CN111770510B - 网络体验状态确定方法、装置、存储介质及电子设备 - Google Patents
网络体验状态确定方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN111770510B CN111770510B CN202010486244.0A CN202010486244A CN111770510B CN 111770510 B CN111770510 B CN 111770510B CN 202010486244 A CN202010486244 A CN 202010486244A CN 111770510 B CN111770510 B CN 111770510B
- Authority
- CN
- China
- Prior art keywords
- network
- rate
- data interaction
- parameter
- scoring
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 86
- 230000003993 interaction Effects 0.000 claims abstract description 466
- 238000013139 quantization Methods 0.000 claims description 90
- 230000005540 biological transmission Effects 0.000 claims description 33
- 238000003745 diagnosis Methods 0.000 claims description 27
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 230000004913 activation Effects 0.000 claims description 15
- 230000009849 deactivation Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 43
- 230000006870 function Effects 0.000 description 32
- 230000008569 process Effects 0.000 description 23
- 238000012544 monitoring process Methods 0.000 description 14
- 230000014509 gene expression Effects 0.000 description 13
- 230000008439 repair process Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 11
- 230000005856 abnormality Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000007726 management method Methods 0.000 description 9
- 230000007246 mechanism Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000005065 mining Methods 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 235000009470 Theobroma cacao Nutrition 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 244000240602 cacao Species 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请实施例公开了一种网络体验状态确定方法、装置、存储介质及电子设备，其中，方法包括：获取网络的数据交互成功率参数、数据交互时延参数以及数据交互速率参数，基于所述数据交互成功率参数、所述数据交互时延参数以及所述数据交互速率参数，计算所述网络的体验评分值，根据所述体验评分值确定所述网络的网络体验状态。采用本申请实施例，可以提高网络体验状态确定的准确率。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种网络体验状态确定方法、装置、存储介质及电子设备。
背景技术
随着通信技术的发展，终端上的应用也在不断增加。通常，用户通过终端在使用网络进行数据交互(如移动数据网络、无线局域网)时，由于种种不稳定因素(如网络抖动、用网高峰)，可能会出现网络异常、网络中断的现象，而在日常使用终端的过程中，网络体验状态会很大程度影响到了用户的体验。
目前，在确定网络体验状态的过程中，通常是从某个网络维度基于与网络通信相关的普适参数来确定网络体验状态，如通过获取网络传输带宽，从网络传输带宽的维度来确定网络体验状态，如通过获取网络信号强度，从网络信号强度的维度来确定网络状态，又如通过获取网络信号质量，从网络信号质量的维度来确定网络状态等等。
发明内容
本申请实施例提供了一种网络体验状态确定方法、装置、存储介质及电子设备，可以提高网络体验状态确定的准确率。本申请实施例的技术方案如下：
第一方面，本申请实施例提供了一种网络体验状态确定方法，所述方法包括：
获取网络的数据交互成功率参数、数据交互时延参数以及数据交互速率参数；
基于所述数据交互成功率参数、所述数据交互时延参数以及所述数据交互速率参数，计算所述网络的体验评分值；
根据所述体验评分值确定所述网络的网络体验状态。
第二方面，本申请实施例提供了一种网络体验状态确定装置，所述装置包括：
数据交互参数获取模块11，用于获取网络的数据交互成功率参数、数据交互时延参数以及数据交互速率参数；
体验评分值计算模块12，用于基于所述数据交互成功率参数、所述数据交互时延参数以及所述数据交互速率参数，计算所述网络的体验评分值；
网络体验状态确定模块13，用于根据所述体验评分值确定所述网络的网络体验状态。
第三方面，本申请实施例提供一种计算机存储介质，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行上述的方法步骤。
第四方面，本申请实施例提供一种电子设备，可包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行上述的方法步骤。
本申请一些实施例提供的技术方案带来的有益效果至少包括：
在本申请一个或多个实施例中，终端获取网络的数据交互成功率参数、数据交互时延参数以及数据交互速率参数，基于所述数据交互成功率参数、所述数据交互时延参数以及所述数据交互速率参数，计算所述网络的体验评分值，根据所述体验评分值确定所述网络的网络体验状态。通过网络数据交互过程中数据交互成功率参数、数据交互时延参数以及数据交互速率参数的多维度数据交互类参数，对多维度数据交互类参数进行量化评分来综合计算网络的体验评分值，再基于网络的体验评分值来最终确定当前网络下的网络体验状态，可以避免从单一网络维度(如网络信号强度的维度)导致确定的网络体验状态结果不准确的问题，对多个网络维度的数据交互类参数所表征的数据交互特征(如交互成功特征、交互时延特征、交互速率特征)进行深度挖掘，可以覆盖到多个维度的复杂网络场景(如数据成功交互场景、数据传输场景)，提高了网络体验状态确定的准确率。
附图说明
为了更清楚地说明本申请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简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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是本申请实施例提供的一种网络体验状态确定方法的流程示意图；
图2是本申请实施例提供的另一种网络体验状态确定方法的流程示意图；
图3是本申请实施例提供的一种网络体验状态确定装置的结构示意图；
图4是本申请实施例提供的一种体验评分值计算模块的结构示意图；
图5是本申请实施例提供的一种网络体验状态确定模块的结构示意图；
图6是本申请实施例提供的一种电子设备的结构示意图；
图7是本申请实施例提供的操作系统和用户空间的结构示意图；
图8是图6中安卓操作系统的架构图；
图9是图6中IOS操作系统的架构图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
在本申请的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。在本申请的描述中，需要说明的是，除非另有明确的规定和限定，“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在 B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
在相关技术中，在确定网络体验状态的过程中，通常终端是从某个网络维度基于与网络通信相关的普适参数来确定网络体验状态，如从网络传输带宽的维度进行判决，当网络传输带宽较大时，则认为当前网络体验状态正常，反之则异常；又如从获取网络信号强度的维度进行判决，当网络信号强度较强时，则认为当前网络体验状态正常，反之则异常；又如从网络信号质量的维度进行判决，当网络信号强度较强时，则认为当前网络体验状态正常，反之则异常，等等。然而，在实际网络环境中，终端的网络一般处于复杂网络场景，而采用这种从某个网络维度基于与网络通信相关的普适参数来确定的方式就会造成网络体验状态的确定结果不准确；以及，网络体验状态的评判机制较为单一，并未考虑到复杂网络场景下数据交互的特征。
下面结合具体的实施例对本申请进行详细说明。
在一个实施例中，如图1所示，特提出了一种网络体验状态确定方法，该方法可依赖于计算机程序实现，可运行于基于冯诺依曼体系的网络体验状态确定装置上。该计算机程序可集成在应用中，也可作为独立的工具类应用运行。其中，本申请实施例中的网络体验状态确定装置可以为终端，
终端可以是具有网络体验状态确定功能的电子设备，该电子设备包括但不限于：可穿戴设备、手持设备、个人电脑、平板电脑、车载设备、智能手机、计算设备或连接到无线调制解调器的其它处理设备等。在不同的网络中终端设备可以叫做不同的名称，例如：用户设备、接入终端、用户单元、用户站、移动站、移动台、远方站、远程终端、移动设备、用户终端、终端、无线通信设备、用户代理或用户装置、蜂窝电话、无绳电话、个人数字处理(personal digital assistant，PDA)、5G网络或未来演进网络中的终端设备等。
具体的，该网络体验状态确定方法包括：
步骤S101：获取网络的数据交互成功率参数、数据交互时延参数以及数据交互速率参数。
所述网络可以理解为终端当前的通信网络，在实际应用中，所述网络可以是无线通信网络也可以是有线通信网络，所述无线通信网络包括但不限于蜂窝网络、无线局域网、红外网络、专用网络、5G网络或未来演进中的网络等。
通常，终端在建立与网络接入点之间的网络连接之后，终端上的用户可以基于与网络接入点之间的网络连接使用网络进行网络数据通信。在网络数据通信的过程中，终端具有网络体验状态监测机制，可以对当前网络进行监测，从而确定终端的用户对当前网络的网络体验状态。示意性的，在网络体验状态不佳或异常时，以及时对当前网络进行优化或向用户进行提醒，等等。上述提及的网络接入点是指终端(也可称站点)接入通信网络的设备，通常该通信接入点可以是具备无线至有线的桥接功能的设备。以通信网络为无线局域网 (WLAN)为例，该通信接入点可以将无线帧格式转化为有线帧格式以传输至有线通信网络中，所述通信接入点可以是路由器、网关等网络设备，也可以是内置有WI-FI模块的手机、平板电脑等终端设备。
进一步的，终端在建立与网络接入点之间的网络连接之后，终端可以基于网络接入点提供的网络进行网络数据的交互，如从网络接入点接收下行网络数据、向网络接入点发送上行网络数据，等等。在网络数据交互过程中，通常是基于网络以及物理层的一些网络通信协议协议进行的，如可以是基于诸如传输控制协议(Transmission ControlProtocol，TCP)、超文本传输协议(Hypertext Transfer Protocol，HTTP)等数据传输协议或802.11无线网络协议，此外还可以使用诸如安全套接字层(Secure Socket Layer，SSL)、传输层安全(Transport Layer Security，TLS)、虚拟专用网络(Virtual PrivateNetwork，VPN)、网际协议安全 (Internet Protocol Security，IPsec)等常规加密协议来加密所有或者一些通信数据。在另一些实施例中，还可以使用定制和/或专用数据通信技术中的网络通信协议取代或者补充上述数据通信技术中涉及的网络通信协议协议。
在本申请实施例中，终端上的网络体验状态监测机制可以基于上述网络通信协议，对相应的网络交互数据进行监测，从而获取网络数据交互过程中的一类或多类表征用户上网数据交互特征、上网交互体验特征的数据交互参数，具体可以是获取网络的数据交互成功率参数、数据交互时延参数以及数据交互速率参数，终端可以基于这些数据交互参数对当前用户网络体验进行网络量化处理，确定终端当前网络的体验评分值，基于体验评分值可以进一步确定终端网络的网络体验状态。
所述数据交互成功率参数可以理解为反应终端当前网络的网络数据成功交互的网络通信参数，其中，所述数据交互成功率参数可以是多个网络通信参数，如：数据激活成功率(如分组数据协议(PDP)激活成功率、附着(激活)成功率、TAU(激活)成功率等)、数据去激活成功率(如PDP去激活成功率、分组数据网络(PDN)去激活成功率)、DNS(域名服务协议)查询成功率、TCP 收发成功率、TCP握手成功率。
所述数据交互时延参数可以理解为反应终端当前网络的网络数据交互时数据接收或发送延迟的网络通信参数，其中，所述数据交互时延参数可以是多个网络通信参数，如TCP时延参数、数据发送时延参数、数据传播时延参数、DNS 解析时延参数、HTTP时延参数等。
所述数据交互速率参数可以理解为反应终端当前网络的网络数据交互快慢程度的网络通信参数，其中，所述数据交互速率参数可以是多个网络通信参数，如数据下行峰值速率、数据上行峰值速率、数据连接速率等。
其中，所述数据激活成功率可以理解为数据激活成功次数与数据激活请求次数的比值，所述数据去激活成功率可以理解为数据去激活成功次数和数据去激活请求次数的比值，所述DNS(域名服务协议)查询成功率可以理解为DNS 查询成功次数与查询请求次数的比值，所述TCP收发成功率可以理解为TCP成功发送包的数量与TCP总发送包数量的比值，所述TCP握手成功率可以理解为 TCP握手成功数与TCP总握手次数的比值。
具体的，终端具有网络体验状态监测机制，可以对当前网络进行监测；终端在建立与网络接入点之间的网络连接的之后，终端可以通过网络体验状态监测机制，对当前网络进行监测，具体为终端可以获取当前网络下的数据激活成功率、数据交互时延参数以及数据交互速率参数。
具体的，终端可以基于网络接入点提供的网络进行网络数据的交互，并在数据交互过程中，对在当前网络下对网络数据的上下行链路的数据交互质量进行实时监测：当终端检测到建立与所述通信接入点的通信连接之后，终端通过执行“对上下行链路的数据交互质量进行监测”业务被触发的控制逻辑对应的机器可执行指令，终端通过执行所述机器可执行指令，在预设监测时长内对上下行链路的数据交互质量所对应的至少一项通信参数进行监测，以获取到在预设监测时长内的数据交互成功率参数、数据交互时延参数以及数据交互速率参数。
其中，终端在获取当前网络下的数据交互成功率参数、数据交互时延参数以及数据交互速率参数可以是同步获取，如终端同时对当前网络下的数据交互成功率参数、数据交互时延参数以及数据交互速率参数进行监测，以获取到相应的数据交互参数；也可以是异步获取当前网络下的数据交互成功率参数、数据交互时延参数以及数据交互速率参数。
可选的，终端通过网络体验状态监测机制，对当前网络进行监测；可以是周期性(如100s一次)进行监测；可以是实时进行监测；也可以是表征当前网络体验状态的某项通信参数达到预警值、预警范围时进行监测，如检测到接收信号强度指示(receivedsignalstrength indication，RSSI)和数据包差错率(packet error ratio，PER)小于对应的参数阈值时，通过网络监测机制获取当前网络下的数据交互成功率参数、数据交互时延参数以及数据交互速率参数。
步骤S102：基于所述数据交互成功率参数、所述数据交互时延参数以及所述数据交互速率参数，计算所述网络的体验评分值。
一种体验评分值的计算方式可以是，终端可以分别确定数据交互成功率参数、所述数据交互时延参数以及所述数据交互速率参数各自对应的分数值，然后将各分数值进行相加求和，从而得到所述网络的体验评分值。终端在确定各类数据交互参数(如数据交互成功率参数)对应的分数值可以是预先，对某一数据交互参数设置多个参数范围，各参数范围分别对应一个分数值，终端在确定分数值时只需分别确定数据交互成功率参数、所述数据交互时延参数以及所述数据交互速率参数各自所属的目标参数范围，然后获取目标参数范围对应的分数值。从而可以得到各数据交互参数(如数据交互成功率参数)对应的分数值，将各分数值进行求和得到所述网络的体验评分值。
一种体验评分值的计算方式可以是，终端可以预先设置有各类数据交互参数(如数据交互成功率参数、数据交互时延参数以及数据交互速率参数)与分数值的映射关系，如映射关系可以是基于各类数据交互参数与分数值的线性表，终端预先通过获取大量的包含数据交互成功率参数、数据交互时延参数以及数据交互速率参数的样本数据，对样本数据采用概率学方法确定的各类数据交互参数与分数值的线性表，终端在获取到当前的数据交互成功率参数、数据交互时延参数以及数据交互速率参数之后，可以在所述线性表中查找各类数据交互参数对应的分数值，然后将各分数值进行求和得到所述网络的体验评分值。
一种体验评分值的计算方式可以是：针对各类数据交互参数(如数据交互成功率参数、数据交互时延参数以及数据交互速率参数)设置对应的加权因子(加权因子可以为负数)，各加权因子可以相同也可以不同，加权因子的确定基于实际环境决定此处不做具体限定。对各类数据交互参数与所述数据交互参数对应的加权因子的进行加权求和运算，得到加权求和后的数值，然后将所述数值作为所述网络的体验评分值。
一种体验评分值的计算方式可以是：针对各类数据交互参数(如数据交互成功率参数、数据交互时延参数以及数据交互速率参数)分别设置对应的基准值，基于数据交互参数的数值确定基准系数，如将数据交互参数(如数据交互成功率参数)与数据交互参数对应的标准值(设定的一个网络体验正常状态下的数据交互参数标准数值)的比值作为基准系数，又如设置多个基准系数，每个基准系数对应一个数值范围，根据数据交互参数确定落入的数值范围，进而确定对应的系数即基准系数，将基准系数与基准值的乘积的数值(当某一类数据交互参数为多个时，即计算多个基准系数与基准值的乘积和的数值)作为某一类数据交互参数的分数值，以所述方式分别计算得到各类数据交互参数所对应的分数值，然后将各分数值进行求和得到所述网络的体验评分值。
可选的，在对各分数值进行求和时，还可以对各类数据交互参数的分数值设置权重，采用加权求和的方式得到所述网络的体验评分值。
一种体验评分值的计算方式可以是：终端将所述数据交互成功率参数、所述数据交互时延参数以及所述数据交互速率参数输入至预先训练好的体验评分模型中，输出参考应用的定位周期。
其中，通过预先获取大量样本数据，提取特征信息，并对所述样本数据进行标注，所述特征信息包含各类数据交互参数中的至少一个参数，创建初始的体验评分模型。所述体验评分模型可以是使用大量的样本数据对初始的体验评分模型进行训练的，如体验评分模型可以是基于LR(Logistic Regression，逻辑回归模型)、SVM(Support VectorMachine，支持向量机)、决策树、朴素贝叶斯分类器、CNN(Convolutional Neural Network，卷积神经网络)、RNN (Recurrent Neural Networks，递归神经网络)等中的一种或多种实现，基于已经标注分数值的样本数据对初始的体验评分模型进行训练，可以得到训练好的体验评分模型。
更进一步的，本实施例中采用引入误差反向传播算法的DNN-HMM模型创建初始的阈值优化模型，提取特征信息之后，将特征信息以特征向量的形式输入到所述神经网络模型中，所述神经网络模型的训练过程通常由正向传播和反向传播两部分组成，在正向传播过程中，终端输入样本数据对应的特征信息从所述神经网络模型的输入层经过隐层神经元(也称节点)的传递函数(又称激活函数、转换函数)运算后，传向输出层，其中每一层神经元状态影响下一层神经元状态，在输出层计算实际输出值-第一语音标识，计算所述实际输出值与期望输出值的期望误差，基于所述期望误差调整所述神经网络模型的参数，所述参数包含每一层的权重值和阈值，训练完成后，生成体验评分模型。
步骤S103：根据所述体验评分值确定所述网络的网络体验状态。
具体的，终端根据所述数据交互成功率参数、所述数据交互时延参数以及所述数据交互速率参数在计算出所述体验评分值，根据预先设定的网络体验状态，从而判断当前网络的网络体验状态。
在一种可行的实施方式中，终端预先设定的网络体验状态确定规则可以是：设置体验评分值对应的体验评分阈值，当体验评分值大于体验评分阈值时，终端确定当前网络的网络体验状态为网络体验正常状态；当体验评分值小于体验评分阈值时，终端确定当前网络的网络状态为网络体验异常状态
在一种可行的实施方式中，终端预先设定的网络体验状态确定规则可以是：设置多个网络体验状态级别，以及各网络体验状态级别分别对应的体验评分值的数值范围，终端在计算出体验评分值之后，在各级别分别对应的体验评分值的数值范围，确定体验评分值所属的目标数值范围，以确定目标数值范围对应的网络体验状态级别。如，终端在当前网络下，根据所述数据交互成功率参数、所述数据交互时延参数以及所述数据交互速率参数在计算出所述体验评分值x，所述各网络体验状态级别与数值范围的对应关系可以是如表一所示的形式，所述网络体验状态级：1>2>…>n，n为自然数，见表一：
表一
| 数值范围 | 网络体验状态级 |
| s1-s2 | 1 |
| S2-s3 | 2 |
| S3-s4 | 3 |
| … | … |
用户终端在根据数据交互成功率参数、所述数据交互时延参数以及所述数据交互速率参数计算体验评分值为x之后，在上述表一查找所述体验评分值x 对应的网络体验状态级，如体验评分值x对应网络体验状态级为1。
在本申请实施例中，终端获取网络的数据交互成功率参数、数据交互时延参数以及数据交互速率参数，基于所述数据交互成功率参数、所述数据交互时延参数以及所述数据交互速率参数，计算所述网络的体验评分值，根据所述体验评分值确定所述网络的网络体验状态。通过网络数据交互过程中数据交互成功率参数、数据交互时延参数以及数据交互速率参数的多维度数据交互类参数，对多维度数据交互类参数进行量化评分来综合计算网络的体验评分值，再基于网络的体验评分值来最终确定当前网络下的网络体验状态，可以避免从单一网络维度(如网络信号强度的维度)导致确定的网络体验状态结果不准确的问题，对多个网络维度的数据交互类参数所表征的数据交互特征(如交互成功特征、交互时延特征、交互速率特征)进行深度挖掘，可以覆盖到多个维度的复杂网络场景(如数据成功交互场景、数据传输场景)，提高了网络体验状态确定的准确率。
请参见图2，图2是本申请提出的一种网络体验状态确定方法的另一种实施例的流程示意图。具体的：
步骤S201：获取网络的数据交互成功率参数、数据交互时延参数以及数据交互速率参数。
具体可参见步骤S101，此处不再赘述。
步骤S202：确定所述数据交互成功率参数对应的第一评分区间以及所述第一评分区间对应的第一量化参数，计算所述第一量化参数与所述数据交互成功率参数对应的第一网络体验分。
所述第一评分区间可以理解为与数据交互成功率参数相关联的评分范围，在本申请实施例中，终端在获取到数据交互成功率参数之后，然后根据数据交互成功率参数的数值确定所属的第一评分区间，进而获取到第一评分区间相对应的第一量化参数，所述第一量化参数可以理解为终端预先设置的用于计算数据交互成功率参数对应的第一网络体验分的量化参数，所述第一量化参数根据具体的第一评分区间确定，可以理解的是，不同的第一评分区间可以对应相同或不同的第一量化参数，第一量化参数对应的参数数目为至少一个。
所述第一网络体验分可以理解为终端基于数据交互成功率进行量化评分确定的一个分数值。
具体的，为了实现对数据交互成功率的精准量化，终端可以设置多个第一评分区间，第一评分区间通常是指一类数据交互成功率的数值的实数集合，当数据交互成功率参数落入某一第一评分区间的数值范围时，终端获取“某一第一评分区间”对应的第一量化参数，基于第一量化参数进行评分，计算所述第一量化参数与所述数据交互成功率参数对应的第一网络体验分。
具体的，终端可以针对数据交互成功率预先设置一个数据交互成功率量化函数(或公式)，待获取到所述网络的数据交互成功率参数之后，将所述数据交互成功率参数输入至数据交互成功率量化函数(或公式)中，首先确定数据交互成功率所属的第一评分区间，然后确定第一评分区间的第一量化参数，结合第一量化参数对数据交互成功率进行计算，具体如下：
1)当所述数据交互成功率参数大于或等于第一成功率时，终端获取预设的第一评分率因子，将所述第一评分率因子作为第一网络体验分。
其中，所述第一评分区间对应的数值范围为大于或等于第一成功率的数值范围，所述第一成功率为第一评分区间的区间端点值，通常为获取大量样本数据，采用概率学方法确定。所述第一评分率因子即为上述所述第一评分区间对应的第一量化参数。可以理解的是，当所述数据交互成功率参数大于或等于第一成功率时，所述第一量化参数为第一评分率因子。
进一步的，以X表示数据交互成功率参数，以a1表示第一成功率，以A1 表示第一评分率因子，以函数f1(x)表示第一网络体验分的分数值，当所述数据交互成功率参数大于或等于第一成功率时，f1(x)的函数表达式可以表示为：
f1(x)＝A1，x≥a1
2)当所述数据交互成功率参数大于或等于第二成功率，且所述数据交互成功率参数小于所述第一成功率时，获取所述第一成功率与所述第二成功率的第一概率差值、预设的第二评分率因子与第一评分率权重，基于所述数据交互成功率参数、所述第一概率差值、所述第二评分率因子以及所述第一评分率权重，计算所述第一网络体验分。
其中，所述第一评分区间对应的数值范围为“数据交互成功率参数大于或等于第二成功率，且所述数据交互成功率参数小于所述第一成功率”的数值范围，所述第一成功率以及第二成功率为第一评分区间的区间端点值，通常为获取大量样本数据，采用概率学方法确定。所述第一评分率权重为：当所述数据交互成功率参数大于或等于第二成功率，且所述数据交互成功率参数小于所述第一成功率时，终端用于计算第一网络体验分之前确定的一个权重值。可以理解的是，当所述数据交互成功率参数大于或等于第二成功率，且所述数据交互成功率参数小于所述第一成功率时，所述第一量化参数为第一概率差值、第二评分率因子以及第一评分率权重。
进一步的，以X表示数据交互成功率参数，以a1表示第一成功率、a2表示第二成功率，以A2表示第二评分率因子，以B1表示第一评分率权重，第一概率差值即为a1-a2，以函数f1(x)表示第一网络体验分的分数值，当所述数据交互成功率参数大于或等于第二成功率，且所述数据交互成功率参数小于所述第一成功率时，f1(x)的函数表达式可以表示为：
3)当所述数据交互成功率参数大于或等于第三成功率，且小于所述第二成功率时，获取所述第二成功率与所述第三成功率的第二概率差值、预设的第三评分率因子与第二评分率权重，基于所述数据交互成功率参数、所述第二概率差值、所述第三评分率因子以及所述第二评分率权重，计算所述第一网络体验分。
其中，所述第一评分区间对应的数值范围为“数据交互成功率参数大于或等于第三成功率，且小于所述第二成功率”的数值范围，所述第三成功率以及第二成功率为第一评分区间的区间端点值，通常为获取大量样本数据，采用概率学方法确定。所述第二评分率权重为：当所述数据交互成功率参数大于或等于第三成功率，且小于所述第二成功率时，终端用于计算第一网络体验分之前确定的一个权重值。可以理解的是，当所述数据交互成功率参数大于或等于第三成功率，且数据交互成功率参数小于所述第二成功率时，所述第一量化参数为第二概率差值、第三评分率因子以及第二评分率权重。
进一步的，以X表示数据交互成功率参数，以a3表示第三成功率、a2表示第二成功率，以A3表示第三评分率因子，以B2表示第二评分率权重，第二概率差值即为a2-a3，以函数f1(x)表示第一网络体验分的分数值，当所述数据交互成功率参数大于或等于第三成功率，且数据交互成功率参数小于所述第二成功率时，f1(x)的函数表达式可以表示为：
其中，在一些实施例中，所述第一评分率权重与第二评分率权重可以相同也可以不同，具体根据实施环境确定，此处不做具体限定。
4)当所述数据交互成功率参数小于所述第三成功率时，获取预设的第四评分率因子，将所述第四评分率因子作为所述第一网络体验分。
其中，所述第一评分区间对应的数值范围为小于所述第三成功率的数值范围，所述第三成功率为第一评分区间的区间端点值，通常为获取大量样本数据，采用概率学方法确定。所述第四评分率因子即为上述所述第一评分区间对应的第一量化参数。可以理解的是，当所述数据交互成功率参数小于所述第三成功率时，所述第一量化参数为第四评分率因子。
进一步的，以X表示数据交互成功率参数，以a3表示第三成功率，以A4 表示第四评分率因子，以函数f1(x)表示第一网络体验分的分数值，当所述数据交互成功率参数小于所述第三成功率时，f(x)的函数表达式可以表示为：
f1(x)＝A4，x<a3
在一种具体的实施场景中，终端获取到的数据交互成功率参数为多个，分别为数据激活成功率act、数据去激活成功率deact、域名服务协议查询成功率 dnsSuc、传输控制协议收发成功率tcpSuc以及传输控制协议握手成功率 tcpSyn。
f1(x)的函数表达式可以表示为：
其中，f1(x)为第一网络体验分的分数值，X为数据交互成功率参数，第一成功率为0.995，第二成功率为0.97，第三成功率为0.95，第一评分率因子为 100，第一评分率因子为80，第三评分率因子为60，第四评分率因子为60，第一评分率权重与第二评分率权重均为20。
终端分别将数据激活成功率act、数据去激活成功率deact、域名服务协议查询成功率dnsSuc、传输控制协议收发成功率tcpSuc以及传输控制协议握手成功率tcpSyn输入f(x)的函数表达式中，可以得到个数据交互成功率参数对应的第一网络体验分。
步骤S203：确定所述数据交互时延参数对应的第二评分区间以及所述第二评分区间对应的第二量化参数，将所述第二量化参数作为所述数据交互时延参数对应的第二网络体验分。
所述第二评分区间可以理解为与数据交互时延参数相关联的评分范围，在本申请实施例中，终端在获取到数据交互时延参数之后，然后根据数据交互时延参数的数值确定所属的第二评分区间，进而获取到第二评分区间相对应的第二量化参数，所述第二量化参数可以理解为终端预先设置的用于计算数据交互时延参数对应的第二网络体验分的量化参数，所述第二量化参数根据具体的第二评分区间确定，可以理解的是，不同的第二评分区间可以对应相同或不同的第二量化参数，第二量化参数对应的参数数目为至少一个。
所述第二网络体验分可以理解为终端基于数据交互时延进行量化评分确定的一个分数值。
具体的，为了实现对数据交互时延的精准量化，终端可以设置多个第二评分区间，第二评分区间通常是指一类数据交互时延的数值的实数集合，当数据交互时延参数落入某一第二评分区间的数值范围时，终端获取“某一第二评分区间”对应的第二量化参数，基于第二量化参数进行评分，具体将所述第二量化参数作为第二网络体验分。
在一种具体的实施场景中，终端通过预先采集大量样本数据，在大量实验模拟并采用概率学方法对样本数据进行分析，可以将数据交互时延参数划分为多个第二评分区间，不同第二评分区间代表不同的第二网络体验分的分值，如。一种第二网络体验分f2(x)的函数表达式可以表示为：
终端在获取到数据交互时延参数后，根据上述第二网络体验分f2(x)的函数表达式可以确定第二评分区间，进而确定第二量化参数，将所述第二量化参数作为第二网络体验分。
需要说明的是，当所述数据交互时延参数为多个时，基于上述第二网络体验分f2(x)的函数表达式可以确定各数据交互时延参数分别对应的第二网络体验分。
步骤S204：确定所述数据交互速率参数对应的第三评分区间以及所述第三评分区间对应的第三量化参数，计算所述第三量化参数与所述数据交互速率参数对应的第三网络体验分。
所述第三评分区间可以理解为与数据交互速率参数相关联的评分范围，在本申请实施例中，终端在获取到数据交互速率参数之后，然后根据数据交互速率参数的数值确定所属的第三评分区间，进而获取到第三评分区间相对应的第三量化参数，所述第三量化参数可以理解为终端预先设置的用于计算数据交互速率参数对应的第三网络体验分的量化参数，所述第三量化参数根据具体的第三评分区间确定，可以理解的是，不同的第三评分区间可以对应相同或不同的第三量化参数，第三量化参数对应的参数数目为至少一个。
所述第三网络体验分可以理解为终端基于数据交互速率进行量化评分确定的一个分数值，所述第三网络体验分用于衡量终端当前网络的网络数据交互快慢程度，第三网络体验分越大，数据交互速率越大，数据交互越快。
具体的，为了实现对数据交互速率的精准量化，终端可以设置多个第三评分区间，第三评分区间通常是指一类数据交互速率的数值的实数集合，当数据交互速率参数落入某一第三评分区间的数值范围时，终端获取“某一第三评分区间”对应的第三量化参数，基于第三量化参数进行评分，计算所述第三量化参数与所述数据交互速率参数对应的第三网络体验分。
具体的，终端可以针对数据交互速率参数预先设置一个数据交互速率量化函数(或公式)，待获取到所述网络的数据交互速率参数之后，将所述数据交互速率参数输入至数据交互速率量化函数(或公式)中，首先确定数据交互速率参数所属的第三评分区间，然后确定第三评分区间的第三量化参数，结合第三量化参数对数据交互速率参数进行计算，具体如下：
1)当所述数据交互速率参数大于或等于第一速率对应时，获取预设的第一评分速率因子，将所述第一评分速率因子作为第三网络体验分。
其中，所述第三评分区间对应的数值范围为大于或等于第一速率的数值范围，所述第一速率为第三评分区间的区间端点值，通常为获取大量样本数据，采用概率学方法确定。所述第一评分速率因子即为上述所述第三评分区间对应的第三量化参数。可以理解的是，当所述数据交互速率参数大于或等于第一速率时，所述第三量化参数为第一评分速率因子。
进一步的，以X表示数据交互成功率参数，以b1表示第一速率，以C1 表示第一评分速率因子，以函数f3(x)表示第三网络体验分的分数值，当所述数据交互速率参数大于或等于第一速率时，f3(x)的函数表达式可以表示为：
f3(x)＝C1，x≥b1
2)当所述数据交互速率参数大于或等于第二速率，且所述数据交互速率参数小于第一速率时，获取所述第一速率与所述第二速率的第一速率差值、预设的第二评分速率因子与第一评分速率权重，基于所述数据交互速率参数、所述第一速率差值、所述第二评分速率因子以及第一评分速率权重，计算所述第三网络体验分。
其中，所述第三评分区间对应的数值范围为“数据交互速率参数大于或等于第二速率，且所述数据交互速率参数小于所述第一速率”的数值范围，所述第一速率以及第二速率为第三评分区间的区间端点值，通常为获取大量样本数据，采用概率学方法确定。所述第一评分速率权重为：当所述数据交互速率参数大于或等于第二速率，且所述数据交互速率参数小于所述第一速率时，终端用于计算第三网络体验分之前确定的一个权重值。可以理解的是，当所述数据交互速率参数大于或等于第二速率，且所述数据交互速率参数小于所述第一速率时，所述第三量化参数为第一概率差值、第二评分率因子以及第一评分速率权重。
进一步的，以X表示数据交互速率参数，以b1表示第一速率、b2表示第二速率，以C2表示第二评分率因子，以D1表示第一评分速率权重，第一概率差值即为b1-b2，以函数f3(x)表示第三网络体验分的分数值，当所述数据交互速率参数大于或等于第二速率，且所述数据交互速率参数小于所述第一速率时，f3(x)的函数表达式可以表示为：
3)当所述数据交互速率参数大于或等于第三速率，且所述数据交互速率参数小于所述第二速率时，获取所述第二速率与所述第三速率的第二速率差值、预设的第三评分速率因子与第二评分速率权重，基于所述数据交互速率参数、所述第二速率差值、所述第三评分速率因子以及第二评分速率权重，计算所述第三网络体验分。
其中，所述第三评分区间对应的数值范围为“数据交互速率参数大于或等于第三速率，且所述数据交互速率参数小于所述第二速率”的数值范围，所述第三速率以及第二速率为第三评分区间的区间端点值，通常为获取大量样本数据，采用概率学方法确定。所述第二评分速率权重为：当所述数据交互速率参数大于或等于第三速率，且所述数据交互速率参数小于所述第二速率时，终端用于计算第三网络体验分之前确定的一个权重值。可以理解的是，当所述数据交互速率参数大于或等于第三速率，且所述数据交互速率参数小于所述第二速率时，所述第三量化参数为第二概率差值、第三评分率因子以及第二评分速率权重。
进一步的，以X表示数据交互速率参数，以b3表示第三速率、b2表示第二速率，以C3表示第三评分率因子，以D2表示第二评分速率权重，第二概率差值即为b2-b3，以函数f3(x)表示第三网络体验分的分数值，当所述数据交互速率参数大于或等于第三速率，且所述数据交互速率参数小于所述第二速率时，f3(x)的函数表达式可以表示为：
其中，在一些实施例中，所述第一评分速率权重与第二评分速率权重可以相同也可以不同，具体根据实施环境确定，此处不做具体限定。
4)当所述数据交互速率参数小于所述第三速率时，获取预设的第四评分速率因子，将所述第四评分速率因子作为第三网络体验分。
其中，所述第三评分区间对应的数值范围为小于所述第三速率的数值范围，所述第三速率为第三评分区间的区间端点值，通常为获取大量样本数据，采用概率学方法确定。所述第四评分速率因子即为上述所述第三评分区间对应的第三量化参数。可以理解的是，当所述数据交互速率参数小于所述第三速率时，所述第三量化参数为第四评分速率因子。
进一步的，以X表示数据交互速率参数，以b3表示第三速率，以C4表示第四评分速率因子，以函数f3(x)表示第三网络体验分的分数值，当所述所述数据交互速率参数小于所述第三速率时，f3(x)的函数表达式可以表示为：
f3(x)＝C4，x<b3
在一种具体的实施场景中，终端获取到的数据交互速率参数为多个(其中，数据交互速率参单位为:M/S)，可以是下行峰值速率、上行峰值速率。
f3(x)的函数表达式可以表示为：
其中，f3(x)为第三网络体验分的分数值，X为数据交互速率参数，第一速率为8，第二速率为4，第三速率为1，第一评分速率因子为100，第一评分速率因子为80，第三评分速率因子为60，第四评分速率因子为60，第一评分率权重与第二评分率权重均为15。
终端分别将下行峰值速率、上行峰值速率输入f3(x)的函数表达式中，可以得到各数据交互速率参数对应的第三网络体验分。
需要说明的是，在本申请实施例中，涉及到的第一量化参数、第二量化参数以及第三量化参数中分别对应的各参数，可以采集实际网络环境中的样本数据，基于量化参数确定方法对样本数据进行分析得到的，常用的量化参数确定方法包括层次分析法、模糊法、模糊层次分析法和专家评价法等。
步骤S205：基于所述第一网络体验分、第二网络体验分以及第三网络体验分计算所述网络的体验评分值。
具体的，终端可以获取所述第一网络体验分、所述第二网络体验分以及所述第三网络体验分分别对应的权重因子，基于各权重因子对所述第一网络体验分、所述第二网络体验分以及所述第三网络体验分进行加权求和，得到所述网络的体验评分值。
所述权重因子是指某一因素或指标相对于某一事物的重要程度，其不同于一般的比重，体现的不仅仅是某一因素或指标所占的百分比，强调的是因素或指标的相对重要程度，倾向于贡献度或重要性。通常，权重可通过划分多个层次指标进行判断和计算，权重因子通常以百分比的形式进行表示。
在一种具体的实施方式中，终端可以获取所述第一网络体验分、所述第二网络体验分以及所述第三网络体验分分别对应的权重因子，如第一网络体验分为权重因子d1、第二网络体验分为权重因子d2、第二网络体验分为权重因子d3。所述数据交互成功率参数包括数据激活成功率act、数据去激活成功率deact、域名服务协议查询成功率dnsSuc、传输控制协议收发成功率tcpSuc以及传输控制协议握手成功率tcpSyn，所述数据交互成功率参数包括传输控制协议时延 tcpDelay，所述数据交互速率参数包括数据交互峰值速率topRx，则所述网络的体验评分值Q可表示为：
Q＝[d1*f1(act)+d1*f1(deact)+d1*f1(dnsSuc)+d1*f1(tcpSuc)
+d1*f1(tcpSyn)+d2*f2(tcpDelay)+d3*f3(topRx)]
步骤S206：当所述体验评分值大于网络体验评分阈值时，确定所述网络状态为网络体验正常状态。
所述阈值是指某一领域、状态或系统的门限值，也称临界值。在本申请实施例中，所述网络体验评分阈值是用于表征网络体验状态的体验评分值的门限值或临界值。
具体的，终端获取所述第一网络体验分、所述第二网络体验分以及所述第三网络体验分分别对应的权重因子，基于各权重因子对所述第一网络体验分、所述第二网络体验分以及所述第三网络体验分进行加权求和，得到所述网络的体验评分值之后，然后基于体验评分值与网络体验评分阈值进行比较，当所述体验评分值大于网络体验评分阈值时，此时数据网络体验优良，通过在考虑到复杂网络体验场景以及网络通信下的数据交互逻辑，基于通过表征上网数据交互特征和上网体验特征的多维度特征参数(数据交互成功率参数、数据交互时延参数以及数据交互速率参数)进行综合量化、分析及处理之后，可以确定当前网络下的网络交互体验优良，对当前网络数据交互整体判决通过，此时通常当前网络体验状态满足用户在终端上的上网体验，即确定所述网络状态为网络体验正常状态。
步骤S207：当所述体验评分值小于/等于所述网络体验评分阈值时，确定所述网络状态为网络体验异常状态。
具体的，终端获取所述第一网络体验分、所述第二网络体验分以及所述第三网络体验分分别对应的权重因子，基于各权重因子对所述第一网络体验分、所述第二网络体验分以及所述第三网络体验分进行加权求和，得到所述网络的体验评分值之后，然后基于体验评分值与网络体验评分阈值进行比较，当所述体验评分值小于/等于所述网络体验评分阈值时，此时网络交互体验不佳，通过在考虑到复杂网络体验场景以及网络通信下的数据交互逻辑，基于通过表征上网数据交互特征和上网体验特征的多维度特征参数(数据交互成功率参数、数据交互时延参数以及数据交互速率参数)进行综合量化、分析及处理之后，可以确定当前网络下的网络体验状态不佳，对当前网络数据交互整体判决不通过，此时通常当前网络体验状态难以满足用户在终端上的上网体验，即确定所述网络状态为网络体验异常状态。
可选的，终端在确定当前网络下的网络体验状态为网络异常状态之后，可以及时采取相关措施提高用户的网络体验状态，以保障用户上网体验。如，在网络体验状态不佳或异常时，可以对当前网络进行优化、对当前网络所对应的网络加载进程重新加载，或向用户进行提醒等等
可选的，可以在所述终端内预先设置具备网络修复功能的网络体验异常修复程序，所述网络体验异常修复程序可以被配置为实时监测所述终端的网络体验状态，并可以在所述终端的网络体验异常时，则检测导致所述网络体验异常的因素，进而根据所述导致所述网络体验异常的因素，调用对应的网络体验异常修复程序对所述终端的网络进行修复，以提高用户的网络体验。进一步的，可以根据每一种可能导致所述网络体验异常的因素，在所述终端内预先设定对应的网络异常修复程序，例如网卡驱动修复程序、网卡启动程序、网络适配器设置程序、过滤器驱动修复程序等。
步骤S208：将所述体验评分值上报至网络诊断设备，所述体验评分值用于指示所述网络诊断设备基于所述体验评分值与网络体验评分阈值确定所述网络的网络体验状态并输出所述网络体验状态，所述网络体验状态包括网络体验正常状态以及网络体验异常状态。
所述网络诊断设备可以理解为与所述终端建立通信连接，且具有诊断终端当前网络状态功能的电子设备，所述电子设备可以是服务器，所述服务器可以是单独的服务器设备，例如：机架式、刀片、塔式、或者机柜式的服务器设备，也可以采用工作站、大型计算机、等具备较强计算能力硬件设备，也可以采用多个服务器组成的服务器集群，所述服务集群中的各服务器可以是以对称方式组成的，其中每台服务器在业务链路中功能等价、地位等价，各服务器均可单独对外提供服务，所述单独提供服务可以理解为无需另外的服务器的辅助。
具体的，终端在获取所述第一网络体验分、所述第二网络体验分以及所述第三网络体验分分别对应的权重因子，基于各权重因子对所述第一网络体验分、所述第二网络体验分以及所述第三网络体验分进行加权求和，得到所述网络的体验评分值之后，可以基于与网络诊断设备的通信连接将所述体验评分值上报至网络诊断设备。网络诊断设备接收到所述体验评分值之后，可以基于所述体验评分值与网络体验评分阈值确定所述网络的网络体验状态。具体如下：
1、当所述体验评分值大于网络体验评分阈值时，网络诊断设备确定所述网络状态为网络体验正常状态。
2、当所述体验评分值小于/等于所述网络体验评分阈值时，网络诊断设备确定终端的网络状态为网络体验异常状态。
进一步的，网络诊断设备确定终端的网络状态为网络体验异常状态之后，可以向终端发送网络修复指令，终端在接收到所述网络修复指令之后进行响应，调用对应的网络体验异常修复程序对所述终端的网络进行修复，以提高用户的网络体验。或，网络诊断设备输出终端网体验异常的提示信息，如向后台网络维护人员的用户终端推送提示信息，以使后台维护人员对终端的网络进行修复，又如，网络诊断设备可以在对应的后台网页上输出终端网体验异常的提示信息，等等。
在一种可行的方式中，终端在获取到网络的数据交互成功率参数、数据交互时延参数以及数据交互速率参数之后，可以基于与网络诊断设备间的通信连接，将所述数据交互成功率参数、数据交互时延参数以及数据交互速率参数发送至网络诊断设备，由网络诊断设备执行所述基于所述数据交互成功率参数、所述数据交互时延参数以及所述数据交互速率参数，计算所述网络的体验评分值，根据所述体验评分值确定所述网络的网络体验状态的步骤。
在本申请实施例中，终端获取网络的数据交互成功率参数、数据交互时延参数以及数据交互速率参数，基于所述数据交互成功率参数、所述数据交互时延参数以及所述数据交互速率参数，计算所述网络的体验评分值，根据所述体验评分值确定所述网络的网络体验状态。通过网络数据交互过程中数据交互成功率参数、数据交互时延参数以及数据交互速率参数的多维度数据交互类参数，对多维度数据交互类参数进行量化评分来综合计算网络的体验评分值，再基于网络的体验评分值来最终确定当前网络下的网络体验状态，可以避免从单一网络维度(如网络信号强度的维度)导致确定的网络体验状态结果不准确的问题，对多个网络维度的数据交互类参数所表征的数据交互特征(如交互成功特征、交互时延特征、交互速率特征)进行深度挖掘，可以覆盖到多个维度的复杂网络场景(如数据成功交互场景、数据传输场景)，提高了网络体验状态确定的准确率；以及终端可以将计算出的体验评分值上报至网络诊断设备，由网络诊断设备确定终端的网络体验状态并输出网络体验状态，从而实现了终端网络的网络体验状态的远端监测功能，终端也为网络诊断设备实时监测上网体验提供了评分依据。
下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。
请参见图3，其示出了本申请一个示例性实施例提供的网络体验状态确定装置的结构示意图。该网络体验状态确定装置可以通过软件、硬件或者两者的结合实现成为装置的全部或一部分。该装置1包括数据交互参数获取模块11、目标类型确定模块12和网络体验状态确定模块13。
数据交互参数获取模块11，用于获取网络的数据交互成功率参数、数据交互时延参数以及数据交互速率参数；
体验评分值计算模块12，用于基于所述数据交互成功率参数、所述数据交互时延参数以及所述数据交互速率参数，计算所述网络的体验评分值；
网络体验状态确定模块13，用于根据所述体验评分值确定所述网络的网络体验状态。
可选的，如图4所示，所述体验评分值计算模块12，包括：
第一网络体验分计算单元121，用于确定所述数据交互成功率参数对应的第一评分区间以及所述第一评分区间对应的第一量化参数，计算所述第一量化参数与所述数据交互成功率参数对应的第一网络体验分；
第二网络体验分计算单元122，用于确定所述数据交互时延参数对应的第二评分区间以及所述第二评分区间对应的第二量化参数，将所述第二量化参数作为所述数据交互时延参数对应的第二网络体验分；
第三网络体验分计算单元123，用于确定所述数据交互速率参数对应的第三评分区间以及所述第三评分区间对应的第三量化参数，计算所述第三量化参数与所述数据交互速率参数对应的第三网络体验分；
体验评分值计算单元124，用于基于所述第一网络体验分、第二网络体验分以及第三网络体验分计算所述网络的体验评分值。
可选的，所述第一网络体验分计算单元121，具体用于：
当所述数据交互成功率参数大于或等于第一成功率时，获取预设的第一评分率因子，将所述第一评分率因子作为第一网络体验分；
当所述数据交互成功率参数大于或等于第二成功率，且所述数据交互成功率参数小于所述第一成功率时，获取所述第一成功率与所述第二成功率的第一概率差值、预设的第二评分率因子与第一评分率权重，基于所述数据交互成功率参数、所述第一概率差值、所述第二评分率因子以及所述第一评分率权重，计算所述第一网络体验分；
当所述数据交互成功率参数大于或等于第三成功率，且小于所述第二成功率时，获取所述第二成功率与所述第三成功率的第二概率差值、预设的第三评分率因子与第二评分率权重，基于所述数据交互成功率参数、所述第二概率差值、所述第三评分率因子以及所述第二评分率权重，计算所述第一网络体验分；
当所述数据交互成功率参数小于所述第三成功率时，获取预设的第四评分率因子，将所述第四评分率因子作为所述第一网络体验分。
可选的，所述第三网络体验分计算单元123，具体用于：
当所述数据交互速率参数大于或等于第一速率对应时，获取预设的第一评分速率因子，将所述第一评分速率因子作为第三网络体验分；
当所述数据交互速率参数大于或等于第二速率，且所述数据交互速率参数小于第一速率时，获取所述第一速率与所述第二速率的第一速率差值、预设的第二评分速率因子与第一评分速率权重，基于所述数据交互速率参数、所述第一速率差值、所述第二评分速率因子以及第一评分速率权重，计算所述第三网络体验分；
当所述数据交互速率参数大于或等于第三速率，且所述数据交互速率参数小于所述第二速率时，获取所述第二速率与所述第三速率的第二速率差值、预设的第三评分速率因子与第二评分速率权重，基于所述数据交互速率参数、所述第二速率差值、所述第三评分速率因子以及第二评分速率权重，计算所述第三网络体验分；
当所述数据交互速率参数小于所述第三速率时，获取预设的第四评分速率因子，将所述第四评分速率因子作为第三网络体验分。
可选的，所述体验评分值计算单元124，具体用于：
对所述第一网络体验分、所述第二网络体验分以及所述第三网络体验分进行加权求和，得到所述网络的体验评分值。
可选的，所述网络体验状态确定模块13，具体用于：
将所述体验评分值上报至网络诊断设备，所述体验评分值用于指示所述网络诊断设备基于所述体验评分值与网络体验评分阈值确定所述网络的网络体验状态并输出所述网络体验状态，所述网络体验状态包括网络体验正常状态以及网络体验异常状态。
可选的，如图5所示，所述网络体验状态确定模块13，包括：
网络体验正常状态确定单元131，用于当所述体验评分值大于网络体验评分阈值时，确定所述网络状态为网络体验正常状态；
网络体验异常状态确定单元132，用于当所述体验评分值小于/等于所述网络体验评分阈值时，确定所述网络状态为网络体验异常状态。
可选的，所述数据交互成功率参数包括数据激活成功率、数据去激活成功率、域名服务协议查询成功率、传输控制协议收发成功率以及传输控制协议握手成功率中的至少一种参数，所述数据交互成功率参数包括传输控制协议时延，所述数据交互速率参数包括数据交互峰值速率。
需要说明的是，上述实施例提供的网络体验状态确定装置在执行网络体验状态确定方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的网络体验状态确定装置与网络体验状态确定方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
在本申请实施例中，终端获取网络的数据交互成功率参数、数据交互时延参数以及数据交互速率参数，基于所述数据交互成功率参数、所述数据交互时延参数以及所述数据交互速率参数，计算所述网络的体验评分值，根据所述体验评分值确定所述网络的网络体验状态。通过网络数据交互过程中数据交互成功率参数、数据交互时延参数以及数据交互速率参数的多维度数据交互类参数，对多维度数据交互类参数进行量化评分来综合计算网络的体验评分值，再基于网络的体验评分值来最终确定当前网络下的网络体验状态，可以避免从单一网络维度(如网络信号强度的维度)导致确定的网络体验状态结果不准确的问题，对多个网络维度的数据交互类参数所表征的数据交互特征(如交互成功特征、交互时延特征、交互速率特征)进行深度挖掘，可以覆盖到多个维度的复杂网络场景(如数据成功交互场景、数据传输场景)，提高了网络体验状态确定的准确率；以及终端可以将计算出的体验评分值上报至网络诊断设备，由网络诊断设备确定终端的网络体验状态并输出网络体验状态，从而实现了终端网络的网络体验状态的远端监测功能，终端也为网络诊断设备实时监测上网体验提供了评分依据。
本申请实施例还提供了一种计算机存储介质，所述计算机存储介质可以存储有多条指令，所述指令适于由处理器加载并执行如上述图1-图2所示实施例的所述网络体验状态确定方法，具体执行过程可以参见图1-图2所示实施例的具体说明，在此不进行赘述。
本申请还提供了一种计算机程序产品，该计算机程序产品存储有至少一条指令，所述至少一条指令由所述处理器加载并执行如上述图1-图3所示实施例的所述网络体验状态确定方法，具体执行过程可以参见图1-图3所示实施例的具体说明，在此不进行赘述。
请参考图6，其示出了本申请一个示例性实施例提供的电子设备的结构方框图。本申请中的电子设备可以包括一个或多个如下部件：处理器110、存储器120、输入装置130、输出装置140和总线150。处理器110、存储器120、输入装置130和输出装置140之间可以通过总线150连接。
处理器110可以包括一个或者多个处理核心。处理器110利用各种接口和线路连接整个电子设备内的各个部分，通过运行或执行存储在存储器120内的指令、程序、代码集或指令集，以及调用存储在存储器120内的数据，执行电子设备100的各种功能和处理数据。可选地，处理器110可以采用数字信号处理(digital signal processing，DSP)、现场可编程门阵列(field－programmable gate array，FPGA)、可编程逻辑阵列(programmable logicArray，PLA)中的至少一种硬件形式来实现。处理器110可集成中央处理器(centralprocessing unit， CPU)、图像处理器(graphics processing unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU 用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器110中，单独通过一块通信芯片进行实现。
存储器120可以包括随机存储器(random Access Memory，RAM)，也可以包括只读存储器(read-only memory，ROM)。可选地，该存储器120包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器120可用于存储指令、程序、代码、代码集或指令集。存储器120可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等，该操作系统可以是安卓(Android)系统，包括基于Android系统深度开发的系统、苹果公司开发的IOS系统，包括基于IOS系统深度开发的系统或其它系统。存储数据区还可以存储电子设备在使用中所创建的数据比如电话本、音视频数据、聊天记录数据，等。
参见图7所示，存储器120可分为操作系统空间和用户空间，操作系统即运行于操作系统空间，原生及第三方应用程序即运行于用户空间。为了保证不同第三方应用程序均能够达到较好的运行效果，操作系统针对不同第三方应用程序为其分配相应的系统资源。然而，同一第三方应用程序中不同应用场景对系统资源的需求也存在差异，比如，在本地资源加载场景下，第三方应用程序对磁盘读取速度的要求较高；在动画渲染场景下，第三方应用程序则对GPU性能的要求较高。而操作系统与第三方应用程序之间相互独立，操作系统往往不能及时感知第三方应用程序当前的应用场景，导致操作系统无法根据第三方应用程序的具体应用场景进行针对性的系统资源适配。
为了使操作系统能够区分第三方应用程序的具体应用场景，需要打通第三方应用程序与操作系统之间的数据通信，使得操作系统能够随时获取第三方应用程序当前的场景信息，进而基于当前场景进行针对性的系统资源适配。
以操作系统为Android系统为例，存储器120中存储的程序和数据如图8 所示，存储器120中可存储有Linux内核层320、系统运行时库层340、应用框架层360和应用层380，其中，Linux内核层320、系统运行库层340和应用框架层360属于操作系统空间，应用层380属于用户空间。Linux内核层320为电子设备的各种硬件提供了底层的驱动，如显示驱动、音频驱动、摄像头驱动、蓝牙驱动、Wi-Fi驱动、电源管理等。系统运行库层340通过一些C/C++库来为 Android系统提供了主要的特性支持。如SQLite库提供了数据库的支持， OpenGL/ES库提供了3D绘图的支持，Webkit库提供了浏览器内核的支持等。在系统运行时库层340中还提供有安卓运行时库(Android runtime)，它主要提供了一些核心库，能够允许开发者使用Java语言来编写Android应用。应用框架层360提供了构建应用程序时可能用到的各种API，开发者也可以通过使用这些 API来构建自己的应用程序，比如活动管理、窗口管理、视图管理、通知管理、内容提供者、包管理、通话管理、资源管理、定位管理。应用层380中运行有至少一个应用程序，这些应用程序可以是操作系统自带的原生应用程序，比如联系人程序、短信程序、时钟程序、相机应用等；也可以是第三方开发者所开发的第三方应用程序，比如游戏类应用程序、即时通信程序、相片美化程序、网络体验状态确定程序等。
以操作系统为IOS系统为例，存储器120中存储的程序和数据如图9所示， IOS系统包括：核心操作系统层420(Core OS layer)、核心服务层440(Core Services layer)、媒体层460(Media layer)、可触摸层480(Cocoa Touch Layer)。核心操作系统层420包括了操作系统内核、驱动程序以及底层程序框架，这些底层程序框架提供更接近硬件的功能，以供位于核心服务层440的程序框架所使用。核心服务层440提供给应用程序所需要的系统服务和/或程序框架，比如基础(Foundation)框架、账户框架、广告框架、数据存储框架、网络连接框架、地理位置框架、运动框架等等。媒体层460为应用程序提供有关视听方面的接口，如图形图像相关的接口、音频技术相关的接口、视频技术相关的接口、音视频传输技术的无线播放(AirPlay)接口等。可触摸层480为应用程序开发提供了各种常用的界面相关的框架，可触摸层480负责用户在电子设备上的触摸交互操作。比如本地通知服务、远程推送服务、广告框架、游戏工具框架、消息用户界面接口(User Interface，UI)框架、用户界面UIKit框架、地图框架等等。
在图9所示出的框架中，与大部分应用程序有关的框架包括但不限于：核心服务层440中的基础框架和可触摸层480中的UIKit框架。基础框架提供许多基本的对象类和数据类型，为所有应用程序提供最基本的系统服务，和UI无关。而UIKit框架提供的类是基础的UI类库，用于创建基于触摸的用户界面，iOS 应用程序可以基于UIKit框架来提供UI，所以它提供了应用程序的基础架构，用于构建用户界面，绘图、处理和用户交互事件，响应手势等等。
其中，在IOS系统中实现第三方应用程序与操作系统数据通信的方式以及原理可参考Android系统，本申请在此不再赘述。
其中，输入装置130用于接收输入的指令或数据，输入装置130包括但不限于键盘、鼠标、摄像头、麦克风或触控设备。输出装置140用于输出指令或数据，输出装置140包括但不限于显示设备和扬声器等。在一个示例中，输入装置130和输出装置140可以合设，输入装置130和输出装置140为触摸显示屏，该触摸显示屏用于接收用户使用手指、触摸笔等任何适合的物体在其上或附近的触摸操作，以及显示各个应用程序的用户界面。触摸显示屏通常设置在电子设备的前面板。触摸显示屏可被设计成为全面屏、曲面屏或异型屏。触摸显示屏还可被设计成为全面屏与曲面屏的结合，异型屏与曲面屏的结合，本申请实施例对此不加以限定。
除此之外，本领域技术人员可以理解，上述附图所示出的电子设备的结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。比如，电子设备中还包括射频电路、输入单元、传感器、音频电路、无线保真(wireless fidelity，WiFi)模块、电源、蓝牙模块等部件，在此不再赘述。
在本申请实施例中，各步骤的执行主体可以是上文介绍的电子设备。可选地，各步骤的执行主体为电子设备的操作系统。操作系统可以是安卓系统，也可以是IOS系统，或者其它操作系统，本申请实施例对此不作限定。
本申请实施例的电子设备，其上还可以安装有显示设备，显示设备可以是各种能实现显示功能的设备，例如：阴极射线管显示器(cathode ray tubedisplay，简称CR)、发光二极管显示器(light-emitting diode display，简称LED)、电子墨水屏、液晶显示屏(liquid crystal display，简称LCD)、等离子显示面板(plasma display panel，简称PDP)等。用户可以利用电子设备101上的显示设备，来查看显示的文字、图像、视频等信息。所述电子设备可以是智能手机、平板电脑、游戏设备、AR(Augmented Reality，增强现实)设备、汽车、数据存储装置、音频播放装置、视频播放装置、笔记本、桌面计算设备、可穿戴设备诸如电子手表、电子眼镜、电子头盔、电子手链、电子项链、电子衣物等设备。
在图6所示的电子设备中，其中电子设备可以是一种终端，处理器110可以用于调用存储器120中存储的网络体验状态确定应用程序，并具体执行以下操作：
获取网络的数据交互成功率参数、数据交互时延参数以及数据交互速率参数；
基于所述数据交互成功率参数、所述数据交互时延参数以及所述数据交互速率参数，计算所述网络的体验评分值；
根据所述体验评分值确定所述网络的网络体验状态。
在一个实施例中，所述处理器110在执行所述基于所述数据交互成功率参数、所述数据交互时延参数以及所述数据交互速率参数，计算所述网络的体验评分值时，具体执行以下操作：
确定所述数据交互成功率参数对应的第一评分区间以及所述第一评分区间对应的第一量化参数，计算所述第一量化参数与所述数据交互成功率参数对应的第一网络体验分；
确定所述数据交互时延参数对应的第二评分区间以及所述第二评分区间对应的第二量化参数，将所述第二量化参数作为所述数据交互时延参数对应的第二网络体验分；
确定所述数据交互速率参数对应的第三评分区间以及所述第三评分区间对应的第三量化参数，计算所述第三量化参数与所述数据交互速率参数对应的第三网络体验分；
基于所述第一网络体验分、第二网络体验分以及第三网络体验分计算所述网络的体验评分值。
在一个实施例中，所述处理器110在执行所述确定所述数据交互成功率参数对应的第一评分区间以及所述第一评分区间对应的第一量化参数，计算所述第一量化参数与所述数据交互成功率参数对应的第一网络体验分时，具体执行以下操作：
当所述数据交互成功率参数大于或等于第一成功率时，获取预设的第一评分率因子，将所述第一评分率因子作为第一网络体验分；
当所述数据交互成功率参数大于或等于第二成功率，且所述数据交互成功率参数小于所述第一成功率时，获取所述第一成功率与所述第二成功率的第一概率差值、预设的第二评分率因子与第一评分率权重，基于所述数据交互成功率参数、所述第一概率差值、所述第二评分率因子以及所述第一评分率权重，计算所述第一网络体验分；
当所述数据交互成功率参数大于或等于第三成功率，且小于所述第二成功率时，获取所述第二成功率与所述第三成功率的第二概率差值、预设的第三评分率因子与第二评分率权重，基于所述数据交互成功率参数、所述第二概率差值、所述第三评分率因子以及所述第二评分率权重，计算所述第一网络体验分；
当所述数据交互成功率参数小于所述第三成功率时，获取预设的第四评分率因子，将所述第四评分率因子作为所述第一网络体验分。
在一个实施例中，所述处理器110在执行所述确定所述数据交互速率参数对应的第三评分区间以及所述第三评分区间对应的第三量化参数，计算所述第三量化参数与所述数据交互速率参数对应的第三网络体验分时，具体执行以下操作：
当所述数据交互速率参数大于或等于第一速率对应时，获取预设的第一评分速率因子，将所述第一评分速率因子作为第三网络体验分；
当所述数据交互速率参数大于或等于第二速率，且所述数据交互速率参数小于第一速率时，获取所述第一速率与所述第二速率的第一速率差值、预设的第二评分速率因子与第一评分速率权重，基于所述数据交互速率参数、所述第一速率差值、所述第二评分速率因子以及第一评分速率权重，计算所述第三网络体验分；
当所述数据交互速率参数大于或等于第三速率，且所述数据交互速率参数小于所述第二速率时，获取所述第二速率与所述第三速率的第二速率差值、预设的第三评分速率因子与第二评分速率权重，基于所述数据交互速率参数、所述第二速率差值、所述第三评分速率因子以及第二评分速率权重，计算所述第三网络体验分；
当所述数据交互速率参数小于所述第三速率时，获取预设的第四评分速率因子，将所述第四评分速率因子作为第三网络体验分。
在一个实施例中，所述处理器110在执行所述基于所述第一网络体验分、第二网络体验分以及第三网络体验分计算所述网络的体验评分值时，具体执行以下操作：
对所述第一网络体验分、所述第二网络体验分以及所述第三网络体验分进行加权求和，得到所述网络的体验评分值。
在一个实施例中，所述处理器110在执行所述根据所述体验评分值确定所述网络的网络体验状态时，还执行以下操作：
将所述体验评分值上报至网络诊断设备，所述体验评分值用于指示所述网络诊断设备基于所述体验评分值与网络体验评分阈值确定所述网络的网络体验状态并输出所述网络体验状态，所述网络体验状态包括网络体验正常状态以及网络体验异常状态。
在一个实施例中，所述处理器110在执行所述根据所述体验评分值确定所述网络的网络体验状态时，具体执行以下操作：
当所述体验评分值大于网络体验评分阈值时，确定所述网络状态为网络体验正常状态；
当所述体验评分值小于/等于所述网络体验评分阈值时，确定所述网络状态为网络体验异常状态。
在一个实施例中，所述处理器110在执行所述网络体验状态确定方法时，所述数据交互成功率参数包括数据激活成功率、数据去激活成功率、域名服务协议查询成功率、传输控制协议收发成功率以及传输控制协议握手成功率中的至少一种参数，所述数据交互成功率参数包括传输控制协议时延，所述数据交互速率参数包括数据交互峰值速率。
在本申请实施例中，终端获取网络的数据交互成功率参数、数据交互时延参数以及数据交互速率参数，基于所述数据交互成功率参数、所述数据交互时延参数以及所述数据交互速率参数，计算所述网络的体验评分值，根据所述体验评分值确定所述网络的网络体验状态。通过网络数据交互过程中数据交互成功率参数、数据交互时延参数以及数据交互速率参数的多维度数据交互类参数，对多维度数据交互类参数进行量化评分来综合计算网络的体验评分值，再基于网络的体验评分值来最终确定当前网络下的网络体验状态，可以避免从单一网络维度(如网络信号强度的维度)导致确定的网络体验状态结果不准确的问题，对多个网络维度的数据交互类参数所表征的数据交互特征(如交互成功特征、交互时延特征、交互速率特征)进行深度挖掘，可以覆盖到多个维度的复杂网络场景(如数据成功交互场景、数据传输场景)，提高了网络体验状态确定的准确率；以及终端可以将计算出的体验评分值上报至网络诊断设备，由网络诊断设备确定终端的网络体验状态并输出网络体验状态，从而实现了终端网络的网络体验状态的远端监测功能，终端也为网络诊断设备实时监测上网体验提供了评分依据。
本领域的技术人员可以清楚地了解到本申请的技术方案可借助软件和/或硬件来实现。本说明书中的“单元”和“模块”是指能够独立完成或与其他部件配合完成特定功能的软件和/或硬件，其中硬件例如可以是现场可编程门阵列 (Field－ProgrammaBLE GateArray，FPGA)、集成电路(Integrated Circuit，IC) 等。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
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单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通进程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(Random AccessMemory，RAM)、磁盘或光盘等。
以上所述者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践这里的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。
Claims (8)
1.一种网络体验状态确定方法，其特征在于，应用于终端，所述方法包括：
在用户通过使用终端与网络接入点之间的网络进行网络数据交互的场景下，获取网络的数据交互成功率参数、数据交互时延参数以及数据交互速率参数，所述数据交互成功率参数包括数据激活成功率、数据去激活成功率、域名服务协议查询成功率、传输控制协议收发成功率以及传输控制协议握手成功率中的至少一种参数，所述数据交互成功率参数包括传输控制协议时延，所述数据交互速率参数包括数据交互峰值速率；
确定所述数据交互成功率参数对应的第一评分区间以及所述第一评分区间对应的第一量化参数，计算所述第一量化参数与所述数据交互成功率参数对应的第一网络体验分，确定所述数据交互时延参数对应的第二评分区间以及所述第二评分区间对应的第二量化参数，将所述第二量化参数作为所述数据交互时延参数对应的第二网络体验分，确定所述数据交互速率参数对应的第三评分区间以及所述第三评分区间对应的第三量化参数，计算所述第三量化参数与所述数据交互速率参数对应的第三网络体验分；
基于所述第一网络体验分、第二网络体验分以及第三网络体验分计算所述网络的体验评分值；
根据所述体验评分值确定所述网络的网络体验状态。
2.根据权利要求1所述的方法，其特征在于，所述确定所述数据交互成功率参数对应的第一评分区间以及所述第一评分区间对应的第一量化参数，计算所述第一量化参数与所述数据交互成功率参数对应的第一网络体验分，包括：
当所述数据交互成功率参数大于或等于第一成功率时，获取预设的第一评分率因子，将所述第一评分率因子作为第一网络体验分；
当所述数据交互成功率参数大于或等于第二成功率，且所述数据交互成功率参数小于所述第一成功率时，获取所述第一成功率与所述第二成功率的第一概率差值、预设的第二评分率因子与第一评分率权重，基于所述数据交互成功率参数、所述第一概率差值、所述第二评分率因子以及所述第一评分率权重，计算所述第一网络体验分；
当所述数据交互成功率参数大于或等于第三成功率，且小于所述第二成功率时，获取所述第二成功率与所述第三成功率的第二概率差值、预设的第三评分率因子与第二评分率权重，基于所述数据交互成功率参数、所述第二概率差值、所述第三评分率因子以及所述第二评分率权重，计算所述第一网络体验分；
当所述数据交互成功率参数小于所述第三成功率时，获取预设的第四评分率因子，将所述第四评分率因子作为所述第一网络体验分。
3.根据权利要求1所述的方法，其特征在于，所述确定所述数据交互速率参数对应的第三评分区间以及所述第三评分区间对应的第三量化参数，计算所述第三量化参数与所述数据交互速率参数对应的第三网络体验分，包括：
当所述数据交互速率参数大于或等于第一速率对应时，获取预设的第一评分速率因子，将所述第一评分速率因子作为第三网络体验分；
当所述数据交互速率参数大于或等于第二速率，且所述数据交互速率参数小于第一速率时，获取所述第一速率与所述第二速率的第一速率差值、预设的第二评分速率因子与第一评分速率权重，基于所述数据交互速率参数、所述第一速率差值、所述第二评分速率因子以及第一评分速率权重，计算所述第三网络体验分；
当所述数据交互速率参数大于或等于第三速率，且所述数据交互速率参数小于所述第二速率时，获取所述第二速率与所述第三速率的第二速率差值、预设的第三评分速率因子与第二评分速率权重，基于所述数据交互速率参数、所述第二速率差值、所述第三评分速率因子以及第二评分速率权重，计算所述第三网络体验分；
当所述数据交互速率参数小于所述第三速率时，获取预设的第四评分速率因子，将所述第四评分速率因子作为第三网络体验分。
4.根据权利要求1所述的方法，其特征在于，所述基于所述第一网络体验分、第二网络体验分以及第三网络体验分计算所述网络的体验评分值，包括：
对所述第一网络体验分、所述第二网络体验分以及所述第三网络体验分进行加权求和，得到所述网络的体验评分值。
5.根据权利要求1所述的方法，其特征在于，所述根据所述体验评分值确定所述网络的网络体验状态，包括：
将所述体验评分值上报至网络诊断设备，所述体验评分值用于指示所述网络诊断设备基于所述体验评分值与网络体验评分阈值确定所述网络的网络体验状态并输出所述网络体验状态，所述网络体验状态包括网络体验正常状态以及网络体验异常状态。
6.根据权利要求1所述的方法，其特征在于，所述根据所述体验评分值确定所述网络的网络体验状态，包括
当所述体验评分值大于网络体验评分阈值时，确定所述网络状态为网络体验正常状态；
当所述体验评分值小于/等于所述网络体验评分阈值时，确定所述网络状态为网络体验异常状态。
7.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1~6任意一项的方法步骤。
8.一种电子设备，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1~6任意一项的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010486244.0A CN111770510B (zh) | 2020-06-01 | 2020-06-01 | 网络体验状态确定方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010486244.0A CN111770510B (zh) | 2020-06-01 | 2020-06-01 | 网络体验状态确定方法、装置、存储介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111770510A CN111770510A (zh) | 2020-10-13 |
| CN111770510B true CN111770510B (zh) | 2024-01-16 |
Family
ID=72720030
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010486244.0A Active CN111770510B (zh) | 2020-06-01 | 2020-06-01 | 网络体验状态确定方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111770510B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113891386B (zh) * | 2021-11-02 | 2023-06-20 | 中国联合网络通信集团有限公司 | 基站的隐性故障确定方法、装置、设备和可读存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104702666A (zh) * | 2015-01-30 | 2015-06-10 | 北京邮电大学 | 用户体验质量确定方法及系统 |
| CN105636107A (zh) * | 2014-11-03 | 2016-06-01 | 中兴通讯股份有限公司 | 一种网络质量的评估方法及网络侧设备 |
| CN105791046A (zh) * | 2014-12-26 | 2016-07-20 | 中兴通讯股份有限公司 | 用户体验质量QoE评估方法、装置、终端及服务器 |
| WO2017198018A1 (zh) * | 2016-05-16 | 2017-11-23 | 中兴通讯股份有限公司 | 一种网络质量性能展示方法及装置、系统、存储介质 |
| CN107634866A (zh) * | 2017-10-27 | 2018-01-26 | 朱秋华 | 一种配电网通信系统性能评估方法和装置 |
-
2020
- 2020-06-01 CN CN202010486244.0A patent/CN111770510B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105636107A (zh) * | 2014-11-03 | 2016-06-01 | 中兴通讯股份有限公司 | 一种网络质量的评估方法及网络侧设备 |
| CN105791046A (zh) * | 2014-12-26 | 2016-07-20 | 中兴通讯股份有限公司 | 用户体验质量QoE评估方法、装置、终端及服务器 |
| CN104702666A (zh) * | 2015-01-30 | 2015-06-10 | 北京邮电大学 | 用户体验质量确定方法及系统 |
| WO2017198018A1 (zh) * | 2016-05-16 | 2017-11-23 | 中兴通讯股份有限公司 | 一种网络质量性能展示方法及装置、系统、存储介质 |
| CN107634866A (zh) * | 2017-10-27 | 2018-01-26 | 朱秋华 | 一种配电网通信系统性能评估方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111770510A (zh) | 2020-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111447107B (zh) | 网络状态确定方法、装置、存储介质及电子设备 | |
| CN111078479B (zh) | 一种内存检测模型训练的方法、内存检测的方法及装置 | |
| CN112837099B (zh) | 潜在流失用户识别方法、装置、存储介质及电子设备 | |
| CN112653670B (zh) | 业务逻辑漏洞检测方法、装置、存储介质以及终端 | |
| CN111459783B (zh) | 应用程序优化方法、装置、电子设备及存储介质 | |
| CN112116212B (zh) | 应用评测方法、装置、存储介质及电子设备 | |
| CN111914149A (zh) | 一种请求处理方法、装置、存储介质及电子设备 | |
| WO2022016981A1 (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| US9935853B2 (en) | Application centric network experience monitoring | |
| CN111918386B (zh) | 定位方法、装置、存储介质及电子设备 | |
| CN111770510B (zh) | 网络体验状态确定方法、装置、存储介质及电子设备 | |
| WO2022068183A1 (zh) | 配置生成方法、装置、电子设备及存储介质 | |
| CN116228391A (zh) | 一种风险识别方法、装置、存储介质及电子设备 | |
| CN115328725A (zh) | 状态监测方法、装置、存储介质及电子设备 | |
| CN114430504B (zh) | 一种媒体内容的推荐方法以及相关装置 | |
| CN113972989B (zh) | 数据校验方法及存储介质、电子设备 | |
| CN115379005A (zh) | 一种消息处理方法、装置、存储介质及电子设备 | |
| CN113268414A (zh) | 实验版本的分配方法、装置、存储介质及计算机设备 | |
| CN115222435A (zh) | 一种业务场景比较方法、装置、终端和存储介质 | |
| CN114443204B (zh) | 界面内容生成方法、装置、存储介质以及计算机设备 | |
| CN113068252B (zh) | 定位方法、装置、终端及存储介质 | |
| US20240080253A1 (en) | Available uptime monitoring | |
| CN117688484A (zh) | 数据异常检测方法、装置、存储介质及电子设备 | |
| CN116705023A (zh) | 误唤醒数据确定方法、装置、存储介质及电子设备 | |
| CN116522996A (zh) | 一种推荐模型的训练方法、推荐方法以及相关装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |