本发明专利技术提供了一种用户感知指标的预测方法和装置。该方法包括：采集与用户感知相关的当前数据；从与用户感知相关的当前数据中汇集待预测业务当前所有的KPI指标；对当前所有的KPI指标进行归类，以获取当前的多组KQI指标；将当前的多组KQI指标输入到优化后的KQI指标与用户感知QoE指标的映射模型中，预测待预测业务的QoE指标。实现了对用户感知指标更准确的预测，并且采用主动预测的方式，提高了定位业务中的问题点的效率，使定位的业务中的问题点更准确，改善用户感知。
【技术实现步骤摘要】
本专利技术实施例涉及通信
，尤其涉及一种用户感知指标的预测方法和装置。
技术介绍
用户感知指标(Quality of Experience，简称QoE)是用户对设备、网络、系统应用和业务的质量和性能的主观感受的指标。随着行业竞争的加剧，关注用户感知，提升用户体验已成为各大运营商提升自身竞争力的有力手段。并且准确有效的预测用户感知对服务的优化有极为重要的意义。但目前对用户感知指标的分析主要采用用户投诉的方式进行定位。但该种方式是在业务故障已经发生的情况下的被动式服务方式，效率低下并且很难定位出使用户感知不理想的真正原因。
技术实现思路
本专利技术实施例提供一种用户感知指标的预测方法和装置，实现了对用户感知指标更准确的预测，并且采用主动预测的方式，提高了定位业务中的问题点的效率，使定位的业务中的问题点更准确，改善用户感知。本专利技术实施例提供一种用户感知指标的预测方法，包括:采集与用户感知相关的当前数据；从所述与用户感知相关的当前数据中汇集待预测业务当前所有的KPI指标；对所述当前所有的KPI指标进行归类，以获取当前的多组KQI指标；将所述当前的多组KQI指标输入到优化后的KQI指标与用户感知QoE指标的映射模型中，预测所述待预测业务的QoE指标。本专利技术实施例提供一种用户感知指标的预测装置，包括:采集模块，用于采集与用户感知相关的当前数据；汇集模块，用于从所述与用户感知相关的当前数据中汇集待预测业务当前所有的KPI指标；归类模块，用于对所述当前所有的KPI指标进行归类，以获取当前的多组KQI指标；预测模块，用于将所述当前的多组KQI指标输入到优化后的KQI指标与用户感知QoE指标的映射模型中，预测所述待预测业务的QoE指标。本专利技术实施例提供一种用户感知指标的预测方法和装置。该方法通过采集与用户感知相关的当前数据;从与用户感知相关的当前数据中汇集待预测业务当前所有的KPI指标;对当前所有的KPI指标进行归类，以获取当前的多组KQI指标;将当前的多组KQI指标输入到优化后的KQI指标与用户感知QoE指标的映射模型中，预测待预测业务的QoE指标，实现了对用户感知指标更准确的预测，并且采用主动预测的方式，提高了定位业务中的问题点的效率，使定位的业务中的问题点更准确，改善用户感知。【附图说明】为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术用户感知指标的预测方法实施例一的流程图；图2为本专利技术用户感知指标的预测方法实施例二的第一流程图；图3为本专利技术用户感知指标的预测方法实施例二的第二流程图；图4为本专利技术用户感知指标的预测装置实施例一的结构示意图；图5为本专利技术用户感知指标的预测装置实施例二的结构示意图。【具体实施方式】为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1为本专利技术用户感知指标的预测方法实施例一的流程图，如图1所示，本实施例的执行主体可以为计算机或服务器等。则本实施例提供的用户感知指标的预测方法包括:步骤101，采集与用户感知相关的当前数据。本实施例中，由于设备、网络、系统应用和业务都在不断的使用和更新中，所以采集与用户感知相关的当前数据。该当前数据为这段期间内与用户感知直接相关的数据。可以从终端侧和网络侧全面采集与用户感知相关的当前数据。如可以从网络侧外部采集测试数据、投诉记录数据等，从网络侧内部采集信令数据、网管数据等，从终端侧采集用户反馈的用户感知数据以及用户的基本资料数据等。本实施例中，在采集与用户感知相关的当前数据后，可以对采集到的当前数据进行预处理。预处理的方法包括:删除异常数据，对数据进行降维和归一化处理等。步骤102，从与用户感知相关的当前数据中汇集待预测业务当前所有的KPI指标。本实施例中，可通过对待预测业务的业务整体流程以及待预测业务涉及的网元和接口进行分析，汇集待预测业务当前所有的KPI指标。其中，KPI指标可以包括ATTACH成功率、ATTACH时延、PDP激活成功率、PDP激活时延等多种KPI指标。步骤103，对当前所有的KPI指标进行归类，以获取当前的多组KQI指标。本实施例中，将当前KPI指标进行归类，如将当前KPI指标按照接入性、有效性、完整性、速度和能力分为当前的多组KQI指标。 其中，关于接入性KQI指标可以包括= ATTACH成功率、PDP激活成功率、TBF建立成功率等，由于有效的KQI指标可以包括:APN设置错误、域名错误、用户无GPRS功能等，关于完整性的KQI指标可以包括:WAP GW连接成功率、Radius成功率、DNS查询成功率、WAP GET成功率、WAP POST成功率等，关于速度的KQI指标包括:ATTACH时延、PDP激活时延、WAP GW连接时延、WAP GET时延、WAP POST时延、WAP GW处理时延等。关于能力的KQI指标可以包括:SGSN负荷、GGSN负荷、WAP网关负荷等。其中，当前的每组KQI指标可用一个列向量表示，每个列向量中的元素表示该组KQI指标中的一个KQI指标。步骤104，将当前的多组KQI指标输入到优化后的KQI指标与用户感知QOE指标的映射模型中，预测待预测业务的QOE指标。本实施例中，预先存储了该待预测业务的优化后的KQI指标与QOE指标的映射模型。将该待测业务的当前的多组KQI指标输入到优化后的KQI指标与QOE指标的映射模型中后，该优化后的映射模型对其进行计算，获得该待预测业务的预测的QoE指标。本实施例中，KQI指标与QOE指标的映射模型可采用机器学习的方法进行构建和优化，如机器学习的方法可以为神经网络方法，卷积神经网路方法等。本实施例提供的用户感知指标的预测方法，通过采集与用户感知相关的当前数据；从与用户感知相关的当前数据中汇集待预测业务当前所有的KPI指标;对当前所有的KPI指标进行归类，以获取当前的多组KQI指标;将当前的多组KQI指标输入到优化后的KQI指标与用户感知QoE指标的映射模型中，预测待预测业务的QoE指标。由于采用优化后的KQI指标与用户感知QOE指标的映射模型对待预测业务的QoE指标进行预测，所以实现了对用户感知指标更准确的预测，并且采用主动预测的方式，提高了定位业务中的问题点的效率，使定位的业务中的问题点更准确，改善用户感知。图2为本专利技术用户感知指标的预测方法实施例二的流程图，如图2所示，本实施例的执行主体可以为计算机或服务器等。则本实施例提供的用户感知指标的预测方法包括:步骤201，采用卷积神经网络的方法构建并优化KQI指标与用户感知QoE指标的映射模型。本实施例中，由于待预测业务的KQI指标和用户感知QoE指标的映射关系并不确定，为了很好的表示KQI指标与用户感知QoE指标的映射模型，采用机器学习中的本文档来自技高网...
【技术保护点】
一种用户感知指标的预测方法，其特征在于，包括：采集与用户感知相关的当前数据；从所述与用户感知相关的当前数据中汇集待预测业务当前所有的KPI指标；对所述当前所有的KPI指标进行归类，以获取当前的多组KQI指标；将所述当前的多组KQI指标输入到优化后的KQI指标与用户感知QoE指标的映射模型中，预测所述待预测业务的QoE指标。
【技术特征摘要】
【专利技术属性】
技术研发人员：刘馨靖，周晓龙，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。