導語：移動網絡用戶體驗質量評價探討一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：傳統網絡用戶體驗層次分析方法忽略了對用戶體驗質量評價的統計特征量的提取，導致用戶體驗質量評價的準確度偏低，網絡服務不夠滿意。因此，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，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，采用模糊度特征聚類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。基于此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，實現對移動網絡用戶體驗質量評價的模糊層次分析。仿真實驗結果表明，采用該方法分析移動網絡用戶體驗質量評價的模糊層次具有更高的可靠性，提高了移動網絡用戶體驗質量評價準確度，從而提高移動網絡的服務質量。

關鍵詞：移動網絡；用戶體驗；質量評價；模糊層次分析；統計特征量

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。根據移動網絡用戶體驗質量評價的參數分析結果，采用DOI（DegreeofInterest）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）。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）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）。

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）。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）。

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）。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）。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1200，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.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。

作者：麥英健 單位：深圳供電局有限公司