本文關(guān)鍵詞：移動(dòng)互聯(lián)網(wǎng)中基于機(jī)器學(xué)習(xí)的用戶個(gè)性化QoE評(píng)估，，由筆耕文化傳播整理發(fā)布。

【摘要】：移動(dòng)通信技術(shù)、互聯(lián)網(wǎng)技術(shù)和智能終端設(shè)備的共同發(fā)展促進(jìn)了移動(dòng)互聯(lián)網(wǎng)業(yè)務(wù)的興起。如今移動(dòng)互聯(lián)網(wǎng)已經(jīng)成為人們生活中不可或缺的一部分,并且保持了高速發(fā)展勢(shì)頭。而良好的用戶體驗(yàn)質(zhì)量(Quality of Experience, QoE)將會(huì)是支撐移動(dòng)互聯(lián)網(wǎng)發(fā)展的重要條件。關(guān)于QoE評(píng)估的研究吸引了眾多專家學(xué)者,并有很多優(yōu)秀的研究成果。然而大多數(shù)研究所考慮的因素都局限在便于觀察測(cè)量的客觀因素,而很少研究QoE與用戶主觀因素的關(guān)系,這就導(dǎo)致QoE的評(píng)估是基于用戶群體的統(tǒng)計(jì),其粒度難以精細(xì)到單用戶單業(yè)務(wù)。針對(duì)這一研究現(xiàn)狀,本文提出了個(gè)性化QoE評(píng)估,并對(duì)具體的評(píng)估方法進(jìn)行研究。具體研究?jī)?nèi)容包括： 首先,本搭建了一個(gè)用于搜集個(gè)性化QoE相關(guān)數(shù)據(jù)的數(shù)據(jù)搜集平臺(tái)。此平臺(tái)可以提供在線視頻播放服務(wù),并同時(shí)搜集相關(guān)的用戶數(shù)據(jù),這些數(shù)據(jù)可以為個(gè)性化QoE評(píng)估提供研究基礎(chǔ)。 其次,本文研究了用戶主觀特征中最重要的因素之一——用戶偏好與QoE的關(guān)系,根據(jù)已有的研究成果總結(jié)出三條性質(zhì),并建立了與之相符合的數(shù)學(xué)模型。此QoE模型與傳統(tǒng)模型的最大區(qū)別在于考慮了用戶的主觀特征,由此可以體現(xiàn)出用戶的個(gè)性化差別。 個(gè)性化QoE評(píng)估模型中的核心部分是用戶對(duì)業(yè)務(wù)的偏好,在實(shí)際的應(yīng)用中,靠用戶反饋得到用戶針對(duì)業(yè)務(wù)的偏好是不現(xiàn)實(shí)的,因此需要對(duì)用戶偏好進(jìn)行合理預(yù)測(cè)。而這需要依靠機(jī)器學(xué)習(xí)技術(shù)來(lái)完成。在分析研究了不同的預(yù)測(cè)模型和算法后,本文建立了一個(gè)三層貝葉斯圖模型,從下到上依次是可觀察特征層,隱藏特征層,偏好預(yù)測(cè)層。由于此模型的訓(xùn)練算法沒有解析最優(yōu)解,且包含隱藏特征,所以采用期望最大化(Expectation Maximization)算法進(jìn)行訓(xùn)練,其中在求期望的步驟用了蒙特卡羅(Monte Carlo)法進(jìn)行簡(jiǎn)化。隨后本文使用MovieLens數(shù)據(jù)集對(duì)所建模型進(jìn)行了驗(yàn)證,并從各方面分析了模型中各參數(shù)變化對(duì)模型帶來(lái)的影響。實(shí)驗(yàn)結(jié)果表明,貝葉斯圖模型的性能較經(jīng)典的矩陣分解模型有顯著的提升。其均方根誤差(Root MeanSquare Error, RMSE)相比矩陣分解模型降低了13%。 考慮到受限波茲曼機(jī)(Restricted Boltzmann Machine, RBM)有較強(qiáng)的隱藏特征抽取能力,本文隨后建立了基于RBM的協(xié)同過(guò)濾模型對(duì)用戶偏好進(jìn)行預(yù)測(cè)。模型的訓(xùn)練使用了經(jīng)典的對(duì)比散度(Contrastive Divergence, CD)算法。為了解決冷啟動(dòng)問(wèn)題并進(jìn)一步提高模型效果,本文對(duì)模型進(jìn)行了擴(kuò)展,將用戶可觀測(cè)特征作為額外的可見節(jié)點(diǎn)融合到模型中。通過(guò)實(shí)驗(yàn),本文分析了不同參數(shù)對(duì)RBM協(xié)同過(guò)濾模型的影響,對(duì)比了擴(kuò)展前的模型與擴(kuò)展后的模型。實(shí)驗(yàn)結(jié)果表明,對(duì)模型進(jìn)行擴(kuò)展后,模型的性能得到顯著的提升。
【關(guān)鍵詞】：用戶體驗(yàn)質(zhì)量 個(gè)性化 機(jī)器學(xué)習(xí) 貝葉斯圖模型 受限波茲曼機(jī)
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP181;TP393.01;TN929.5
【目錄】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 緒論10-22
• 1.1 選題背景10-11
• 1.2 研究背景11-19
• 1.2.1 QoE概念11-13
• 1.2.2 QoE的影響因素13-15
• 1.2.3 QoE的評(píng)估方法15-17
• 1.2.4 QoE的評(píng)估模型17-19
• 1.3 研究?jī)?nèi)容及章節(jié)安排19-22
• 第二章 數(shù)據(jù)收集平臺(tái)和個(gè)性化QoE評(píng)估模型22-36
• 2.1 引言22
• 2.2 數(shù)據(jù)收集平臺(tái)架構(gòu)22-29
• 2.2.1 前端23-27
• 2.2.2 后臺(tái)27-29
• 2.3 個(gè)性化QoE評(píng)估模型29-36
• 2.3.1 QoE與QoS關(guān)系30-32
• 2.3.2 QoE與用戶偏好的關(guān)系32-35
• 2.3.3 關(guān)于個(gè)性化QoE模型的討論35-36
• 第三章 用于預(yù)測(cè)用戶偏好的貝葉斯圖模型36-54
• 3.1 引言36
• 3.2 問(wèn)題描述36
• 3.3 問(wèn)題分析36-38
• 3.4 模型描述38-40
• 3.5 模型訓(xùn)練40-44
• 3.5.1 訓(xùn)練目標(biāo)40
• 3.5.2 EM算法及蒙特卡羅法40-42
• 3.5.3 貝葉斯圖模型的訓(xùn)練算法42-44
• 3.6 模型預(yù)測(cè)44
• 3.7 實(shí)驗(yàn)驗(yàn)證44-52
• 3.7.1 數(shù)據(jù)集44-45
• 3.7.2 實(shí)驗(yàn)方法45-46
• 3.7.3 實(shí)驗(yàn)結(jié)果46-52
• 3.8 本章小結(jié)52-54
• 第四章 預(yù)測(cè)用戶偏好的RBM模型54-64
• 4.1 引言54
• 4.2 限制波茲曼機(jī)54-57
• 4.2.1 RBM的結(jié)構(gòu)54-55
• 4.2.2 RBM的對(duì)數(shù)似然梯度55-56
• 4.2.3 對(duì)比散度56-57
• 4.3 協(xié)作濾波模型57-60
• 4.3.1 模型結(jié)構(gòu)57-58
• 4.3.2 模型訓(xùn)練58-59
• 4.3.3 用戶偏好預(yù)測(cè)59-60
• 4.4 擴(kuò)展模型60-61
• 4.5 實(shí)驗(yàn)61-63
• 4.5.1 實(shí)驗(yàn)設(shè)置61
• 4.5.2 實(shí)驗(yàn)結(jié)果61-63
• 4.6 本章小結(jié)63-64
• 第五章 總結(jié)和展望64-66
• 5.1 全文總結(jié)及主要貢獻(xiàn)64-65
• 5.2 下一步研究建議及未來(lái)研究方向65-66
• 參考文獻(xiàn)66-72
• 致謝72-74
• 攻讀碩士期間的研究成果74

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 李超;李昂;朱耿良;;基于限制性玻爾茲曼機(jī)的微博主題分類[J];電信網(wǎng)技術(shù);2014年07期

2 張春霞;姬楠楠;王冠偉;;受限波爾茲曼機(jī)[J];工程數(shù)學(xué)學(xué)報(bào);2015年02期

3 胡勝紅;賈玉福;譚生龍;;基于內(nèi)容優(yōu)化動(dòng)態(tài)自適應(yīng)HTTP流傳輸主觀質(zhì)量[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2014年10期

4 張建明;詹智財(cái);成科揚(yáng);詹永照;;深度學(xué)習(xí)的研究與發(fā)展[J];江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年02期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 張?jiān)卢?基于QoE的無(wú)線資源管理算法研究[D];北京郵電大學(xué);2013年

2 馬文敏;未來(lái)移動(dòng)通信系統(tǒng)資源分配與調(diào)度策略研究[D];北京郵電大學(xué);2013年

3 李抵非;基于云框架的科學(xué)儀器深度知識(shí)服務(wù)方法研究[D];吉林大學(xué);2015年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 劉飛;多業(yè)務(wù)無(wú)線網(wǎng)絡(luò)性能優(yōu)化與分析[D];北京郵電大學(xué);2013年

2 劉振;無(wú)線視頻傳輸優(yōu)化及其質(zhì)量評(píng)價(jià)方法研究[D];北京郵電大學(xué);2013年

3 張曉莉;基于QoE的無(wú)線網(wǎng)絡(luò)優(yōu)化與設(shè)計(jì)[D];北京郵電大學(xué);2015年

  本文關(guān)鍵詞：移動(dòng)互聯(lián)網(wǎng)中基于機(jī)器學(xué)習(xí)的用戶個(gè)性化QoE評(píng)估，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：381280