CN115473827A - 宽带网络质量识别方法、装置、电子设备和介质 - Google Patents
宽带网络质量识别方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN115473827A CN115473827A CN202210983937.XA CN202210983937A CN115473827A CN 115473827 A CN115473827 A CN 115473827A CN 202210983937 A CN202210983937 A CN 202210983937A CN 115473827 A CN115473827 A CN 115473827A
- Authority
- CN
- China
- Prior art keywords
- broadband network
- quality
- determining
- user groups
- target cell
- 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
- 238000000034 method Methods 0.000 title claims abstract description 101
- 238000013441 quality evaluation Methods 0.000 claims abstract description 50
- 230000008447 perception Effects 0.000 claims abstract description 39
- 230000000977 initiatory effect Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 238000001303 quality assessment method Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 18
- 230000008859 change Effects 0.000 abstract description 5
- 238000005457 optimization Methods 0.000 abstract description 5
- 230000000875 corresponding effect Effects 0.000 description 46
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 238000003066 decision tree Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000006870 function Effects 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
- 238000012549 training Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- 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
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5003—Managing SLA; Interaction between SLA and QoS
- H04L41/5009—Determining service level performance parameters or violations of service level contracts, e.g. violations of agreed response time or mean time between failures [MTBF]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Environmental & Geological Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种宽带网络质量识别方法、装置、电子设备及介质，涉及大数据技术领域。该方法包括：获取目标小区内的多个家庭用户群的宽带网络的质量测评信息以及多个家庭用户群的流量使用信息；针对每一家庭用户群，将家庭用户群的质量测评数据和流量使用信息作为输入特征输入预训练的感知模型，确定家庭用户群的宽带网络的质量分数；基于多个家庭用户群的宽带网络的质量分数，确定目标小区的整体网络质量情况。该实施方式实现了从用户业务使用变化情况识别该目标小区的宽带网络是否存在质差，且是否影响到客户使用感知，为目标小区的宽带网络质量优化提供依据，进一步提升用户在宽带网络使用过程中的满意度。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种宽带网络质量识别方法、装置、电子设备和介质。
背景技术
随着网络技术的发展，依托于网络服务的设备在人们的工作生活中的应用愈加广泛，且随着接入网络的设备数量的快速增长，互联网应用使用网络流量的需求也急剧增长。接入网络的设备所获取的网络服务的质量也出现了较大的波动，从而影响客户的使用感知。因此，如何对网络质量进行评估，使网络服务提供者能够针对性的解决问题以实现网络质量的提高成了当务之急。特别是不限流量套餐的推出，对宽带网络质量的监控更加困难。在实际的工程应用中，对宽带网络质量的检测一般都是针对网络设备方面的监控，根据监控数据确定宽带网络的质量，没有考虑到用户使用业务波动等因素变化对网络质量的反应，检测结果的准确性低，且增加了网络质量检测的投入成本和预测成本。
发明内容
为解决上述技术问题或至少部分地解决上述技术问题，本发明实施例提供一种宽带网络质量识别方法、装置、电子设备和介质。
第一方面，本发明实施例提供了一种宽带网络质量识别方法，包括：获取目标小区内的多个家庭用户群的宽带网络的质量测评信息以及所述多个家庭用户群的流量使用信息；针对每一所述家庭用户群，将所述家庭用户群的所述质量测评信息和所述流量使用信息作为输入特征输入预训练的感知模型，确定所述家庭用户群的宽带网络感知质量分数；基于所述多个家庭用户群的所述宽带网络感知质量分数，确定所述目标小区的整体网络质量情况。
可选地，所述宽带网络的质量测评信息包括以下一种或多种：宽带网络的性能参数值、宽带网络的质量投诉占比和未使用宽带网络用户的占比。
可选地，所述基于所述多个家庭用户群的所述宽带网络感知质量分数，确定所述目标小区的整体网络质量情况，包括：基于所述多个家庭用户群的所述宽带网络感知质量分数和所述质量投诉占比，确定所述目标小区的整体网络质量情况；或，基于所述多个家庭用户群的所述宽带网络感知质量分数和所述未使用宽带网络用户的占比，确定所述目标小区的整体网络质量情况；或，基于所述多个家庭用户群的所述宽带网络感知质量分数、所述质量投诉占比和所述未使用宽带网络用户的占比，确定所述目标小区的整体网络质量情况。
可选地，所述基于所述多个家庭用户群的所述宽带网络感知质量分数和所述质量投诉占比，确定所述目标小区的整体网络质量情况，包括：基于所述多个家庭用户群的所述宽带网络感知质量分数对应的第一权重和所述多个家庭用户群的所述质量投诉占比对应的第二权重，计算所述多个家庭用户群的所述宽带网络感知质量分数和所述质量投诉占比的第一加权和；基于所述第一加权和，确定所述目标小区的整体网络质量情况。
可选地，所述基于所述多个家庭用户群的所述宽带网络感知质量分数和所述未使用宽带网络用户的占比，确定所述目标小区的整体网络质量情况，包括：基于所述多个家庭用户群的所述宽带网络感知质量分数对应的第一权重和所述多个家庭用户群的所述未使用宽带网络用户的占比对应的第三权重，计算所述多个家庭用户群的所述宽带网络感知质量分数和所述未使用宽带网络用户的占比的第二加权和；基于所述第二加权和，确定所述目标小区的整体网络质量情况。
可选地，基于所述多个家庭用户群的所述宽带网络感知质量分数、所述质量投诉占比和所述未使用宽带网络用户的占比，确定所述目标小区的整体网络质量情况，包括：基于所述多个家庭用户群的所述宽带网络感知质量分数对应的第一权重、所述多个家庭用户群的所述质量投诉占比对应的第二权重和所述多个家庭用户群的所述未使用宽带网络用户的占比对应的第三权重，计算所述多个家庭用户群的所述宽带网络感知质量分数、所述质量投诉占比和所述未使用宽带网络用户的占比的第三加权和；基于所述第三加权和，确定所述目标小区的整体网络质量情况。
可选地，所述第一权重根据如下过程确定：基于熵值法和所述多个家庭用户群的流量使用信息，确定所述第一权重。
可选地，所述第二权重根据如下过程确定：基于熵值法和所述多个家庭用户群的宽带网络的性能参数值，确定所述第二权重。
可选地，所述第三权重根据如下过程确定：确定所述多个家庭用户群的流量消耗信息；基于熵值法和所述多个家庭用户群的流量消耗信息，得到所述第三权重。
可选地，所述获取目标小区内的多个家庭用户群的宽带网络的质量测评信息以及所述多个家庭用户群的流量使用信息，包括：确定统计周期，并将所述将统计周期划分为多个时间段；针对每一时间段，确定所述家庭用户群的宽带网络在所述时间段内的质量测评数据和所述家庭用户群在所述时间段对应的流量使用数据；将所述家庭用户群的宽带网络在所述多个时间段内的质量测评数据作为所述家庭用户群的宽带网络的质量测评信息，将所述家庭用户群在所述多个时间段对应的流量使用数据作为所述多个家庭用户群在所述统计周期内的流量使用信息。
可选地，所述多个家庭用户群在所述时间段对应的流量使用信息根据如下过程确定：针对每一所述家庭用户群，确定所述家庭用户群在所述时间段的起始时刻时的已使用流量和剩余流量；将所述家庭用户群在所述时间段的起始时刻时的已使用流量和剩余流量，作为所述家庭用户群在所述时间段对应的流量使用信息。
可选地，所述多个家庭用户群在所述时间段内的宽带网络的质量投诉占比根据如下过程确定：确定所述多个家庭用户群在所述时间段内发起宽带网络质量投诉的用户量；确定所述目标小区在所述时间段内的有效宽带用户量；将所述发起宽带网络质量投诉的用户量和所述有效宽带用户量的比值作为所述多个家庭用户群在所述时间段内的宽带网络的质量投诉占比。
可选地，所述多个家庭用户群在所述时间段内的未使用宽带网络用户的占比根据如下过程确定：针对每一所述家庭用户群，确定所述家庭用户群在所述时间段内位于所述目标小区的成员的第一数量；将所述家庭用户群在所述时间段内位于所述目标小区的成员作为目标成员，确定所述目标成员中在所述时间段内未使用宽带网络的成员的第二数量；将所述第一数量和所述第二数量的比值作为所述家庭用户群在所述时间段内的未使用宽带网络用户的占比。
可选地，所述流量消耗信息包括流量使用时长和使用量。
第二方面，本发明实施例提供了一种宽带网络质量识别装置，包括：确定目标小区内的多个家庭用户群的宽带网络的质量测评信息以及所述多个家庭用户群的流量使用信息；针对每一所述家庭用户群，将所述家庭用户群的所述质量测评信息和所述流量使用信息作为输入特征输入预训练的感知模型，确定所述家庭用户群的宽带网络感知质量分数；基于所述多个家庭用户群的所述宽带网络感知质量分数，确定所述目标小区的整体网络质量情况。
可选地，所述确定模块还用于：基于所述多个家庭用户群的所述宽带网络感知质量分数和所述质量投诉占比，确定所述目标小区的整体网络质量情况；或，基于所述多个家庭用户群的所述宽带网络感知质量分数和所述未使用宽带网络用户的占比，确定所述目标小区的整体网络质量情况；或，基于所述多个家庭用户群的所述宽带网络感知质量分数、所述质量投诉占比和所述未使用宽带网络用户的占比，确定所述目标小区的整体网络质量情况。
可选地，所述确定模块还用于：基于所述多个家庭用户群的所述宽带网络感知质量分数对应的第一权重和所述多个家庭用户群的所述质量投诉占比对应的第二权重，计算所述多个家庭用户群的所述宽带网络感知质量分数和所述质量投诉占比的第一加权和；基于所述第一加权和，确定所述目标小区的整体网络质量情况。
可选地，所述确定模块还用于：基于所述多个家庭用户群的所述宽带网络感知质量分数对应的第一权重和所述多个家庭用户群的所述未使用宽带网络用户的占比对应的第三权重，计算所述多个家庭用户群的所述宽带网络感知质量分数和所述未使用宽带网络用户的占比的第二加权和；基于所述第二加权和，确定所述目标小区的整体网络质量情况。
可选地，所述确定模块还用于：基于所述多个家庭用户群的所述宽带网络感知质量分数对应的第一权重、所述多个家庭用户群的所述质量投诉占比对应的第二权重和所述多个家庭用户群的所述未使用宽带网络用户的占比对应的第三权重，计算所述多个家庭用户群的所述宽带网络感知质量分数、所述质量投诉占比和所述未使用宽带网络用户的占比的第三加权和；基于所述第三加权和，确定所述目标小区的整体网络质量情况。
可选地，所述确定模块还用于：基于熵值法和所述多个家庭用户群的流量使用信息，确定所述第一权重。
可选地，所述确定模块还用于：基于熵值法和所述多个家庭用户群的宽带网络的性能参数值，确定所述第二权重。
可选地，所述确定模块还用于：确定所述多个家庭用户群的流量消耗信息；基于熵值法和所述多个家庭用户群的流量消耗信息，得到所述第三权重。
可选地，所述获取模块还用于：确定统计周期，并将所述将统计周期划分为多个时间段；针对每一时间段，确定所述家庭用户群的宽带网络在所述时间段内的质量测评数据和所述家庭用户群在所述时间段对应的流量使用数据；将所述家庭用户群的宽带网络在所述多个时间段内的质量测评数据作为所述家庭用户群的宽带网络的质量测评信息，将所述家庭用户群在所述多个时间段对应的流量使用数据作为所述多个家庭用户群在所述统计周期内的流量使用信息。
可选地，所述获取模块还用于：针对每一所述家庭用户群，确定所述家庭用户群在所述时间段的起始时刻时的已使用流量和剩余流量；将所述家庭用户群在所述时间段的起始时刻时的已使用流量和剩余流量，作为所述家庭用户群在所述时间段对应的流量使用信息。
可选地，所述获取模块还用于：确定所述多个家庭用户群在所述时间段内发起宽带网络质量投诉的用户量；确定所述目标小区在所述时间段内的有效宽带用户量；将所述发起宽带网络质量投诉的用户量和所述有效宽带用户量的比值作为所述多个家庭用户群在所述时间段内的宽带网络的质量投诉占比。
可选地，所述获取模块还用于：针对每一所述家庭用户群，确定所述家庭用户群在所述时间段内位于所述目标小区的成员的第一数量；将所述家庭用户群在所述时间段内位于所述目标小区的成员作为目标成员，确定所述目标成员中在所述时间段内未使用宽带网络的成员的第二数量；将所述第一数量和所述第二数量的比值作为所述家庭用户群在所述时间段内的未使用宽带网络用户的占比。
第三方面，本发明实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任一实施例所述的宽带网络质量识别方法。
第四方面，本发明实施例还提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明任一实施例所述的宽带网络质量识别方法。
上述发明中的一个实施例具有如下优点或有益效果：
本发明实施例的宽带网络质量识别方法，通过预训练的感知模型，对目标小区内的多个家庭用户群的宽带网络的质量测评信息和流量使用信息进行预测，得到多个家庭用户群的宽带网络的质量分数，从而确定目标小区的整体网络质量情况的技术手段，实现了从用户业务使用变化情况识别该目标小区的宽带网络是否存在质差，且是否影响到客户使用感知，为目标小区的宽带网络质量优化提供依据，进一步提升用户在宽带网络使用过程中的满意度。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1示出了本发明实施例的宽带网络质量识别方法的流程图；
图2示出了本发明实施例的宽带网络质量识别方法的子流程图；
图3示出了本发明实施例的宽带网络质量识别方法的子流程图；
图4示出了本发明实施例的宽带网络质量识别方法的子流程图；
图5示出了本发明另一实施例的宽带网络质量识别方法的流程图；
图6示出了本发明另一实施例的宽带网络质量识别方法的流程图；
图7示出了本发明又一实施例的宽带网络质量识别方法的流程图；
图8示出了本发明实施例的宽带网络质量识别装置的结构示意图；
图9示出了本发明实施例的电子设备的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1示出了本发明实施例的宽带网络质量识别方法的流程示意图。如图1所示，该宽带网络质量识别方法包括：
步骤S101：获取目标小区内的多个家庭用户群的宽带网络的质量测评信息以及所述多个家庭用户群的流量使用信息。
其中，目标小区是指待测评宽带网络质量的多个小区中的任意一个小区，该目标小区内的用户安装有待测评宽带网络。本发明实施例是以小区为单位来识别宽带网络质量的，可以满足需要识别大面积区域的网络质量的需求。
在目标小区内，每一个宽带账号对应一个家庭用户群。家庭用户群中的成员可以是一个，也可以是多个。家庭用户群中的成员可以根据用户的相关信息确定，本发明在此不做限制。例如可以通过对用户的基站信息、通信数据(如通话量、通话时长、短信量等)进行分析、识别，确定归属于家庭用户群的成员。还可以结合用户在多种应用软件如即时通讯软件、购物类软件和多媒体应用软件(如视频播放应用软件)上的用户数据来识别家庭用户群的成员。
宽带网络的质量测评信息可以包括以下一种或多种：宽带网络的性能参数值、宽带网络的质量投诉占比和未使用宽带网络用户的占比。其中，宽带网络的性能参数可以包括但不限于网关端口速率、下挂设备质差参数(例如用户下线频次质差天数、短时间频繁上下线质差天数、EPG响应时差达标质差天数(Electronic Program Guide、电子节目指南)、异常投诉质差天数、MOS值质差天数(Mean Opinion Score，平均意见值)、无线接入质量质差天数、卡顿时长占比质差天数、终端性能情况质差天数)、是否WIFI强干扰、是否重传质差、电视播放成功率等参数。下挂设备是指宽带用户设备，如光猫、路由器等，下挂设备质差参数可以通过深度报文检测(Deep Packet Inspection，简称DPI)技术对宽带网络进行检测得到。宽带网络的质量投诉占比可以根据宽带网络质量投诉量与家庭用户群的数量确定。作为示例，宽带网络质量投诉量可以包括但不限于近3天宽带投诉次数、近5天宽带投诉次数、近7天宽带投诉次数、不明扣费投诉次数、计费错误投诉次数、协议退费争议投诉次数和因费用质疑导致停止使用投诉次数。未使用宽带网络用户的占比可以根据家庭用户群在目标小区中的成员数以及在目标小区中但未使用宽带用户的成员数确定。
家庭成员群的流量使用信息可以包括家庭成员群中每一成员的流量使用信息，例如包括但不限于已使用流量、剩余流量、近三月流量、套餐费用、流量饱和度、超出流量费用等。
在本实施例中获取的质量测评信息和流量使用信息可以是一个统计周期内的质量测评信息和流量使用信息。在该统计周期内，可以分多个时间段分次获取质量测评信息和流量使用信息。作为示例，如图2所示，可以根据如下过程获取质量测评信息和流量使用信息：
步骤S201：确定统计周期，并将所述将统计周期划分为多个时间段。
在本实施例中，可以将一天划分为多个时间区间，该多个时间区间的时长可以相同，也可以不相同，在此不做限制。作为示例，可以将一天划分为六个时间区间：凌晨、早晨、上午、中午、下午、晚间。一个统计周期为N天，每天六个时间区间，则可以将统计周期划分为N*6个时间段。
步骤S202：针对每一时间段，确定所述多个家庭用户群的宽带网络在所述时间段内的质量测评信息和所述家庭用户群在所述时间段对应的流量使用信息。
步骤S203：将所述家庭用户群的宽带网络在所述多个时间段内的质量测评数据作为所述家庭用户群的宽带网络的质量测评信息，将所述家庭用户群在所述多个时间段对应的流量使用数据作为所述多个家庭用户群在所述统计周期内的流量使用信息。
在本实施例中，将家庭用户群在多个时间段内的质量测评数据作为该家庭用户群在该统计周期内的质量测评信息。家庭用户群在多个时间段对应的流量使用数据为该家庭用户群在该统计周期内的流量使用信息。
其中，质量测评信息可以包括以下一项或多项：宽带网络的性能参数值、宽带网络的质量投诉占比和未使用宽带网络用户的占比。
如上文所述，每个家庭用户群的宽带网络的性能参数可以包括但不限于网关端口速率、下挂设备质差参数、是否WIFI强干扰、是否重传质差、电视播放成功率等参数。
如图3所示，每个家庭用户群的宽带网络在某一时间段的质量投诉占比可以根据如下过程确定：
步骤S301：确定所述多个家庭用户群在所述时间段内发起宽带网络质量投诉的用户量。
步骤S302：确定所述目标小区在所述时间段内的有效宽带用户量。其中，有效宽带用户可以是指从安装宽带网络时到该时间段具有宽带使用信息的家庭用户群，即从安装宽带网络成功时到该时间段使用过宽带网络的家庭用户群；
步骤S303：将所述发起宽带网络质量投诉的用户量和所述有效宽带用户量的比值作为所述多个家庭用户群在所述时间段内的宽带网络的质量投诉占比。
在本实施例中，以目标小区整体的宽带网络投诉量和整体的有效宽带用户量作为计算参数，所以目标小区内每一家庭用户群的宽带网络的质量投诉占比是相同的。
如图4所示，每个家庭用户群在某个时间段内的未使用宽带网络用户的占比根据如下过程确定：
步骤S401：针对每一家庭用户群，确定所述家庭用户群在所述时间段内位于所述目标小区的成员的第一数量。
步骤S402：将所述家庭用户群在所述时间段内位于所述目标小区的成员作为目标成员，确定所述目标成员中在所述时间段内未使用宽带网络的成员的第二数量。
步骤S403：将所述第一数量和所述第二数量的比值作为所述家庭用户群在所述时间段内的未使用宽带网络用户的占比。
作为示例，假设在某个家庭用户群共有5个成员，在某个时间段在目标小区的有3个成员，这3个成员中有2个成员在使用宽带网络，有1个成员未使用宽带网络，则该家庭用户群在该时间段的未使用宽带网络用户的占比为2/3。
家庭用户群在每一时间段对应的流量使用信息根据如下过程确定：针对每一家庭用户群，确定所述家庭用户群在所述时间段的起始时刻时的已使用流量和剩余流量；将所述家庭用户群在所述时间段的起始时刻时的已使用流量和剩余流量，作为所述家庭用户群在所述时间段对应的流量使用信息。其中，时间段t起始时刻时的已使用流量和剩余流量，可以理解为时间段(t-1)结束时的已使用流量和剩余流量。假设时间段t是2022年7月21日上午，则时间段(t-1)是2022年7月21日早晨。
在本实施例中，可以采集该家庭用户群中每一成员的套餐相关属性信息，包括已使用流量和剩余流量。汇总每一成员的已使用流量和剩余流量，确定家庭用户群在该时间段对应的流量使用信息。
为便于描述，在可选的实施例中可以利用Klkt＝{klkt1,klkt2,…,klktm}表示第l个目标小区中第k个家庭用户群在时间段t的m个性能参数值。第l个目标小区的所有家庭用户群的m个性能参数值的平均值记为
利用countltΔ表示第l个目标小区在时间段t发起宽带网络质量投诉的用户量，countlt表示第l个宽带小区在时间段t的有效宽带用户量，则每一家庭用户群在时间段t的宽带网络的质量投诉占比Rlt＝countltΔ/countlt。汇总统计周期T内多个时间段的质量投诉占比，得到该统计周期内的宽带网络质量投诉占比RlT。
利用countlkt表示第k个家庭用户群在时间段t在目标小区的成员的第一数量；
表示第k个家庭用户群的目标成员中在时间段t未使用宽带网络的成员的第二数量，则第k个家庭用户群在时间段t的未使用宽带网络用户的占比
第l个目标小区的所有家庭用户群未使用宽带网络用户占比为Flt，
其中，K表示第l个目标小区内家庭用户群的总数量。
利用fulkjt表示第l个目标小区第k个家庭用户群第j个成员在时间段t的起始时刻时的已使用流量和剩余流量。fulkjt＝{uflkjt,lflkjt}，uf表示已使用流量uf，lf表示剩余流量。汇总每一成员的已使用流量和剩余流量，确定第k个家庭用户群在该时间段对应的流量使用信息fulkt。
第l个目标小区所有家庭用户群在时间段t起始时刻的流量使用信息fult如下式所示：
在确定上述质量测评信息和流量使用信息之后，执行步骤S102。
步骤S102：针对每一所述家庭用户群，将所述家庭用户群的所述质量测评信息和所述流量使用信息作为输入特征输入预训练的感知模型，确定所述家庭用户群的宽带网络感知质量分数。
其中，将上述fulkt、flkt、Klkt和Rlt作为输入特征输入预训练的感知模型，将该感知模型的输出作为家庭用户群的宽带网络感知质量分数。预训练的感知模型可以是根据人工智能算法构建的模型，例如根据梯度提升决策树算法XgBoost构建的模型。XgBoost是一种类似于决策树的机器学习算法,决策树目的在于利用每条训练数据自身的基本特征的信息熵进行最优值选择，而XgBoost是决策树的一种升级，利用多个决策树对数据进行分类，并将分类结果进行相互关联，得出泛化能力强，且更加准确的结果。该宽带网络感知质量分数可以表示家庭用户群对宽带网络质量的感知评分。在训练该感知模型时，以家庭用户群的宽带网络的质量测评信息(例如上文所述的flkt、Klkt和Rlt)和家庭用户群的流量使用信息(例如上文所述的fulkt)为建模的输入特征，宽带网络感知质量分数为建模的标签，使用XgBoost算法构建模型，从而学习家庭用户群对宽带网络质量的感知评分与宽带网络质量测评信息和流量使用信息之间的关系。在训练感知模型时可以将近3天宽带投诉次数或近5天宽带投诉次数或近7天宽带投诉次数不为0的用户作为正样本，标为1，除正样本外其余样本，标为0。
在实际应用中，用户在宽带网络环境下使用宽带网络可能是因为因宽带网络质量好或者是因为用户没有充足的流量。在宽带网络质量差且用户没有充足的流量的情况下，用户也可能会使用宽带网络。在本实施例中，获取的宽带网络的性能参数值可以反映宽带网络的质量是否存在问题。宽带网络的质量投诉占比也可以反映出宽带网络的质量是否存在问题，若宽带网络的质量投诉占比较大，则反映出宽带网络的质量存在问题，宽带网络质量较差，反之，宽带网络质量较好。未使用宽带网络用户的占比也可以反映出宽带网络的质量是否存在问题，若占比较大，则说明家庭用户群在宽带网络环境下不使用宽带网络的用户较多，可以反映出宽带网络的质量存在问题。流量使用信息可以反映出用户当前流量的多少，可以借助于该流量使用信息来辅助识别用户不使用宽带网络是因为宽带网络质量差还是因为用户有充足的流量，也可以辅助识别用户使用宽带网络的是因为宽带网络质量好还是因为用户没有流量了。因此，本发明实施例将fulkt、
Klkt和Rlt作为感知模型的输入特征，可以通过感知模型分析用户在某一时间段未使用宽带网络的原因是宽带网络质量差还是其他原因、在某一时间段使用宽带网络的原因是因为宽带网络质量好还是因为没有流量，从而实现从用户业务使用变化情况识别宽带网络是否存在问题以及是否影响用户的感知，进而为下一步的网络优化提供切实可行的指导，提升宽带网络质量的客户满意度。
步骤S103：基于所述多个家庭用户群的所述宽带网络感知质量分数，确定所述目标小区的整体网络质量情况。
在本实施例中，利用预训练的感知模型得到的宽带网络的宽带网络感知质量分数可以反映该宽带网络的质量，目标小区内多个家庭用户群的的宽带网络的宽带网络感知质量分数，可以反映该目标小区的整体网络情况。在可选的实施例中，可以将多个家庭用户群的宽带网络感知质量分数的均值作为该目标小区的宽带网络感知质量分数，从而确定目标小区的整体网络质量情况。
本发明实施例的宽带网络质量识别方法，通过预训练的感知模型，对目标小区内的多个家庭用户群的宽带网络的质量测评信息和流量使用信息进行预测，得到多个家庭用户群的宽带网络的质量分数，从而确定目标小区的整体网络质量情况的技术手段，实现了从用户业务使用变化情况识别该目标小区的宽带网络是否存在质差，且是否影响到客户使用感知，为目标小区的宽带网络质量优化提供依据，进一步提升用户在宽带网络使用过程中的满意度。
在可选的实施例中，在基于多个家庭用户群的宽带网络感知分数确定目标小区的整体网络情况时，可以结合宽带网络的质量测评信息来综合确定目标小区的整体网络情况。即，可以基于多个家庭用户群的宽带网络感知质量分数和质量投诉占比，确定目标小区的整体网络质量情况(如图5所示的实施例)；也可以基于多个家庭用户群的宽带网络感知质量分数和未使用宽带网络用户的占比，确定目标小区的整体网络质量情况(如图6所示的实施例)；还可以基于多个家庭用户群的宽带网络感知质量分数、质量投诉占比和未使用宽带网络用户的占比，确定目标小区的整体网络质量情况(如图7所示的实施例)。
图5示出了本发明另一实施例的宽带网络质量识别方法的流程图，如图5所示，该方法包括：
步骤S501：获取目标小区内的多个家庭用户群的宽带网络的质量测评信息以及所述多个家庭用户群的流量使用信息；
步骤S502：针对每一所述家庭用户群，将所述家庭用户群的所述质量测评信息和所述流量使用信息作为输入特征输入预训练的感知模型，确定所述家庭用户群的宽带网络感知质量分数；
步骤S503：基于所述多个家庭用户群的所述宽带网络感知质量分数和所述质量投诉占比，确定所述目标小区的整体网络质量情况。
其中，步骤S501-S502可以参考图1所示的实施例，本发明在此不再赘述。
对于步骤S503，可以对宽带网络感知质量分数和质量投诉占比进行计算，将计算结果作为目标小区的整体网络质量情况。作为示例，可以根据如下过程对宽带网络感知质量分数和质量投诉占比进行计算：
基于所述多个家庭用户群的所述宽带网络感知质量分数对应的第一权重和所述多个家庭用户群的所述质量投诉占比对应的第二权重，计算所述多个家庭用户群的所述宽带网络感知质量分数和所述质量投诉占比的第一加权和；
基于所述第一加权和，确定所述目标小区的整体网络质量情况。其中，可以将第一加权和作为目标小区的整体网络质量评分。
以
表示第l个目标小区在统计周期T内的第i个家庭用户群的宽带网络感知质量分数，wlT1表示第一权重，wlT2表示第二权重，QlT表示第l个目标小区在统计周期T内的整体网络质量评分，则
其中，第一权重根据如下过程确定：基于熵值法和所述多个家庭用户群的流量使用信息，确定所述第一权重。
第二权重根据如下过程确定：基于熵值法和所述多个家庭用户群的宽带网络的性能参数值，确定所述第二权重。
在信息论中，熵是对不确定性的一种度量。信息量越大，不确定性就越小，熵也就越小，信息量越大，不确定性越大，熵也越大。熵值法是指用来判断某个指标的离散程度的数学方法。离散程度越大，对该指标对综合评价的影响越大，可以用熵值判断某个指标的离散程度。
本发明实施例的宽带网络质量识别方法，通过结合目标小区内多个家庭用户群的宽带网络的质量分数和质量投诉占比，确定目标小区的整体网络质量情况的技术手段，实现了结合用户业务使用变化情况和宽带网络质量投诉情况识别该目标小区的宽带网络是否存在质差，且是否影响到客户使用感知，为目标小区的宽带网络质量优化提供依据，进一步提升用户在宽带网络使用过程中的满意度。
图6示出了本发明另一实施例的宽带网络质量识别方法的流程图，如图6所示，该方法包括：
步骤S601：获取目标小区内的多个家庭用户群的宽带网络的质量测评信息以及所述多个家庭用户群的流量使用信息；
步骤S602：针对每一所述家庭用户群，将所述家庭用户群的所述质量测评信息和所述流量使用信息作为输入特征输入预训练的感知模型，确定所述家庭用户群的宽带网络感知质量分数；
步骤S603：基于所述多个家庭用户群的所述宽带网络感知质量分数和所述未使用宽带网络用户的占比，确定所述目标小区的整体网络质量情况。
其中，步骤S601-S602可以参考图1所示的实施例，本发明在此不再赘述。步骤S603可以包括：
基于所述多个家庭用户群的所述宽带网络感知质量分数对应的第一权重和所述多个家庭用户群的所述未使用宽带网络用户的占比对应的第三权重，计算所述多个家庭用户群的所述宽带网络感知质量分数和所述未使用宽带网络用户的占比的第二加权和；
基于所述第二加权和，确定所述目标小区的整体网络质量情况。
参考图5所示的实施例，以wlT3表示第三权重，则
其中，可以根据如下过程确定第三权重：
确定所述多个家庭用户群的流量消耗信息；
基于熵值法和所述多个家庭用户群的流量消耗信息，得到所述第三权重。
流量消耗信息可以包括流量使用时长和使用量。其中，可以利用fmlkjt表示第l个目标小区第k个家庭用户群第j个位于目标小于的成员在时间段t内的流量使用时长和使用量。fmlkjt＝{tilkjt,lilkjt}，ti表示使用时长，li表示流量。第k个家庭用户群在时间段t内的流量消耗信息fmlkt如下所示：
第l个目标小区所有家庭用户群在时间段t内的流量消耗信息fmlt如下式所示：
本发明实施例的宽带网络质量识别方法，通过结合目标小区内多个家庭用户群的宽带网络的质量分数和未使用宽带网络用户的占比，确定目标小区的整体网络质量情况的技术手段，实现了结合用户业务使用变化情况和宽带网络使用人数的情况识别该目标小区的宽带网络是否存在质差，且是否影响到客户使用感知，为目标小区的宽带网络质量优化提供依据，进一步提升用户在宽带网络使用过程中的满意度。
图7示出了本发明又一实施例的宽带网络识别方法的流程图，如图7所示，该方法包括：
步骤S701：获取目标小区内的多个家庭用户群的宽带网络的质量测评信息以及所述多个家庭用户群的流量使用信息；
步骤S702：针对每一所述家庭用户群，将所述家庭用户群的所述质量测评信息和所述流量使用信息作为输入特征输入预训练的感知模型，确定所述家庭用户群的宽带网络感知质量分数；
步骤S703：基于所述多个家庭用户群的所述宽带网络感知质量分数、所述质量投诉占比和所述未使用宽带网络用户的占比，确定所述目标小区的整体网络质量情况。
其中，步骤S701-S702可以参考图1所示的实施例，在此不再赘述。步骤S703可以包括：
基于所述多个家庭用户群的所述宽带网络感知质量分数对应的第一权重、所述多个家庭用户群的所述质量投诉占比对应的第二权重和所述多个家庭用户群的所述未使用宽带网络用户的占比对应的第三权重，计算所述多个家庭用户群的所述宽带网络感知质量分数、所述质量投诉占比和所述未使用宽带网络用户的占比的第三加权和；
基于所述第三加权和，确定所述目标小区的整体网络质量情况。
参考图5和图6所示的实施例，目标小区的整体网络质量评分QlT如下式所示：
在可选的实施例中，在计算所有待测评宽带网络质量的多个小区的第一权重、第二权重和第三权重后，可以计算所有第一权重的均值、所有第二权重的均值和所有第三权重的均值，分别将上述三个均值作为下一个统计周期的权重值，从而可以节省计算量，提高识别效率。即
则在新统计周期中第l个目标小区网络质量的总体感知
本发明实施例的宽带网络质量识别方法，通过结合目标小区内多个家庭用户群的宽带网络的质量分数、质量投诉占比未使用宽带网络用户的占比，确定目标小区的整体网络质量情况的技术手段，实现了结合用户业务使用变化情况、宽带网络质量投诉情况、宽带网络使用人数的情况识别该目标小区的宽带网络是否存在质差，且是否影响到客户使用感知，为目标小区的宽带网络质量优化提供依据，进一步提升用户在宽带网络使用过程中的满意度。
图8示出了本发明实施例的宽带网络质量识别装置800的结构示意图。如图8所示，该宽带网络质量识别装置800包括：
获取模块801，用于确定目标小区内的多个家庭用户群的宽带网络的质量测评信息以及所述多个家庭用户群的流量使用信息；
识别模块802，用于针对每一所述家庭用户群，将所述家庭用户群的所述质量测评信息和所述流量使用信息作为输入特征输入预训练的感知模型，确定所述家庭用户群的宽带网络感知质量分数；
确定模块803，用于基于所述多个家庭用户群的所述宽带网络感知质量分数，确定所述目标小区的整体网络质量情况。
可选地，所述确定模块还用于：基于所述多个家庭用户群的所述宽带网络感知质量分数和所述质量投诉占比，确定所述目标小区的整体网络质量情况；或，基于所述多个家庭用户群的所述宽带网络感知质量分数和所述未使用宽带网络用户的占比，确定所述目标小区的整体网络质量情况；或，基于所述多个家庭用户群的所述宽带网络感知质量分数、所述质量投诉占比和所述未使用宽带网络用户的占比，确定所述目标小区的整体网络质量情况。
可选地，所述确定模块还用于：基于所述多个家庭用户群的所述宽带网络感知质量分数对应的第一权重和所述多个家庭用户群的所述质量投诉占比对应的第二权重，计算所述多个家庭用户群的所述宽带网络感知质量分数和所述质量投诉占比的第一加权和；基于所述第一加权和，确定所述目标小区的整体网络质量情况。
可选地，所述确定模块还用于：基于所述多个家庭用户群的所述宽带网络感知质量分数对应的第一权重和所述多个家庭用户群的所述未使用宽带网络用户的占比对应的第三权重，计算所述多个家庭用户群的所述宽带网络感知质量分数和所述未使用宽带网络用户的占比的第二加权和；基于所述第二加权和，确定所述目标小区的整体网络质量情况。
可选地，所述确定模块还用于：基于所述多个家庭用户群的所述宽带网络感知质量分数对应的第一权重、所述多个家庭用户群的所述质量投诉占比对应的第二权重和所述多个家庭用户群的所述未使用宽带网络用户的占比对应的第三权重，计算所述多个家庭用户群的所述宽带网络感知质量分数、所述质量投诉占比和所述未使用宽带网络用户的占比的第三加权和；基于所述第三加权和，确定所述目标小区的整体网络质量情况。
可选地，所述确定模块还用于：基于熵值法和所述多个家庭用户群的流量使用信息，确定所述第一权重。
可选地，所述确定模块还用于：基于熵值法和所述多个家庭用户群的宽带网络的性能参数值，确定所述第二权重。
可选地，所述确定模块还用于：确定所述多个家庭用户群的流量消耗信息；基于熵值法和所述多个家庭用户群的流量消耗信息，得到所述第三权重。
可选地，所述获取模块还用于：确定统计周期，并将所述将统计周期划分为多个时间段；针对每一时间段，确定所述家庭用户群的宽带网络在所述时间段内的质量测评数据和所述家庭用户群在所述时间段对应的流量使用数据；将所述家庭用户群的宽带网络在所述多个时间段内的质量测评数据作为所述家庭用户群的宽带网络的质量测评信息，将所述家庭用户群在所述多个时间段对应的流量使用数据作为家庭用户群的流量使用信息。
可选地，所述获取模块还用于：针对每一所述家庭用户群，确定所述家庭用户群在所述时间段的起始时刻时的已使用流量和剩余流量；将所述家庭用户群在所述时间段的起始时刻时的已使用流量和剩余流量，作为所述家庭用户群在所述时间段对应的流量使用信息。
可选地，所述获取模块还用于：确定所述多个家庭用户群在所述时间段内发起宽带网络质量投诉的用户量；确定所述目标小区在所述时间段内的有效宽带用户量；将所述发起宽带网络质量投诉的用户量和所述有效宽带用户量的比值作为所述多个家庭用户群在所述时间段内的宽带网络的质量投诉占比。
可选地，所述获取模块还用于：针对每一所述家庭用户群，确定所述家庭用户群在所述时间段内位于所述目标小区的成员的第一数量；将所述家庭用户群在所述时间段内位于所述目标小区的成员作为目标成员，确定所述目标成员中在所述时间段内未使用宽带网络的成员的第二数量；将所述第一数量和所述第二数量的比值作为所述家庭用户群在所述时间段内的未使用宽带网络用户的占比。
上述装置可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。
本发明实施例还提供了一种电子设备，如图9所示，包括处理器901、通信接口902、存储器903和通信总线904，其中，处理器901，通信接口902，存储器903通过通信总线904完成相互间的通信，
存储器903，用于存放计算机程序；
处理器901，用于执行存储器903上所存放的程序时，实现如下步骤：获取目标小区内的多个家庭用户群的宽带网络的质量测评信息以及所述多个家庭用户群的流量使用信息；针对每一所述家庭用户群，将所述家庭用户群的所述质量测评信息和所述流量使用信息作为输入特征输入预训练的感知模型，确定所述家庭用户群的宽带网络感知质量分数；基于所述多个家庭用户群的所述宽带网络感知质量分数，确定所述目标小区的整体网络质量情况。
上述终端提到的通信总线904可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线904可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口902用于上述终端与其他设备之间的通信。
存储器903可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器901的存储装置。
上述的处理器901可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读介质，该计算机可读介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的宽带网络质量识别方法。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的宽带网络质量识别方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (17)
1.一种宽带网络质量识别方法，其特征在于，包括：
获取目标小区内的多个家庭用户群的宽带网络的质量测评信息以及所述多个家庭用户群的流量使用信息；
针对每一所述家庭用户群，将所述家庭用户群的所述质量测评信息和所述流量使用信息作为输入特征输入预训练的感知模型，确定所述家庭用户群的宽带网络感知质量分数；
基于所述多个家庭用户群的所述宽带网络感知质量分数，确定所述目标小区的整体网络质量情况。
2.根据权利要求1所述的方法，其特征在于，所述质量测评信息包括以下一种或多种：宽带网络的性能参数值、宽带网络的质量投诉占比和未使用宽带网络用户的占比。
3.根据权利要求2所述的方法，其特征在于，所述基于所述多个家庭用户群的所述宽带网络感知质量分数，确定所述目标小区的整体网络质量情况，包括：
基于所述多个家庭用户群的所述宽带网络感知质量分数和所述质量投诉占比，确定所述目标小区的整体网络质量情况；
或
基于所述多个家庭用户群的所述宽带网络感知质量分数和所述未使用宽带网络用户的占比，确定所述目标小区的整体网络质量情况；
或
基于所述多个家庭用户群的所述宽带网络感知质量分数、所述质量投诉占比和所述未使用宽带网络用户的占比，确定所述目标小区的整体网络质量情况。
4.根据权利要求3所述的方法，其特征在于，所述基于所述多个家庭用户群的所述宽带网络感知质量分数和所述质量投诉占比，确定所述目标小区的整体网络质量情况，包括：
基于所述多个家庭用户群的所述宽带网络感知质量分数对应的第一权重和所述多个家庭用户群的所述质量投诉占比对应的第二权重，计算所述多个家庭用户群的所述宽带网络感知质量分数和所述质量投诉占比的第一加权和；
基于所述第一加权和，确定所述目标小区的整体网络质量情况。
5.根据权利要求3所述的方法，其特征在于，所述基于所述多个家庭用户群的所述宽带网络感知质量分数和所述未使用宽带网络用户的占比，确定所述目标小区的整体网络质量情况，包括：
基于所述多个家庭用户群的所述宽带网络感知质量分数对应的第一权重和所述多个家庭用户群的所述未使用宽带网络用户的占比对应的第三权重，计算所述多个家庭用户群的所述宽带网络感知质量分数和所述未使用宽带网络用户的占比的第二加权和；
基于所述第二加权和，确定所述目标小区的整体网络质量情况。
6.根据权利要求3所述的方法，其特征在于，基于所述多个家庭用户群的所述宽带网络感知质量分数、所述质量投诉占比和所述未使用宽带网络用户的占比，确定所述目标小区的整体网络质量情况，包括：
基于所述多个家庭用户群的所述宽带网络感知质量分数对应的第一权重、所述多个家庭用户群的所述质量投诉占比对应的第二权重和所述多个家庭用户群的所述未使用宽带网络用户的占比对应的第三权重，计算所述多个家庭用户群的所述宽带网络感知质量分数、所述质量投诉占比和所述未使用宽带网络用户的占比的第三加权和；
基于所述第三加权和，确定所述目标小区的整体网络质量情况。
7.根据权利要求4-6任一项所述的方法，其特征在于，所述第一权重根据如下过程确定：
基于熵值法和所述多个家庭用户群的流量使用信息，确定所述第一权重。
8.根据权利要求4或6述的方法，其特征在于，所述第二权重根据如下过程确定：
基于熵值法和所述多个家庭用户群的宽带网络的性能参数值，确定所述第二权重。
9.根据权利要求5或6所述的方法，其特征在于，所述第三权重根据如下过程确定：
确定所述多个家庭用户群的流量消耗信息；
基于熵值法和所述多个家庭用户群的流量消耗信息，得到所述第三权重。
10.根据权利要求1-6任一项所述的方法，其特征在于，所述获取目标小区内的多个家庭用户群的宽带网络的质量测评信息以及所述多个家庭用户群的流量使用信息，包括：
确定统计周期，并将所述将统计周期划分为多个时间段；
针对每一时间段，确定所述多个家庭用户群的宽带网络在所述时间段内的质量测评信息和所述家庭用户群在所述时间段对应的流量使用信息；
将所述多个家庭用户群的宽带网络在所述多个时间段内的质量测评信息作为所述多个家庭用户群在所述统计周期内的质量测评信息，将所述多个家庭用户群在所述多个时间段对应的流量使用信息作为所述多个家庭用户群在所述统计周期内的流量使用信息。
11.根据权利要求10所述的方法，其特征在于，所述多个家庭用户群在所述时间段对应的流量使用信息根据如下过程确定：
针对每一所述家庭用户群，确定所述家庭用户群在所述时间段的起始时刻时的已使用流量和剩余流量；
将所述家庭用户群在所述时间段的起始时刻时的已使用流量和剩余流量，作为所述家庭用户群在所述时间段对应的流量使用信息。
12.根据权利要求10所述的方法，其特征在于，所述多个家庭用户群在所述时间段内的宽带网络的质量投诉占比根据如下过程确定：
确定所述多个家庭用户群在所述时间段内发起宽带网络质量投诉的用户量；
确定所述目标小区在所述时间段内的有效宽带用户量；
将所述发起宽带网络质量投诉的用户量和所述有效宽带用户量的比值作为所述多个家庭用户群在所述时间段内的宽带网络的质量投诉占比。
13.根据权利要求10所述的方法，其特征在于，所述多个家庭用户群在所述时间段内的未使用宽带网络用户的占比根据如下过程确定：
针对每一所述家庭用户群，确定所述家庭用户群在所述时间段内位于所述目标小区的成员的第一数量；
将所述家庭用户群在所述时间段内位于所述目标小区的成员作为目标成员，确定所述目标成员中在所述时间段内未使用宽带网络的成员的第二数量；
将所述第一数量和所述第二数量的比值作为所述家庭用户群在所述时间段内的未使用宽带网络用户的占比。
14.根据权利要求9所述的方法，其特征在于，所述流量消耗信息包括流量使用时长和使用量。
15.一种宽带网络质量识别装置，其特征在于，包括：
获取模块，用于获取目标小区内的多个家庭用户群的宽带网络的质量测评信息以及所述多个家庭用户群的流量使用信息；
识别模块，用于针对每一所述家庭用户群，将所述家庭用户群的所述质量测评信息和所述流量使用信息作为输入特征输入预训练的感知模型，确定所述家庭用户群的宽带网络感知质量分数；
确定模块，用于基于所述多个家庭用户群的所述宽带网络感知质量分数，确定所述目标小区的整体网络质量情况。
16.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-14中任一所述的方法。
17.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-14中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210983937.XA CN115473827A (zh) | 2022-08-16 | 2022-08-16 | 宽带网络质量识别方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210983937.XA CN115473827A (zh) | 2022-08-16 | 2022-08-16 | 宽带网络质量识别方法、装置、电子设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115473827A true CN115473827A (zh) | 2022-12-13 |
Family
ID=84367774
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210983937.XA Pending CN115473827A (zh) | 2022-08-16 | 2022-08-16 | 宽带网络质量识别方法、装置、电子设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115473827A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112702224A (zh) * | 2020-12-10 | 2021-04-23 | 北京直真科技股份有限公司 | 一种针对家庭宽带用户质差的分析方法和装置 |
| CN113938344A (zh) * | 2020-07-14 | 2022-01-14 | 中国移动通信有限公司研究院 | 家庭宽带业务家庭群组满意度确定方法及系统 |
| CN114025377A (zh) * | 2021-10-08 | 2022-02-08 | 中移（杭州）信息技术有限公司 | 家庭宽带网络的质差识别方法、装置及存储介质 |
-
2022
- 2022-08-16 CN CN202210983937.XA patent/CN115473827A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113938344A (zh) * | 2020-07-14 | 2022-01-14 | 中国移动通信有限公司研究院 | 家庭宽带业务家庭群组满意度确定方法及系统 |
| CN112702224A (zh) * | 2020-12-10 | 2021-04-23 | 北京直真科技股份有限公司 | 一种针对家庭宽带用户质差的分析方法和装置 |
| CN114025377A (zh) * | 2021-10-08 | 2022-02-08 | 中移（杭州）信息技术有限公司 | 家庭宽带网络的质差识别方法、装置及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107404408B (zh) | 一种虚拟身份关联识别方法及装置 | |
| CN108959319B (zh) | 信息推送方法和装置 | |
| US20170109431A1 (en) | Method and apparatus for grouping network service users | |
| CN106604137B (zh) | 一种预测视频观看时长的方法及装置 | |
| CN110337059A (zh) | 一种用户家庭关系的分析算法、服务器及网络系统 | |
| CN112669078A (zh) | 一种行为预测模型训练方法、装置、设备及存储介质 | |
| Xu et al. | Modeling buffer starvations of video streaming in cellular networks with large-scale measurement of user behavior | |
| CN110070392B (zh) | 用户流失预警方法和装置 | |
| CN110121088B (zh) | 一种用户属性信息确定方法、装置及电子设备 | |
| CN112771816B (zh) | 一种预测网络速率的方法及预测装置 | |
| CN114064445B (zh) | 一种测试方法、装置、设备及计算机可读存储介质 | |
| CN111327609B (zh) | 数据审核方法及装置 | |
| CN112995765A (zh) | 一种网络资源显示方法及装置 | |
| CN115473827A (zh) | 宽带网络质量识别方法、装置、电子设备和介质 | |
| CN114338516B (zh) | 一种流量转发、策略确定方法及装置 | |
| CN113517990B (zh) | 一种网络净推荐值nps的预测方法及装置 | |
| CN113657635B (zh) | 一种预测通信用户流失的方法及电子设备 | |
| CN115250244B (zh) | 一种网络质量评价方法和装置 | |
| Dashevskiy et al. | Reliable probabilistic classification and its application to internet traffic | |
| CN114840742B (zh) | 用户画像构建装置、方法以及计算机可读介质 | |
| CA2651165A1 (en) | Method and apparatus to perform real-time audience estimation and commercial selection suitable for targeted advertising | |
| CN111415191A (zh) | 一种用户分类方法、装置、电子设备及存储介质 | |
| CN112988504A (zh) | 一种报警策略的设定方法、装置、电子设备及存储介质 | |
| CN115988475B (zh) | 快携用户的预测方法、设备及存储介质 | |
| CN114598904B (zh) | 交互式网络电视iptv业务的故障定位方法和装置 |
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 |