CN111369084A - 内容网络中资源质量评分方法 - Google Patents
内容网络中资源质量评分方法 Download PDFInfo
- Publication number
- CN111369084A CN111369084A CN201811587480.0A CN201811587480A CN111369084A CN 111369084 A CN111369084 A CN 111369084A CN 201811587480 A CN201811587480 A CN 201811587480A CN 111369084 A CN111369084 A CN 111369084A
- Authority
- CN
- China
- Prior art keywords
- quality
- quality index
- weight
- index
- entropy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013077 scoring method Methods 0.000 title abstract description 8
- 238000000034 method Methods 0.000 claims abstract description 70
- 230000008569 process Effects 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims description 75
- 239000013598 vector Substances 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000013441 quality evaluation Methods 0.000 abstract description 7
- 238000011156 evaluation Methods 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000002194 synthesizing effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 108010076282 Factor IX Proteins 0.000 description 1
- 108010023321 Factor VII Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明实施例提供一种内容网络中资源质量评分方法，所述方法包括：基于层次分析法对内容网络中资源的质量指标进行分析，获取各所述质量指标的权重；基于熵权法对各所述质量指标的权重进行修正；根据各所述质量指标的值和各所述质量指标修正后的权重，获取所述资源的质量评分。本发明实施例综合多个质量指标对资源质量进行多维度全面评估，提高了资源质量评估的准确性。
Description
技术领域
本发明实施例属于互联网通信技术领域，更具体地，涉及一种内容网络中资源质量评分方法。
背景技术
在内容网络运营时，互联网上有可能存在影响数据传输速度和稳定性的瓶颈和环节，需要根据网络流量、网络负载状况以及响应时间等综合信息将传输数据从资源质量较差的渠道调度到资源质量较好其他渠道，从而使内容传输得更快、更稳定。解决了互联网网络拥挤的状况，提高用户访问网站的响应速度。
目前的调度方式是通过维护人员手工调度，把流量从质差渠道调度到质好渠道、把流量从高流量渠道调到低流量渠道、把投诉流量从所在渠道调度到其他渠道，全凭维护人员的个人经验根据收集的数据评估内容网络的质量，效率低，效果差。内容网络质量的评估数据主要来源于拨测系统，并结合DPI(Deep Packet Inspection，深度报文检测)和CDN(Content Delivery Network，内容分发网络)日志等信息。此外，内容网络流量、流向、质量等信息来源于多套系统，从而导致综合多个维度的大量数据对内容网络的质量进行评估比较困难，不能全面评估内容网络中的资源质量。
综上所述，现有的内容网络资源质量评估依赖于维护人员的个人经验，且不能综合多个维度对资源质量进行全面评估。因此，需要提供一种新的方法以解决现有内容网络资源质量评估存在的问题。
发明内容
为克服上述现有的内容网络资源质量评估方法依赖于维护人员经验，且不能综合多个维度对资源质量进行全面评估的问题或者至少部分地解决上述问题，本发明实施例提供一种内容网络中资源质量评分方法。
根据本发明实施例的第一方面，提供一种内容网络中资源质量评分方法，包括：
基于层次分析法对内容网络中资源的质量指标进行分析，获取各所述质量指标的权重；
基于熵权法对各所述质量指标的权重进行修正；
根据各所述质量指标的值和各所述质量指标修正后的权重，获取所述资源的质量评分。
根据本发明实施例的第二个方面，还提供一种电子设备，包括：
至少一个处理器；以及
与所述处理器通信连接的至少一个存储器，其中：
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的内容网络中资源质量评分方法。
根据本发明实施例的第三个方面，还提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的内容网络中资源质量评分方法。
本发明实施例提供一种内容网络中资源质量评分方法，该方法通过层次分析法和熵权法得到反映资源质量的各质量指标的权重，然后根据资源各质量指标的值和获取的权重自动得到资源的综合质量评分，从而综合多个质量指标对资源质量进行多维度全面评估，提高了资源质量评估的准确性。
附图说明
为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的内容网络中资源质量评分方法整体流程示意图；
图2为本发明实施例提供的内容网络中资源质量评分装置整体结构示意图；
图3为本发明实施例提供的电子设备整体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的一个实施例中提供一种内容网络中资源质量评分方法，图1为本发明实施例提供的内容网络中资源质量评分方法整体流程示意图，该方法包括：S101，基于层次分析法对内容网络中资源的质量指标进行分析，获取各所述质量指标的权重；
其中，层次分析法(Analytic Hierarchy Process，AHP)是一种把定量和定性相结合的、系统化、结构化的分析方法。其基本思想是把复杂的问题分解成若干层次和因素，在同层次各要素间简单地进行比较、判断和计算，以获得不同要素和不同备选方案的权重。层析分析法模仿人的决策思维过程，量化各因素的重要性，具体对复杂决策问题的本质、影响因素以及内在关系等进行深入分析后构建的一个层次模型，然后利用减少的定量信息，把决策的思维过程数学化，从而为求解多目标、多准则或无结构行的复杂决策问题提供决策。内容网络中的资源为管道和缓存资源等。
S102，基于熵权法对各所述质量指标的权重进行修正；
熵的概念源于热力学，是对系统状态不确定性的一种度量，熵是系统无序程度的一种度量，可以利用评价方案中的固有信息，各质量指标的信息熵越小，信息的无序度越低，其信息的效用值越大，质量指标的权重越大。熵权法是一种客观赋权方法，根据各质量指标的历史数据的变异程度，利用信息熵计算出各质量指标的熵权，再通过各质量指标的熵权对各质量指标的权重进行修正，从而得到较为客观的质量指标权重。
S103，根据所述资源的各质量指标的值和各所述质量指标修正后的权重，获取所述资源的质量评分。
其中，各质量指标的值可以通过开源软件Hadoop组建的大数据集群，得到缓存日志中资源各质量指标的值。根据资源的各质量指标的值和各质量指标修正后的权重，获取资源的质量评分。具体根据各质量指标的值，使用熵权法进行计算获取各质量指标的信息熵值。根据各质量指标的信息熵值通过聚类算法获取各质量指标的分段阈值。根据各质量指标的值和分段阈值进行偏移量计算，获取各质量指标的得分。最后根据各质量指标的得分和修正后的权重，计算得到资源的质量评分。其中，质量指标的权重和分段阈值可以根据质量指标的值自动微调，也可以根据业务重要性进行调整。
利用权重算法层次分析法和熵权法得到资源质量各个指标的组合权重值，并根据权重值利用各指标值计算每个资源的质量评分，建立统一的判断标准，而不是根据异常值或排名后几位来定位服务质量差的资源，避免遗漏可能存在问题的资源。
本实施例通过层次分析法和熵权法得到反映资源质量的各质量指标的权重，然后根据资源各质量指标的值和获取的权重自动得到资源的综合质量评分，从而综合多个质量指标对资源质量进行多维度全面评估，提高了资源质量评估的准确性。
在上述实施例的基础上，本实施例中基于层次分析法对内容网络中资源的质量指标进行分析，获取各所述质量指标的权重的步骤具体包括：将所述资源的质量指标进行两两比较，根据预设的比较尺度确定任一所述质量指标相对于各所述质量指标的重要程度；根据任一所述质量指标相对于各所述质量指标的重要程度，构建判断矩阵；获取所述判断矩阵的最大特征根和所述最大特征根对应的特征向量，将所述特征向量的分量作为各所述质量指标的权值。
具体地，对构成问题的各要素建立多级递阶的结构模型。例如，在缓存资源服务评价体系中，有请求成功率、请求命中率、流量命中率、回源成功率和缓存增益比等质量指标，根据缓存资源质量和影响缓存资源质量的所有质量指标构建结构模型。对同一层次的要素以上一级的要素为准则进行两两比较，根据预先设定的比较尺度确定其相对重要程度，并据此建立判断矩阵。
如表1所示，比较结果取1-9尺度。用aij表示第i个质量相对于第j个质量指标的比较结果，则aij＝1/aji。
表1比较尺度：(1-9尺度的含义)
| 尺度 | 含义 |
| 1 | 第i个因素与第j个因素的影响相当 |
| 3 | 第i个因素比第j个因素的影响稍强 |
| 5 | 第i个因素比第j个因素的影响强 |
| 7 | 第i个因素比第j个因素的影响强的多 |
| 9 | 第i个因素比第j个因素的影响绝对的强 |
| 2、4、6、8 | 表示第i个因素相对于第j个因素的影响在上述两个相邻等级之间 |
其中，A为判断矩阵，n为质量指标的个数。根据aij＝1/aji，有：aij>0，aij＝1/aji，aii＝1，则称A矩阵为正反矩阵。若对于任意i，j，k，均有aij×ajk＝aik，则正反矩阵A为一致矩阵。
层次单排序是指根据判断矩阵计算对于上一层某因素而言本层次与之有联系的因素重要性次序的权值，可归结为求解矩阵的最大特征根和最大特征根对应的特征向量，即对判断矩阵A，计算满足AW＝τmaxW的特征根和特征向量。其中，τmax为A的最大特征根，W为对应于τmax的正规化特征向量；W的分量Wi即是相应质量指标单排序的权值。在层次分析法中，最根本的计算任务是求解判断矩阵A的最大特征根以及其对应的特征向量，而判断矩阵A的最大特征根以及其对应特征向量的计算并不需要追求太高的精度。这是因为判断矩阵本身就是将定性的问题定量化的结果，允许存在一定的误差范围。因此，通常使用近似算法求解判断矩阵A的最大特征根以及其对应的特征向量，常用的近似算法有幂法、和积法和方根法。
在使用方根法进行求解时，(1)计算判断矩阵中每一行元素的乘积Mi，即
(2)计算Mi的n次方根
即
对向量
进行归一化处理，即
则W＝[W1，W2，………..Wn]T即为所求的特征向量，也即权重。(4)计算判断矩阵的最大特征根
其中(AW)i表示向量AW的第i个向量。
在上述实施例的基础上，本实施例中获取所述判断矩阵的最大特征根和所述最大特征根对应的特征向量，将所述特征向量的分量作为各所述质量指标的权值的步骤之后还包括：将所述判断矩阵的特征根中除所述最大特征根以外的其余特征根的负平均值作为所述判断矩阵的偏离一致性指标；将所述判断矩阵的偏离一致性指标与所述判断矩阵的平均随机一致性指标的比值作为所述判断矩阵的随机一致性比率；若所述随机一致性比率大于预设阈值，则对所述判断矩阵进行调整。
具体地，判断矩阵的一致性是指在判断质量指标的重要性时，各判断之间协调一致，不致出现相互矛盾的结果，这样得出的特征向量是可以接受的，否则需要根据判断尺度重新得到判断矩阵。在多阶判断的条件下，极容易出现不一致，不同条件下不一致的程度有所差别。根据矩阵理论可知，如果τ满足：Ax＝τx，则τ为A的特征值，并且对于所有aii＝1，有
当判断矩阵具有完全一致性时，τ1＝τmax＝n，其余特征根均为0；当判断矩阵不具有完全一致性时，则有τ1＝τmax>n，其余特征根τ2、τ3，……，τn，有如下关系：
当判断矩阵不能保证具有完全一致性时，判断矩阵的特征根也将发生变化，这样就可以用判断矩阵特征根的变化来检验判断矩阵的一致性程度。因此，在层次分析法中引入判断矩阵最大特征根以外的其余特征根的负平均值作为度量判断矩阵的偏离一致性指标，即：
CI值越大表明判断矩阵偏离完全一致性程度越大，CI值越小，即越接近于0，表明判断矩阵的一致性越好。当判断矩阵具有完全一致性时，CI＝0。当判断矩阵具有满意一致性时，需引入判断矩阵的平均随机一致性指标RI值。对于1-9阶判断矩阵，RI值如表2所示。
表2 1-9阶判断矩阵的RI值
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| 0.00 | 0.00 | 0.58 | 0.96 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 |
当阶数大于2时，判断矩阵的一致性指标CI与同阶平均随机一致性指标RI之比称为随机一致性比率CR，即：
当CR小于预设阈值，如预设阈值为0.1时，认为判断矩阵具有满意的一致性，否则需要调整判断矩阵，从而实现对判断矩阵进行相容性验证，从而确定计算出的权重是否可以接受。
在上述实施例的基础上，本实施例中基于熵权法对各所述质量指标的权重进行修正的步骤具体包括：根据多个域名下的质量指标数据，构建原始数据矩阵，并对所述原始数据矩阵中的质量指标数据进行归一化；根据归一化的各所述质量指标数据，计算各所述质量指标的熵；根据各所述质量指标的熵，计算各所述质量指标的熵权；根据各所述质量指标的熵权对各所述质量指标的权重进行修正。
具体地，首先从CDN(Content Delivery Network，内容分发网络)、缓存日志和各管道DPI(Deep Packet Inspection，深度包检测)数据中采集所需的多个域名下的样本数据。对采集的样本数据进行删除离群点、噪声等清洗处理。设n个质量指标，m个域名，则原始数据矩阵为B＝(bij)m×n:
对原始数据矩阵进行归一化得到R＝(rij)m×n：
其中，rij表示第i个域名在第j个质量指标上的值。根据归一化的各质量指标数据，计算各质量指标的熵。根据各质量指标的熵，计算各质量指标的熵权。根据各质量指标的熵权对各质量指标的权重进行修正。本实施例采用极差变换法，消除指标量纲影响。由于反映资源服务质量的指标量纲不一样，有些质量指标的数值本身很大，如缓存资源指标里的缓存增益比，根据权重算法计算得到的质量评分可能超过100，不利于评分比较。采用归一化处理，经过极差变换后，质量指标的值均在0～1之间，这样得到的评分在0-100之间，利于查看比较。
在上述实施例的基础上，本实施例中对所述原始数据矩阵中的质量指标数据进行归一化的步骤具体包括：若各所述质量指标大者为优，则计算各所述质量指标下各域名的质量指标数据与各所述质量指标下所有域名的质量指标数据中的最小值之间的第一差值，以及各所述质量指标下所有域名的质量指标数据中最大值和最小值之间的第二差值，将所述第一差值与所述第二差值之间的比值作为各所述质量指标下各域名的质量指标数据归一化后的值；或者，若各所述质量指标小者为优，则计算各所述质量指标下所有域名的质量指标数据中的最大值与各所述质量指标下各域名的质量指标数据之间的第三差值，将所述第三差值与所述第二差值之间的比值作为各所述质量指标下各域名的质量指标数据归一化后的值。
具体地，大者为优的质量指标为值越大质量越好的质量指标，对大者为优的质量指标使用以下公式进行归一化：
其中，rij为原始数据矩阵中第i个域名的第j个质量指标的数据归一化的结果，bij为原始数据矩阵中第i个域名的第j个质量指标的数据，minj{bij}为所有域名的第j个质量指标的数据中的最小值，maxj{bij}为所有域名的第j个质量指标的数据中的最大值。
小者为优的质量指标为值越小质量越好的质量指标，对小者为优的质量指标使用以下公式进行归一化：
在上述实施例的基础上，本实施例中通过以下公式根据归一化的各所述质量指标数据，计算各所述质量指标的熵：
其中，hj表示第j个质量指标的熵，m为域名的总个数，k＝1/ln m，
rij表示第i个域名的第j个质量指标对应的质量指标数据。
具体地，从信息熵的公式可看出，如果某个质量指标的熵值hi越小，说明该质量指标值的变异程度越大，提供的信息量越多，在综合质量评价中该质量指标所起作用越大，其权重应该越大。相反，如果某个数据指标的熵值hi越大，说明该数据指标值的变异程度越小，提供的信息量越少，在综合质量评价中该质量指标所起作用越小，其权重应该越小。
在上述实施例的基础上，本实施例中通过以下公式根据各所述质量指标的熵，计算各所述质量指标的熵权：
其中，Wj表示第j个质量指标的熵权，hj表示第j个质量指标的熵，n为质量指标的总个数。
在上述各实施例的基础上，本实施例中根据各所述质量指标的值和各所述质量指标修正后的权重，获取所述资源的质量评分的步骤之后还包括：根据所述资源的质量评分，对所述资源进行调度。
具体地，本实施例根据资源的质量评分实现可调度资源的自动识别，对识别的可调度资源进行全网调到，调度到质量评分高的管道，从而达到资源的有效利用。根据某网站在各承载出口的资源质量评分和各承载出口的带宽利用率，将低分资源调度到高分资源，将高利用率调度到低利用率，从而生成网站的最优调度策略。调度后进行效果评估，确定网站的资源质量评分是否提升，管道利用率是否下降。既有效解决传统分析方法中无法全面评估整体资源质量的问题，又解决传统分析方法中消耗大量人力资源的问题。此外，对内容网络流量、流向和质量等数据进行统一汇总，通过可视化页面进行展示，实现多维度的数据分析和可视化呈现，便于运营人员使用。对质差资源进行逐步下钻展示，找出影响资源质量的解析地址和指标，有效提升日常运维和管理的效率。
在本发明的另一个实施例中提供一种内容网络中资源质量评分装置，该装置用于实现前述各实施例中的方法。因此，在前述内容网络中资源质量评分方法的各实施例中的描述和定义，可以用于本发明实施例中各个执行模块的理解。图2为本发明实施例提供的内容网络中资源质量评分装置整体结构示意图，该装置包括分析模块201、修正模块202和计算模块203；其中：
分析模块201用于基于层次分析法对内容网络中资源的质量指标进行分析，获取各所述质量指标的权重；修正模块202用于基于熵权法对各所述质量指标的权重进行修正；计算模块203用于根据各所述质量指标的值和各所述质量指标修正后的权重，获取所述资源的质量评分。
在上述实施例的基础上，本实施例中分析模块具体用于：将所述资源的质量指标进行两两比较，根据预设的比较尺度确定任一所述质量指标相对于各所述质量指标的重要程度；根据任一所述质量指标相对于各所述质量指标的重要程度，构建判断矩阵；获取所述判断矩阵的最大特征根和所述最大特征根对应的特征向量，将所述特征向量的分量作为各所述质量指标的权值。
在上述实施例的基础上，本实施例中还包括校验模块，用于将所述判断矩阵的特征根中除所述最大特征根以外的其余特征根的负平均值作为所述判断矩阵的偏离一致性指标；将所述判断矩阵的偏离一致性指标与所述判断矩阵的平均随机一致性指标的比值作为所述判断矩阵的随机一致性比率；若所述随机一致性比率大于预设阈值，则对所述判断矩阵进行调整。
在上述实施例的基础上，本实施例中修正模块具体用于：根据多个域名下的质量指标数据，构建原始数据矩阵，并对所述原始数据矩阵中的质量指标数据进行归一化；根据归一化的各所述质量指标数据，计算各所述质量指标的熵；根据各所述质量指标的熵，计算各所述质量指标的熵权；根据各所述质量指标的熵权对各所述质量指标的权重进行修正。
在上述实施例的基础上，本实施例中修正模块进一步用于：若各所述质量指标大者为优，则计算各所述质量指标下各域名的质量指标数据与各所述质量指标下所有域名的质量指标数据中的最小值之间的第一差值，以及各所述质量指标下所有域名的质量指标数据中最大值和最小值之间的第二差值，将所述第一差值与所述第二差值之间的比值作为各所述质量指标下各域名的质量指标数据归一化后的值；或者，若各所述质量指标小者为优，则计算各所述质量指标下所有域名的质量指标数据中的最大值与各所述质量指标下各域名的质量指标数据之间的第三差值，将所述第三差值与所述第二差值之间的比值作为各所述质量指标下各域名的质量指标数据归一化后的值。
在上述实施例的基础上，本实施例中修正模块通过以下公式根据归一化的各所述质量指标数据，计算各所述质量指标的熵：
其中，hj表示第j个质量指标的熵，m为所述域名的总个数，k＝1/ln m，
rij表示第i个域名的第j个质量指标对应的质量指标数据。
在上述实施例的基础上，本实施例中修正模块通过以下公式根据各所述质量指标的熵，计算各所述质量指标的熵权：
其中，Wj表示第j个质量指标的熵权，hj表示第j个质量指标的熵，n为质量指标的总个数。
在上述实施例的基础上，本实施例中还包括调度模块，用于根据所述资源的质量评分，对所述资源进行调度。
本实施例通过层次分析法和熵权法得到反映资源质量的各质量指标的权重，然后根据资源各质量指标的值和获取的权重自动得到资源的综合质量评分，从而综合多个质量指标对资源质量进行多维度全面评估，提高了资源质量评估的准确性。
本实施例提供一种电子设备，图3为本发明实施例提供的电子设备整体结构示意图，该设备包括：至少一个处理器301、至少一个存储器302和总线303；其中，
处理器301和存储器302通过总线303完成相互间的通信；
存储器302存储有可被处理器301执行的程序指令，处理器调用程序指令能够执行上述各方法实施例所提供的方法，例如包括：基于层次分析法对内容网络中资源的质量指标进行分析，获取各所述质量指标的权重；基于熵权法对各所述质量指标的权重进行修正；根据各所述质量指标的值和各所述质量指标修正后的权重，获取所述资源的质量评分。
本实施例提供一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行上述各方法实施例所提供的方法，例如包括：基于层次分析法对内容网络中资源的质量指标进行分析，获取各所述质量指标的权重；基于熵权法对各所述质量指标的权重进行修正；根据各所述质量指标的值和各所述质量指标修正后的权重，获取所述资源的质量评分。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种内容网络中资源质量评分方法，其特征在于，包括：
基于层次分析法对内容网络中资源的质量指标进行分析，获取各所述质量指标的权重；
基于熵权法对各所述质量指标的权重进行修正；
根据各所述质量指标的值和各所述质量指标修正后的权重，获取所述资源的质量评分。
2.根据权利要求1所述的方法，其特征在于，基于层次分析法对内容网络中资源的质量指标进行分析，获取各所述质量指标的权重的步骤具体包括：
将所述资源的质量指标进行两两比较，根据预设的比较尺度确定任一所述质量指标相对于各所述质量指标的重要程度；
根据任一所述质量指标相对于各所述质量指标的重要程度，构建判断矩阵；
获取所述判断矩阵的最大特征根和所述最大特征根对应的特征向量，将所述特征向量的分量作为各所述质量指标的权值。
3.根据权利要求2所述的方法，其特征在于，获取所述判断矩阵的最大特征根和所述最大特征根对应的特征向量，将所述特征向量的分量作为各所述质量指标的权值的步骤之后还包括：
将所述判断矩阵的特征根中除所述最大特征根以外的其余特征根的负平均值作为所述判断矩阵的偏离一致性指标；
将所述判断矩阵的偏离一致性指标与所述判断矩阵的平均随机一致性指标的比值作为所述判断矩阵的随机一致性比率；
若所述随机一致性比率大于预设阈值，则对所述判断矩阵进行调整。
4.根据权利要求1所述的方法，其特征在于，基于熵权法对各所述质量指标的权重进行修正的步骤具体包括：
根据多个域名下的质量指标数据，构建原始数据矩阵，并对所述原始数据矩阵中的质量指标数据进行归一化；
根据归一化的各所述质量指标数据，计算各所述质量指标的熵；
根据各所述质量指标的熵，计算各所述质量指标的熵权；
根据各所述质量指标的熵权对各所述质量指标的权重进行修正。
5.根据权利要求4所述的方法，其特征在于，对所述原始数据矩阵中的质量指标数据进行归一化的步骤具体包括：
若各所述质量指标大者为优，则计算各所述质量指标下各域名的质量指标数据与各所述质量指标下所有域名的质量指标数据中的最小值之间的第一差值，以及各所述质量指标下所有域名的质量指标数据中最大值和最小值之间的第二差值，将所述第一差值与所述第二差值之间的比值作为各所述质量指标下各域名的质量指标数据归一化后的值；或者，
若各所述质量指标小者为优，则计算各所述质量指标下所有域名的质量指标数据中的最大值与各所述质量指标下各域名的质量指标数据之间的第三差值，将所述第三差值与所述第二差值之间的比值作为各所述质量指标下各域名的质量指标数据归一化后的值。
6.根据权利要求4所述的方法，其特征在于，通过以下公式根据归一化的各所述质量指标数据，计算各所述质量指标的熵：
其中，hj表示第j个质量指标的熵，m为所述域名的总个数，k＝1/lnm，
rij表示第i个域名的第j个质量指标对应的质量指标数据。
7.根据权利要求4所述的方法，其特征在于，通过以下公式根据各所述质量指标的熵，计算各所述质量指标的熵权：
其中，Wj表示第j个质量指标的熵权，hj表示第j个质量指标的熵，n为质量指标的总个数。
8.根据权利要求1-7任一所述的方法，其特征在于，根据各所述质量指标的值和各所述质量指标修正后的权重，获取所述资源的质量评分的步骤之后还包括：
根据所述资源的质量评分，对所述资源进行调度。
9.一种电子设备，其特征在于，包括：
至少一个处理器、至少一个存储器和总线；其中，
所述处理器和存储器通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至8任一所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至8任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811587480.0A CN111369084A (zh) | 2018-12-25 | 2018-12-25 | 内容网络中资源质量评分方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811587480.0A CN111369084A (zh) | 2018-12-25 | 2018-12-25 | 内容网络中资源质量评分方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111369084A true CN111369084A (zh) | 2020-07-03 |
Family
ID=71203948
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811587480.0A Pending CN111369084A (zh) | 2018-12-25 | 2018-12-25 | 内容网络中资源质量评分方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111369084A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112203166A (zh) * | 2020-09-09 | 2021-01-08 | 中盈优创资讯科技有限公司 | 一种多模型用户健康档案评分方法及装置 |
| CN115250244A (zh) * | 2021-04-28 | 2022-10-28 | 中国移动通信集团湖南有限公司 | 一种网络质量评价方法和装置 |
| CN116610663A (zh) * | 2023-07-17 | 2023-08-18 | 成都岷山绿氢能源有限公司 | 一种碳监测数据质量评估方法、装置、设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102902882A (zh) * | 2012-09-14 | 2013-01-30 | 安徽南瑞继远软件有限公司 | 一种信息系统运行质量的评价方法 |
| CN103929330A (zh) * | 2014-04-22 | 2014-07-16 | 中国科学院计算技术研究所 | 域名服务质量评估方法及系统 |
| CN104684004A (zh) * | 2015-02-28 | 2015-06-03 | 浙江省通信产业服务有限公司 | 一种基于模糊分析的复杂无线通信网络运行质量评估方法 |
-
2018
- 2018-12-25 CN CN201811587480.0A patent/CN111369084A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102902882A (zh) * | 2012-09-14 | 2013-01-30 | 安徽南瑞继远软件有限公司 | 一种信息系统运行质量的评价方法 |
| CN103929330A (zh) * | 2014-04-22 | 2014-07-16 | 中国科学院计算技术研究所 | 域名服务质量评估方法及系统 |
| CN104684004A (zh) * | 2015-02-28 | 2015-06-03 | 浙江省通信产业服务有限公司 | 一种基于模糊分析的复杂无线通信网络运行质量评估方法 |
Non-Patent Citations (1)
| Title |
|---|
| 崔旺来，刘超: "《新农村信息化建设探索》", 海洋出版社, pages: 295 - 296 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112203166A (zh) * | 2020-09-09 | 2021-01-08 | 中盈优创资讯科技有限公司 | 一种多模型用户健康档案评分方法及装置 |
| CN112203166B (zh) * | 2020-09-09 | 2023-03-14 | 中盈优创资讯科技有限公司 | 一种多模型用户健康档案评分方法及装置 |
| CN115250244A (zh) * | 2021-04-28 | 2022-10-28 | 中国移动通信集团湖南有限公司 | 一种网络质量评价方法和装置 |
| CN115250244B (zh) * | 2021-04-28 | 2023-07-11 | 中国移动通信集团湖南有限公司 | 一种网络质量评价方法和装置 |
| CN116610663A (zh) * | 2023-07-17 | 2023-08-18 | 成都岷山绿氢能源有限公司 | 一种碳监测数据质量评估方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112566196B (zh) | 一种基于智能电网的异构网络接入选择方法及相关设备 | |
| WO2021012930A1 (zh) | 投票节点配置方法及系统 | |
| KR102121360B1 (ko) | 사용자 신용 점수를 최적화하기 위한 방법 및 장치 | |
| US11758227B2 (en) | Methods and apparatus to categorize media impressions by age | |
| CN111369084A (zh) | 内容网络中资源质量评分方法 | |
| WO2023098571A1 (zh) | 一种企业数字中台的成熟状态评估方法和装置 | |
| US11074516B2 (en) | Load balancing for distributed processing of deterministically assigned data using statistical analysis of block data | |
| WO2012142144A2 (en) | Assessing application performance with an operational index | |
| CN111598457B (zh) | 一种电力无线网络质量的确定方法及装置 | |
| CN111882198A (zh) | 一种项目绩效评价方法及系统 | |
| CN113222326A (zh) | 一种科技资源服务平台成熟度评估方法及装置 | |
| CN114116828A (zh) | 多维网络指标的关联规则分析方法、设备和存储介质 | |
| CN114513470A (zh) | 网络流量控制方法、装置、设备及计算机可读存储介质 | |
| CN114638498A (zh) | Esg评价方法、系统、电子设备及存储设备 | |
| CN114021873A (zh) | 一种数据指标量化方法和智慧园区企业价值评价系统 | |
| CN116582443A (zh) | 一种网络访问质量综合评价方法、装置及电子设备 | |
| WO2020220438A1 (zh) | 一种针对虚拟机不同类型的业务并发量预测方法 | |
| CN111314690A (zh) | 一种视频用户感知评估方法和装置 | |
| CN111832854A (zh) | 汽车研发质量管理体系的成熟度量化评价方法、系统及可读介质 | |
| WO2022133889A1 (zh) | 基于设备监理的电站设备质量数据处理方法及装置 | |
| CN114448810A (zh) | 带宽牵引方法、装置及电子设备 | |
| CN114091908A (zh) | 计及多模式储能站的配电网综合评价方法、装置和设备 | |
| CN112990703A (zh) | 国际工程市场匹配度评价方法、电子设备及存储介质 | |
| CN111565121A (zh) | 人员及技术对it支撑度评估方法及装置 | |
| CN112653121A (zh) | 一种新能源微电网参与电网调频能力的评估方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200703 |