本發(fā)明屬于網(wǎng)絡(luò)業(yè)務(wù)技術(shù)領(lǐng)域，尤其涉及一種基于多標(biāo)記學(xué)習(xí)的瀏覽類業(yè)務(wù)感知指標(biāo)預(yù)測方法。

背景技術(shù)：

移動網(wǎng)絡(luò)用戶在使用ott業(yè)務(wù)(如網(wǎng)頁瀏覽，視頻播放等)過程中，其業(yè)務(wù)體驗的好壞一般可用一套kqi(關(guān)鍵質(zhì)量指標(biāo))指標(biāo)進(jìn)行評價，比如網(wǎng)頁打開時延、下載速率等。這種體驗的好壞受多種因素的影響，包括終端質(zhì)量、使用業(yè)務(wù)時所處位置的移動網(wǎng)絡(luò)質(zhì)量、app質(zhì)量、sp網(wǎng)站服務(wù)器集群的帶寬和負(fù)荷等。

電信運營商作為各類業(yè)務(wù)的傳輸通道提供方和業(yè)務(wù)體驗保障的關(guān)鍵環(huán)節(jié)，需要盡可能保障用戶的業(yè)務(wù)體驗，否則可能導(dǎo)致用戶投訴甚至離網(wǎng)。

目前一般是電信運營商的網(wǎng)絡(luò)運維和優(yōu)化部門通過日常的網(wǎng)絡(luò)優(yōu)化作業(yè)來保障網(wǎng)絡(luò)質(zhì)量，但網(wǎng)絡(luò)質(zhì)量與用戶的業(yè)務(wù)體驗之間仍然存在較大的差異，好的網(wǎng)絡(luò)質(zhì)量并不一定能保障良好的業(yè)務(wù)體驗(由于業(yè)務(wù)體驗是受前述的眾多因素的綜合作用)?？头块T只有在接到用戶投訴時才發(fā)現(xiàn)業(yè)務(wù)體驗的問題，再去協(xié)調(diào)網(wǎng)絡(luò)運維和優(yōu)化部門去排查問題和解決，往往很被動。

如果能在日常的網(wǎng)絡(luò)運營中持續(xù)監(jiān)測用戶的業(yè)務(wù)體驗，并根據(jù)海量的用戶業(yè)務(wù)感知歷史數(shù)據(jù)(不同場景下的業(yè)務(wù)感知指標(biāo)的好壞)，對用戶在特定場景下的業(yè)務(wù)體驗好壞做出預(yù)測和預(yù)警，則有助于及早發(fā)現(xiàn)業(yè)務(wù)體驗問題并及時采取相關(guān)措施進(jìn)行改善，并有效降低投訴率和離網(wǎng)率。

技術(shù)實現(xiàn)要素：

本發(fā)明要解決的問題是如何根據(jù)用戶所處的場景對用戶的網(wǎng)頁瀏覽類業(yè)務(wù)的kqi指標(biāo)進(jìn)行及時、準(zhǔn)確的預(yù)測，提供一種基于多標(biāo)記學(xué)習(xí)的瀏覽類業(yè)務(wù)感知指標(biāo)預(yù)測方法。

為實現(xiàn)上述目的，本發(fā)明采用如下的技術(shù)方案：

一種基于多標(biāo)記學(xué)習(xí)的瀏覽類業(yè)務(wù)感知指標(biāo)預(yù)測方法，包括以下步驟：

步驟s1、對瀏覽業(yè)務(wù)感知樣本數(shù)據(jù)集構(gòu)造訓(xùn)練樣本集；

步驟s2、構(gòu)造訓(xùn)練樣本的k最近鄰樣本集；

步驟s3：計算先驗概率和歸一化頻數(shù)矩陣

對每個標(biāo)記項yj，j＝1～q，按下面的公式(1)計算先驗概率和

其中，hj和分別表示新采集的無標(biāo)記樣本x具有和不具有標(biāo)記項yj，而和則分別表示hj和成立的先驗概率，s為控制參數(shù)，

按下面的公式(2)(3)計算歸一化頻數(shù)矩陣[fj[r]k×q和

其中，δj(xi)表示的訓(xùn)練樣本xi的近鄰樣本中具有標(biāo)記yj的樣本個數(shù)，[·]表示取整，fj[r]表示訓(xùn)練樣本集中具有標(biāo)記yj并且同時有占比為的近鄰也具有標(biāo)記yj的訓(xùn)練樣本個數(shù)，則表示訓(xùn)練樣本集中不具有標(biāo)記yj并且同時有占比為的近鄰具有標(biāo)記yj的訓(xùn)練樣本個數(shù)；

步驟s4：構(gòu)造未知樣本x的k近鄰樣本集

對未知樣本x，按照步驟s2的方法在訓(xùn)練樣本集中構(gòu)造出該樣本的k近鄰樣本集實際的最近鄰樣本數(shù)為kx，其中，kx≤k；

步驟s5：計算未知樣本x的同標(biāo)記統(tǒng)計

對每一個標(biāo)記項yj,j＝1～q，按照公式(4)統(tǒng)計中具有該標(biāo)記項的樣本的數(shù)量{cj}，稱為未知樣本x在其kx個最近鄰樣本集中的同標(biāo)記統(tǒng)計：

步驟s6：計算未知樣本x的似然概率

按公式(5)(6)計算似然概率和

其中，表示當(dāng)未知樣本x具有標(biāo)記yj時，它的最近鄰樣本中有占比的樣本也具有標(biāo)記yj的似然性；

步驟s7：估計未知樣本x的標(biāo)記值

由下式(7)和(8)計算得到未知樣本x的標(biāo)記集y的估計值{y1,y2}，即

考慮到首包時延和頁面打開時延兩個指標(biāo)的強相關(guān)性，尤其是首包時延對頁面打開時延的影響，在估計y2也即頁面打開時延的標(biāo)記項是否成立(即標(biāo)記值為1)時，采用如下方式計算：

作為優(yōu)選，步驟s1包括以下步驟：

步驟s1a、訓(xùn)練樣本集的屬性項選擇

從樣本的所有字段中選擇其子集，即{日期，時間，經(jīng)度，緯度，大區(qū)編號，小區(qū)編號，場強，信號質(zhì)量，網(wǎng)站名稱，網(wǎng)站ip，dnsip，用戶標(biāo)識，終端型號}，作為訓(xùn)練樣本的屬性集x＝{x1，x2，...，xd}，d為屬性集的維度；其中，屬性字段{日期，時間，經(jīng)度，緯度，場強，信號質(zhì)量}為數(shù)值型數(shù)據(jù)，屬性字段{大區(qū)編號，小區(qū)編號，網(wǎng)站名稱，網(wǎng)站ip，dnsip，用戶標(biāo)識，終端型號}為名目型數(shù)據(jù)；

步驟s1b、訓(xùn)練樣本集的標(biāo)記項選擇

從樣本所有字段中選擇其子集，即{首包時延，頁面打開時延}，作為訓(xùn)練樣本的標(biāo)記集y＝{y1，y2，...，yq}，q為標(biāo)記集的維度，其中，標(biāo)記字段{首包時延，頁面打開時延}為布爾型數(shù)據(jù)；

步驟s1c、訓(xùn)練樣本的選取

根據(jù)步驟s1a和步驟s1b中選定的屬性集和標(biāo)記集，從瀏覽業(yè)務(wù)感知樣本集中隨機選擇m個樣本作為訓(xùn)練樣本集d，即d＝{(xi，yi)|1≤i≤m}；

步驟s1d、訓(xùn)練樣本屬性值和標(biāo)記值的轉(zhuǎn)換

如果訓(xùn)練樣本中的日期和時間的原始值不是數(shù)值型數(shù)據(jù)，則進(jìn)行轉(zhuǎn)換：以某個日期為基準(zhǔn)，將該日期取值定義為0，以距離基準(zhǔn)日期的天數(shù)作為訓(xùn)練樣本中日期值的表示，時間則以零時為基準(zhǔn)點、以分鐘為顆粒度表示，

對訓(xùn)練樣本中的所有數(shù)值型數(shù)據(jù)利用以下公式進(jìn)行歸一化，即：

其中表示屬性i的真實值，和別表示該屬性在訓(xùn)練樣本集中的最小和最大值。

對于訓(xùn)練樣本中的各標(biāo)記字段{首包時延y1，頁面打開時延y2}，其在原始的“瀏覽業(yè)務(wù)感知樣本集”中均為數(shù)值型數(shù)據(jù)(分別記為)，根據(jù)預(yù)設(shè)的感知質(zhì)差判決門限{t1,t2}按公式(9)分別轉(zhuǎn)換成布爾型數(shù)據(jù)，即：

其中，函數(shù)[c]表示當(dāng)條件c成立時返回1，否則返回0。

作為優(yōu)選，步驟s2中對訓(xùn)練樣本集中的每個樣本矢量xi，i＝1～m，在訓(xùn)練樣本集中尋找該樣本矢量的最多k個最近鄰樣本，構(gòu)成該樣本矢量的k最近鄰樣本集該樣本集的實際最近鄰樣本個數(shù)為ki，且ki≤k；具體方法如下：

步驟s2a、對樣本矢量xi＝{xil，l＝1～d}，在訓(xùn)練樣本集中根據(jù)日期屬性，尋找所有與xi1的距離小于設(shè)定門限td(默認(rèn)值為10)的樣本，構(gòu)成初始最近鄰樣本集

步驟s2b、在初始最近鄰樣本集中，尋找至少滿足以下條件之一的樣本，即與xi5相同，或根據(jù)經(jīng)緯度計算的與xi的經(jīng)緯度歐氏距離小于設(shè)定門限tdis，構(gòu)成中間最近鄰樣本集

步驟s2c、計算中間最近鄰樣本集中各樣本矢量與樣本矢量xi的加權(quán)歐氏距離，按距離值升序排列，取最多前k個樣本作為k最近鄰樣本集

本發(fā)明的有益效果如下：

根據(jù)海量的用戶業(yè)務(wù)感知歷史數(shù)據(jù)(不同場景下的業(yè)務(wù)感知指標(biāo)的好壞)，對用戶在特定場景下的業(yè)務(wù)體驗好壞做出預(yù)測和預(yù)警，有助于及早發(fā)現(xiàn)業(yè)務(wù)體驗問題并及時采取相關(guān)措施進(jìn)行改善，并有效降低投訴率和離網(wǎng)率。

附圖說明

圖1為本發(fā)明預(yù)測方法的流程圖；

圖2為構(gòu)造訓(xùn)練樣本集的流程圖。

具體實施方式

如圖1、2所示，本發(fā)明提出了一種基于多標(biāo)記學(xué)習(xí)的瀏覽類業(yè)務(wù)感知指標(biāo)預(yù)測方法，包括以下步驟：

步驟s1：構(gòu)造訓(xùn)練樣本集

已知某城市的本地移動網(wǎng)絡(luò)下(如北京移動的lte網(wǎng)絡(luò))，當(dāng)用戶在智能終端上使用網(wǎng)頁瀏覽類業(yè)務(wù)app(如ucweb、qq瀏覽器等)瀏覽預(yù)定義的目標(biāo)網(wǎng)頁集合(如新浪主頁，搜狐主頁等)中的某個網(wǎng)頁時，通過部署在用戶終端上的數(shù)據(jù)采集app等方式，獲取此時的“網(wǎng)頁瀏覽業(yè)務(wù)感知樣本”；在一定時間范圍內(nèi)、從海量用戶終端上采集的全部樣本構(gòu)成了“瀏覽業(yè)務(wù)感知樣本集”。

網(wǎng)頁瀏覽業(yè)務(wù)感知樣本其所包含的信息(即樣本字段)應(yīng)至少包括：日期，時間，網(wǎng)絡(luò)制式，小區(qū)標(biāo)識，終端當(dāng)前經(jīng)緯度，場強(不同的制式下名稱不同：如gsm網(wǎng)絡(luò)的rxlevel，lte網(wǎng)絡(luò)的rsrp等)，信號質(zhì)量(不同的制式下名稱不同：如c/i或sinr或rsrq等)，用戶標(biāo)識(imsi)，終端標(biāo)識(imei或meid)，終端型號，瀏覽器app名稱，瀏覽網(wǎng)站名稱，瀏覽網(wǎng)站url，瀏覽網(wǎng)站ip，dnsip，首包時延，頁面打開時延，dns解析時延，tcp連接時延，get請求時延，接收響應(yīng)時延。

其中：小區(qū)標(biāo)識為唯一確定一個小區(qū)的標(biāo)識參數(shù)的組合，一般由大區(qū)編號+小區(qū)編號組成。對不同網(wǎng)絡(luò)所使用的參數(shù)名稱不同，如gsm、wcdma、td-scdma網(wǎng)絡(luò)為lac+ci，lte為tac+eci。

其中：“首包時延”定義為從用戶發(fā)起網(wǎng)頁瀏覽請求到收到目標(biāo)服務(wù)器響應(yīng)的第一個http200ok報文包之間的所經(jīng)歷的時長。首包時延＝dns解析時延+tcp連接響應(yīng)時延+get請求響應(yīng)時延。

其中：“頁面打開時延”定義為從用戶發(fā)起瀏覽請求到整個http頁面下載完畢(僅頁面文本內(nèi)容，不包含資源的二次加載)的時長。頁面打開時延＝首包時延+接收響應(yīng)時延。

其中：“dns解析時延”指從終端發(fā)起dns解析請求開始到完成dns解析的時延；“tcp連接時延”指從dns解析結(jié)束到tcp連接(三次握手)建立完成的時延；“get請求時延”指從發(fā)出get請求到收到第一個tcp數(shù)據(jù)包(含http200ok)的時延；“接收響應(yīng)時延”指從收到第一個響應(yīng)數(shù)據(jù)包開始到終端發(fā)出[fin，ack](即接收完成)的時延。

步驟s1a：訓(xùn)練樣本集的屬性項選擇

從上述樣本的所有字段中選擇其子集，即{日期，時間，經(jīng)度，緯度，大區(qū)編號，小區(qū)編號，場強，信號質(zhì)量，網(wǎng)站名稱，網(wǎng)站ip，dnsip，用戶標(biāo)識，終端型號}，作為訓(xùn)練樣本的屬性集x＝{x1，x2，...，xd}，d為屬性集的維度，這里d＝13；其中，屬性字段{日期，時間，經(jīng)度，緯度，場強，信號質(zhì)量}為數(shù)值型數(shù)據(jù)，屬性字段{大區(qū)編號，小區(qū)編號，網(wǎng)站名稱，網(wǎng)站ip，dnsip，用戶標(biāo)識，終端型號}為名目型數(shù)據(jù)；

步驟s1b：訓(xùn)練樣本集的標(biāo)記項選擇

從上述樣本的所有字段中選擇其子集，即{首包時延，頁面打開時延}，作為訓(xùn)練樣本的標(biāo)記集y＝{y1，y2，...，yq}，q為標(biāo)記集的維度，這里q＝2；其中，標(biāo)記字段{首包時延，頁面打開時延}為布爾型數(shù)據(jù)；

步驟s1c：訓(xùn)練樣本的選取

根據(jù)步驟s1a和s1b中選定的屬性集和標(biāo)記集，從瀏覽業(yè)務(wù)感知樣本集中隨機選擇m個樣本作為訓(xùn)練樣本集d，即d＝{(xi，yi)|1≤i≤m}；

步驟s1d：訓(xùn)練樣本屬性值和標(biāo)記值的轉(zhuǎn)換

如果訓(xùn)練樣本中的日期和時間的原始值不是數(shù)值型數(shù)據(jù)，則進(jìn)行轉(zhuǎn)換：以某個日期為基準(zhǔn)(如2015年1月1日)，將該日期取值定義為0，以距離基準(zhǔn)日期的天數(shù)作為訓(xùn)練樣本中日期值的表示。時間則以零時為基準(zhǔn)點、以分鐘為顆粒度表示。

對訓(xùn)練樣本中的所有數(shù)值型數(shù)據(jù)利用公式(1)進(jìn)行歸一化，即：

其中表示屬性i的真實值，和別表示該屬性在訓(xùn)練樣本集中的最小和最大值。

對于訓(xùn)練樣本中的各標(biāo)記字段{首包時延y1，頁面打開時延y2}，其在原始的“瀏覽業(yè)務(wù)感知樣本集”中均為數(shù)值型數(shù)據(jù)(分別記為)，根據(jù)預(yù)設(shè)的感知質(zhì)差判決門限{t1,t2}按公式(1)分別轉(zhuǎn)換成布爾型數(shù)據(jù)，即：

其中函數(shù)[c]表示當(dāng)條件c成立時返回1，否則返回0。

步驟s2：構(gòu)造訓(xùn)練樣本的k最近鄰樣本集

對訓(xùn)練樣本集中的每個樣本矢量xi，i＝1～m，在訓(xùn)練樣本集中尋找該樣本矢量的最多k個最近鄰樣本，構(gòu)成該樣本矢量的k最近鄰樣本集該樣本集的實際最近鄰樣本個數(shù)為ki，(ki≤k)；具體方法如下：

步驟2a：對樣本矢量xi＝{xil，l＝1～d}，在訓(xùn)練樣本集中根據(jù)日期屬性，尋找(除該樣本自身之外)所有與xi1的距離小于設(shè)定門限td(默認(rèn)值為10)的樣本，構(gòu)成初始最近鄰樣本集

步驟2b：在初始最近鄰樣本集中，尋找至少滿足以下條件之一的樣本，即與xi5(即大區(qū)編號)相同，或根據(jù)經(jīng)緯度計算的與xi的經(jīng)緯度歐氏距離小于設(shè)定門限tdis(默認(rèn)值為2000米)，構(gòu)成中間最近鄰樣本集

步驟2c：計算中間最近鄰樣本集中各樣本矢量與樣本矢量xi的加權(quán)歐氏距離，按距離值升序排列，取最多前k個樣本作為k最近鄰樣本集

步驟s3：計算先驗概率和歸一化頻數(shù)矩陣

對每個標(biāo)記項yj，j＝1～q，按下面的公式(2)計算先驗概率和

其中，hj和分別表示新采集的無標(biāo)記樣本(稱“未知樣本”，即僅有屬性信息，沒有標(biāo)記信息)x具有和不具有標(biāo)記項yj(也即標(biāo)記項yj＝1和0，)，而和則分別表示hj和成立的先驗概率，s為控制參數(shù)(一般取為1)。

然后，按下面的公式(3)(4)計算歸一化頻數(shù)矩陣[fj[r]]k×q和

其中，δj(xi)表示的訓(xùn)練樣本xi的近鄰樣本中具有標(biāo)記yj的樣本個數(shù)，[·]表示取整。則fj[r]表示訓(xùn)練樣本集中具有標(biāo)記yj并且同時有占比為的近鄰也具有標(biāo)記yj(即該標(biāo)記值為1)的訓(xùn)練樣本個數(shù)。而則表示訓(xùn)練樣本集中不具有標(biāo)記yj(即該標(biāo)記為0)并且同時有占比為的近鄰具有標(biāo)記yj的訓(xùn)練樣本個數(shù)。

步驟s4：構(gòu)造未知樣本x的k近鄰樣本集

對未知樣本x，按照步驟s2的方法在訓(xùn)練樣本集中構(gòu)造出該樣本的k近鄰樣本集實際的最近鄰樣本數(shù)為kx，(kx≤k)；

步驟s5：計算未知樣本x的同標(biāo)記統(tǒng)計

對每一個標(biāo)記項yj,j＝1～q，按照公式(5)統(tǒng)計中具有該標(biāo)記項(即值為1)的樣本的數(shù)量{cj}，稱為未知樣本x在其kx個最近鄰樣本集中的同標(biāo)記統(tǒng)計：

步驟s6：計算未知樣本x的似然概率

按公式(6)(7)計算似然概率和

表示當(dāng)未知樣本x具有標(biāo)記yj時，它的最近鄰樣本中有占比的樣本也具有標(biāo)記yj的似然性(可能性)。

步驟s7：估計未知樣本x的標(biāo)記值

在前面各步驟計算結(jié)果的基礎(chǔ)上，即可由下式(8)和(9)計算得到未知樣本x的標(biāo)記集y的估計值{y1,y2}。其中：

考慮到首包時延和頁面打開時延兩個指標(biāo)的強相關(guān)性，尤其是首包時延對頁面打開時延的影響，在估計y2也即頁面打開時延的標(biāo)記項是否成立(即標(biāo)記值為1)時，采用如下方式計算：