一种基于BP‑Adaboost神经网络的用户体验质量的预测方法技术

本发明专利技术公开了一种基于BP‑Adaboost神经网络的用户体验质量的预测方法，该方法用于解决现有IPTV视频业务中对于用户体验质量的预测准确性不高的缺陷，本发明专利技术的实施流程包括：首先从IPTV机顶盒采集到的数据中抽取KPI数据，并提取特征，特别设计了用户观看率作为其中的重要特征，而后基于Adaboost框架，并将BP神经网络嵌入其中，作为弱分类器，完成BP‑Adaboost神经网络模型的训练，而后对未知用户体验质量的KPI数据进行预测。采用本发明专利技术的方法，能够有助于从用户主观感受出发，更好地预测用户体验质量，并且所设计的新型的模型训练和预测方法可以更加准确、高效地预测用户体验质量。

A method to predict the quality of BP Adaboost neural network based on user experience

The invention discloses a quality prediction method BP Adaboost neural network based on user experience, this method is used to solve the defects of the existing IPTV video business for the predictive accuracy of the quality of the user experience is not high, the implementation process of the present invention includes: first, from the IPTV set-top box data collected in KPI data extraction and extraction. The characteristics, specially designed for the users to watch rate as an important feature of them, and then based on the Adaboost framework, and BP neural network can be embedded in them, as a weak classifier, BP Adaboost neural network model training, and after the KPI data quality experience to unknown users forecast. The method of the invention can help the user to starting from the subjective feelings, to better predict the quality of user experience, and the design of the new model training and prediction method can more accurately and efficiently predict the quality of user experience.

【技术实现步骤摘要】
一种基于BP-Adaboost神经网络的用户体验质量的预测方法
本专利技术涉及视频业务中的用户体验质量分析
，尤其涉及一种基于BP-Adaboost神经网络的用户体验质量的预测方法。
技术介绍
随着有线4K、移动2K、AR/VR等业务的兴起以及通信和网络技术的飞速发展，原本已经炙手可热的视频服务更是红得发紫，产业链热情被极大点燃，包括视频服务商、运营商、互联网服务提供商、设备商等在内的各个环节都积极投身于大视频热潮。在大视频时代下，各种网络中蓬勃发展的视频服务强调的已不仅仅是速度、是带宽、是视频质量，更是用户的感受和体验。面对海量的视频服务，用户最终根据的还是自身的体验去做出判断和选择。对于视频服务提供商和网络运营商而言，用户体验的优劣直接影响到视频服务的普及度。只有变被动运维为主动感知，提升服务质量，从而实现持续提升用户的认可度和黏度，将网络资源和运营活动定位到最有价值的用户群体中，实现用户群的稳定和资源的优化，才能在激烈的竞争中实现产业收入的持续增长。科学地定义度量用户体验的标准，对于提升体验而言是首先需要解决的问题。当前，体验质量(QualityofExperience,本文档来自技高网...

【技术保护点】
一种基于BP‑Adaboost神经网络的用户体验质量的预测方法，其特征在于，所述方法包括如下步骤：步骤1：数据预处理，确定影响用户满意度的因素；步骤2：训练模型，输入预处理后的数据，训练得到BP_Adaboost模型；步骤3：完成KPI数据的用户体验质量的预测。

【技术特征摘要】
1.一种基于BP-Adaboost神经网络的用户体验质量的预测方法，其特征在于，所述方法包括如下步骤：步骤1：数据预处理，确定影响用户满意度的因素；步骤2：训练模型，输入预处理后的数据，训练得到BP_Adaboost模型；步骤3：完成KPI数据的用户体验质量的预测。2.根据权利要求1所述的一种基于BP-Adaboost神经网络的用户体验质量的预测方法，其特征在于，所述步骤1包括：(1-1)从IPTV机顶盒收集的视频业务的关键性能指标(KPI)原始记录中，挑选固定时间长度的KPI数据，每条KPI数据中包含5个属性：设备传输时延df、设备丢包率lp、媒体丢失率lm、用户观看视频的开始时间start_time、观看视频的结束时间end_time；(1-2)计算节目观看率Vr，其计算公式如下：在上式中，start_time和end_time分别为节目的开始和结束时刻，program_time为该节目的总时长，其根据节目的id号，通过查询视频供应商的节目单，映射得到；最终每个KPI数据的特征为:{df,lp,lm,Vr}；KPI数据集为其对应的标签为Y＝{y1,...,yi,...,yN}，其中当yi＝1表示用户体验不佳，yi＝0表示用户体验正常；(1-3)对KPI数据集进行标准化，即，先求出的均值μ和方差Σ，标准化后的数据为：X＝{x1,...,xi,...,xN}。3.根据权利要求1所述的一种基于BP-Adaboost神经网络的用户体验质量的预测方法，其特征在于，所述步骤2包括：(2-1)初始化训练数据的权重D1＝(w11,…,w1i,…,w1N)，其中w1i＝1/N，i＝1,2,…,N，N表示数据量；此外，令迭代次数m＝1，设定总迭代次数为M；(2-2)开始迭代，采用选择一个三层神经网络，其包含输入层—...

【专利技术属性】
技术研发人员：魏昕，黄若尘，高赟，毛佳丽，周亮，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32