基于移動網絡用戶體驗質量評價的模糊層次分析

麥英健

(深圳供電局有限公司， 廣東 深圳 518000)

0 引言

當前隨著移動網絡用戶的增多，對移動網絡的服務水平提出更大的挑戰，需要優化構建移動網絡用戶體驗質量評價模型，結合對移動網絡用戶體驗質量的大數據融合結果，根據推薦算法實現對移動網絡用戶體驗質量的精準評價，從而進一步改善移動網絡用戶體驗質量，相關的移動網絡用戶體驗質量評價和量化分析方法的研究受到相關專家的極大關注[1]。

對移動網絡用戶體驗質量的評價是建立在對移動網絡用戶體驗的量化特征分析基礎上，采用大數據分析和模糊度層次聚類分析，設計移動網絡用戶體驗質量評價模型，通過模糊融合層次性分析，構建移動網絡用戶體驗質量評價的關聯規則模型，實現層次化調度和量化評價[2]。傳統移動網絡用戶體驗質量評價的方法主要有基于PID的移動網絡用戶體驗質量評價方法[3]、基于粒子群濾波算法的移動網絡用戶體驗質量評價方法[4]以及非線性預測方法[5]等，通過建立移動網絡用戶體驗質量信息推薦模型，結合統計分析實現對移動網絡用戶體驗質量的自適應評價，但傳統方法進行移動網絡用戶體驗質量評價的可靠性不高，自適應性不好。

針對上述問題，本文提出基于移動網絡用戶體驗質量評價的模糊層次分析方法。首先根據用戶的歷史偏好數據的分布構建移動網絡用戶體驗質量分析模型，考慮移動網絡用戶在瀏覽網站時的行為特征參量，分析移動網絡用戶體驗質量評價的模糊參數，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對移動網絡用戶體驗質量評價的大數據挖掘和信息融合處理，提取移動網絡用戶體驗質量評價的統計特征量，結合用戶-用戶相似性分布和差異度特征分析，實現對移動網絡用戶體驗質量評價的模糊層次分析。最后進行仿真測試分析，實驗結果驗證了本文方法能夠有效提高移動網絡用戶體驗質量評價性能。

1 用戶體驗質量大數據分析模型和特征聚類

1.1 大數據分析模型

為實現基于移動網絡用戶體驗質量評價的模糊層次分析，根據用戶的歷史偏好數據分布構建移動網絡用戶體驗質量分析模型，考慮移動網絡用戶在瀏覽網站時的行為特征參量，進行移動網絡用戶體驗質量的主體特征分析[6]，構建移動網絡用戶體驗質量的信任度模型，如圖1所示。

圖1 移動網絡用戶體驗質量的信任度模型

根據移動網絡用戶體驗質量評價的參數分析結果，采用DOI(Degree of Interest)描述移動網絡用戶體驗質量評價的等級，第n+1層等級中，得到移動網絡用戶體驗質量評價的主體特征分布概率服從Beta分布，如式(1)。

Pa+1=Beta(P|a+1，n-a+1)

(1)

其中，a為移動網絡用戶體驗質量評價主體特征所在層數。

基于用戶的協同過濾分析，得到自適應學習權重函數為U。移動網絡用戶A和用戶B之間的可靠性參數分布滿足正態分布，結合到個性化網站的推薦模型，得到移動網絡用戶體驗質量的模糊參數融合模型，表示為式(2)。

(2)

其中，I為移動網絡用戶的標簽識別特征值；ρ為模糊參數；δ為可靠性參數。采用增量協同過濾分析和大數據空間匹配，建立移動網絡用戶體驗質量評價的主體特征參數集[7]，得到執行增量參數α分布滿足式(3)。

α=δU-I+ρA≥0

(3)

基于用戶的協同特征分析方法，采用三個層次的鏈接分析方法，構建移動網絡用戶體驗質量評價的聯合參數分布集[8-9]，用戶A，B對資源i的評分，對用戶集合和項目集合進行聯合特征分析，根據客戶端地址分布關系，得到關聯分布映射，如式(4)。

(4)

其中，β表示關聯特征。對用戶集合和項目集合進行聯合特征分析，考慮移動網絡用戶在瀏覽網站時的行為特征參量實現聯合特征分析。

1.2 聯合特征聚類

根據用戶行為數據分布進行歸一化處理，采用歸一化算法處理方法，得到當前用戶的最近鄰居模糊層次分析聚類條件，如式(5)。

(5)

通過關聯規則譜分析方法進行移動網絡用戶體驗質量的可靠性融合和決策，建立移動網絡用戶體驗質量評價的模糊決策函數，得到信任度模型χ。采用層次化決策的方法，建立移動網絡用戶體驗質量評價的聯合特征分布模型，如式(6)。

Q=χ-ρv(1-δ)|IA,B|×α

(6)

構建移動網絡用戶體驗質量的描述性統計分析模型，采用面板數據檢測的方法，得到移動網絡用戶體驗質量評價的關聯特征不等式，如式(7)。

v≤Q≤M

(7)

采用面板數據檢測方法進行移動網絡用戶體驗質量檢測和特征分析，得到模糊決策函數為式(8)。

(8)

結合先驗知識進行移動網絡用戶體驗質量分布式融合，得到移動網絡用戶體驗質量評價的模糊度函數為式(9)。

(9)

式中，Pj表示移動網絡用戶體驗質量特征分布的遷移系數；P0表示移動網絡用戶體驗質量的標準量化特征集；Xij表示移動網絡用戶體驗質量分布的自相關變量；nj表示移動網絡用戶體驗質量分布的融合參數水平量化集[10-11]。

根據上述分析，完成移動網絡用戶體驗質量評價的模糊參數的分析，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用戶體驗質量的聯合特征分析。

2 移動網絡用戶體驗質量評價優化

2.1 模糊層次分析

采用模糊度特征聚類分析方法實現對移動網絡用戶體驗質量評價的大數據挖掘和信息融合處理，提取移動網絡用戶體驗質量評價的統計特征量，建立移動網絡用戶體驗質量評價的尋優模型[12-13]。移動網絡用戶體驗質量評價的模糊迭代函數描述如式(10)。

(10)

通過上述數學模型構建，基于閾值的鄰域算法實現移動網絡用戶體驗質量層次分析和模糊度調度，得到移動網絡用戶體驗質量評價的模糊關聯規則集，如式(11)。

(11)

式中，ε(t)為一個標準誤差的自相關統計函數，基于最近鄰集合融合，構建移動網絡用戶體驗質量評價的統計分析模型，提高評價模糊層次分析能力。

2.2 移動網絡用戶體驗模糊層次調度

移動應用程序之間的相互依賴性，分析移動網絡用戶的質量可靠性分布模型[14]，得到移動網絡用戶的應用資源存儲特征分布集為式(12)。

(12)

式中，f(a,b)表示a→b之間質量分布的相似度系數；γ∈(0,1]表示服務器負載參數。考慮移動網絡用戶體驗之間信任值Trusta→b，基于自適應參數w融合，得到移動網絡用戶體驗質量評價的可靠性融合模型，如式(13)。

G=w×STrusta→b+RWa→b

(13)

其中，Wa→b代表移動網絡用戶體驗質量評價集A對用戶鄰居B的自適應學習權重值。采用模糊反饋補償，實現對移動網絡用戶體驗質量評價的漸進控制，表達式為式(14)。

x(k+1)=(A+ΔA)w(k)+(B+ΔB)G

(14)

其中，w(k)表示移動網絡用戶體驗質量評價的擾動特征值，移動網絡用戶主體A對B的聯合尋優函數為式(15)。

(15)

其中，ci表示信任度。分析緩存的結構和性能指標參數，得到聯合評價的可靠性函數為式(16)。

(16)

基于聯合評價的可靠性函數得到衡量節點間關系模型為式(17)。

E=P(1-R+H)

(17)

根據用戶受到鄰居的影響程度，得到移動網絡用戶的質量的綜合信任度為式(18)。

K=α×Hc

(18)

基于用戶轉發概率分析方法，移動網絡用戶的質量評價的模糊層次分析為式(19)。

(19)

結合用戶-用戶相似性分布和差異度特征分析，實現對移動網絡用戶體驗質量評價的模糊層次分析。算法的實現流程如圖2所示。

圖2 算法的實現流程

3 仿真實驗與結果分析

通過仿真實驗驗證本文方法在實現移動網絡用戶體驗質量評價和模糊層次分析中的應用性能，鄰居節點的活躍度參數為0.64，用戶規模為1 200，用戶連接強度為0.57，移動網絡用戶體驗質量評價的節點數為360，根據上述參數設定，得到移動網絡用戶體驗質量評價的大數據時域分布如圖3所示。

圖3 大數據時域分布

以圖3的移動網絡用戶體驗質量評價大數據分布為研究對象，實現對移動網絡用戶體驗質量評價決策，對比文獻[3]方法和文獻[5]方法，得到移動網絡用戶體驗質量評價適應度值，測試移動網絡用戶體驗質量評價的收斂性曲線，如圖4所示。

(a) 均方根誤差

(b) 均值

分析圖4得知，本文方法進行移動網絡用戶體驗質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的應用性能。

4 總結

提出基于移動網絡用戶體驗質量評價的模糊層次分析方法。根據用戶的歷史偏好數據分布構建移動網絡用戶體驗質量分析模型，對用戶集合和項目集合進行聯合特征分析，考慮移動網絡用戶在瀏覽網站時的行為特征參量實現聯合特征分析。采用模糊反饋補償，實現對移動網絡用戶體驗質量評價的模糊層次分析。實驗結果驗證了本文方法對移動網絡用戶體驗質量模糊性層次分析的評價效果較好，收斂性較強，誤差較低。