[发明专利]用户体验质量确定方法及系统

说明书

本发明实施例提供了一种用户体验质量确定方法及系统，可以使用获得的多个网络状态下的网络数据对神经网络计算模型进行训练和测试，在当前训练模型通过测试后，将从网络中采集的网络质量参数输入到通过测试的当前训练模型中，计算得出用户体验质量。由于经过训练且测试通过的神经网络计算模型可以根据从网络中采集的网络质量参数计算得到用户体验质量，因此本发明在得到通过测试后的神经网络计算模型后，无需通过用户对体验质量进行评分来得到用户体验质量。因此，本发明也减少了获得用户体验质量过程中给用户带来的干扰，也不易受用户配合度的影响。

技术领域

本发明涉及计算机网络技术领域，特别是涉及用户体验质量确定方法及系统。

背景技术

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。

用户体验质量(QoE，Quality of Experience)相对于服务质量(QoS，Quality ofService)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。这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。这无疑给用户带来了干扰，同时，这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

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，以无需用户对体验质量进行评分即可得到用户体验质量。

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；

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阈值，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以对当前训练模型进行训练；

其中，所述模型测试的步骤包括：

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以对训练后的当前训练模型进行测试；