移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)探討
時(shí)間:2022-06-24 10:18:51
導(dǎo)語:移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)探討一文來源于網(wǎng)友上傳,不代表本站觀點(diǎn),若需要原創(chuàng)文章可咨詢客服老師,歡迎參考。
摘要:傳統(tǒng)網(wǎng)絡(luò)用戶體驗(yàn)層次分析方法忽略了對用戶體驗(yàn)質(zhì)量評(píng)價(jià)的統(tǒng)計(jì)特征量的提取,導(dǎo)致用戶體驗(yàn)質(zhì)量評(píng)價(jià)的準(zhǔn)確度偏低,網(wǎng)絡(luò)服務(wù)不夠滿意。因此,提出基于移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的模糊層次分析方法。根據(jù)用戶歷史偏好數(shù)據(jù)分布構(gòu)建移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量分析模型,考慮移動(dòng)網(wǎng)絡(luò)用戶在瀏覽網(wǎng)站時(shí)的行為特征參量,分析移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的模糊參數(shù)。通過計(jì)算用戶之間的相似性特征量,采用模糊度特征聚類方法實(shí)現(xiàn)對移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的大數(shù)據(jù)挖掘和信息融合處理?;诖颂崛∫苿?dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的統(tǒng)計(jì)特征量,結(jié)合用戶-用戶相似性分布和差異度特征,實(shí)現(xiàn)對移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的模糊層次分析。仿真實(shí)驗(yàn)結(jié)果表明,采用該方法分析移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的模糊層次具有更高的可靠性,提高了移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)準(zhǔn)確度,從而提高移動(dòng)網(wǎng)絡(luò)的服務(wù)質(zhì)量。
關(guān)鍵詞:移動(dòng)網(wǎng)絡(luò);用戶體驗(yàn);質(zhì)量評(píng)價(jià);模糊層次分析;統(tǒng)計(jì)特征量
當(dāng)前隨著移動(dòng)網(wǎng)絡(luò)用戶的增多,對移動(dòng)網(wǎng)絡(luò)的服務(wù)水平提出更大的挑戰(zhàn),需要優(yōu)化構(gòu)建移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)模型,結(jié)合對移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量的大數(shù)據(jù)融合結(jié)果,根據(jù)推薦算法實(shí)現(xiàn)對移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量的精準(zhǔn)評(píng)價(jià),從而進(jìn)一步改善移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量,相關(guān)的移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)和量化分析方法的研究受到相關(guān)專家的極大關(guān)注[1]。對移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量的評(píng)價(jià)是建立在對移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)的量化特征分析基礎(chǔ)上,采用大數(shù)據(jù)分析和模糊度層次聚類分析,設(shè)計(jì)移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)模型,通過模糊融合層次性分析,構(gòu)建移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的關(guān)聯(lián)規(guī)則模型,實(shí)現(xiàn)層次化調(diào)度和量化評(píng)價(jià)[2]。傳統(tǒng)移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的方法主要有基于PID的移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)方法[3]、基于粒子群濾波算法的移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)方法[4]以及非線性預(yù)測方法[5]等,通過建立移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量信息推薦模型,結(jié)合統(tǒng)計(jì)分析實(shí)現(xiàn)對移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量的自適應(yīng)評(píng)價(jià),但傳統(tǒng)方法進(jìn)行移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的可靠性不高,自適應(yīng)性不好。針對上述問題,本文提出基于移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的模糊層次分析方法。首先根據(jù)用戶的歷史偏好數(shù)據(jù)的分布構(gòu)建移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量分析模型,考慮移動(dòng)網(wǎng)絡(luò)用戶在瀏覽網(wǎng)站時(shí)的行為特征參量,分析移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的模糊參數(shù),通過計(jì)算用戶之間的相似性特征量,然后采用模糊度特征聚類分析方法實(shí)現(xiàn)對移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的大數(shù)據(jù)挖掘和信息融合處理,提取移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的統(tǒng)計(jì)特征量,結(jié)合用戶-用戶相似性分布和差異度特征分析,實(shí)現(xiàn)對移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的模糊層次分析。最后進(jìn)行仿真測試分析,實(shí)驗(yàn)結(jié)果驗(yàn)證了本文方法能夠有效提高移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)性能。
1用戶體驗(yàn)質(zhì)量大數(shù)據(jù)分析模型和特征聚類
1.1大數(shù)據(jù)分析模型
為實(shí)現(xiàn)基于移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的模糊層次分析,根據(jù)用戶的歷史偏好數(shù)據(jù)分布構(gòu)建移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量分析模型,考慮移動(dòng)網(wǎng)絡(luò)用戶在瀏覽網(wǎng)站時(shí)的行為特征參量,進(jìn)行移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量的主體特征分析[6],構(gòu)建移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量的信任度模型,如圖1所示。根據(jù)移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的參數(shù)分析結(jié)果,采用DOI(DegreeofInterest)描述移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的等級(jí),第n+1層等級(jí)中,得到移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的主體特征分布概率服從Beta分布,如式(1)?;谟脩舻膮f(xié)同過濾分析,得到自適應(yīng)學(xué)習(xí)權(quán)重函數(shù)為U。移動(dòng)網(wǎng)絡(luò)用戶A和用戶B之間的可靠性參數(shù)分布滿足正態(tài)分布,結(jié)合到個(gè)性化網(wǎng)站的推薦模型,得到移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量的模糊參數(shù)融合模型,表示為式(2)基于用戶的協(xié)同特征分析方法,采用三個(gè)層次的鏈接分析方法,構(gòu)建移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的聯(lián)合參數(shù)分布集[8-9],用戶A,B對資源i的評(píng)分,對用戶集合和項(xiàng)目集合進(jìn)行聯(lián)合特征分析,根據(jù)客戶端地址分布關(guān)系,得到關(guān)聯(lián)分布映射,如式(4)。
1.2聯(lián)合特征聚類
根據(jù)用戶行為數(shù)據(jù)分布進(jìn)行歸一化處理,采用歸一化算法處理方法,得到當(dāng)前用戶的最近鄰居模糊層次分析聚類條件,如式(5)。(5)通過關(guān)聯(lián)規(guī)則譜分析方法進(jìn)行移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量的可靠性融合和決策,建立移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的模糊決策函數(shù),得到信任度模型χ。采用層次化決策的方法,建立移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的聯(lián)合特征分布模型,如式(6)。根據(jù)上述分析,完成移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的模糊參數(shù)的分析,通過計(jì)算用戶之間的相似性特征量,采用模糊度特征聚類分析方法實(shí)現(xiàn)用戶體驗(yàn)質(zhì)量的聯(lián)合特征分析。
2移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)優(yōu)化
2.1模糊層次分析
采用模糊度特征聚類分析方法實(shí)現(xiàn)對移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的大數(shù)據(jù)挖掘和信息融合處理,提取移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的統(tǒng)計(jì)特征量,建立移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的尋優(yōu)模型[12-13]。移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的模糊迭代函數(shù)描述如式(10)。
2.2移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)?zāi):龑哟握{(diào)度
移動(dòng)應(yīng)用程序之間的相互依賴性,分析移動(dòng)網(wǎng)絡(luò)用戶的質(zhì)量可靠性分布模型[14],得到移動(dòng)網(wǎng)絡(luò)用戶的應(yīng)用資源存儲(chǔ)特征分布集為式(12)。式中,f(a,b)表示a→b之間質(zhì)量分布的相似度系數(shù);γ∈0,(1]表示服務(wù)器負(fù)載參數(shù)??紤]移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)之間信任值Trusta→b,基于自適應(yīng)參數(shù)w融合,得到移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的可靠性融合模型,如式(13)。3仿真實(shí)驗(yàn)與結(jié)果分析通過仿真實(shí)驗(yàn)驗(yàn)證本文方法在實(shí)現(xiàn)移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)和模糊層次分析中的應(yīng)用性能,鄰居節(jié)點(diǎn)的活躍度參數(shù)為0.64,用戶規(guī)模為1200,用戶連接強(qiáng)度為0.57,移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的節(jié)點(diǎn)數(shù)為360,根據(jù)上述參數(shù)設(shè)定,得到移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的大數(shù)據(jù)時(shí)域分布如圖3所示.分析圖4得知,本文方法進(jìn)行移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的收斂性較好,均方根誤差較低,證明所提方法具有更優(yōu)的應(yīng)用性能。
4總結(jié)
提出基于移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的模糊層次分析方法。根據(jù)用戶的歷史偏好數(shù)據(jù)分布構(gòu)建移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量分析模型,對用戶集合和項(xiàng)目集合進(jìn)行聯(lián)合特征分析,考慮移動(dòng)網(wǎng)絡(luò)用戶在瀏覽網(wǎng)站時(shí)的行為特征參量實(shí)現(xiàn)聯(lián)合特征分析。采用模糊反饋補(bǔ)償,實(shí)現(xiàn)對移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量評(píng)價(jià)的模糊層次分析。實(shí)驗(yàn)結(jié)果驗(yàn)證了本文方法對移動(dòng)網(wǎng)絡(luò)用戶體驗(yàn)質(zhì)量模糊性層次分析的評(píng)價(jià)效果較好,收斂性較強(qiáng),誤差較低。
作者:麥英健 單位:深圳供電局有限公司