基于特征加权ML-kNN的网页浏览业务KQI预测

摘要：

传统以网络为中心的移动网络运维往往是在接到用户投诉时才采取相应补救措施,随着移动互联网(OTT)业务的高速发展,这一问题愈发突出.如何在监测用户业务感知的基础上对用户业务质量进行预测预警并及时干预,是提高移动业务保障能力和网络运维智能化水平的重要手段.本文利用从普通用户终端上采集的海量业务感知数据,重点针对网页浏览业务,研究了ML-ReliefF算法在业务感知采样数据降维中的应用.在此基础上,将特征选择结果与多标记k近邻(kNN)算法相结合,提出了基于特征加权的多标记k近邻算法应用于业务关键质量指标(KQI)预测.实验结果表明,该方法可有效提高KQI预测质量.

关键词：特征选择、智能网络运维(AIOps)、关键质量指标(KQI)、k近邻(kNN)、移动互联网(OTT)、移动众包感知(MCS)

所属期刊栏目：31

资助基金：国家自然科学基金;北京联合大学人才强校优选计划

在线出版日期：2021-04-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：263-269