導(dǎo)語：移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價探討一文來源于網(wǎng)友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要：傳統(tǒng)網(wǎng)絡(luò)用戶體驗層次分析方法忽略了對用戶體驗質(zhì)量評價的統(tǒng)計特征量的提取，導(dǎo)致用戶體驗質(zhì)量評價的準(zhǔn)確度偏低，網(wǎng)絡(luò)服務(wù)不夠滿意。因此，提出基于移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的模糊層次分析方法。根據(jù)用戶歷史偏好數(shù)據(jù)分布構(gòu)建移動網(wǎng)絡(luò)用戶體驗質(zhì)量分析模型，考慮移動網(wǎng)絡(luò)用戶在瀏覽網(wǎng)站時的行為特征參量，分析移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的模糊參數(shù)。通過計算用戶之間的相似性特征量，采用模糊度特征聚類方法實現(xiàn)對移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的大數(shù)據(jù)挖掘和信息融合處理?；诖颂崛∫苿泳W(wǎng)絡(luò)用戶體驗質(zhì)量評價的統(tǒng)計特征量，結(jié)合用戶－用戶相似性分布和差異度特征，實現(xiàn)對移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的模糊層次分析。仿真實驗結(jié)果表明，采用該方法分析移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的模糊層次具有更高的可靠性，提高了移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價準(zhǔn)確度，從而提高移動網(wǎng)絡(luò)的服務(wù)質(zhì)量。

關(guān)鍵詞：移動網(wǎng)絡(luò)；用戶體驗；質(zhì)量評價；模糊層次分析；統(tǒng)計特征量

當(dāng)前隨著移動網(wǎng)絡(luò)用戶的增多，對移動網(wǎng)絡(luò)的服務(wù)水平提出更大的挑戰(zhàn)，需要優(yōu)化構(gòu)建移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價模型，結(jié)合對移動網(wǎng)絡(luò)用戶體驗質(zhì)量的大數(shù)據(jù)融合結(jié)果，根據(jù)推薦算法實現(xiàn)對移動網(wǎng)絡(luò)用戶體驗質(zhì)量的精準(zhǔn)評價，從而進(jìn)一步改善移動網(wǎng)絡(luò)用戶體驗質(zhì)量，相關(guān)的移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價和量化分析方法的研究受到相關(guān)專家的極大關(guān)注［1］。對移動網(wǎng)絡(luò)用戶體驗質(zhì)量的評價是建立在對移動網(wǎng)絡(luò)用戶體驗的量化特征分析基礎(chǔ)上，采用大數(shù)據(jù)分析和模糊度層次聚類分析，設(shè)計移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價模型，通過模糊融合層次性分析，構(gòu)建移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的關(guān)聯(lián)規(guī)則模型，實現(xiàn)層次化調(diào)度和量化評價［2］。傳統(tǒng)移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的方法主要有基于PID的移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價方法［3］、基于粒子群濾波算法的移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價方法［4］以及非線性預(yù)測方法［5］等，通過建立移動網(wǎng)絡(luò)用戶體驗質(zhì)量信息推薦模型，結(jié)合統(tǒng)計分析實現(xiàn)對移動網(wǎng)絡(luò)用戶體驗質(zhì)量的自適應(yīng)評價，但傳統(tǒng)方法進(jìn)行移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的可靠性不高，自適應(yīng)性不好。針對上述問題，本文提出基于移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的模糊層次分析方法。首先根據(jù)用戶的歷史偏好數(shù)據(jù)的分布構(gòu)建移動網(wǎng)絡(luò)用戶體驗質(zhì)量分析模型，考慮移動網(wǎng)絡(luò)用戶在瀏覽網(wǎng)站時的行為特征參量，分析移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的模糊參數(shù)，通過計算用戶之間的相似性特征量，然后采用模糊度特征聚類分析方法實現(xiàn)對移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的大數(shù)據(jù)挖掘和信息融合處理，提取移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的統(tǒng)計特征量，結(jié)合用戶－用戶相似性分布和差異度特征分析，實現(xiàn)對移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的模糊層次分析。最后進(jìn)行仿真測試分析，實驗結(jié)果驗證了本文方法能夠有效提高移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價性能。

1用戶體驗質(zhì)量大數(shù)據(jù)分析模型和特征聚類

1．1大數(shù)據(jù)分析模型

為實現(xiàn)基于移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的模糊層次分析，根據(jù)用戶的歷史偏好數(shù)據(jù)分布構(gòu)建移動網(wǎng)絡(luò)用戶體驗質(zhì)量分析模型，考慮移動網(wǎng)絡(luò)用戶在瀏覽網(wǎng)站時的行為特征參量，進(jìn)行移動網(wǎng)絡(luò)用戶體驗質(zhì)量的主體特征分析［6］，構(gòu)建移動網(wǎng)絡(luò)用戶體驗質(zhì)量的信任度模型，如圖1所示。根據(jù)移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的參數(shù)分析結(jié)果，采用DOI（DegreeofInterest）描述移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的等級，第n＋1層等級中，得到移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的主體特征分布概率服從Beta分布，如式（1）。基于用戶的協(xié)同過濾分析，得到自適應(yīng)學(xué)習(xí)權(quán)重函數(shù)為U。移動網(wǎng)絡(luò)用戶A和用戶B之間的可靠性參數(shù)分布滿足正態(tài)分布，結(jié)合到個性化網(wǎng)站的推薦模型，得到移動網(wǎng)絡(luò)用戶體驗質(zhì)量的模糊參數(shù)融合模型，表示為式（2）基于用戶的協(xié)同特征分析方法，采用三個層次的鏈接分析方法，構(gòu)建移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的聯(lián)合參數(shù)分布集［8－9］，用戶A，B對資源i的評分，對用戶集合和項目集合進(jìn)行聯(lián)合特征分析，根據(jù)客戶端地址分布關(guān)系，得到關(guān)聯(lián)分布映射，如式（4）。

1．2聯(lián)合特征聚類

根據(jù)用戶行為數(shù)據(jù)分布進(jìn)行歸一化處理，采用歸一化算法處理方法，得到當(dāng)前用戶的最近鄰居模糊層次分析聚類條件，如式（5）。（5）通過關(guān)聯(lián)規(guī)則譜分析方法進(jìn)行移動網(wǎng)絡(luò)用戶體驗質(zhì)量的可靠性融合和決策，建立移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的模糊決策函數(shù)，得到信任度模型χ。采用層次化決策的方法，建立移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的聯(lián)合特征分布模型，如式（6）。根據(jù)上述分析，完成移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的模糊參數(shù)的分析，通過計算用戶之間的相似性特征量，采用模糊度特征聚類分析方法實現(xiàn)用戶體驗質(zhì)量的聯(lián)合特征分析。

2移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價優(yōu)化

2．1模糊層次分析

采用模糊度特征聚類分析方法實現(xiàn)對移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的大數(shù)據(jù)挖掘和信息融合處理，提取移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的統(tǒng)計特征量，建立移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的尋優(yōu)模型［12－13］。移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的模糊迭代函數(shù)描述如式（10）。

2．2移動網(wǎng)絡(luò)用戶體驗?zāi)：龑哟握{(diào)度

移動應(yīng)用程序之間的相互依賴性，分析移動網(wǎng)絡(luò)用戶的質(zhì)量可靠性分布模型［14］，得到移動網(wǎng)絡(luò)用戶的應(yīng)用資源存儲特征分布集為式（12）。式中，f（a，b）表示a→b之間質(zhì)量分布的相似度系數(shù)；γ∈0，（1］表示服務(wù)器負(fù)載參數(shù)?？紤]移動網(wǎng)絡(luò)用戶體驗之間信任值Trusta→b，基于自適應(yīng)參數(shù)w融合，得到移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的可靠性融合模型，如式（13）。3仿真實驗與結(jié)果分析通過仿真實驗驗證本文方法在實現(xiàn)移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價和模糊層次分析中的應(yīng)用性能，鄰居節(jié)點的活躍度參數(shù)為0．64，用戶規(guī)模為1200，用戶連接強度為0．57，移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的節(jié)點數(shù)為360，根據(jù)上述參數(shù)設(shè)定，得到移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的大數(shù)據(jù)時域分布如圖3所示.分析圖4得知，本文方法進(jìn)行移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的收斂性較好，均方根誤差較低，證明所提方法具有更優(yōu)的應(yīng)用性能。

4總結(jié)

提出基于移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的模糊層次分析方法。根據(jù)用戶的歷史偏好數(shù)據(jù)分布構(gòu)建移動網(wǎng)絡(luò)用戶體驗質(zhì)量分析模型，對用戶集合和項目集合進(jìn)行聯(lián)合特征分析，考慮移動網(wǎng)絡(luò)用戶在瀏覽網(wǎng)站時的行為特征參量實現(xiàn)聯(lián)合特征分析。采用模糊反饋補償，實現(xiàn)對移動網(wǎng)絡(luò)用戶體驗質(zhì)量評價的模糊層次分析。實驗結(jié)果驗證了本文方法對移動網(wǎng)絡(luò)用戶體驗質(zhì)量模糊性層次分析的評價效果較好，收斂性較強，誤差較低。

作者：麥英健 單位：深圳供電局有限公司