[发明专利]用户体验质量确定方法及系统

摘要

本发明实施例提供了一种用户体验质量确定方法及系统，可以使用获得的多个网络状态下的网络数据对神经网络计算模型进行训练和测试，在当前训练模型通过测试后，将从网络中采集的网络质量参数输入到通过测试的当前训练模型中，计算得出用户体验质量。由于经过训练且测试通过的神经网络计算模型可以根据从网络中采集的网络质量参数计算得到用户体验质量，因此本发明在得到通过测试后的神经网络计算模型后，无需通过用户对体验质量进行评分来得到用户体验质量。因此，本发明也减少了获得用户体验质量过程中给用户带来的干扰，也不易受用户配合度的影响。

主权项

1.一种用户体验质量确定方法，其特征在于，应用于服务器中，所述方法包括：数据收集的步骤、模型训练的步骤、模型测试的步骤和模型应用的步骤；其中，所述数据收集的步骤包括：获得多个网络状态下的网络数据，所述网络数据包括：网络质量参数及用户对网络状态的评分；将所获得的多个网络状态至少划分为第一状态组和第二状态组，所述第一状态组中网络状态的数量大于所述第二状态组中网络状态的数量；其中，所述模型训练的步骤包括：选择所述第一状态组中的一个网络状态下的网络数据作为当前训练数据，将预设的神经网络计算模型作为当前训练模型，其中，所述当前训练模型的输入量为所述网络质量参数，所述当前训练模型的输出量为用户体验质量；将当前训练数据中的网络质量参数输入当前训练模型中以对当前训练模型进行训练；获得当前训练模型计算得出的用户体验质量；获得所述计算得出的用户体验质量与当前训练数据中的用户对网络状态的评分之间的训练误差；将所述训练误差与第一预设误差阈值进行比较，如果所述训练误差不大于所述第一预设误差阈值，则执行所述模型测试的步骤对进行训练后的当前训练模型进行测试，如果所述训练误差大于所述第一预设误差阈值，则判断所获得的训练误差的收敛次数是否位于预设的次数区间中，如果是，则执行所述模型测试的步骤对进行训练后的当前训练模型进行测试，否则，对当前训练模型进行调整，选择所述第一状态组中的剩余网络状态中一个网络状态下的网络数据作为当前训练数据并继续执行将当前训练数据中的网络质量参数输入当前训练模型中以对当前训练模型进行训练；其中，所述模型测试的步骤包括：依次将所述第二状态组中的各网络状态作为当前测试状态，将当前测试状态下的网络数据作为当前测试数据，将当前测试数据中的网络质量参数输入进行训练后的当前训练模型中以对训练后的当前训练模型进行测试；获得进行训练后的当前训练模型计算得出的用户体验质量；获得该计算得出的用户体验质量与当前测试数据中的用户对网络状态的评分之间的测试误差；分别将所述第二状态组中各网络状态对应的测试误差与第二预设误差阈值进行比较，获得比较结果；判断所述比较结果是否满足预设的测试通过条件，如果是，则将进行训练后的当前训练模型作为对网络的用户体验质量计算模型，否则继续执行所述选择所述第一状态组中的剩余网络状态中一个网络状态下的网络数据作为当前训练数据并继续执行将当前训练数据中的网络质量参数输入当前训练模型中以对当前训练模型进行训练的步骤；其中，所述模型应用的步骤包括：从网络中采集第一网络状态下的网络质量参数；将所采集的网络质量参数输入所述模型测试的步骤中所确定的对网络的用户体验质量计算模型中，计算获得所述第一网络状态下的用户体验质量。