CN107292519-CN201710493097-一种基于多标记学习的浏览类业务感知指标预测方法.pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 107292519 A (43)申请公布日 2017.10.24 (21)申请号 201710493097.8 (22)申请日 2017.06.26 (71)申请人 北京联合大学 地址 100101 北京市朝阳区北四环东路97 号 (72)发明人 李克　徐小龙　王海　 (74)专利代理机构 北京思海天达知识产权代理 有限公司 11203 代理人 张慧 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/30(2012.01) 权利要求书3页 说明书7页 附图1页 (54)发明名称 一种基于多标记学习的浏览类业务感知指 标预测方法 (57)摘要 本发明公开一种基于多标记学习的浏览类 业务感知指标预测方法，要解决的问题是如何根 据用户所处的场景对用户的网页浏览类业务的 KQI指标进行及时、准确的预测；根据海量的用户 业务感知历史数据，即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。 A 9 1 5 2 9 2 7 0 1 N C CN 107292519 A 权　利　要　求　书 1/3页 1.一种基于多标记学习的浏览类业务感知指标预测方法，其特征在于，包括以下步骤： 步骤S1、对浏览业务感知样本数据集构造训练样本集； 步骤S2、构造训练样本的k最近邻样本集； 步骤S3：计算先验概率和归一化频数矩阵 对每个标记项y ，j＝1～q，按下面的公式(1)计算先验概率 和 j 其中，H 和 分别表示新采集的无标记样本x具有和不具有标记项y ，而 和 则 j j 分别表示H 和 成立的先验概率，s为控制参数， j 按下面的公式(2)(3)计算归一化频数矩阵[f [r]] 和 j k×q 其中，δ(x)表示的训练样本x 的近邻样本中具有标记y的样本个数，[·]表示取整，f j i i j j [r]表示训练样本集中具有标记y并且同时有占比为 的近邻也具有标记y的训练样 j j 本个数， 则表示训练样本集中不具有标记y 并且同时有占比为 的近邻具有标记 j y 的训练样本个数； j 步骤S4：构造未知样本x的k近邻样本集 对未知样本x，按照步骤S2的方法在训练样本集中构造出该样本的