网络数据的生成方法、装置、电子设备和可读存储介质制造方法及图纸

技术编号:39159302 阅读:10 留言:0更新日期:2023-10-23 15:02
本申请公开了一种网络数据的生成方法、装置、电子设备和可读存储介质,属于计算机技术领域。所述方法包括:获取目标设备的质量分析数据,所述质量分析数据包括至少两种类型的拨测数据;基于所述至少两种类型的拨测数据和目标函数进行计算,得到目标质量指数,所述目标质量指数用于指示所述目标设备的网络质量,所述目标函数包括至少两个预设变量,所述至少两个预设变量与所述至少两种类型的拨测数据一一对应,且所述目标函数基于线性回归模型和预设训练数据集进行训练确定。设训练数据集进行训练确定。设训练数据集进行训练确定。

【技术实现步骤摘要】
网络数据的生成方法、装置、电子设备和可读存储介质


[0001]本申请属于计算机
,具体涉及一种网络数据的生成方法、装置、电子设备和可读存储介质。

技术介绍

[0002]传统的网络数据的生成方式通过在网络设备中接入专用硬件装置测量网速,但是这种方式只能点对点地进行数据采集,不够智能和高效。并且只通过采集路由器设备的运行数据来分析网络质量,忽略了接入家庭网络的其他产品,因此得出的网络数据的精确程度不够,对于家庭网络数据的质量分析结果并不准确。

技术实现思路

[0003]本申请实施例的目的是提供一种网络数据的生成方法、装置、电子设备和可读存储介质,能够解决现有的网络数据的生成方式的结果不够准确的问题。
[0004]第一方面,本申请实施例提供了一种网络数据的生成方法,所述方法包括:
[0005]获取目标设备的质量分析数据,所述质量分析数据包括至少两种类型的拨测数据;
[0006]基于所述至少两种类型的拨测数据和目标函数进行计算,得到目标质量指数,所述目标质量指数用于指示所述目标设备的网络质量,所述目标函数包括至少两个预设变量,所述至少两个预设变量与所述至少两种类型的拨测数据一一对应,且所述目标函数基于线性回归模型和预设训练数据集进行训练确定。
[0007]可选地,所述目标函数包括至少两个子目标函数,所述至少两个子目标函数与所述至少两种类型的拨测数据一一对应,所述预设训练数据集包括至少两个子训练数据集,所述至少两个子训练数据集与所述至少两种类型的拨测数据一一对应,每个子训练数据集均包括多组训练数据和与所述多组训练数据一一对应的多个标签信息,所述标签信息用于表征对应的训练数据的网络质量;
[0008]所述基于所述至少两种类型的拨测数据和目标函数进行计算,得到目标质量指数之前,所述方法还包括:
[0009]基于所述至少两个子训练数据集和所述线性回归模型,生成所述至少两个子目标函数。
[0010]可选地,所述基于每个子训练数据集和所述线性回归模型,生成所述至少两个子目标函数,包括:
[0011]获取目标子训练数据集,所述目标子训练数据集为目标拨测数据所对应的子训练数据集,所述目标拨测数据为所述至少两种类型的拨测数据中的任意拨测数据,所述目标子训练数据集包括多组目标训练数据和多个子标签,所述多组目标训练数据与所述多个子标签一一对应,所述目标训练数据包括至少两种目标子数据;
[0012]基于每组目标训练数据和所对应的子标签对应生成一个线性回归函数,得到多个
线性回归函数,其中,所述目标训练数据和所述子标签分别用于构造所述线性回归函数等号两侧的数据内容,且所述线性回归函数包括至少两个预设子变量和所述至少两个预设子变量对应的权重,所述至少两个预设子变量与所述至少两种目标子数据一一对应;
[0013]基于所述多个线性回归函数进行求解,得到所述至少两个预设子变量对应的权重;
[0014]基于所述至少两个预设子变量对应的权重生成所述目标拨测数据所对应的子目标函数。
[0015]可选地,所述目标拨测数据所对应的子目标函数还包括修正因子,所述线性回归函数还包括常参数,所述修正因子与所述常参数相对应;
[0016]所述基于所述多个线性回归函数进行求解,得到所述至少两个预设子变量对应的权重,包括:
[0017]基于所述多个线性回归函数进行求解,得到所述至少两个预设子变量对应的权重和所述常参数;
[0018]所述基于所述至少两个预设子变量对应的权重生成所述目标拨测数据所对应的子目标函数,包括:
[0019]基于所述至少两个预设子变量对应的权重和所述常参数,生成所述目标拨测数据所对应的子目标函数。
[0020]可选地,所述基于所述至少两种类型的拨测数据和目标函数进行计算,得到目标质量指数之后,所述方法还包括:
[0021]将所述目标质量指数发送至第二设备,所述第二设备为所述目标设备或者运营商设备。
[0022]可选地,所述至少两种类型的拨测数据包括网络拨测数据、网站拨测数据和网页视频拨测数据。
[0023]可选地,所述网络拨测数据包括文件下载速度、文件上传速度、数据包交换时延和测试时延;
[0024]所述网站拨测数据包括建立连接时延、响应时延、页面加载时长和安全协议连接时长;
[0025]所述网页视频拨测数据包括视频首帧时延、视频下载速率、播放卡顿率、网页视频总码率、视频帧率、客户端与视频网页连接时长、通信协议连接成功率、域名系统解析时长。
[0026]第二方面,本申请实施例提供了一种网络数据的生成装置,所述装置包括:
[0027]获取模块,用于目标设备的质量分析数据,所述质量分析数据包括至少两种类型的拨测数据;
[0028]确定模块,用于基于所述至少两种类型的拨测数据和目标函数进行计算,得到目标质量指数,所述目标质量指数用于指示所述目标设备的网络质量,所述目标函数包括至少两个预设变量,所述至少两个预设变量与所述至少两种类型的拨测数据一一对应,且所述目标函数基于线性回归模型和预设训练数据集进行训练确定。
[0029]第三方面,本申请实施例提供了一种电子设备,所述电子设备包括处理器和存储器,所述存储器存储可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第一方面所述的网络数据的生成方法的步骤。
[0030]第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如第一方面所述的网络数据的生成方法的步骤。
[0031]在本申请实施例中,取目标设备的至少两种类型的拨测数据,并将所述至少两种类型的拨测数据代入到所述目标函数,所述目标函数的函数值为所述目标设备对应的目标质量指数。通过所述目标质量指数,可判断所述目标设备的网络质量,所述目标质量指数基于所述目标设备的多种类型的拨测数据共同确定,使得所述目标质量指数的结果更加全面客观,更加准确。
附图说明
[0032]图1为本申请实施例提供的网络数据的生成方法的流程示意图之一;
[0033]图2为一种家庭网络系统;
[0034]图3为一种家庭网络系统和数据采集装置;
[0035]图4为数据采集装置采集拨测数据的流程示意图;
[0036]图5为本申请实施例提供的网络数据的生成方法的流程示意图之二;
[0037]图6为一种线性回归模型示意图;
[0038]图7为本申请实施例提供网络数据的生成方法的流程示意图之三;
[0039]图8为本申请实施例提供的网络数据的生成装置的结构示意图;
[0040]图9为本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0041]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描述,显然,所描述的实施例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本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种网络数据的生成方法,其特征在于,所述方法包括:获取目标设备的质量分析数据,所述质量分析数据包括至少两种类型的拨测数据;基于所述至少两种类型的拨测数据和目标函数进行计算,得到目标质量指数,所述目标质量指数用于指示所述目标设备的网络质量,所述目标函数包括至少两个预设变量,所述至少两个预设变量与所述至少两种类型的拨测数据一一对应,且所述目标函数基于线性回归模型和预设训练数据集进行训练确定。2.如权利要求1所述的网络数据的生成方法,其特征在于,所述目标函数包括至少两个子目标函数,所述至少两个子目标函数与所述至少两种类型的拨测数据一一对应,所述预设训练数据集包括至少两个子训练数据集,所述至少两个子训练数据集与所述至少两种类型的拨测数据一一对应,每个子训练数据集均包括多组训练数据和与所述多组训练数据一一对应的多个标签信息,所述标签信息用于表征对应的训练数据的网络质量;所述基于所述至少两种类型的拨测数据和目标函数进行计算,得到目标质量指数之前,所述方法还包括:基于所述至少两个子训练数据集和所述线性回归模型,生成所述至少两个子目标函数。3.如权利要求2所述的网络数据的生成方法,其特征在于,所述基于每个子训练数据集和所述线性回归模型,生成所述至少两个子目标函数,包括:获取目标子训练数据集,所述目标子训练数据集为目标拨测数据所对应的子训练数据集,所述目标拨测数据为所述至少两种类型的拨测数据中的任意拨测数据,所述目标子训练数据集包括多组目标训练数据和多个子标签,所述多组目标训练数据与所述多个子标签一一对应,所述目标训练数据包括至少两种目标子数据;基于每组目标训练数据和所对应的子标签对应生成一个线性回归函数,得到多个线性回归函数,其中,所述目标训练数据和所述子标签分别用于构造所述线性回归函数等号两侧的数据内容,且所述线性回归函数包括至少两个预设子变量和所述至少两个预设子变量对应的权重,所述至少两个预设子变量与所述至少两种目标子数据一一对应;基于所述多个线性回归函数进行求解,得到所述至少两个预设子变量对应的权重;基于所述至少两个预设子变量对应的权重生成所述目标拨测数据所对应的子目标函数。4.如权利要求3所述的网络数据的生成方法,其特征在于,所述目标拨测数据所对应的子目标函数还包括修正因子,所述线性回归函数还包...

【专利技术属性】
技术研发人员:唐书航杨明朗周祺
申请(专利权)人:中国移动通信集团有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1