一种网络体验状态评估方法、设备及介质与流程

摘要: 本技术涉及网络性能测量,尤其涉及一种网络体验状态评估方法、设备及介质。背景技术:1、随着互联网业务的多样化发展,用户对网络体验的感知不再仅取决于单一的网络测速结...
一种网络体验状态评估方法、设备及介质与流程

本技术涉及网络性能测量,尤其涉及一种网络体验状态评估方法、设备及介质。

背景技术:

1、随着互联网业务的多样化发展,用户对网络体验的感知不再仅取决于单一的网络测速结果,而是受到传输能力、交互质量、稳定性、时延抖动等多维因素的共同影响。网络体验状态评估已成为运营商优化网络质量、定位用户体验瓶颈的重要技术手段。

2、传统的网络体验评估方法通常直接采集网络测量记录,并基于采集到的指标进行统计分析以确定网络状态。实际网络中,测量数据来源分散,不同来源的数据在时间、字段定义及格式上存在差异,且采集过程中普遍存在重复记录、版本不一致、字段缺失等情况。在此类多源数据环境下,现有方法通常将所有样本视为同等可信进行统计与融合处理,并且一般将底层物理网络状态与用户场景体验状态进行独立计算和输出。网络体验评估所依赖的原始数据量较大,完整的评估过程需要对全部历史数据进行重新统计分析和融合计算,对计算及存储资源消耗较高。

3、这一矛盾在真实的网络测速平台中尤为突出:平台持续积累用户在不同上下文下的测速结果,测速记录与网络体验指数结果因存储链路分离及异步上报等机制而普遍存在时序不同步、字段版本差异及单次测量受扰等情况。以致现有系统难以实现面向用户的网络体验状态准确评估。

技术实现思路

1、本技术实施例提供了一种网络体验状态评估方法、设备及介质,用于解决如下技术问题:现有系统难以实现面向用户的网络体验状态准确评估。

2、本技术实施例采用下述技术方案:

3、本技术实施例提供一种网络体验状态评估方法。包括,基于接收到的报告请求,生成范围描述,以基于范围描述在不同数据源抽取网络测量记录及网络体验指数数据;基于网络测量记录与网络体验指数数据之间的关联关系,构建候选关联对,对候选关联对进行一致性检验与关联可信度计算,确定出检验通过的候选关联对所对应的字段可用性掩码和样本可信度;根据字段可用性掩码和样本可信度,将通过检验的候选关联对划分为不同可信度等级的可信样本;基于网络上下文对可信样本进行分组,基于字段可用性掩码及不同可信度等级,对各组内网络测试指标值进行加权融合,得到各组对应的融合状态值;基于融合状态值,生成底层网络状态和场景体验状态,并确定出二者之间的一致性关系,以基于一致性关系生成网络体验状态评估结果。

4、在本技术的一种实现方式中,基于网络测量记录与网络体验指数数据之间的关联关系,构建候选关联对,对候选关联对进行一致性检验与关联可信度计算,具体包括:检测网络测量记录与网络体验指数数据之间是否存在共同会话标识;在存在共同会话标识的情况下,将同一会话标识对应的网络测量记录与网络体验指数数据进行配对,得到候选关联对;基于第一预置检测维度集,对候选关联对进行一致性检测,并基于各检测维度对应的权重,对一致性检测通过的候选关联对进行多维度加权求和,得到关联可信度;以关联可信度为边权,在网络测量记录与网络体验指数数据之间构建二分图;执行最大权重匹配,得到匹配边,并将关联可信度不小于第一阈值、且该关联可信度与次高候选关联对的关联可信度之间的差值不小于歧义消除阈值的匹配边,确定为检验通过的候选关联对。

5、在本技术的一种实现方式中,检测网络测量记录与网络体验指数数据之间是否存在共同会话标识之后,方法还包括:在不存在共同会话标识的情况下,基于第二预置检测维度,确定候选关联对在各维度上的一致性得分;基于各维度的可用标志对预设权重进行自适应归一化,以基于归一化后的权重对一致性得分进行加权平均得到关联可信度。

6、在本技术的一种实现方式中,确定出检验通过的候选关联对所对应的字段可用性掩码和样本可信度,具体包括:基于预设检验规则,对检验通过的候选关联对中的各字段进行可用性检验,并基于检验结果逐字段生成可用性掩码;其中,可用性掩码用于标识各字段的有效性;获取候选关联对的可信度分量;其中,可信度分量至少包括关联可信度、原始数据质量、测量过程质量和网络体验指数置信度;将可信度分量按各自对应的可用标志和权重进行加权平均,得到样本可信度。

7、在本技术的一种实现方式中,基于网络上下文对可信样本进行分组,基于字段可用性掩码及不同可信度等级,对各组内网络测试指标值进行加权融合,得到各组对应的融合状态值,具体包括:基于网络上下文,对可信样本进行分组;针对每组可信样本,基于组内各网络测试指标的基线分布,将该组内各网络测试指标值进行归一化处理;根据样本可信度、时间衰减权重和异常处理权重,确定各可信样本的融合权重;基于字段可用性掩码及各可信样本的可信度等级,确定各可信样本的字段参与范围;基于融合权重、归一化处理后的网络测试指标值以及字段参与范围,对各指标进行加权融合,得到各指标对应的融合状态值。

8、在本技术的一种实现方式中,基于融合状态值,分别生成底层网络状态和场景体验状态,并确定出二者之间的一致性关系,具体包括:基于融合状态值,构建底层网络状态向量;其中,底层网络状态向量至少包括传输能力状态、交互质量状态和稳定性状态,且底层网络状态向量对应有字段可用性掩码和底层状态置信度;基于底层网络状态向量及与目标场景相关的指标依赖权重,将底层网络状态向量投影为目标场景的底层支撑分;获取与目标场景对应的场景评分与场景置信度;根据底层状态置信度、场景置信度以及指标覆盖度,对底层支撑分与场景评分进行联合判定,得到目标场景对应的一致性关系。

9、在本技术的一种实现方式中,根据底层状态置信度、场景置信度以及指标覆盖度,对底层支撑分与场景评分进行联合判定,得到目标场景对应的一致性关系,具体包括:当底层状态置信度、场景置信度或指标覆盖度中的任一项小于预置门槛值时,判定一致性关系为证据不足,不形成强结论;将底层支撑分与场景评分,分别与各预置状态阈值进行比较,根据比较结果确定一致性关系所属的类型;其中,类型至少包括同向异常、场景偏离、场景耐受、同向正常和过渡状态;对于判定为过渡状态的一致性关系,若连续预置数量的窗口内均满足预置下降趋势条件,则标记为同向下降趋势;若连续预置数量的窗口内均满足预置分差条件,则输出稳定场景偏离提示或场景耐受提示。

10、在本技术的一种实现方式中,基于一致性关系生成网络体验状态评估结果之后,方法还包括:针对每个时间窗口及对应的网络上下文,根据一致性关系生成状态指纹;当新的网络测量记录或网络体验指数数据到达时,确定新数据所属的时间窗口及网络上下文,并对该时间窗口的状态指纹进行更新;基于更新后的状态指纹,生成事实指纹;其中,事实指纹用于标识事实单元的内容;将更新后的事实指纹与更新前对应的事实指纹进行比较,若事实指纹未发生变化,则复用已有的报告段落;若事实指纹发生变化,则重新生成发生变化的事实指纹所对应的报告段落。

11、本技术实施例提供一种网络体验状态评估设备,包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够:基于接收到的报告请求,生成范围描述,以基于范围描述在不同数据源抽取网络测量记录及网络体验指数数据;基于网络测量记录与网络体验指数数据之间的关联关系,构建候选关联对,对候选关联对进行一致性检验与关联可信度计算,确定出检验通过的候选关联对所对应的字段可用性掩码和样本可信度;根据字段可用性掩码和样本可信度,将通过检验的候选关联对划分为不同可信度等级的可信样本;基于网络上下文对可信样本进行分组,基于字段可用性掩码及不同可信度等级,对各组内网络测试指标值进行加权融合,得到各组对应的融合状态值;基于融合状态值,生成底层网络状态和场景体验状态,并确定出二者之间的一致性关系,以基于一致性关系生成网络体验状态评估结果。

12、本技术实施例提供的一种非易失性计算机存储介质,存储有计算机可执行指令,计算机可执行指令设置为:基于接收到的报告请求,生成范围描述,以基于范围描述在不同数据源抽取网络测量记录及网络体验指数数据;基于网络测量记录与网络体验指数数据之间的关联关系,构建候选关联对,对候选关联对进行一致性检验与关联可信度计算,确定出检验通过的候选关联对所对应的字段可用性掩码和样本可信度;根据字段可用性掩码和样本可信度,将通过检验的候选关联对划分为不同可信度等级的可信样本;基于网络上下文对可信样本进行分组,基于字段可用性掩码及不同可信度等级,对各组内网络测试指标值进行加权融合,得到各组对应的融合状态值;基于融合状态值,生成底层网络状态和场景体验状态,并确定出二者之间的一致性关系,以基于一致性关系生成网络体验状态评估结果。

13、本技术实施例采用的上述至少一个技术方案能够达到以下有益效果:本技术实施例通过范围描述在多个数据源中定向抽取网络测量记录与网络体验指数数据,避免无关数据的引入,为后续处理提供了清晰且受控的数据边界。通过关联关系构建候选关联对,并结合一致性检验与关联可信度计算,能够在多源数据关联不一致、重复采集及版本差异等复杂情况下筛选出可靠的数据配对,同时生成字段可用性掩码和样本可信度,为后续分级处理奠定质量基础。在此基础上,根据字段可用性掩码和样本可信度将候选关联对划分为不同可信度等级的可信样本,使后续融合能够区分不同质量的样本,避免低质量样本对结果的过度影响。进一步基于网络上下文对可信样本进行分组,并结合字段可用性掩码及不同可信度等级对各组内网络测试指标值进行加权融合,使融合过程能够同时反映样本可信度、字段有效性及场景特性,提升融合状态值的准确性。最终基于融合状态值生成底层网络状态和场景体验状态,并确定二者之间的一致性关系,从而能够准确识别底层网络变化与场景体验变化之间的关联,避免传统方法中因独立判断而导致的评估结果失真。