CN114641028A - 用户感知数据确定方法、装置、电子设备及存储介质 - Google Patents
用户感知数据确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114641028A CN114641028A CN202210278392.2A CN202210278392A CN114641028A CN 114641028 A CN114641028 A CN 114641028A CN 202210278392 A CN202210278392 A CN 202210278392A CN 114641028 A CN114641028 A CN 114641028A
- Authority
- CN
- China
- Prior art keywords
- user
- key quality
- perception
- determining
- index
- 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.)
- Granted
Links
- 230000008447 perception Effects 0.000 title claims abstract description 259
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000002159 abnormal effect Effects 0.000 claims abstract description 90
- 230000006399 behavior Effects 0.000 claims description 30
- 230000011664 signaling Effects 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 230000005856 abnormality Effects 0.000 description 14
- 238000012360 testing method Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 2
- 208000003028 Stuttering Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- 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
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/20—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Signal Processing (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Environmental & Geological Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Telephonic Communication Services (AREA)
Abstract
本申请提供一种用户感知数据确定方法、装置、电子设备及存储介质。所述方法包括:根据用户样本确定影响用户感知的至少一类关键质量指标,每类关键质量指标包括至少一个关键质量指标;获取全网中至少一个目标用户在接入网络和使用业务时各关键质量指标的异常次数;根据目标用户在接入网络和使用业务时各关键质量指标的异常次数,确定目标用户对各类关键质量指标的感知分;根据目标用户对各类关键质量指标的感知分确定目标用户的用户感知值。本申请的方法能够确定出全网用户中至少一个目标用户的用户感知值。
Description
技术领域
本申请涉及通信技术,尤其涉及一种用户感知数据确定方法、装置、电子设备及存储介质。
背景技术
用户感知是用户对设备、网络、系统应用、业务质量和业务性能的主观感受。用户感知已成为当前运营商竞争力的核心因素之一,极大影响用户忠诚度。关注用户感知对运营商具有重大意义。
目前获取用户感知的方法,主要有用户调研、用户投诉反馈、路测、关键质量指标分析等。用户调研是通过问卷调查的方式获取用户对网络的感知;用户投诉是基于用户直接反馈的信息确定用户感知;路测是采用测试工具进行现场测试,直接获得终端侧的用户感知;基于关键质量指标分析的方式是采集和解析用户在网络上发生的信令和业务数据,通过统计出业务的关键质量指标,根据用户使用业务的质量情况间接确定用户感知。
以上方法的覆盖范围有限,只能获取到部分用户的用户感知,无法获取到全网用户的用户感知。
发明内容
本申请提供一种用户感知数据确定方法、装置、电子设备及存储介质,用以解决现有技术中无法获取到全网用户的用户感知的问题。
根据本申请的第一方面,提供一种用户感知数据确定方法,包括:
根据用户样本确定影响用户感知的至少一类关键质量指标,每类关键质量指标包括至少一个关键质量指标;
获取全网中至少一个目标用户在接入网络和使用业务时各关键质量指标的异常次数;
根据目标用户在接入网络和使用业务时各关键质量指标的异常次数,确定目标用户对各类关键质量指标的感知分;
根据目标用户对各类关键质量指标的感知分确定目标用户的用户感知值。
根据本申请的第二方面,提供一种用户感知数据确定装置,包括:
第一确定模块,用于根据用户样本确定影响用户感知的至少一类关键质量指标,每类关键质量指标包括至少一个关键质量指标;
获取模块,用于获取全网中至少一个目标用户在接入网络和使用业务时各关键质量指标的异常次数;
第二确定模块,用于根据目标用户在接入网络和使用业务时各关键质量指标的异常次数,确定目标用户对各类关键质量指标的感知分;
第三确定模块,用于根据目标用户对各类关键质量指标的感知分确定目标用户的用户感知值。
根据本申请的第三方面,提供一种电子设备,包括:处理器,以及与所述处理器电路连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如第一方面中所述的方法。
根据本申请的第四方面,提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如第一方面中所述的用户感知数据确定方法。
本申请提供的用户感知数据确定方法、装置、电子设备及存储介质,通过根据用户样本确定影响用户感知的至少一类关键质量指标,每类关键质量指标包括至少一个关键质量指标;获取全网中至少一个目标用户在接入网络和使用业务时各关键质量指标的异常次数;根据目标用户在接入网络和使用业务时各关键质量指标的异常次数,确定目标用户对各类关键质量指标的感知分;根据目标用户对各类关键质量指标的感知分确定目标用户的用户感知值。本申请提供的用户感知数据确定方法、装置、电子设备及存储介质,可以根据样本用户确定影响用户感知的关键质量指标,并确定用户对关键质量指标的感知分,所以,可以通过全网用户中至少一个目标用户在接入网络和使用业务时各关键质量指标的异常次数,确定目标用户的对各类关键质量指标的感知分,再根据目标用户对各类关键质量指标的感知分确定用户感知值。因此,能够确定全网中至少一个目标用户的用户感知。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1是根据本申请实施例提供的一种应用场景对应的网络架构图;
图2是根据本申请第一实施例提供的用户感知数据确定方法流程示意图;
图3是根据本申请第二实施例提供的用户感知数据确定方法流程示意图;
图4是根据本申请第三实施例提供的用户感知数据确定方法流程示意图;
图5是根据本申请第五实施例提供的用户感知数据确定装置结构示意图;
图6是根据本申请第六实施例提供的电子设备的框图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
首先对本申请所涉及的名词进行解释:
用户感知,是指用户对设备、网络和系统、应用或业务的质量和性能的主观感受。本申请中指用户在接入网络和使用业务时,对网络质量和性能的主观感受。
关键质量指标,指不同业务或应用的质量参数。本申请中指影响用户感知的业务或应用的质量参数。
TAU(Tracking Area Update),即,跟踪区更新,是指当移动台由一个跟踪区移动到另一个跟踪区时,必须在新的跟踪区上重新进行位置登记以通知网络来更改它所存储的移动台的位置信息。
HTTP(HyperText Transfer Protocol),即,超文本传输协议,是一个基于请求与响应,无状态的,应用层的协议,常基于TCP/IP协议传输数据,是互联网上应用最为广泛的一种网络协议。
HTTPS,即,“HTTP over SSL”或“HTTP over TLS”,是由HTTP协议结合传输层安全协议(TLS)或安全套接层协议(SSL)的网络协议。
TCP(Transmission Control Protocol),即,传输控制协议,是一种面向连接的、可靠的、基于字节流的传输层通信协议。
IM(Instant Messenger),即,即时通讯。
VIDEO,即,视频。
RTT(Round Trip Time),即往返时间,表示从发送端发送数据开始,到发送端收到来自接收端的确认(接收端收到数据后便立即发送确认,不包含数据传输时间)总共经历的时间。
为了清楚理解本申请的技术方案,首先对现有技术的方案进行详细介绍。
目前获取用户感知的方法,主要有用户调研、用户投诉反馈、路测、关键质量指标分析等。用户调研是通过问卷调查的方式获取用户对网络的感知,仅能获取到被调查的用户的感知,无法确定未被调查的其他用户的感知。用户投诉是基于用户投诉反馈的信息确定用户的感知,无法获得未投诉的用户感知,且未投诉的用户,也可能存在感知差、对网络不满意的情况。路测是采用测试工具基于终端进行现场测试,直接统计出用户使用各项业务的质量指标,进而获得终端侧的用户感知,但成本较高,无法遍历全网,获得全网用户的感知。基于关键质量指标分析的方式是采集和解析用户在网络上发生的信令和业务数据,针对用户使用的具体业务计算关键质量指标,根据用户使用业务的质量情况间接确定用户感知,其维度单一,不能从整体上反应全网用户综合使用网络时的感知。
综上,现有技术中确定用户感知的方法,只能获取到部分用户的用户感知,无法获取到全网用户的用户感知。
所以,在面对现有技术中的问题时,发明人通过创造性研究发现,提出本申请的用户感知数据确定方法、装置、电子设备及存储介质,旨在解决现有技术的如上问题。为了能够确定全网用户的用户感知数据,需要确定影响用户感知的关键质量指标,并确定用户对关键质量指标的感知,进而通过目标用户对关键质量指标的感知确定全网用户的用户感知。所以,发明人通过根据用户样本确定影响用户感知的至少一类关键质量指标,并获取全网用户中至少一个目标用户在接入网络和使用业务时各关键质量指标的异常次数,进而根据目标用户在接入网络和使用业务时各关键质量指标的异常次数,确定目标用户对各关键质量指标的感知分,在根据用户对各类关键质量指标的感知分确定目标用户的用户感知值,所以能够确定全网用户中至少一个用户的用户感知数据。
下面对本申请实施例提供的网络架构和应用场景进行介绍。
图1是根据本申请实施例提供的应用场景对应的网络架构图。如图1所示,本申请实施例提供的一种应用场景对应的网络架构中包括:电子设备11和服务器12。服务器12可以存储有全网中至少一个目标用户在接入网络和使用业务时各关键质量指标的异常次数。
在一种应用场景中,电子设备11中搭载用户感知数据确定应用软件的客户端,或者,电子设备11访问到用户感知数据确定的网址。用户通过打开用户感知数据确定客户端,在客户端的操作界面触发用户感知数据确定操作,或者,用户通过在电子设备11搭载的搜索引擎中输入用户感知数据确定的网址访问到对应的页面,在对应的页面上触发用户感知数据确定操作,并可通过“确认”组件进行确定。
在用户触发用户感知数据确定操作后,电子根据用户样本确定影响用户感知的至少一类关键质量指标,每类关键质量指标包括至少一个关键质量指标。电子设备11向服务器12发送各关键质量指标异常次数获取请求,服务器12接收到各关键质量指标异常次数获取请求后,可以将其存储的全网中至少一个目标用户在接入网络和使用业务时各关键质量指标的异常次数发送给电子设备11。电子设备11接收到全网中至少一个目标用户在接入网络和使用业务时各关键质量指标的异常次数;根据目标用户在接入网络和使用业务时各关键质量指标的异常次数,确定目标用户对各类关键质量指标的感知分;根据目标用户对各类关键质量指标的感知分确定目标用户的用户感知值。同时,电子设备将全网中至少一个目标用户的用户感知值实时显示在客户端操作界面或网页页面中,使用户能够实时查看全网中至少一个目标用户的用户感知值。
下面将结合附图,对本申请的实施例进行描述。以下实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
实施例一
图2是根据本申请第一实施例提供的用户感知数据确定方法流程示意图,如图2所示,本申请的执行主体为用户感知数据确定装置,该用户感知数据确定装置位于电子设备中。本实施例提供的用户感知数据确定方法包括步骤201至步骤204。
步骤201,根据用户样本确定影响用户感知的至少一类关键质量指标,每类关键质量指标包括至少一个关键质量指标。
本实施例中,用户样本可以是从全网用户中随机抽样得到的,具体地,可以从执行本申请的用户感知数据确定方法前的预定时间段内,正在使用网络的用户中进行随机抽样得到用户样本。可以将用户样本中的用户在预定时间段内接入网络和使用业务的存在的异常事件中确定为影响用户感知的至少一类关键质量指标。
这里,由于通信协议的规定,全网用户在接入网络和使用业务时的流程和方式是相同的,因此,用户在接入网络和使用业务时的重要事件和可能存在的异常事件是完全相同的,所以,将用户样本中的用户在接入网络和使用业务时的重要事件和存在的异常事件确定为影响用户感知的至少一类关键质量指标。
本实施例中,关键质量指标包括以下至少一类:信令面附着类指标,信令面非附着类指标,用户面HTTP/HTTPS TCP连接建立类指标,用户面HTTP网页浏览类指标;用户面HTTPS网页浏览类指标,即时通信类指标,支付业务类指标,视频业务类指标,游戏业务类指标,业务次数类指标。
具体地,信令面附着类指标可以包括以下至少一项:附着、去附着、附着失败。
信令面非附着类指标可以包括以下至少一项:频繁切换、业务请求失败、频繁TAU、异常掉线、寻呼失败、TAU失败。
用户面HTTP/HTTPS TCP连接建立类指标可以包括以下至少一项:网页浏览TCP连接建立三次握手失败。
用户面HTTP网页浏览类指标可以包括以下至少一项:HTTP TCP建立时延过大、HTTP首事务请求时延过大、HTTP首包时延过大、HTTP页面大包下载速率过低、HTTP页面大包上传速率过低。
用户面HTTPS网页浏览类指标可以包括以下至少一项:HTTPS TCP建立时延过大次数、HTTPS首事务请求时延过大次数、HTTPS首包时延过大次数、HTTPS页面大包下载速率过低次数、HTTPS页面大包上传速率过低次数。
即时通信类指标可以包括以下至少一项:IM TCP建立时延过大。
支付业务类指标可以包括以下至少一项:支付业务TCP建立时延过大、支付业务TCP建立失败、支付业务首事务请求时延过大、支付业务首包时延过大、支付业务失败。
视频业务类指标可以包括以下至少一项:VIDEO TCP建立时延过大、视频卡顿、视频下载速率过低、视频缓冲时长过长。
游戏业务类指标可以包括以下至少一项:游戏业务下行RTT时延高。
业务次数类指标可以包括以下至少一项:信令面业务总次数、用户面业务总次数、总业务次数。
步骤202,获取全网中至少一个目标用户在接入网络和使用业务时各关键质量指标的异常次数。
本实施例中,电子设备可以通过向服务器发送各关键质量指标的异常次数获取请求,服务器中存储有全网用户在接入网络和使用业务时各关键质量指标的异常次数,并能够在接收到电子设备发送的各关键质量指标的异常次数获取请求后,将全网用户中至少一个目标用户在接入网络和使用业务时各关键质量指标的异常次数。或者,可以预先在电子设备上存储全网用户在接入网络和使用业务时各关键质量指标的异常次数。
步骤203,根据目标用户在接入网络和使用业务时各关键质量指标的异常次数,确定目标用户对各类关键质量指标的感知分。
本实施例中,可以通过计算各关键质量指标的异常次数,将异常次数越低的关键质量指标对应的目标用户的感知分确定得越高,将异常次数越高的关键质量指标对应的目标用户的感知分确定得越低,且异常次数相同得关键质量指标对应的目标用户的感知分相同。再将各类关键质量指标中最低的目标用户的感知分确定为该目标用户对该类关键质量指标的感知分。
示例性地,若关键质量指标包括信令面附着类关键质量指标、信令面非附着类关键质量指标和即时通信类关键质量指标,信令面附着类关键质量指标指标包括附着、去附着和附着失败,信令面非附着类关键质量指标包括频繁切换、业务请求失败和频繁TAU,即时通信类关键质量指标包括IM TCP建立时延过大。附着次数为9次、去附着次数为4次、附着失败次数为5次、频繁切换次数为4次、业务请求失败为5次、频繁TAU为3次、IM TCP建立时延过大次数为4次。那么可以确定附着对应的用户感知分为1、去附着对应的用户感知分为6、附着失败对应的用户感知分为5、频繁切换对应的用户感知分为6、业务请求失败对应的用户感知分为5、频繁TAU对应的用户感知分为7、IM TCP建立时延过大对应的用户感知分为6。可以确定信令面附着类关键质量指标对应的用户感知分为1,信令面非附着类关键质量指标对应的用户感知分为5,即时通信类关键质量指标对应的用户感知分为6。
步骤204,根据目标用户对各类关键质量指标的感知分确定目标用户的用户感知值。
本实施例中,可以将各类关键质量指标的感知分的平均值确定为用户的用户感知值。
继续上面的示例进行举例,根据信令面附着类关键质量指标对应的用户感知分,信令面非附着类关键质量指标对应的用户感知分和即时通信类关键质量指标对应的用户感知分,将三类关键质量指标对应的用户感知分的平均值确定为目标用户的用户感知值,则目标用户的用户感知值可以为4。
本实施例提供的用户感知数据确定方法,通过根据用户样本确定影响用户感知的至少一类关键质量指标,每类关键质量指标包括至少一个关键质量指标;获取全网中至少一个目标用户在接入网络和使用业务时各关键质量指标的异常次数;根据目标用户在接入网络和使用业务时各关键质量指标的异常次数,确定目标用户对各类关键质量指标的感知分;根据目标用户对各类关键质量指标的感知分确定目标用户的用户感知值。本申请提供的用户感知数据确定方法,可以根据样本用户确定影响用户感知的关键质量指标,并确定用户对关键质量指标的感知分,所以,可以通过全网用户中至少一个目标用户在接入网络和使用业务时各关键质量指标的异常次数,确定目标用户的对各类关键质量指标的感知分,再根据目标用户对各类关键质量指标的感知分确定用户感知值。因此,能够确定全网用户中至少一个目标用户的用户感知。
实施例二
图3是根据本申请第二实施例提供的用户感知数据确定方法流程示意图,如图3所示,本实施例提供的用户感知数据确定方法在实施例一的基础上,对步骤201进行细化,则步骤201细化包括步骤301至步骤303。
步骤301,获取用户样本,用户样本包括投诉用户和非投诉用户在接入网络和使用业务时各候选质量指标的异常次数。
本实施例中,可以通过在执行本申请的用户感知数据确定方法前的预定时间段内,分别在全网用户的投诉用户中和非投诉用户中进行抽样获取用户样本,且可以在抽取用户样本值时直接得到被抽取的用户在预定时间段内接入网络和使用业务时各候选质量指标的异常次数。这里,各候选质量指标可以是根据通信协议规定的接入网络和使用业务的流程和方式时可能存在的异常事件和/或重要事件。具体地,重要事件可以是附着、去附着等信令面事件,异常事件可以是附着失败等信令面事件。
本实施例中,用户样本中投诉用户和非投诉用户的数量可以相同。
本实施例中,用户样本也可以为历史执行本申请的用户感知数据确定方法时所使用的用户样本。即,在第二预定时间段内执行本申请的方法时,使用的用户样本可以是相同的,以确保在第二预定时间段内确定同一个目标用户的用户感知值时,各关键质量指标是一致的,进而,可以根据确定第二预定时间段内不同时刻执行本申请的方法时目标用户的用户感知值,确定目标用户感知的变化趋势、变化度、变化值等。示例性地,第二预定时间段可以是几个月、半年、一年等。
步骤302,根据用户样本确定各候选质量指标与投诉行为的相关度。
本实施例中,可以分别计算各候选质量指标在投诉用户中和非投诉用户中的总异常次数的差值,并根据该差值确定各候选质量指标与投诉行为的相关度,将差值越大的候选质量指标确定为与投诉行为的相关度越高,差值越小的候选质量指标确定为与投诉行为的相关度越低。具体地,可以先确定出各候选质量指标在投诉用户中和非投诉用户中的总异常次数的差值最大的候选质量指标及最大差值,将该候选质量指标与投诉的相关度确定为1。对于差值为负数的候选质量指标,可以各候选质量指标与投诉的相关度确定为0。对于差值为正数的候选质量指标,可以将对应的差值与最大差值的比例确定为候选质量指标与投诉的相关度。示例性地,各候选质量指标在投诉用户中和非投诉用户中的总异常次数的差值最大的候选质量指标为第一候选质量指标,最大差值为600,第二和第三候选质量指标在投诉用户中和非投诉用户中的总异常次数的差值分别为300和-80,则第二候选质量指标与投诉的相关度为300/600=0.5,第三候选质量指标与投诉的相关度为0。
步骤303,根据各候选质量指标与投诉行为的相关度从各候选质量指标中确定影响用户感知的关键质量指标。
具体地,可以将各候选质量指标与投诉行为的相关度从高到低进行排序,选取相关度位于前预设百分比的候选质量指标为影响用户感知的关键质量指标。示例性地,预设百分比可以为10%或20%等。
本实施例提供的用户感知数据确定方法,通过获取用户样本,用户样本包括投诉用户和非投诉用户在接入网络和使用业务时各候选质量指标的异常次数;根据用户样本确定各候选质量指标与投诉行为的相关度;根据各候选质量指标与投诉行为的相关度从各候选质量指标中确定影响用户感知的关键质量指标。由于用户样本中包括投诉用户和非投诉用户,所以能够减少样本的偏差;由于从用户样本中确定各候选质量指标与投诉行为的相关度,并根据投诉相关度确定关键质量指标,因此,能够确定出真实影响用户感知,会造成用户投诉的关键质量指标。同时,由于根据各候选质量指标与投诉行为的相关度从各候选质量指标中确定影响用户感知的关键质量指标,在执行本申请的方法时,可以只捕捉关键质量指标,所以能够减少信息量,节约存储资源和计算资源。
作为一种可选的实施方式,对步骤302进行细化,则步骤302细化包括步骤3021至步骤3023。
步骤3021,将标记为投诉用户或非投诉用户的用户样本输入树模型算法。
本实施例中,树模型算法为机器学习领域普遍适用的有监督算法,包括但不限于随机森林算法、GBDT算法、Xgboost算法等集成树模型算法。
具体地,可以将各关键质量指标确定为模型训练数据中的训练特征,将用户样本的标签属性,即用户样本是否为投诉用户,确定为模型训练数据中的训练标签,对随机森林算法模型进行训练。
步骤3022,采用树模型算法确定并输出各候选质量指标对应的用户样本为投诉用户的贡献度。
具体地,将树模型算法中各候选质量指标的基尼系数确定为对应的用户样本为投诉用户的贡献度。
步骤3023,将贡献度确定为各候选质量指标与投诉行为的相关度。
本实施例中,可以将贡献度直接确定为各候选质量指标与投诉行为的相关度,。
本实施例提供的用户感知数据预测方法,通过将标记为投诉用户或非投诉用户的用户样本输入树模型算法;采用树模型算法确定并输出各候选质量指标对应的用户样本为投诉用户的贡献度;将贡献度确定为各候选质量指标与投诉行为的相关度。由于通过树模型算法,将各候选质量指标与投诉行为的相关度进行量化,因此,能够量化确定用户感知,更准确的确定出全网用户中至少一个目标用户的用户感知值,进而可以预测可能出现的业务故障和用户体验下降,主动运维,减少用户投诉,为提升客户口碑提供数据支撑。
作为一种可选的实施方式,对步骤303进行细化,则步骤303细化包括步骤3031。
步骤3031,将各候选质量指标中与投诉行为的相关度大于预设相关度的候选质量指标确定为影响用户感知的关键质量指标。
具体地,预设相关度可以是根据经验进行设置的。
实施例三
图4是根据本申请第三实施例提供的用户感知数据确定方法流程示意图,如图4所示,本实施例提供的用户感知数据确定方法在上述任意一个实施例的基础上,对步骤203进行细化,则步骤203细化包括步骤401至步骤403。
步骤401,获取目标用户对各关键质量指标的不满意门限和满意门限。
本实施例中,可以根据用户样本获取中各关键质量指标的不同异常次数对应的投诉用户数和非投诉用户数确定不满意门限和满意门限。满意门限也可以是预先设置的,示例性地,满意门限可以为0。满意门限需小于不满意门限。
具体地,目标用户对各关键质量指标的不满意门限可以通过以下步骤获得:依次确定样本用户在从0开始以固定步长递增的关键质量指标的异常次数对应的大于或等于该异常次数的半区间中的投诉用户数和非投诉用户数,以及各半区间对应的投诉用户的查全率和查准率;将查准率的变化小于第一预设值中查全率更高的半区间对应的异常次数确定为目标用户的不满意门限。投诉用户的查全率为半区间中的投诉用户数占用户样本中总投诉用户的比例。投诉用户的查准率为半区间中的投诉用户占半区间中总用户的比例。
示例性地,用户样本包括1000个投诉用户和1000个非投诉用户,对于任意一个关键质量指标,在用户样本中的最大异常次数为5,最小异常次数为0。以1为固定步长,依次确定样本用户在关键质量指标的异常次数为0对应的异常次数大于或等于0的半区间中的投诉用户数和非投诉用户数分别为1000和1000,对应的查全率为100%,查准率为50%;在异常次数为1对应的异常次数大于或等于1的半区间中的投诉用户数和非投诉用户数分别为800和700,对应的查全率为80%,查准率为53%;在异常次数为2对应的异常次数大于或等于2的半区间中投诉用户数和非投诉用户数分别为600和300,对应的查全率为60%,查准率为67%;在异常次数为3对应的异常次数大于或等于3的半区间中的投诉用户数和非投诉用户数分别为400和100,对应的查全率为40%,查准率为80%;在异常次数为4对应的异常次数大于或等于4的半区间中的投诉用户数和非投诉用户数分别为200和50,对应的查全率为20%,查准率为80%,在异常次数为5对应的异常次数大于或等于5的半区间中投诉用户数和非投诉用户数分别为100和20,对应的查全率为10%,查准率为83%。第一预设值为5%,查准率的变化小于第一预设值中的半区间为异常次数为3、4和5对应的半区间,对应的查全率最高的为异常次数为3对应的半区间,因此,将异常次数为3对应的半区间对应的异常次数3确定为目标用户的不满意门限。
步骤402,根据不满意门限和满意门限确定目标用户对各关键质量指标的感知分。
步骤403,根据目标用户对各关键质量指标的感知分确定目标用户对各类关键质量指标的感知分。
作为一种可选的实施方式,对步骤402进行细化,则步骤402细化包括步骤4021至步骤4024。
步骤4021,判断各关键质量指标的异常次数,不满意门限和满意门限三者之间的大小关系。
步骤4022,若确定关键质量指标的异常次数大于或等于不满意门限,则确定目标用户对关键质量指标的感知分为预设的第一分数。
步骤4023,若确定关键质量指标的异常次数小于或等于满意门限,则确定目标用户对关键质量指标的感知分为预设的第二分数。
本实施例中,可以理解的是,目标用户在接入网络和使用业务的过程中关键质量指标的异常次数越多,用户感知越差,用户不满意的可能性越高;异常的次数越少,用户感知越好,用户不满意的可能性越低。因此,确定异常次数大于或等于不满意门限时,目标用户对关键质量指标的感知分为预设的第一分数。预设的第一分数可以是一个较低的值。示例性地,预设的第一分数可以为0。确定异常次数小于或等于不满意门限时,目标用户对关键质量指标的感知分为预设的第二分数。预设的第二分数可以时一个较高的值。示例性地,预设的第二分数可以为100。
步骤4021,若确定关键质量指标的异常次数大于满意门限且小于不满意门限,则确定目标用户对关键质量指标的感知分为第三分数,第三分数是根据预设的第二分数、关键质量指标的异常次数、满意门限和不满意门限确定的。
本实施例中,可以理解的是,在目标用户接入网络和使用业务的过程中,关键质量指标的异常次数在一定范围时,用户感知会随着异常次数的增加逐渐变差。具体地,可以确定第三分数式中,S2为第二分数,S1为第一分数,K为关键质量指标的异常次数。
本实施例提供的用户感知数据确定方法,通过判断各关键质量指标的异常次数,不满意门限和满意门限三者之间的大小关系;若确定关键质量指标的异常次数大于或等于不满意门限,则确定目标用户对关键质量指标的感知分为预设的第一分数;若确定关键质量指标的异常次数小于或等于满意门限,则确定目标用户对关键质量指标的感知分为预设的第二分数;若确定关键质量指标的异常次数大于满意门限且小于不满意门限,则确定目标用户对关键质量指标的感知分为第三分数,第三分数是根据预设的第二分数、关键质量指标的异常次数、满意门限和不满意门限确定的。由于根据异常次数将目标用户对各关键质量指标的用户感知量化为感知分,因此,后续能够更确定的确定出全网中至少一个目标用户的用户感知。
作为一种可选的实施方式,对步骤403进行细化,则步骤403细化包括步骤4031至
步骤4031,获取各关键质量指标对应的权重,权重为用户样本中对应各关键质量指标的各候选质量指标与投诉行为的相关度。
本实施例中,可以根据用户样本获取中各关键质量指标对应的权重。或者,各关键质量指标对应的权重可以是预先设置的,可以直接获取预设设置的各关键质量指标对应的权重。
具体地,各关键质量指标对应的权重可以是步骤3031中各关键质量指标对应的后续质量指标与投诉行为的相关度。
步骤4032,将各关键质量指标的权重按照对应类别进行归一化处理。
本实施例中,由于各关键质量指标是从候选质量指标中确定的,因此,对于每一类关键质量指标对应的权重进行归一化处理。
步骤4033,将各关键质量指标的感知分按照对应类别进行加权求和,以确定出对应类别关键质量指标的感知分。
本实施例中,在步骤4032后,各类关键质量指标中关键质量指标的权重和为1,因此,将关键质量指标的感知分按照对应类别进行加权求和,以确定出各类别关键质量指标的感知分。示例性地,各类别关键质量指标的感知分式中,j表示关键质量指标的类型,n表示j类关键质量指标中关键质量指标的数量,i∈[1,n],表示j类关键质量指标中的各关键质量指标对应的权重,表示各关键质量指标对应的用户感知分。
本实施例提供的用户感知数据确定方法,通过获取各关键质量指标对应的权重,权重为用户样本中对应各关键质量指标的各候选质量指标与投诉行为的相关度;将各关键质量指标的权重按照对应类别进行归一化处理;将各关键质量指标的感知分按照对应类别进行加权求和,以确定出对应类别关键质量指标的感知分。由于各关键质量指标影响用户感知的程度不同,因此将各关键质量指标的感知分按照对应类别进行加权求和,以确定出更确定的各类关键质量指标的感知分,进而能够更准确的确定出全网用户中至少一个目标用户的用户感知值。
实施例四
本实施例提供的用户感知数据确定方法在上述任意一个实施例的基础上,对步骤204进行细化,则步骤204细化包括步骤2041。
步骤2041,将目标用户对各类关键质量指标的感知分中的最低感知分确定为用户感知值。
本实施例中,目标用户在接入网络和使用业务的过程中,对各类关键质量指标的感知分有高有低,可以理解的是,感知最差的一类关键质量指标最影响目标用户真实的用户感知,因此,本实施例中,将目标用户对各类关键质量指标的感知分中,感知分最低的一类关键质量指标对应的感知分确定为用户感知值。
本实施例提供的用户感知数据确定方法,通过将目标用户对各类关键质量指标的感知分中的最低感知分确定为用户感知值,由于考虑了目标用户在接入网络和使用业务过程中最影响用户感知的一类关键质量指标是感知最差的一类,因此,能够更准确的确定出全网中至少一个目标用户的用户感知值。
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可选实施例,所涉及的动作和模块并不一定是本申请所必须的。
进一步需要说明的是,虽然流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
实施例五
图5是根据本申请第五实施例提供的用户感知数据确定装置结构示意图,如图5所示,本实施例提供的用户感知数据确定装置位于电子设备中。该用户感知数据确定装置50包括:第一确定模块51,获取模块52,第二确定模块53,第三确定模块54。
第一确定模块51用于,根据用户样本确定影响用户感知的至少一类关键质量指标,每类关键质量指标包括至少一个关键质量指标。
获取模块52用于,获取全网中至少一个目标用户在接入网络和使用业务时各关键质量指标的异常次数。
第二确定模块53用于,根据目标用户在接入网络和使用业务时各关键质量指标的异常次数,确定目标用户对各类关键质量指标的感知分。
第三确定模块54用于,根据目标用户对各类关键质量指标的感知分确定目标用户的用户感知值。
作为一种可选的实施方式,关键质量指标包括以下至少一类:信令面附着类指标,信令面非附着类指标,用户面HTTP/HTTPS TCP连接建立类指标,用户面HTTP网页浏览类指标;用户面HTTPS网页浏览类指标,即时通信类指标,支付业务类指标,视频业务类指标,游戏业务类指标,业务次数类指标。
作为一种可选的实施方式,第一确定模块51具体用于,获取用户样本,用户样本包括投诉用户和非投诉用户在接入网络和使用业务时各候选质量指标的异常次数;根据用户样本确定各候选质量指标与投诉行为的相关度;根据各候选质量指标与投诉行为的相关度从各候选质量指标中确定影响用户感知的关键质量指标。
作为一种可选的实施方式,第一确定模块51具体还用于,将标记为投诉用户或非投诉用户的用户样本输入树模型算法;采用树模型算法确定并输出各候选质量指标对应的用户样本为投诉用户的贡献度;将贡献度确定为各候选质量指标与投诉行为的相关度。
作为一种可选的实施方式,第一确定模块51具体还用于,将各候选质量指标中与投诉行为的相关度大于预设相关度的候选质量指标确定为影响用户感知的关键质量指标。
作为一种可选的实施方式,第二确定模块52具体用于,获取目标用户对各关键质量指标的不满意门限和满意门限;根据不满意门限和满意门限确定目标用户对各关键质量指标的感知分;根据目标用户对各关键质量指标的感知分确定目标用户对各类关键质量指标的感知分。
作为一种可选的实施方式,第二确定模块52具体还用于,判断各关键质量指标的异常次数,不满意门限和满意门限三者之间的大小关系;若确定关键质量指标的异常次数大于或等于不满意门限,则确定目标用户对关键质量指标的感知分为预设的第一分数;若确定关键质量指标的异常次数小于或等于满意门限,则确定目标用户对关键质量指标的感知分为预设的第二分数;若确定关键质量指标的异常次数大于满意门限且小于不满意门限,则确定目标用户对关键质量指标的感知分为第三分数,第三分数是根据预设的第二分数、关键质量指标的异常次数、满意门限和不满意门限确定的。
作为一种可选的实施方式,第二确定模块52具体还用于,获取各关键质量指标对应的权重,权重为用户样本中对应各关键质量指标的各候选质量指标与投诉行为的相关度;将各关键质量指标的权重按照对应类别进行归一化处理;将各关键质量指标的感知分按照对应类别进行加权求和,以确定出对应类别关键质量指标的感知分。
作为一种可选的实施方式,第三确定模块53具体用于,将目标用户对各类关键质量指标的感知分中的最低感知分确定为用户感知值。
实施例六
图6是根据本申请第六实施例提供的电子设备的框图,如图6所示,本实施例提供的电子设备60包括:处理器61以及与处理器61电路连接的存储器62。
存储器62存储计算机执行指令;
处理器61执行存储器62存储的计算机执行指令,以实现如实施例一至四中任意一个提供的用户感知数据确定方法。
处理器61通常控制电子设备的整体操作,诸如与显示、记录操作相关联的操作。处理器61可以包括一个或多个模块,便于处理器61和其他组件之间的交互。
存储器62被配置为存储各种类型的数据以支持在电子设备60的操作。这些数据的示例包括用于在电子设备60上操作的任何应用程序或方法的指令。存储器62可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
本实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现如上述任意一个实施例提供的用户感知数据确定方法。例如,计算机可读存储介质可以是只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
应该理解,上述的装置实施例仅是示意性的,本申请的装置还可通过其它的方式实现。例如,上述实施例中单元/模块的划分,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、模块或组件可以结合,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。上述的装置可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
另外,若无特别说明,在本申请各个实施例中的各功能单元/模块可以集成在一个单元/模块中,也可以是各个单元/模块单独物理存在,也可以两个或两个以上单元/模块集成在一起。上述集成的单元/模块既可以采用硬件的形式实现,也可以采用软件程序模块的形式实现。
集成的单元/模块如果以硬件的形式实现时,该硬件可以是数字电路,模拟电路等等。硬件结构的物理实现包括但不局限于晶体管,忆阻器等等。若无特别说明,处理单元(处理器)可以是任何适当的硬件处理器,比如CPU、GPU、FPGA、DSP和ASIC等等。若无特别说明,存储单元(存储器)可以是任何适当的磁存储介质或者磁光存储介质,比如,阻变式存储器RRAM(Resistive Random Access Memory)、动态随机存取存储器DRAM(Dynamic RandomAccess Memory)、静态随机存取存储器SRAM(Static Random-Access Memory)、增强动态随机存取存储器EDRAM(Enhanced Dynamic Random Access Memory)、高带宽内存HBM(High-Bandwidth Memory)、混合存储立方HMC(Hybrid Memory Cube)等等。
集成的单元/模块如果以软件程序模块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(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、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申请的一般性原理并包括本申请未公开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,本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (13)
1.一种用户感知数据确定方法,其特征在于,包括:
根据用户样本确定影响用户感知的至少一类关键质量指标,每类关键质量指标包括至少一个关键质量指标;
获取全网中至少一个目标用户在接入网络和使用业务时各关键质量指标的异常次数;
根据目标用户在接入网络和使用业务时各关键质量指标的异常次数,确定目标用户对各类关键质量指标的感知分;
根据目标用户对各类关键质量指标的感知分确定目标用户的用户感知值。
2.根据权利要求1所述的方法,其特征在于,所述关键质量指标包括以下至少一类:信令面附着类指标,信令面非附着类指标,用户面HTTP/HTTPS TCP连接建立类指标,用户面HTTP网页浏览类指标,用户面HTTPS网页浏览类指标,即时通信类指标,支付业务类指标,视频业务类指标,游戏业务类指标,业务次数类指标。
3.根据权利要求1所述的方法,其特征在于,所述根据用户样本确定影响用户感知的至少一类关键质量指标,包括:
获取用户样本,所述用户样本包括投诉用户和非投诉用户在接入网络和使用业务时各候选质量指标的异常次数;
根据用户样本确定各候选质量指标与投诉行为的相关度;
根据各候选质量指标与投诉行为的相关度从各候选质量指标中确定影响用户感知的关键质量指标。
4.根据权利要求3所述的方法,其特征在于,所述根据用户样本确定候选质量指标与投诉行为的相关度,包括:
将标记为投诉用户或非投诉用户的所述用户样本输入树模型算法;
采用树模型算法确定并输出各候选质量指标对应的用户样本为投诉用户的贡献度;
将所述贡献度确定为各候选质量指标与投诉行为的相关度。
5.根据权利要求3所述的方法,其特征在于,所述根据各候选质量指标与投诉行为的相关度从各候选质量指标中确定影响用户感知的关键质量指标,包括:
将各候选质量指标中与投诉行为的相关度大于预设相关度的候选质量指标确定为影响用户感知的关键质量指标。
6.根据权利要求1所述的方法,其特征在于,所述根据目标用户在接入网络和使用业务时各关键质量指标的异常次数,确定目标用户对各类关键质量指标的感知分,包括:
获取目标用户对各关键质量指标的不满意门限和满意门限;
根据所述不满意门限和所述满意门限确定目标用户对各关键质量指标的感知分;
根据目标用户对各关键质量指标的感知分确定目标用户对各类关键质量指标的感知分。
7.根据权利要求6所述的方法,其特征在于,所述根据所述不满意门限和所述满意门限确定目标用户对各关键质量指标的感知分,包括:
判断各所述关键质量指标的异常次数,所述不满意门限和所述满意门限三者之间的大小关系;
若确定所述关键质量指标的异常次数大于或等于所述不满意门限,则确定目标用户对所述关键质量指标的感知分为预设的第一分数;
若确定所述关键质量指标的异常次数小于或等于所述满意门限,则确定目标用户对所述关键质量指标的感知分为预设的第二分数;
若确定所述关键质量指标的异常次数大于所述满意门限且小于所述不满意门限,则确定目标用户对所述关键质量指标的感知分为第三分数,所述第三分数是根据预设的第二分数、所述关键质量指标的异常次数、所述满意门限和所述不满意门限确定的。
9.根据权利要求6所述的方法,其特征在于,所述根据目标用户对各关键质量指标的感知分确定目标用户对各类关键质量指标的感知分,包括:
获取各关键质量指标对应的权重,所述权重为所述用户样本中对应各关键质量指标的各候选质量指标与投诉行为的相关度;
将各关键质量指标的权重按照对应类别进行归一化处理;
将各关键质量指标的感知分按照对应类别进行加权求和,以确定出对应类别关键质量指标的感知分。
10.根据权利要求1所述的方法,其特征在于,所述根据目标用户对各类关键质量指标的感知分确定目标用户的用户感知值,包括:
将所述目标用户对各类关键质量指标的感知分中的最低感知分确定为用户感知值。
11.一种用户感知数据确定装置,其特征在于,包括:
第一确定模块,用于根据用户样本确定影响用户感知的至少一类关键质量指标,每类关键质量指标包括至少一个关键质量指标;
获取模块,用于获取全网中至少一个目标用户在接入网络和使用业务时各关键质量指标的异常次数;
第二确定模块,用于根据目标用户在接入网络和使用业务时各关键质量指标的异常次数,确定目标用户对各类关键质量指标的感知分;
第三确定模块,用于根据目标用户对各类关键质量指标的感知分确定目标用户的用户感知值。
12.一种电子设备,其特征在于,包括:处理器,以及与所述处理器电路连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1至10中任一项所述的方法。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至10任一项所述的用户感知数据确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210278392.2A CN114641028B (zh) | 2022-03-21 | 2022-03-21 | 用户感知数据确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210278392.2A CN114641028B (zh) | 2022-03-21 | 2022-03-21 | 用户感知数据确定方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114641028A true CN114641028A (zh) | 2022-06-17 |
CN114641028B CN114641028B (zh) | 2024-07-19 |
Family
ID=81948788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210278392.2A Active CN114641028B (zh) | 2022-03-21 | 2022-03-21 | 用户感知数据确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114641028B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115941517A (zh) * | 2022-10-12 | 2023-04-07 | 中国电信股份有限公司 | 用户感知的评价方法、装置以及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101562829A (zh) * | 2009-04-20 | 2009-10-21 | 深圳市优网科技有限公司 | 一种用户感知的测算方法 |
CN103138963A (zh) * | 2011-11-25 | 2013-06-05 | 华为技术有限公司 | 一种基于用户感知的网络问题定位方法及装置 |
US20130316701A1 (en) * | 2011-02-24 | 2013-11-28 | Datang Mobile Communications Equipment Co., Ltd | Data processing method and device for essential factor lost score |
US20170201897A1 (en) * | 2016-01-08 | 2017-07-13 | Futurewei Technologies, Inc. | Fingerprinting root cause analysis in cellular systems |
CN108683527A (zh) * | 2018-04-25 | 2018-10-19 | 武汉虹信技术服务有限责任公司 | 一种基于mr和xdr的用户感知深度检测方法 |
CN109327320A (zh) * | 2017-07-31 | 2019-02-12 | 华为技术有限公司 | 一种故障定界方法及设备 |
CN109936526A (zh) * | 2017-12-15 | 2019-06-25 | 中国移动通信集团山东有限公司 | 一种确定语音质量的方法及装置 |
US10981577B1 (en) * | 2019-12-19 | 2021-04-20 | GM Global Technology Operations LLC | Diagnosing perception system based on scene continuity |
-
2022
- 2022-03-21 CN CN202210278392.2A patent/CN114641028B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101562829A (zh) * | 2009-04-20 | 2009-10-21 | 深圳市优网科技有限公司 | 一种用户感知的测算方法 |
US20130316701A1 (en) * | 2011-02-24 | 2013-11-28 | Datang Mobile Communications Equipment Co., Ltd | Data processing method and device for essential factor lost score |
CN103138963A (zh) * | 2011-11-25 | 2013-06-05 | 华为技术有限公司 | 一种基于用户感知的网络问题定位方法及装置 |
US20170201897A1 (en) * | 2016-01-08 | 2017-07-13 | Futurewei Technologies, Inc. | Fingerprinting root cause analysis in cellular systems |
CN109327320A (zh) * | 2017-07-31 | 2019-02-12 | 华为技术有限公司 | 一种故障定界方法及设备 |
CN109936526A (zh) * | 2017-12-15 | 2019-06-25 | 中国移动通信集团山东有限公司 | 一种确定语音质量的方法及装置 |
CN108683527A (zh) * | 2018-04-25 | 2018-10-19 | 武汉虹信技术服务有限责任公司 | 一种基于mr和xdr的用户感知深度检测方法 |
US10981577B1 (en) * | 2019-12-19 | 2021-04-20 | GM Global Technology Operations LLC | Diagnosing perception system based on scene continuity |
Non-Patent Citations (2)
Title |
---|
陈森;陈超;张小勇;王磊;孙鹏;: "基于大数据分析的移动互联网用户感知评估系统", 电信科学, no. 04, 20 April 2015 (2015-04-20) * |
黄毅华;孙柳益;卢洪涛;魏垚;: "用户感知体系优化的探讨及应用", 移动通信, no. 04, 15 April 2018 (2018-04-15), pages 2 - 4 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115941517A (zh) * | 2022-10-12 | 2023-04-07 | 中国电信股份有限公司 | 用户感知的评价方法、装置以及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114641028B (zh) | 2024-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8015280B2 (en) | Method and system for intelligent feature degradation in response to a network deficiency detection | |
US10237373B2 (en) | Performance-based determination of request modes | |
US10516697B2 (en) | ISP blacklist feed | |
CN111459750A (zh) | 基于非扁平网络的私有云监控方法、装置、计算机设备及存储介质 | |
US8135824B2 (en) | Method and system to detect a network deficiency | |
US10326848B2 (en) | Method for modeling user behavior in IP networks | |
CN115443639B (zh) | 出口节点基准测试特征 | |
WO2013025276A1 (en) | Model-based method for managing information derived from network traffic | |
US20130042319A1 (en) | Method and apparatus for detecting and defending against cc attack | |
US8566439B2 (en) | Method and system for intelligent request refusal in response to a network deficiency detection | |
US20160285992A1 (en) | Rule based cache processing in application delivery controller for load balancing | |
US20060045019A1 (en) | Network testing agent with integrated microkernel operating system | |
CN104994133A (zh) | 一种基于网络KPI的移动Web网页访问用户体验感知评测方法 | |
US8818927B2 (en) | Method for generating rules and parameters for assessing relevance of information derived from internet traffic | |
US11637902B2 (en) | Curating proxy server pools | |
CN110636068B (zh) | 在cc攻击防护中识别未知cdn节点的方法以及装置 | |
EP3334117A1 (en) | Method, apparatus and system for quantizing defence result | |
CN107347015B (zh) | 一种内容分发网络的识别方法、装置及系统 | |
CN112165445B (zh) | 用于检测网络攻击的方法、装置、存储介质及计算机设备 | |
WO2013029214A1 (en) | Video quality monitor and method for determining a network video quality measure in a communication network | |
US8972569B1 (en) | Remote and real-time network and HTTP monitoring with real-time predictive end user satisfaction indicator | |
CN114641028B (zh) | 用户感知数据确定方法、装置、电子设备及存储介质 | |
RU2454711C1 (ru) | Способ распределения нагрузки между серверами сети доставки контента (cdn) | |
JP6347510B2 (ja) | 通信行動分析装置およびユーザ体感品質推定方法 | |
US10242322B2 (en) | Browser-based selection of content request modes |
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 |