[发明专利]一种基于特征选择的移动互联网业务质量预测方法

说明书

本发明公开了一种基于特征选择的移动互联网业务质量预测方法，该方法的实现过程如下：步骤S1：构造训练样本集；步骤S2：计算特征权值；步骤S3：构造训练样本的k近邻样本集；步骤S4：计算先验概率和归一化频数矩阵；步骤S5：构造未知样本的k近邻样本集；步骤S6：计算未知样本的同标记统计；步骤S7：计算未知样本的似然概率；步骤S8：估计未知样本的标记值；本发明根据海量的用户业务感知历史数据(不同场景下的业务感知指标的好坏)，对用户在特定场景下的业务体验好坏做出预测和预警，有助于及早发现业务体验问题并及时采取相关措施进行改善，并有效降低投诉率和离网率。

技术领域

本发明涉及一种移动互联网业务质量预测方法，尤其涉及一种基于特征选择的移动互联网业务质量预测方法，属于移动互联网应用技术领域。

背景技术

移动网络用户在使用OTT业务(如网页浏览，视频播放等)过程中，其业务体验的好坏一般可用KQI(关键质量指标)指标进行评价，比如网页打开时延、下载速率等。这种体验的好坏受多种因素的影响，包括终端质量、使用业务时所处位置的移动网络质量、APP质量、SP网站服务器集群的带宽和负荷等。

电信运营商作为各类业务的传输通道提供方和业务体验保障的关键环节，需要尽可能保障用户的业务体验，否则可能导致用户投诉甚至离网。

目前一般是电信运营商的网络运维和优化部门通过日常的网络优化作业来保障网络质量，但网络质量与用户的业务体验之间仍然存在较大的差异，好的网络质量并不一定能保障良好的业务体验(由于业务体验是受前述的众多因素的综合作用)。客服部门只有在接到用户投诉时才发现业务体验的问题，再去协调网络运维和优化部门去排查问题和解决，往往很被动。

如果能在日常的网络运营中持续监测用户的业务体验，并根据海量的用户业务感知历史数据(不同场景下的业务感知指标的好坏)，对用户在特定场景下的业务体验好坏做出预测和预警，则有助于及早发现业务体验问题并及时采取相关措施进行改善，并有效降低投诉率和离网率。中国专利201710493097.8公开了一种基于多标记学习的浏览类业务感知指标预测方法。

发明内容

本发明要解决的问题是如何根据用户所处的场景对用户的移动互联网业务的KQI指标进行及时、准确的预测。

为实现上述目的，本发明采用的技术方案为一种基于特征选择的移动互联网业务质量预测方法，该方法的实现过程如下：

步骤S1：构造训练样本集

已知在某城市的本地移动网络下，从用户移动终端上采集用户的业务感知样本构成“业务感知样本集”D′＝{(x′_i，y′_i)，i＝1～M′}，包含共M’个样本。各样本包含了P个特征项：特征1、特征2、...、特征P，记为：x′＝{x′₁，x′₂，...，x′_P}；以及T个标记项：标记1、标记2、...、标记T，记为：Y′＝{y′₁，...，y′_T}。对于不同的业务，标记项数和内容也不同。

其中P个特征又进一步分为：N＝11个业务特征和P-N个非业务特征。非业务特征即与业务无直接关系的特征，包括日期，时间，大区编号，小区编号，经度，纬度，场强(不同的制式下名称不同：如GSM网络的RxLevel，LTE网络的RSRP等)，信号质量(不同的制式下名称不同：如C/I或SINR或RSRQ等)，用户标识(IMSI)，终端标识(IMEI或MEID)，终端型号。业务特征包括与业务相关的特征项，对于不同的业务，业务特征项数和内容也不同。

根据预设的预测周期L(单位为天)，将业务感知样本集中“日期”字段值与待预测的无标记样本(称“未知样本”，即仅有特征信息，没有标记信息)的日期字段值相差超过L天的样本剔除，剩余样本数记为M；

对业务感知样本中的所有数值型特征值利用公式(1)进行归一化，即：