CN110049129A - 一种基于特征选择的移动互联网业务质量预测方法 - Google Patents

Abstract

本发明公开了一种基于特征选择的移动互联网业务质量预测方法，该方法的实现过程如下：步骤S1：构造训练样本集；步骤S2：计算特征权值；步骤S3：构造训练样本的k近邻样本集；步骤S4：计算先验概率和归一化频数矩阵；步骤S5：构造未知样本的k近邻样本集；步骤S6：计算未知样本的同标记统计；步骤S7：计算未知样本的似然概率；步骤S8：估计未知样本的标记值；本发明根据海量的用户业务感知历史数据(不同场景下的业务感知指标的好坏)，对用户在特定场景下的业务体验好坏做出预测和预警，有助于及早发现业务体验问题并及时采取相关措施进行改善，并有效降低投诉率和离网率。

Description

一种基于特征选择的移动互联网业务质量预测方法

技术领域

本发明涉及一种移动互联网业务质量预测方法，尤其涉及一种基于特征选择的移动互联网业务质量预测方法，属于移动互联网应用技术领域。

背景技术

移动网络用户在使用OTT业务(如网页浏览，视频播放等)过程中，其业务体验的好坏一般可用KQI(关键质量指标)指标进行评价，比如网页打开时延、下载速率等。这种体验的好坏受多种因素的影响，包括终端质量、使用业务时所处位置的移动网络质量、APP质量、SP网站服务器集群的带宽和负荷等。

电信运营商作为各类业务的传输通道提供方和业务体验保障的关键环节，需要尽可能保障用户的业务体验，否则可能导致用户投诉甚至离网。

目前一般是电信运营商的网络运维和优化部门通过日常的网络优化作业来保障网络质量，但网络质量与用户的业务体验之间仍然存在较大的差异，好的网络质量并不一定能保障良好的业务体验(由于业务体验是受前述的众多因素的综合作用)。客服部门只有在接到用户投诉时才发现业务体验的问题，再去协调网络运维和优化部门去排查问题和解决，往往很被动。

如果能在日常的网络运营中持续监测用户的业务体验，并根据海量的用户业务感知历史数据(不同场景下的业务感知指标的好坏)，对用户在特定场景下的业务体验好坏做出预测和预警，则有助于及早发现业务体验问题并及时采取相关措施进行改善，并有效降低投诉率和离网率。中国专利201710493097.8公开了一种基于多标记学习的浏览类业务感知指标预测方法。

发明内容

本发明要解决的问题是如何根据用户所处的场景对用户的移动互联网业务的KQI指标进行及时、准确的预测。

为实现上述目的，本发明采用的技术方案为一种基于特征选择的移动互联网业务质量预测方法，该方法的实现过程如下：

步骤S1：构造训练样本集

已知在某城市的本地移动网络下，从用户移动终端上采集用户的业务感知样本构成“业务感知样本集”D′＝{(x′_i，y′_i)，i＝1～M′}，包含共M’个样本。各样本包含了P个特征项：特征1、特征2、...、特征P，记为：x′＝{x′₁，x′₂，...，x′_P}；以及T个标记项：标记1、标记2、...、标记T，记为：Y′＝{y′₁，...，y′_T}。对于不同的业务，标记项数和内容也不同。

其中P个特征又进一步分为：N＝11个业务特征和P-N个非业务特征。非业务特征即与业务无直接关系的特征，包括日期，时间，大区编号，小区编号，经度，纬度，场强(不同的制式下名称不同：如GSM网络的RxLevel，LTE网络的RSRP等)，信号质量(不同的制式下名称不同：如C/I或SINR或RSRQ等)，用户标识(IMSI)，终端标识(IMEI或MEID)，终端型号。业务特征包括与业务相关的特征项，对于不同的业务，业务特征项数和内容也不同。

根据预设的预测周期L(单位为天)，将业务感知样本集中“日期”字段值与待预测的无标记样本(称“未知样本”，即仅有特征信息，没有标记信息)的日期字段值相差超过L天的样本剔除，剩余样本数记为M；

对业务感知样本中的所有数值型特征值利用公式(1)进行归一化，即：

其中x′_ij表示第i个样本的第j个特征项的真实值，min x′_j和maxx′_j分别表示第j个特征在该样本集中的最小和最大值。则得到新的特征矢量X＝{x₁，...，x_P}。

对于业务感知样本中的各标记字段，其在“业务感知样本集”中均为数值型数据，根据预设的感知质差判决门限{S₁，...，S_T}按公式(2)分别转换成布尔型数据，即：

其中函数表示当条件c成立时返回1，否则返回0。则得到新的标记矢量Y＝{y₁，...，y_T}。

这样即可得到训练样本集D，它特征集X和标记集Y组成，D＝{(x_i，y_i)，i＝1～M}。

步骤S2：计算特征权值

对样本空间即训练样本集D，计算各特征权值。

步骤S2a初始化特征权值向量

首先初始化特征权值向量W(A)＝0.0，A＝1，2，...，P；

步骤S2b选取样本并搜索其同标记k近邻

从样本空间D中随机选一个样本记为R_i，设其标记矢量为class(R_i)＝h＝(h1，h2，...，h_T)，根据特征空间的欧氏距离分别查找出与样本R_i具有t个相同标记的k个近邻样本，记为：t＝0～T；

步骤S2c更新特征权值

按照公式(3)更新各特征权值：

其中，diff(A，I₁，I₂)是样本I₁和I₂关于特征A的距离，m是最大迭代次数(m＜M)。

步骤S2d输出特征权值

判断是否已达到最大迭代次数，如果是则输出特征权值W，否则继续步骤S2b。

步骤S3：构造训练样本的k近邻样本集

首先，按公式(4)对特征权值向量W进行归一化处理。

对训练样本集中的每个样本矢量x_i，i＝1，...，M，在训练样本集中寻找该样本矢量的k个近邻样本，其中样本距离的计算是在特征空间中采用特征权值加权的欧氏距离，即公式(5)：

其中，x_iu表示第i个样本的第u个特征值。

最后，按距离值升序排列，取前k个样本作为样本x_i的k近邻样本集最终得到训练样本集的k近邻样本集

步骤S4：计算先验概率和归一化频数矩阵

对每个标记项y_j，j＝1，...，T，按下面的公式(6)计算先验概率阳

其中，H_j和分别表示“未知样本”具有和不具有标记项y_j(也即标记项y_j＝1和0，)，而和则分别表示H_j和成立的先验概率，s为控制参数(一般取为1)。

然后，按下面的公式(7)(8)计算归一化频数矩阵[f_j[r]]_k×q和

其中，δ_j{x_i)表示的训练样本x_i的近邻样本中具有标记y_j的样本个数，[·]表示取整。则f_j[r]表示训练样本集中具有标记y_j，并且近邻样本中具有标记y_j(即该标记值为1)的训练样本个数。而则表示训练样本集中不具有标记y_j(即该标记为0)并且近邻样本中具有标记y_j的训练样本个数。

步骤S5：构造未知样本的k近邻样本集

对未知样本按照步骤S3的方法在训练样本集中构造出未知样本的k近邻样本集

步骤S6：计算未知样本的同标记统计

对每一个标记项y_j，j＝1，...，T，按照公式(9)统计中具有该标记项(即值为1)的样本的数量{C_j}，称为未知样本在其k_x个最近邻样本集中的同标记统计：

步骤S7：计算未知样本的似然概率

按公式(10)、(11)计算似然概率和

表示当未知样本具有标记y_j时，它的最近邻样本也具有标记y_j的似然性。

步骤S8：估计未知样本的标记值

在前面各步骤计算结果的基础上，即可由下式(12)计算得到未知样本的标记集Y的估计值{y₁，...，y_T}：

也即未知样本的各业务KQI质量预测值。

与现有技术相比较，本发明具有如下技术效果：根据海量的用户业务感知历史数据(不同场景下的业务感知指标的好坏)，对用户在特定场景下的业务体验好坏做出预测和预警，有助于及早发现业务体验问题并及时采取相关措施进行改善，并有效降低投诉率和离网率。

附图说明

图1为本发明的流程图；

图2为算法中步骤S2的详细流程图。

具体实施方式

本发明提出了一种基于特征选择的移动互联网业务质量预测方法。

具体步骤详细描述如下：

步骤S1：构造训练样本集

已知在某城市的本地移动网络下，从用户移动终端上采集用户的业务感知样本构成“业务感知样本集”D′＝{(x′_i，y′_i)，i＝1～M′}，包含共M’个样本。各样本包含了P个特征项：特征1、特征2、...、特征P，记为：x′＝{x′₁，x′₂，...，x′_P}；以及T个标记项：标记1、标记2、...、标记T，记为：Y′＝{y′₁，...，y′_T}。对于不同的业务，标记项数和内容也不同。

其中P个特征又进一步分为：N＝11个业务特征和P-N个非业务特征。非业务特征即与业务无直接关系的特征，包括日期，时间，大区编号，小区编号，经度，纬度，场强(不同的制式下名称不同：如GSM网络的RxLevel，LTE网络的RSRP等)，信号质量(不同的制式下名称不同：如C/I或SINR或RSRQ等)，用户标识(IMSI)，终端标识(IMEI或MEID)，终端型号。业务特征包括与业务相关的特征项，对于不同的业务，业务特征项数和内容也不同。

根据预设的预测周期L(单位为天)，将业务感知样本集中“日期”字段值与待预测的无标记样本(称“未知样本”，即仅有特征信息，没有标记信息)的日期字段值相差超过L天的样本剔除，剩余样本数记为M；对业务感知样本中的所有数值型特征值利用公式(1)进行归一化，即：

其中x′_ij表示第i个样本的第j个特征项的真实值，min x′_j和maxx′_j分别表示第j个特征在该样本集中的最小和最大值。则得到新的特征矢量X＝{x₁，...，x_P}。

对于业务感知样本中的各标记字段，其在“业务感知样本集”中均为数值型数据，根据预设的感知质差判决门限{S₁，...，S_T}按公式(2)分别转换成布尔型数据，即：

其中函数表示当条件c成立时返回1，否则返回0。则得到新的标记矢量Y＝{y₁，...，y_T}。

这样既可得到训练样本集D，它特征集X和标记集Y组成，D＝{(x_i，y_i)，i＝1～M}。

步骤S2：计算特征权值

对样本空间D，采用以下方法计算其各特征权值。

步骤S2a初始化特征权值向量

首先初始化特征权值向量W(A)＝0.0，A＝1，2，...，P；

步骤S2b选取样本并搜索其同标记k近邻

从样本空间D中随机选一个样本记为R_i，设其标记矢量为class(R_i)＝h＝(h1，h2，...，h_T)，根据特征空间的欧氏距离分别查找出与样本R_i具有t个相同标记的k个近邻样本，记为：t＝0～T；

步骤S2c更新特征权值

按照公式(3)更新各特征权值：

其中，diff(A，I₁，I₂)是样本I₁和I₂关于特征A的距离，m是最大迭代次数(m＜M)。

步骤S2d输出特征权值

判断是否已达到最大迭代次数，如果是则输出特征权值W，否则继续步骤S2b。

步骤S3：构造训练样本的k近邻样本集

首先，按公式(4)对特征权值向量W进行归一化处理。

对训练样本集中的每个样本矢量x_i，i＝1，...，M，在训练样本集中寻找该样本矢量的k个近邻样本，其中样本距离的计算是在特征空间中采用特征权值加权的欧氏距离，即公式(5)：

其中，x_iu表示第i个样本的第u个特征值。

最后，按距离值升序排列，取前k个样本作为样本x_i的k近邻样本集最终得到训练样本集的k近邻样本集

步骤S4：计算先验概率和归一化频数矩阵

对每个标记项y_j，j＝1，...，T，按下面的公式(6)计算先验概率和

其中，H_j和分别表示“未知样本”具有和不具有标记项y_j(也即标记项y_j＝1和0，)，而和则分别表示H_j和成立的先验概率，s为控制参数(一般取为1)。

然后，按下面的公式(7)(8)计算归一化频数矩阵[f_j[r]]_k×q和

其中，δ_j(x_i)表示的训练样本x_i的近邻样本中具有标记y_j的样本个数，[·]表示取整。则f_j[r]表示训练样本集中具有标记y_j，并且近邻样本中具有标记y_j(即该标记值为1)的训练样本个数。而则表示训练样本集中不具有标记y_j(即该标记为0)并且近邻样本中具有标记y_j的训练样本个数。

步骤S5：构造未知样本的k近邻样本集

对未知样本按照步骤S3的方法在训练样本集中构造出未知样本的k近邻样本集

步骤S6：计算未知样本的同标记统计

对每一个标记项y_j，j＝1，...，T，按照公式(9)统计中具有该标记项(即值为1)的样本的数量{C_j}，称为未知样本在其k_x个最近邻样本集中的同标记统计：

步骤S7：计算未知样本的似然概率

按公式(10)(11)计算似然概率和

表示当未知样本具有标记y_j时，它的最近邻样本也具有标记y_j的似然性。

步骤S8：估计未知样本的标记值

在前面各步骤计算结果的基础上，即可由下式(12)计算得到未知样本的标记集Y的估计值{y₁，...，y_T}：

也即未知样本的各业务KQI质量预测值。

实施例：

以LTE网络下的网页浏览业务为例。具体的方法步骤如下：

步骤S1：构造训练样本集

已知在某城市的本地移动网络下，当用户在智能终端上使用网页浏览类业务App(如UCweb、QQ浏览器等)浏览预定义的目标网页集合(如新浪主页，搜狐主页等)中的某个网页时，通过部署在用户终端上的数据采集App等方式，获取此时的网页浏览业务感知样本，这些样本构成“业务感知样本集”D′＝{(x′_i，y′_i)，i＝1～M′}，包含共M’＝30000个样本。各样本包含了P＝15个特征项：特征1、特征2、...、特征P，记为：x′＝{x′₁，x′₂，...，x′_P}；以及T＝4个标记项：标记1、标记2、...、标记T，记为：Y′＝{y′₁，...，y′_T}。对于网页浏览业务，即为：DNS解析时延，TCP连接时延，GET请求时延，接收响应时延。

其中：“DNS解析时延”指从终端发起DNS解析请求开始到完成DNS解析的时延；“TCP连接时延”指从DNS解析结束到TCP连接(三次握手)建立完成的时延；“GET请求时延”指从发出GET请求到收到第一个TCP数据包(含HTTP 200OK)的时延；“接收响应时延”指从收到第一个响应数据包开始到终端发出[FIN，ACK](即接收完成)的时延。

其中P个特征又进一步分为：N＝11个业务特征和P-N＝5个非业务特征。非业务特征包括日期，时间，TAC(大区编号)，CI(小区编号)，经度，纬度，RSRP(场强)，RSRQ(信号质量)，用户标识(IMSI)，终端标识(IMEI或MEID)，终端型号。对网页浏览业务，业务特征包括浏览器App名称、浏览网站名称、浏览网站URL、浏览网站IP、DNS IP。

根据预设的预测周期L＝7(单位为天)，将业务感知样本集中“日期”字段值与新采集的无标记样本(称“未知样本”，即仅有特征信息，没有标记信息)的日期字段值相差超过L＝7天的样本剔除，剩余样本数记为M＝25000；

对业务感知样本中的所有数值型特征值利用公式(1)进行归一化，即：

其中x′_ij表示第i个样本的第j个特征项的真实值，min x′_j和maxx′_j分别表示第j个特征在该样本集中的最小和最大值。则得到新的特征矢量X＝{x₁，...，x_P}。

对于业务感知样本中的各标记字段，其在“业务感知样本集”中均为数值型数据，根据预设的感知质差判决门限{S₁，...，S_T}按公式(2)分别转换成布尔型数据，即：

其中函数表示当条件c成立时返回1，否则返回0。则得到新的标记矢量Y＝{y₁，...，y_T}。

这样即可得到训练样本集D，它特征集X和标记集Y组成，D＝{(x_i，y_i)，i＝1～M}。

步骤S2：计算特征权值

对样本空间D，采用以下方法计算其各特征权值。

步骤S2a初始化特征权值向量

首先初始化特征权值向量W(A)＝0.0，A＝1，2，...，P；

步骤S2b选取样本并搜索其同标记k近邻

从样本空间D中随机选一个样本记为R_i，设其标记矢量为class(R_i)＝h＝(h1，h2，...，h_T)，根据特征空间的欧氏距离分别查找出与样本R_i具有t个相同标记的k个近邻样本，记为：t＝0～T；

步骤S2c更新特征权值

按照公式(3)更新各特征权值：

其中，diff(A，I₁，I₂)是样本I₁和I₂关于特征A的距离，m是最大迭代次数(m＜M)。

步骤S2d输出特征权值

判断是否已达到最大迭代次数，如果是则输出特征权值W，否则继续步骤S2b。

步骤S3：构造训练样本的k近邻样本集

首先，按公式(4)对特征权值向量W进行归一化处理。

对训练样本集中的每个样本矢量x_i，i＝1，...，M，在训练样本集中寻找该样本矢量的k个近邻样本，其中样本距离的计算是在特征空间中采用特征权值加权的欧氏距离，即公式(5)：

其中，x_iu表示第i个样本的第u个特征值。

最后，按距离值升序排列，取前k个样本作为样本x_i的k近邻样本集最终得到训练样本集的k近邻样本集

步骤S4：计算先验概率和归一化频数矩阵

对每个标记项y_j，j＝1，...，T，按下面的公式(6)计算先验概率和

其中，H_j和分别表示“未知样本”具有和不具有标记项y_j(也即标记项y_j＝1和0，)，而和则分别表示H_j和成立的先验概率，s为控制参数(一般取为1)。

然后，按下面的公式(7)(8)计算归一化频数矩阵[f_j[r]]_k×q和

其中，δ_j(x_i)表示的训练样本x_i的近邻样本中具有标记y_j的样本个数，[·]表示取整。则f_j[r]表示训练样本集中具有标记y_j，并且近邻样本中具有标记y_j(即该标记值为1)的训练样本个数。而则表示训练样本集中不具有标记y_j(即该标记为0)并且近邻样本中具有标记y_j的训练样本个数。

步骤S5：构造未知样本的k近邻样本集

对未知样本按照步骤S3的方法在训练样本集中构造出未知样本的k近邻样本集

步骤S6：计算未知样本的同标记统计

对每一个标记项y_j，j＝1，...，T，按照公式(9)统计中具有该标记项(即值为1)的样本的数量{C_j}，称为未知样本在其k_x个最近邻样本集中的同标记统计：

步骤S7：计算未知样本的似然概率

按公式(10)(11)计算似然概率和

表示当未知样本具有标记y_j时，它的最近邻样本也具有标记y_j的似然性。

步骤S8：估计未知样本的标记值

在前面各步骤计算结果的基础上，即可由下式(12)计算得到未知样本的标记集Y的估计值{y₁，...，y_T}：

由此，则得到了未知样本的4个KQI指标的预测结果。

Claims (2)

1.一种基于特征选择的移动互联网业务质量预测方法，其特征在于：该方法的实现过程如下，

步骤S1：构造训练样本集

已知在某城市的本地移动网络下，从用户移动终端上采集用户的业务感知样本构成“业务感知样本集”D′＝{(x′_i，y′_i)，i＝1～M′},包含共M’个样本；各样本包含了P个特征项：特征1、特征2、…、特征P，记为：x′＝{x′₁，x′₂，…，x′_P}；以及T个标记项：标记1、标记2、...、标记T，记为：Y′＝{y′₁，…，y′_T}；对于不同的业务，标记项数和内容也不同；

其中P个特征又进一步分为：N＝11个业务特征和P-N个非业务特征；非业务特征即与业务无直接关系的特征，包括日期，时间，大区编号，小区编号，经度，纬度，场强，信号质量，用户标识，终端标识，终端型号；业务特征包括与业务相关的特征项，对于不同的业务，业务特征项数和内容也不同；

根据预设的预测周期L，将业务感知样本集中“日期”字段值与待预测的无标记样本的日期字段值相差超过L天的样本剔除，剩余样本数记为M；

对业务感知样本中的所有数值型特征值利用公式(1)进行归一化，即：

其中x′_ij表示第i个样本的第j个特征项的真实值，min x′_j和max x′_j分别表示第j个特征在该样本集中的最小和最大值；则得到新的特征矢量X＝{x₁，…，x_P}；

对于业务感知样本中的各标记字段，其在“业务感知样本集”中均为数值型数据，根据预设的感知质差判决门限{S₁,…,S_T}按公式(2)分别转换成布尔型数据，即：

其中函数表示当条件c成立时返回1，否则返回0；则得到新的标记矢量Y＝{y₁，…，y_T}；

这样即可得到训练样本集D，由特征集X和标记集Y组成，D＝{(x_i，y_i)，i＝1～M}；

步骤S2：计算特征权值

对样本空间即训练样本集D，计算各特征权值；

步骤S3：构造训练样本的k近邻样本集

首先，按公式(4)对特征权值向量W进行归一化处理；

对训练样本集中的每个样本矢量x_i，i＝1，…，M，在训练样本集中寻找该样本矢量的k个近邻样本，其中样本距离的计算是在特征空间中采用特征权值加权的欧氏距离，即公式(5)：

其中，x_iu表示第i个样本的第u个特征值；

最后，按距离值升序排列，取前k个样本作为样本x_i的k近邻样本集最终得到训练样本集的k近邻样本集；

步骤S4：计算先验概率和归一化频数矩阵

对每个标记项y_j，j＝1，…，T，按下面的公式(6)计算先验概率和

其中，H_j和分别表示未知样本具有和不具有标记项y_j，而和则分别表示H_j和成立的先验概率，s为控制参数；

然后，按下面的公式(7)(8)计算归一化频数矩阵[f_j[r]]_k×q和

其中，δ_j(x_i)表示的训练样本x_i的近邻样本中具有标记y_j的样本个数，[·]表示取整；则f_j[r]表示训练样本集中具有标记y_j，并且近邻样本中具有标记y_j的训练样本个数；而则表示训练样本集中不具有标记y_j并且近邻样本中具有标记y_j的训练样本个数；

步骤S5：构造未知样本的k近邻样本集

对未知样本按照步骤S3的方法在训练样本集中构造出未知样本的k近邻样本集

步骤S6：计算未知样本的同标记统计

对每一个标记项y_j,j＝1,…,T，按照公式(9)统计中具有该标记项的样本的数量{C_j}，称为未知样本在其k_x个最近邻样本集中的同标记统计：

步骤S7：计算未知样本的似然概率

按公式(10)、(11)计算似然概率和

表示当未知样本具有标记y_j时，它的最近邻样本也具有标记y_j的似然性；

步骤S8：估计未知样本的标记值

在前面各步骤计算结果的基础上，即可由下式(12)计算得到未知样本的标记集Y的估计值{y₁,…,y_T}：

也即未知样本的各业务KQI质量预测值。

2.根据权利要求1所述的一种基于特征选择的移动互联网业务质量预测方法，其特征在于：步骤S2计算特征权值的实现过程如下：

步骤S2a初始化特征权值向量

首先初始化特征权值向量W(A)＝0.0,A＝1,2,…,P；

步骤S2b选取样本并搜索其同标记k近邻

从样本空间D中随机选一个样本记为R_i，设其标记矢量为class(R_i)＝h＝(h1，h2，…，h_T)，根据特征空间的欧氏距离分别查找出与样本R_i具有t个相同标记的k个近邻样本，记为：

步骤S2c更新特征权值

按照公式(3)更新各特征权值：

其中，diff(A，I₁，I₂)是样本I₁和I₂关于特征A的距离，m是最大迭代次数，m<M；

步骤S2d输出特征权值

判断是否已达到最大迭代次数m，如果是则输出特征权值W，否则继续步骤S2b。