据所述用户对应的网络质量参数以及所述用户的用户类别，确定所述用户对应的网络质量匹配度，包括：
8.对所述用户对应的各个网络质量参数进行参数变换，以得到变换后的各个网络质量参数；基于所述用户的用户类别以及所述用户对应的变换后的各个网络质量参数，确定所述用户对应的网络质量匹配度。
9.可选的，所述网络质量参数包括第一参数和第二参数，对所述用户对应的各个网络质量参数进行参数变换，以得到变换后的各个网络参数，包括：
10.基于第一关系式，对所述用户对应的所述第一参数进行数据转换，得到转换后的第一参数；基于第二关系式，对所述用户对应的所述第二参数进行数据转换，得到转换后的第二参数；其中，所述第一关系式与所述第二关系式为不同的关系式。
11.可选的，所述第一关系式和所述第二关系式均为线性函数，且所述第一关系式与所述第二关系式中的斜率和/或截距不同。
12.可选的，所述网络质量参数包括第一参数和第二参数，基于所述用户的用户类别以及所述用户对应的变换后的各个网络质量参数，确定所述用户对应的网络质量匹配度，包括：
13.基于转换后的第一参数以及预设关系式，计算第一匹配度；基于转换后的第二参
数以及预设关系式，计算第二匹配度；根据所述用户的用户类别、所述用户对应的第一匹配度以及所述用户对应的第二匹配度，确定所述用户对应的网络质量匹配度。
14.可选的，根据所述用户的用户类别、所述用户对应的第一匹配度以及所述用户对应的第二匹配度，确定所述用户对应的网络质量匹配度，包括：
15.根据所述用户的用户类别，确定所述用户的用户权重；根据所述用户的用户权重、所述用户对应的第一匹配度以及所述用户对应的第二匹配度，确定所述用户对应的网络质量匹配度。
16.可选的，所述预设关系式为sigmoid函数。
17.可选的，所述第一参数为参考信号接收功率，所述第二参数为信号与干扰加噪声比。
18.可选的，基于预设分类算法，确定所述用户的用户类别，包括：
19.获取所述用户的用户数据以及网络业务数据；基于预设分类算法、用户数据以及网络业务数据，确定所述用户的用户类别。
20.可选的，所述预设分类算法为k
‑
近邻算法。
21.可选的，所述方法还包括：
22.根据所述用户类别的数量，确定所述k
‑
近邻算法中k的取值。
23.第二方面，本技术提供一种网络质量匹配度的确定装置，该装置应用于服务终端，该装置包括：
24.参数获取模块，用于获取用户的用户终端上传的网络质量参数；类别确定模块，用于基于预设分类算法，确定所述用户的用户类别；匹配度确定模块，用于根据所述用户对应的网络质量参数以及所述用户的用户类别，确定所述用户对应的网络质量匹配度。
25.可选的，匹配度确定模块，包括：
26.参数变换单元，用于对所述用户对应的各个网络质量参数进行参数变换，以得到变换后的各个网络质量参数；匹配度确定单元，用于基于所述用户的用户类别以及所述用户对应的变换后的各个网络质量参数，确定所述用户对应的网络质量匹配度。
27.可选的，所述网络质量参数包括第一参数和第二参数，参数变换单元，具体用于：
28.基于第一关系式，对所述用户对应的所述第一参数进行数据转换，得到转换后的第一参数；基于第二关系式，对所述用户对应的所述第二参数进行数据转换，得到转换后的第二参数；其中，所述第一关系式与所述第二关系式为不同的关系式。
29.可选的，所述网络质量参数包括第一参数和第二参数，匹配度确定单元，包括：
30.第一计算子单元，用于基于转换后的第一参数以及预设关系式，计算第一匹配度；第二计算子单元，用于基于转换后的第二参数以及预设关系式，计算第二匹配度；匹配度确定子单元，用于根据所述用户的用户类别、所述用户对应的第一匹配度以及所述用户对应的第二匹配度，确定所述用户对应的网络质量匹配度。
31.可选的，匹配度确定子单元，具体用于：
32.根据所述用户的用户类别，确定所述用户的用户权重；根据所述用户的用户权重、所述用户对应的第一匹配度以及所述用户对应的第二匹配度，确定所述用户对应的网络质量匹配度。
33.可选的，类别确定模块，具体用于：
34.获取所述用户的用户数据以及网络业务数据；基于预设分类算法、用户数据以及网络业务数据，确定所述用户的用户类别。
35.可选的，所述预设分类算法为k
‑
近邻算法，所述装置还包括：
36.参数确定模块，用于根据所述用户类别的数量，确定所述k
‑
近邻算法中k的取值。
37.第三方面，本技术还提供了一种服务终端，包括：处理器，以及与所述处理器通信连接的存储器；所述存储器存储计算机执行指令；所述处理器执行所述存储器存储的计算机执行指令，以实现本技术第一方面提供的网络质量匹配度的确定方法。
38.第四方面，本技术还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现本技术第一方面提供的网络质量匹配度的确定方法。
39.第五方面，本技术还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现本技术第一方面提供的网络质量匹配度的确定方法。
40.本技术提供的网络质量匹配度的确定方法、装置、服务终端及介质，通过结合各个用户的用户终端上传的网络质量数据以及用户类别，确定各个用户对应的网络质量匹配度，实现了基于用户这一较细粒度的网络质量评估方法，提高了网络质量评估的精确度和全面性；同时，通过预先对用户进行分类，得到用户类别，并基于用户类别以及用户对应的网络质量参数，进行匹配度的计算，提高了网络质量评估的准确性。
附图说明
41.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
42.图1为本技术一个实施例提供的通信系统架构的示意图；
43.图2为本技术一个实施例提供的网络质量匹配度的确定方法的流程图；
44.图3为本技术另一个实施例提供的网络质量匹配度的确定方法的流程图；
45.图4为本技术图3所示实施例中步骤s304的流程图；
46.图5为本技术一个实施例提供的网络质量匹配度的确定装置的结构示意图；
47.图6为本技术一个实施例提供的服务终端的结构示意图。
48.通过上述附图，已示出本技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本技术的概念。
具体实施方式
49.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
50.图1为本技术一个实施例提供的通信系统架构的示意图，如图1所示，该通信系统包括：服务终端、接入网设备以及多个用户终端，假设多个用户终端包括图中的用户终端1、用户终端2、用户终端3和用户终端4。需要说明的是，图1所示的通信系统可以适用于不同的
网络制式，例如，可以适用于全球移动通讯(global system of mobile communication，简称gsm)、码分多址(code division multiple access，简称cdma)、宽带码分多址(wideband code division multiple access，简称wcdma)、时分同步码分多址(time division
‑
synchronous code division multiple access，简称td
‑
scdma)、长期演进(long term evolution，简称lte)系统及未来的5g等网络制式。可选的，上述通信系统可以为5g通信系统中高可靠低时延通信(ultra
‑
reliable and low latency communications，urllc)传输的场景中的系统。
51.故而，可选的，上述接入网设备可以是gsm或cdma中的基站(base transceiver station，简称bts)和/或基站控制器，也可以是wcdma中的基站(nodeb，简称nb)和/或无线网络控制器(radio network controller，简称rnc)，还可以是lte中的演进型基站(evolutional node b，简称enb或enodeb)，或者中继站或接入点，或者未来5g网络中的基站(gnb)等，本技术在此并不限定。
52.上述用户终端可以是无线终端也可以是有线终端。无线终端可以是指向用户提供语音和/或其他业务数据连通性的设备，具有无线连接功能的手持式设备、或连接到无线调制解调器的其他处理设备。无线终端可以经无线接入网(radio access network，简称ran)与一个或多个核心网设备进行通信，无线终端可以是移动终端，如移动电话(或称为“蜂窝”电话)和具有移动终端的计算机，例如，可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置，它们与无线接入网交换语言和/或数据。再例如，无线终端还可以是个人通信业务(personal communication service，简称pcs)电话、无绳电话、会话发起协议(session initiation protocol，简称sip)话机、无线本地环路(wireless local loop，简称wll)站、个人数字助理(personal digital assistant，简称pda)等设备。无线终端也可以称为系统、订户单元(subscriber unit)、订户站(subscriber station)，移动站(mobile station)、移动台(mobile)、远程站(remote station)、远程终端(remote terminal)、接入终端(access terminal)、用户终端(user terminal)、用户代理(user agent)、用户设备(user device or user equipment)，在此不作限定。可选的，上述用户终端还可以是智能手表、平板电脑等设备。
53.上述服务终端可以为服务器，与该接入网设备连接，以通过该接入网设备与各个用户终端进行数据通信。
54.本技术提供的网络质量匹配度的确定方法可以由上述通信系统中的服务终端执行。当需要评估网络质量时，通常需要基于服务终端上存储的bss域和oss域的数据进行，得到用于评估网络质量的各个指标参数，从而以基站或小区为单位进行网络质量的评估，以确定是否需要对该基站或小区的网络进行优化调整。采用上述方式进行网络质量评估，仅可以得到区域性的评估结果，而无法得到以用户为单位的评估结果，评估精度较低。
55.本技术提供的网络质量匹配度的确定方法，旨在解决现有技术的如上技术问题。其主要构思为：先基于预设分类算法对各个用户进行分类，得到各个用户的用户类别，进而结合用户类别以及用户的用户终端上传的网络质量参数，确定该用户对应的网络质量匹配度，以确定是否对该用户的网络进行优化调整，实现了以用户为粒度的网络质量评估策略，评估精度和全面性较高，且结合参数以及用户类别进行网络评估，评估准确度较高。
56.下面以具体地实施例对本技术的技术方案以及本技术的技术方案如何解决上述
技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本技术的实施例进行描述。
57.图2为本技术一个实施例提供的网络质量匹配度的确定方法的流程图，该方法可以由服务终端执行，如图2所示，该网络质量匹配度的确定方法包括以下步骤：
58.步骤s201，获取用户的用户终端上传的网络质量参数。
59.其中，网络质量参数为用于衡量网络质量的参数，如衡量lte覆盖和信号质量的参数。网络质量参数的数量可以为一个或多个，可以包括信号与干扰加噪声比(sinr，signal to interference plus noise ratio)、参考信号接收功率(rsrp，reference signal receiving power)、参考信号接收质量(rsrq，reference signal receiving quality)、接收信号强度(rssi，received signal strength indication)等中的一项或多项。
60.具体的，服务终端可以向用户终端发送参数获取请求，进而用户终端基于该参数获取请求上传网络质量参数。
61.具体的，用户可以通过安装在用户终端的应用程序或小程序等，上传网络质量参数至云端，如sinr和rsrp，进而服务终端获取云端存储的各个用户终端上传的网络质量参数，从而得到各个用户对应的网络质量参数。
62.通过用户终端上传的各个网络质量参数进行网络质量评估，提高了网络质量评估的真实性和可靠性，使得评估结果可以较大程度上反映用户对网络的感知情况。
63.步骤s202，基于预设分类算法，确定所述用户的用户类别。
64.具体的，可以预先划分预设数量的用户类别，预设数量可以为大于等于3的任意一个正整数，用户类别的划分可以采用任意方式进行划分，不同用户类别的用户对网络质量的需求等级不同。
65.其中，预设分类算法可以为基于神经网络的分类算法，还可以为k
‑
近邻(k
‑
nearest neighbor，k
‑
nn)算法，或者为决策树算法、孤立森林算法等分类算法。
66.具体的，可以基于各个用户对应的网络业务数据和/或用户对应的用户数据，以及上述预设分类算法，对各个用户进行分类，以得到各个用户的用户类别。
67.在一些实施例中，步骤s201和步骤s202可以并行执行，或者先执行步骤s202再执行步骤s201，本技术对步骤s201和步骤s202的执行顺序不进行限定。
68.步骤s203，根据所述用户对应的网络质量参数以及所述用户的用户类别，确定所述用户对应的网络质量匹配度。
69.具体的，在确定用户的用户类别以及获取用户的用户终端上传的网络质量参数之后，可以结合预先设计的对应关系，以及上述用户类别和网络质量参数，计算用户对应的网络质量匹配度，以基于该网络质量匹配度评估用户的网络是否需要进行优化调整，若是，则可以生成优化调整提示信息，以提示相关人员制定该用户的网络的优化调整策略。
70.本实施例提供的网络质量匹配度的确定方法，通过结合各个用户的用户终端上传的网络质量数据以及用户类别，确定各个用户对应的网络质量匹配度，实现了基于用户这一较细粒度的网络质量评估方法，提高了网络质量评估的精确度和全面性；同时，通过预先对用户进行分类，得到用户类别，并基于用户类别以及用户对应的网络质量参数，进行匹配度的计算，提高了网络质量评估的准确性。
71.图3为本技术另一个实施例提供的网络质量匹配度的确定方法的流程图，本实施
例是在图2所示实施例的基础上，对步骤s202和步骤s203的进一步细化，如图3所示，本实施例提供的网络质量匹配度的确定方法可以包括以下步骤：
72.步骤s301，获取用户的用户终端上传的网络质量参数、用户数据以及网络业务数据。
73.其中，用户数据可以包括用户的性别、入网年龄、用户年龄、常用住址、手机号、arpu(average monthly revenue per unit，用户平均每个月贡献的业务收入)区间等，手机号可以作为索引字段，以表征每个用户，从而将用户与其对应的匹配度一一对应。网络业务数据指的是该用户通过用户终端所进行的网络业务的各项数据，可以包括通话次数、掉话次数、下行rtt(round trip time，往返时延)平均时延、视频业务卡顿率、页面响应平均时延、各种应用程序的流量等指标参数，还可以包括用户投诉数据，如通信质量投诉次数、资费争议投诉次数、服务投诉次数和敏感渠道投诉次数等。
74.具体的，可以通过客户台账获取bss域和oss域中记录的各个用户对应的用户数据和网络业务数据。
75.具体的，可以选择用户长时间驻足的场所，如家庭住址，对应的网络质量参数进行网络质量评估。
76.步骤s302，基于预设分类算法、用户数据以及网络业务数据，确定所述用户的用户类别。
77.具体的，可以基于预设分类算法、各个用户的用户数据以及网络业务数据，从预先划分各种用户类别中确定各个用户的用户类别。
78.进一步地，在获取各个用户的用户数据以及各个用户的网络业务数据之后，所述方法还包括：
79.对各个用户的用户数据以及网络业务数据进行预处理，从而得到各个用户对应的特征向量。
80.具体的，预处理可以包括将非数值型数据转换为数值型数据，还可以包括对数值型数据进行归一化处理，从而将数值化后的用户数据以及网络业务数据映射到[0，1]取值范围内。
[0081]
示例性的，对于用户性别这一数据，可以将“男”这一字符映射为0，而将“女”这一字符映射为1。
[0082]
示例性的，归一化所采用的公式可以为：
[0083][0084]
其中，oldvalue为归一化处理之前的数据，min为该数据的最小值，max为该数据的最大值，newvalue为归一化处理后的数据。
[0085]
在一些实施例中，预处理后的用户的特征向量可以由以下特征变量中的多项组成：手机号(y0)、apru区间(x1)、入网年龄段(x3)、用户性别(x4)、微博流量(x5)、即时通信流量(x6)、音乐流量(x7)、视频流量(x8)、页面浏览流量(x9)、游戏流量(x10)、视频业务卡顿率(x11)、一周内通话次数(x12)、一周内掉话次数(x13)、下行rtt平均时延(x14)、页面响应平均时延(x15)、三个月来通信质量投诉次数(x16)、三个月来资费争议投诉次数(x17)、三个月来服务投诉次数(x18)和三个月来敏感渠道投诉次数(x19)。
[0086]
具体的，可以将手机号设置为索引字段，以通过输入用户的手机号的方式查询用户对应的网络质量匹配度。
[0087]
进一步地，在得到各个用户对应的特征向量之后，将各个用户对应的特征向量输入该预设分类算法对应的模型或平台中，从而得到各个用户的用户类别。
[0088]
通过基于用户数据以及业务网络数据对用户进行分类，从而结合用户类别计算用户的网络质量匹配度，提高了匹配度计算的自适应性和准确度。
[0089]
可选的，所述预设分类算法为k
‑
近邻算法。
[0090]
具体的，基于k
‑
邻近算法、已知用户类别的目标数据集以及各个用户的特征向量，确定各个用户的用户类别。
[0091]
其中，已知类别的目标数据集中包括各个用户类别已知的用户的特征向量。
[0092]
进一步地，针对每个待确定用户类别的用户，计算目标数据集中各个特征向量与该用户的特征向量的距离，如欧式距离、曼哈顿距离等，并按照距离递增次序对目标数据集中的各个特征选了进行排序，取排序位于前k个目标数据集中的特征向量对应的用户类别，组成备选用户类别集，从该备选类别集中，确定出现频率最高的用户类别为该用户的用户类别。
[0093]
在一些实施例中，k
‑
邻近算法的k的取值为3。
[0094]
采用k
‑
邻近算法进行用户分类，提高了用户分类的效率，减少了用户分类的复杂度。
[0095]
可选的，所述方法还包括：
[0096]
根据所述用户类别的数量，确定所述k
‑
近邻算法中k的取值。
[0097]
具体的，可以预先建立用户类别数量与k的取值的第一对应关系，从而基于所划分的用户类别的数量，即上述预设数量，以及该第一对应关系，确定k的取值。
[0098]
示例性的，当用户类别的数量小于或等于第一数量时，如4，k的取值可以为3，当用户类别的数量大于第一数量且小于或等于第二数量时，如10，k的取值可以为5。
[0099]
在一些实施例中，k的取值为大于或等于3的奇数。
[0100]
进一步地，可以基于用户类别的数量，确定k的初始值，进而通过预设分类算法的训练过程对k的取值进行调整。
[0101]
通过合理设置k的取值，可以有效提高分类的准确度，避免欠拟合或过拟合。
[0102]
进一步地，在基于预设分类算法、用户数据以及网络业务数据，确定用户的用户类别之前，还可以先执行预设分类算法的训练的步骤，以通过预设分类算法的训练确定算法的精度、k的取值以及得到目标数据集。
[0103]
具体的，可以预先收集一定数量的样本数据，按照4:1的比例将样本数据划分为训练集和验证集，通过人为方式或者通过设定函数以及设定条件判断的方式，预先为训练集和验证集中的每个数据设置标签，数据对应的标签即为数据对应的用户的用户类别，如标签包括a、b、c、d四种，如a表示对网速要求高且对网络感知敏感的用户，b表示对网速要求较高且对网络感知敏感的用户，c表示对网速要求较高且对网络感知不敏感的用户，d则表示对网速要求低且对网络感知不敏感的用户。基于上述预处理操作，对训练集和验证集中的每个数据进行预处理，得到训练接和验证集对应的各个特征向量，设置k的初始值，如3；以训练集中的各个特征向量为目标向量，计算验证集中每个特征向量与每个目标向量的距
离，通过排序，得到与验证集中每个特征向量距离最小的k个目标向量，基于投票法，从距离最小的k个目标向量对应的标签中，确定出现频率最高的标签为验证集中每个特征向量的估计标签，进而基于验证集中各个特征向量对应的实际标签以及估计标签，确定k
‑
近邻算法的准确度，若准确度大于或等于预设值，则训练完毕，以上述训练集的各个特征向量为已知类别的目标数据集，或者将实际标签与估计标签匹配的各个验证集中的特征向量以及上述训练集的各个特征向量作为已知类别的目标数据集，以进行后续的用户分类。若准确度小于预设值，则调整k的取值，继续进行下一轮的训练，直至准确度大于或等于预设值。
[0104]
步骤s303，对所述用户对应的各个网络质量参数进行参数变换，以得到变换后的各个网络质量参数。
[0105]
具体的，可以通过预设函数对各个用户对应的各个网络质量参数进行参数变换，如线性函数或非线性函数，如为正比例函数、正相关函数、指数函数等。
[0106]
具体的，不同的网络质量参数对应的预设函数可以不同，如预设函数的参数可以不同，或者预设函数的类型可以不同。
[0107]
可选的，所述网络质量参数包括第一参数和第二参数，对所述用户对应的各个网络质量参数进行参数变换，以得到变换后的各个网络参数，包括：
[0108]
基于第一关系式，对所述用户对应的所述第一参数进行数据转换，得到转换后的第一参数；基于第二关系式，对所述用户对应的所述第二参数进行数据转换，得到转换后的第二参数；其中，所述第一关系式与所述第二关系式为不同的关系式。
[0109]
针对不同的网络质量参数，设置不同的关系式进行网络质量参数的数据转换，使得转换后的网络质量参数能够更好地反映网络质量参数与网络质量之间的对应关系，进而提高网络质量匹配度计算的准确度。
[0110]
具体的，第一参数可以为参考信号接收功率rsrp，第二参数可以为信号与干扰加噪声比sinr。当rsrp≥
‑
80dbm时，覆盖率较高，评级为良好；当80dbm>rsrp≥
‑
90dbm时，覆盖率适中，评级为中等；当90dbm>rsrp≥
‑
105dbm时，覆盖率一般，掉话率较高，评级为合格；当rsrp≤
‑
105dbm时，覆盖率较差，基本无法进行业务，评级为较差。当sinr≥15dbm时，评级为良好；当15dbm>sinr≥6dbm时，评级为中等；当6dbm>sinr≥0dbm时，评级为合格；当sinr≤0dbm时，评级为较差。可见不同的网络质量参数的评级标准并不相同，为了提高网络质量匹配度计算的准确度，需要对网络质量参数进行转换，以转换为符合上述评级标准的参数。
[0111]
步骤s304，基于所述用户的用户类别以及所述用户对应的变换后的各个网络质量参数，确定所述用户对应的网络质量匹配度。
[0112]
可选的，图4为本技术图3所示实施例中步骤s304的流程图，如图4所示，步骤s304可以包括以下步骤：
[0113]
步骤s3041，基于转换后的第一参数以及预设关系式，计算第一匹配度。
[0114]
步骤s3042，基于转换后的第二参数以及预设关系式，计算第二匹配度。
[0115]
其中，预设关系式可以为任意一种激活函数，以使得第一匹配度和第二匹配度位于0～1之间。
[0116]
在一些实施例中，步骤s3041和步骤s3042可以并行执行，或者先执行步骤s3041再执行步骤s3042，或者先执行步骤s3042再执行步骤s3041，本技术对步骤s3041和步骤s3042的执行顺序不进行限定。
[0117]
在一些实施例中，可以分别将转换后的第一参数和转换后的第二参数代入上述预设关系式中，从而得到第一匹配度和第二匹配度。
[0118]
可选的，所述预设关系式为sigmoid函数。
[0119]
通过sigmoid函数将各个网络质量参数，即第一参数和第二参数，光滑地映射为[0，1]之间的数值，以便于进行后续网络质量匹配度的计算和网络质量的评估。
[0120]
由于sigmoid函数的自身特性，为了使得第一匹配度和第二匹配度的计算符合第一参数和第二参数的评级标准，需要对第一参数和第二参数进行处理，如线性变换，从而得到变换后的第一参数和第二参数。
[0121]
可选的，所述第一关系式和所述第二关系式均为线性函数，且所述第一关系式与所述第二关系式中的斜率和/或截距不同。第一关系式为：x
rsrp_new
＝k1*x
rsrp_old
+c1，其中，x
rsrp_new
为转换后的rsrp，x
rsrp_old
为转换之前的rsrp。第一关系式为：x
sinr_new
＝k2*x
sinr_old
+c2，其中，x
sinr_new
为转换后的sinr，x
sinr_old
为转换之前的sinr。
[0122]
示例性的，k1＝0.4，c1＝37，k2＝2/3，c2＝
‑
5。
[0123]
进而，将转换后的第一参数和转换后的第二参数分别代入上述sigmoid函数，便可以得到上述第一匹配度q1和第二匹配度q2。
[0124]
步骤s3043，根据所述用户的用户类别、所述用户对应的第一匹配度以及所述用户对应的第二匹配度，确定所述用户对应的网络质量匹配度。
[0125]
具体的，可以将用户类别数值化，进而基于用户类别、第一匹配度和第二皮匹配度三者的乘积，确定用户对应的网络质量匹配度。
[0126]
可选的，根据所述用户的用户类别、所述用户对应的第一匹配度以及所述用户对应的第二匹配度，确定所述用户对应的网络质量匹配度，包括：
[0127]
根据所述用户的用户类别，确定所述用户的用户权重；根据所述用户的用户权重、所述用户对应的第一匹配度以及所述用户对应的第二匹配度，确定所述用户对应的网络质量匹配度。
[0128]
其中，用户类别对应的网络质量的需求等级越高，则对应的权重越低。
[0129]
示例性的，若按需求等级依次将用户划分为a、b和c三种用户类别，则a类用户的权重可以为0.8，b类用户的权重可以为1，c类用户的权重可以为1.2。
[0130]
示例性的，若按需求等级依次将用户划分为a、b、c、d和e五种用户类别，则a类用户的权重可以为0.6，b类用户的权重可以为0.8，c类用户的权重可以为1，d类用户的权重可以为1.2，e类用户的权重可以为1.4。
[0131]
具体的，在确定用户权重之后，计算用户的用户权重、用户对应的第一匹配度以及用户对应的第二匹配度三者的乘积，便可以得到用户对应的网络质量匹配度。
[0132]
通过合理设置用户类别对应的权重，充分考虑了不同类别的用户对网络质量的需求不同，进一步提高了网络质量匹配度计算的准确性。
[0133]
进一步地，在得到各个用户的网络质量匹配度之后，还可以输出网络评估结果，该网络评估结果包括各个用户的手机号及其对应的网络质量匹配度，从而运维人员可以通过手机号快速查找用户的网络质量匹配度。
[0134]
进一步地，可以根据对应的网络质量匹配度低于预设阈值的各个用户对应的用户数据、网络业务数据以及网络质量匹配度，生成运维提示信息，并显示或/发送该运维提示
信息，以提示运维人员对网络质量匹配度较低的各个用户的网络进行优化调整。
[0135]
在本实施例中，结合用户数据以及用户的网络业务数据，对用户进行分类，实现了按照网络质量需求对用户进行精准分类；进而获取用户终端上传的网络质量参数，对各个网络质量参数进行数据变换，从而使得变换后的各个网络质量参数符合其评级标准，进而基于用户类别以及变换后的各个网络质量参数，计算用户对应的网络质量匹配度，实现了以用户为粒度的网络质量评估，提高了网络质量评估的进度，同时结合用户类别和参数两种因素进行网络评估，提高了网络质量评估的准确度，使得所确定的匹配度更符合各类用户的真实网络感知。
[0136]
图5为本技术一个实施例提供的网络质量匹配度的确定装置的结构示意图，如图5所示，该装置适用于服务终端，该装置包括：参数获取模块510、类别确定模块520和匹配度确定模块530。
[0137]
其中，参数获取模块510，用于获取用户的用户终端上传的网络质量参数；类别确定模块520，用于基于预设分类算法，确定所述用户的用户类别；匹配度确定模块530，用于根据所述用户对应的网络质量参数以及所述用户的用户类别，确定所述用户对应的网络质量匹配度。
[0138]
可选的，匹配度确定模块530，包括：
[0139]
参数变换单元，用于对所述用户对应的各个网络质量参数进行参数变换，以得到变换后的各个网络质量参数；匹配度确定单元，用于基于所述用户的用户类别以及所述用户对应的变换后的各个网络质量参数，确定所述用户对应的网络质量匹配度。
[0140]
可选的，所述网络质量参数包括第一参数和第二参数，参数变换单元，具体用于：
[0141]
基于第一关系式，对所述用户对应的所述第一参数进行数据转换，得到转换后的第一参数；基于第二关系式，对所述用户对应的所述第二参数进行数据转换，得到转换后的第二参数；其中，所述第一关系式与所述第二关系式为不同的关系式。
[0142]
可选的，所述网络质量参数包括第一参数和第二参数，匹配度确定单元，包括：
[0143]
第一计算子单元，用于基于转换后的第一参数以及预设关系式，计算第一匹配度；第二计算子单元，用于基于转换后的第二参数以及预设关系式，计算第二匹配度；匹配度确定子单元，用于根据所述用户的用户类别、所述用户对应的第一匹配度以及所述用户对应的第二匹配度，确定所述用户对应的网络质量匹配度。
[0144]
可选的，匹配度确定子单元，具体用于：
[0145]
根据所述用户的用户类别，确定所述用户的用户权重；根据所述用户的用户权重、所述用户对应的第一匹配度以及所述用户对应的第二匹配度，确定所述用户对应的网络质量匹配度。
[0146]
可选的，类别确定模块520，具体用于：
[0147]
获取所述用户的用户数据以及网络业务数据；基于预设分类算法、用户数据以及网络业务数据，确定所述用户的用户类别。
[0148]
可选的，所述预设分类算法为k
‑
近邻算法，所述装置还包括：
[0149]
参数确定模块，用于根据所述用户类别的数量，确定所述k
‑
近邻算法中k的取值。
[0150]
本技术实施例所提供的网络质量匹配度的确定装置可执行本技术任意实施例所提供的网络质量匹配度的确定方法，具备执行方法相应的功能模块和有益效果。
[0151]
图6为本技术一个实施例提供的服务终端的结构示意图，如图6所示，该服务终端包括：存储器610，处理器620以及计算机程序。
[0152]
其中，计算机程序存储在存储器610中，并被配置为由处理器620执行以实现本技术图2至图4所对应的实施例中任一实施例提供的网络质量匹配度的确定方法。
[0153]
其中，存储器610和处理器620通过总线630连接。
[0154]
相关说明可以对应参见图2至图4的步骤所对应的相关描述和效果进行理解，此处不做过多赘述。
[0155]
一种非临时性计算机可读存储介质，当该存储介质中的指令由服务终端的处理器执行时，使得服务终端能够执行上述网络质量匹配度的确定方法。
[0156]
例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd
‑
rom、磁带、软盘和光数据存储设备等。
[0157]
本技术实施例还提供了一种计算机程序产品，包括可执行计算机程序，该可执行计算机程序存储在可读存储介质中。服务终端的至少一个处理器可以从可读存储介质读取该计算机程序，至少一个处理器执行该计算机程序使得网络质量匹配度的确定装置实施上述各种实施方式提供的网络质量匹配度的确定方法。
[0158]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由下面的权利要求书指出。
[0159]
应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求书来限制。