基于可信度挖掘的网络质量评估方法及装置

摘要

本发明涉及信息技术领域。本发明实施例公开了一种基于可信度挖掘的网络质量评估方法及装置，所述方法包括：分别获取至少两个用户设备中的每一个用户设备在当前时刻针对目标网络的当前质量评价，并分别获取所述至少两个用户设备中的每一个用户设备在当前时刻之前的至少两个历史时刻针对目标网络的历史质量评价；根据所述当前质量评价和所述历史质量评价获取所述目标网络的当前综合评价值。采用本发明实施例提供的技术方案可解决不同用户设备对同一目标网络质量评估存在差异时如何评定网络质量的问题，并可抑制不同用户设备在同一时刻所作的网络质量评价变化太大给网络质量评估的准确性带来的干扰。

说明书

技术领域

本发明涉及信息技术领域，特别是涉及一种基于可信度挖掘的网络质量评估方法及装置。 

背景技术

在无线网络中，网络质量的评估异常重要，网络质量的评估直接关系到用户设备的体验，也与运营商的投资密切相关。因此，准确地评价网络质量对于运营商及用户设备而言具有重大意义。 

当前评价无线网络质量的方式一般会通过网络掉话率等参数来评估网络质量，而这种方式评估的结果往往与用户设备的体验相差较大。 

上述的现有技术方案在评估网络质量时，往往使用在同一时间获得的单个样本或者少数样本作为评价依据，同一时间获得的单个或少数样本作为评价依据会造成准确性不高，因为在现有技术方案中，目标网络环境和用户设备数量会随着时间变化，这会导致不同用户设备反映的网络参数实际上不一致。 

因此现有技术评价的网络质量的网络质量评估准确性不足。 

发明内容

本申请主要解决的技术问题是提供一种基于可信度挖掘的网络质量评估方法及装置，以解决不同用户设备对同一目标网络质量评估存在差异时如何评定网络质量的问题，并可抑制不同用户设备在同一时刻所作的网络质量评价变化太大给网络质量评估的准确性带来的干扰。 

第一方面提供一种基于可信度挖掘的网络质量评估方法，该方法包括：分别获取至少两个用户设备中的每一个用户设备在当前时刻针对目标网络的当前质量评价，并分别获取至少两个用户设备中的每一个用户设备在当前时刻之前的至少两个历史时刻针对目标网络的历史质量评价；根据当前质量评价和历史质量评价获取目标网络的当前综合评价值。 

结合第一方面，在第一方面的第一种可能实现方式下，所述根据当前质量 评价和历史质量评价获取目标网络的当前综合评价值包括：通过迭代方式求解如下最小化公式来获取目标网络的当前综合评价值： 

$\underset{k\in k,o\in O}{\Sigma }{w}_k·\mathrm{dis}(V_o^{*},V_o^k)+\alpha \underset{o\in O}{\Sigma }\mathrm{dis}(V_o^{*},V_{\mathrm{history}}^{*})$

其中，K为用户设备的集合，O为目标网络的集合，为第k个用户设备对第o个目标网络的当前质量评价，为第o个目标网络的当前综合评价值，为第o个目标网络的历史质量评价的收敛值，通过判断历史质量评价随时间推移的变化趋势而获得，α为用户设备设定的历史质量评价调整因子，wk为第k个用户设备的评价权重，且在每次迭代后根据第k个用户设备的可信度进行调整，dis（a，b）为差异函数，a和b为差异函数的代入变量，a和b之间的差异越大，dis（a，b）值越大。 

结合第一方面、第一方面的第一种可能的实现方式中的任一者，在第二种可能实现方式中，所述分别获取至少两个用户设备中的每一个用户设备在当前时刻针对目标网络的当前质量评价，并分别获取至少两个用户设备中的每一个用户设备在当前时刻之前的至少两个历史时刻针对目标网络的历史质量评价，包括：分别获取至少两个用户设备中的每一个用户设备在当前时刻在目标网络下的网络质量参数；以预定算法对网络质量参数进行处理，产生当前质量评价；分别获取至少两个用户设备中的每一个用户设备在当前时刻之前的至少两个历史时刻针对目标网络的历史质量评价。 

结合第一方面的第二种可能实现方式，在第三种可能实现方式下，网络质量参数包括码片能量/干扰功率密度、接收信号码功率和/或终端发射功率。 

结合第一方面、第一方面的第一至第三种可能的实现方式中的任一者，在第四种可能实现方式下，该方法还包括：确定至少两个用户设备在目标网络的速率体验评价值；将速率体验评价值与当前综合评价值进行比较，以对当前综合评价值进行验证。 

结合第一方面的第四种可能实现方式，在第五种可能的实现方式下，确定至少两个用户设备在目标网络的速率体验评价值，包括：获取至少两个用户设备中的每一个用户设备在目标网络下使用业务数据所产生的流量以及业务数据的使用时长，根据流量及使用时长计算至少两个用户设备在目标网络下的业务体验速率；根据业务体验速率获取速率体验评价值。 

第二方面，本发明实施例还提供一种基于可信度挖掘的网络质量评估装置，包括：质量评价获取模块，用于获取至少两个用户设备在当前时刻针对目标网络的当前质量评价以及当前时刻之前的至少两个历史时刻针对目标网络的历史质量评价；当前综合评价值获取模块，用于根据当前质量评价和历史质量评价获取目标网络的当前综合评价值。 

在第二方面的第一种可能的实现方式中，当前综合评价值获取模块用于通过迭代方式求解如下最小化公式来获取目标网络的当前综合评价值： 

$\underset{k\in k,o\in O}{\Sigma }{w}_k·\mathrm{dis}(V_o^{*},V_o^k)+\alpha \underset{o\in O}{\Sigma }\mathrm{dis}(V_o^{*},V_{\mathrm{history}}^{*})$

其中，K为用户设备的集合，O为目标网络的集合，为第k个用户设备对第o个目标网络的当前质量评价，为第o个目标网络的当前综合评价值，为第o个目标网络的历史质量评价的收敛值，通过判断历史质量评价随时间推移的变化趋势而获得，α为用户设备设定的历史质量评价调整因子，wk为第k个用户设备的评价权重，且在每次迭代后根据第k个用户设备的可信度进行调整，dis（a，b）为差异函数，a和b为差异函数的代入变量，a和b之间的差异越大，dis（a，b）值越大。 

结合第二方面和第二方面的第一种可能的实现方式中的任一者，质量评价获取模块用于分别获取至少两个用户设备中的每一个用户设备在当前时刻在目标网络下的网络质量参数，以预定算法对网络质量参数进行处理，产生当前质量评价，分别获取至少两个用户设备中的每一个用户设备在当前时刻之前的至少两个历史时刻针对目标网络的历史质量评价。 

结合第二方面的第二种可能的实现方式，在第三种可能的实现方式中，网络质量参数包括码片能量/干扰功率密度、接收信号码功率以及终端发射功率。 

结合第二方面、第二方面的第一至第三种可能的实现方式中的任一者，在第四种可能的实现方式中，该装置还包括验证模块，验证模块包括：速率体验评价值获取单元，用于确定至少两个用户设备在目标网络的速率体验评价值；比较模块，用于将速率体验评价值与当前综合评价值进行比较，以对当前综合评价值进行验证。 

在第二方面的第五种可能的实现方式中，验证模块具体用于获取至少两个用户设备中的每一个用户设备在目标网络下使用业务数据所产生的流量以及业 务数据的使用时长，根据流量及使用时长计算至少两个用户设备在目标网络下的业务体验速率；并根据业务体验速率获取速率体验评价值。 

区别于现有技术的情况，本发明实施方式通过获取至少两个用户设备对目标网络当前质量评价以及所述至少两个用户设备在当前时刻之前的至少两个历史时刻针对所述目标网络的历史质量评价，并根据所述当前质量评价和所述历史质量评价获取所述目标网络的当前综合评价值，由于以历史质量评价为依据，且由于考虑到至少两个历史时刻的历史质量评价，因此可充分考虑网络质量随时间发生变化的因素，同时可抑制不同用户设备对目标网络的网络质量评价变化太大给网络质量评估的准确性带来的干扰。 

附图说明

图1是本发明基于可信度挖掘的网络质量评估方法第一实施例的流程图； 

图2是本发明基于可信度挖掘的网络质量评估方法第二实施例的流程图； 

图3是本发明基于可信度挖掘的网络质量评估装置第一实施例的装置结构示意图； 

图4是本发明基于可信度挖掘的网络质量评估装置第一实施例的另一装置结构示意图； 

图5是本发明基于可信度挖掘的网络质量评估装置第二实施例的装置结构示意图。 

具体实施方式

本发明的目的在于针对传统网络质量评估方式的缺陷，提供基于可信度挖掘的网络质量评估方法及装置，以克服传统网络质量评估方式所存在的问题。 

本发明在当前时刻参考至少两个用户设备在目标网络的当前质量评价以及历史质量评价来对目标网络的网络质量进行评估，以解决不同用户设备对同一目标网络质量评估存在差异时如何评定网络质量的问题，并可抑制不同用户设备在同一时刻所作的网络质量评价变化太大给网络质量评估的准确性带来的干扰。 

请参见图1，图1是本发明基于可信度挖掘的网络质量评估方法第一实施例的流程图，如图1所示，本发明基于可信度挖掘的网络质量评估方法包括： 

步骤101：分别获取至少两个用户设备中的每一个用户设备在当前时刻针对目标网络的当前质量评价，并分别获取所述至少两个用户设备中的每一个用户设备在当前时刻之前的至少两个历史时刻针对所述目标网络的历史质量评价。 

步骤102：根据所述当前质量评价和所述历史质量评价获取所述目标网络的当前综合评价值。 

可选地，在步骤102中，可以通过迭代方式求解最小化公式来获取所述目标网络的所述当前综合评价值。 

最小化公式具体为： 

$\underset{k\in k,o\in O}{\Sigma }{w}_k·\mathrm{dis}(V_o^{*},V_o^k)+\alpha \underset{o\in O}{\Sigma }\mathrm{dis}(V_o^{*},V_{\mathrm{history}}^{*})\left(1\right)$

其中，K为所述用户设备的集合，O为所述目标网络的集合，为第k个用户设备对第o个目标网络的当前质量评价，为第o个目标网络的当前综合评价值，为第o个目标网络的历史质量评价的收敛值，其表示第o个目标网络的历史质量评价的变化趋势，可通过判断历史质量评价随时间推移的变化趋势而获得，α为用户设备设定的历史质量评价调整因子，wk为第k个用户设备的评价权重，且在每次迭代后根据第k个用户设备的可信度进行调整，dis（a，b）为差异函数，a和b为差异函数的代入变量，所述a和b之间的差异越大，所述dis（a，b）值越大。 

在步骤101中，分别获取至少两个用户设备中的每一个用户设备在当前时刻针对目标网络的当前质量评价具体可以通过以下方式实现：分别获取所述至少两个用户设备中的每一个用户设备在当前时刻在所述目标网络下的网络质量参数；以预定算法对所述网络质量参数进行处理，产生所述当前质量评价。 

举例而言，所述网络质量参数可包括码片能量/干扰功率密度、接收信号码功率以及终端发射功率。 

为了使本领域技术人员更加清楚地理解本发明实施例，以下结合一应用场景对本发明基于可信度挖掘的网络质量评估方法第一实施例作出具体说明。 

首先请参见表1。 

表1： 

表1所示出为时间T是当前时刻Time_5时不同用户设备在不同目标网络下获取到的网络质量参数。其中，用户设备具体可以IMSI（International MobileSubscriber Identification Number，国际移动用户设备识别码）来标识，目标网络以Cell ID（蜂窝标识号）标识。用户设备包括用户设备USER_1、用户设备USER_2、用户设备USER_3、用户设备USER_4。目标网络包括目标网络Cell_1、目标网络Cell_2、目标网络Cell_3。 

网络质量参数包括Ec/Io（energy chip iterfere other，码片能量干扰功率密度）、RSCP（Received Signal Code Power，接收信号码功率）以及UE_Tx_Power终端发射功率。 

其中，网络质量参数的获取可通过现有技术实现： 

Ec/Io是下行导频信道的码片能量比上UE接收到的总功率。它反映了系统的干扰水平，与系统的负载有关。它衡量下行覆盖，又是切换算法的重要判据。它可以由UE不经解扩直接测量，工程上用扫描仪（WCDMA Scanner）来测量各个小区的Ec/Io，由此优化调整邻小区关系。 

RSCP是在DPCH、PRACH或PUSCH等物理信道上收到的某一个信号码功率。在WCDMA RF优化中，如果PCPICH采用发射分集，UE对每个小区的发射天线分别进行接收码功率测量，并加权和为总的接收码功率值。 

UE_Tx_Power是UE的发射功率，跟距离基站的远近有关，如果距离基站 远了，发射功率就大，近了发射功率就会小，如果UE发送某条信令后迟迟收不到RNC或者核心网的回复，那么它就会认为RNC或核心网没有收到信令，就会不断的提高自己的发射功率，保证自己发送的内容可以到达RNC或核心网，所以手机的发射功率就会不断调整升高。通过检测主导频可获取UE_Tx_Power。 

目标网络质量Qc是根据码片能量干扰功率密度Ec/Io、接收信号码功率RSCP以及终端发射功率UE Tx Power由预定算法算出。在表1中，不同目标网络对应的当前质量评价Qc暂未算出，因此以空格符标示。 

以下请参考表2。 

表2： 

表2所示出为3个用户设备在当前时刻Time_5之前的4个历史时刻针对目标网络的历史质量评价，4历史时刻包括历史时刻Time_1、历史时刻Time_2、历史时刻Time_3、历史时刻Time_4，Time_1、历史时刻Time_2、历史时刻Time_3、历史时刻Time_4渐次接近当前时刻Time_5。其中，表2可从日志（log）文件中获取。在本发明实施例中，上述用户设备及历史时刻的数量并不限定于上述数量，只要保证为至少两个即可。 

以下请参考表3。 

表3： 

表3示出以预定算法对网络质量参数进行处理，所产生的当前质量评价。其中所述预定算法可表示为f（UE_Tx_Power,PSCP,ECIO），可根据以下等式获取当前质量评价Qc=f（UE_Tx_Power,PSCP,ECIO）。 

在本发明实施例中，预定算法可根据实际情况进行设置，举例而言，可设定上述三种网络质量参数在一定阈值范围内的评价值，把三个值加起来，即为该网络质量评价。 

例如设定终端发射功率UE_Tx_Power在第一终端发射功率阈值和第二终端发射功率阈值之间的评价为1，大于这个区间为2，小于这个区间为0；设定接收信号码功率RSCP在第一接收信号码功率阈值和第二接收信号码功率阈值之间的评价为1，大于这个区间为2，小于这个区间为0；设定码片能量干扰功率密度Ec/Io在第一码片能量干扰功率密度阈值和第二码片能量干扰功率密度阈值之间的评价为1，大于这个区间为2，小于这个区间为0。值得注意的是，第一终端发射功率阈值和第二终端发射功率阈值、第一接收信号码功率阈值和第二接收信号码功率阈值、第一码片能量干扰功率密度阈值和第二码片能量干扰功率密度阈值的具体数值可根据实际需要设定，本发明对此不作限定。 

因此，通过利用等式Qc=f（UE_Tx_Power,PSCP,ECIO）可获取如表3所示的当前质量评价Qc的具体数值。 

以下请参考表4。 

表4： 

表4为以目标网络Cell为维度整理表3，得到的目标网络当前质量评价表 格。 

根据表4及表2所示的当前质量评价和历史质量评价，可利用以下迭代公式(1)： 

$\underset{k\in k,o\in O}{\Sigma }{w}_k·\mathrm{dis}(V_o^{*},V_o^k)+\alpha \underset{o\in O}{\Sigma }\mathrm{dis}(V_o^{*},V_{\mathrm{history}}^{*})\left(1\right)$

进行迭代运算来获取当前综合评价值。 

具体而言，可将上述公式(1)进行数学变换，从而获得公式(2)： 

$V_o^{*}=\arg \max \underset{k=1}{\overset{k}{\Sigma }}{w}_k·I(v,v_{\mathrm{ko}})+\mathrm{similarity}(v,v_{\mathrm{history}})---\left(2\right)$

在公式(2)中，为第o个目标网络的当前综合评价值，w_k为第k个用户设备的评价权重，且在每次迭代后根据第k个用户设备的可信度进行调整，I(v,v_ko)是指示函数，若V与V_ko相等，其值为1，否则为0。V_ko表示用户设备k对当前网络的具体评价值，V表示每轮迭代的理想值，v_history是表2的历史质量评价，similarity（）是一个用户设备自定义函数，用于求出最接近历史评价变化趋势的值。 

根据上述公式，经过用户设备多组评价的迭代计算，目标网络质量综合评价将会收敛。从而分别获取目标网络Cell_1、Cell_2、Cell_3的当前综合评价值。 

以下将详细说明迭代过程，首先，以上述介绍的预定算法算出当前质量评价，并初始化用户设备User_1、User_2、User_3和User_4的权重。通常情况下，可预设各个用户设备的初始权重w_k=1，即w1=1，w2=1，w3=1，w4=1。 

如表4所示，目标网络Cell_1的用户设备User_1和用户设备User_3的当前质量评价3和5各出现一次，权重和相等，均为1，但是通过表2所示的历史质量评价，可知Cell_1的在每个时刻历史质量评价分别为2，3，3，因此可以判断到其历史质量评价随着时间的推移向3收敛然后趋于稳定，即Cell_1的历史质量评价收敛值这时可认为目标网络Cell_1向3收敛，因此得出目标网络Cell_1在当前时刻T_5的当前综合评价值为3。 

目标网络Cell_2的当前质量评价3出现二次，其权重和为2，当前质量评 价5出现一次，其权重和为1，得出Cell_2在当前时刻T_5的当前综合评价值为3。 

目标网络Cell_3的当前质量评价3和5的评价权重和相等，参考表2所示的评价历史表，Cell_3的网络质量并没有向3或者5收敛，因此，在第一次迭代运算中，暂时得不到Cell_3的T_5时刻的评价。 

因此得到表5所示的第一轮迭代结果。 

以下请参考表5。 

表5： 

表5示出在公式作出第一轮迭代之后，得到的第一轮迭代结果。 

据上一轮迭代得出的评价结果，更新用户设备权重。在更新了目标网络Cell_1和目标网络Cell_2的当前综合评价值后，用户设备User_1和用户设备User_2的评价结果和当前综合评价值一致，权重不变。 

根据表5，在目标网络Cell_1及目标网络Cell_2中，用户设备User_3对于目标网络Cell_1，用户设备User_4对于目标网络Cell_2各有一次不一致的评价，因此用户设备User_3和用户设备User_4的可信度应相对于用户设备User_1和用户设备User_2更低。 

参考评价历史表（即上表2），由于目标网络Cell_1向3收敛，可认为目标网络Cell_1的稳定性大于目标网络Cell_2，因此结合表5，用户设备User_3的可信度相对于用户设备User_4应该更低，故用户设备User_3的权重应该比用户设备User_4调整得更低。于是得到如下更新后的权重： 

w1=1,w2=1,w3=0.6,w4=0.8 

其中，上述0.6及0.8等数值仅为示例性说明，权重的下降规则可由实际应用场景的不同而选取。 

使用更新后的权重，重新代入公式(2)进行迭代计算，目标网络Cell_1和Cell_2的T_5时刻的当前综合评价值依然不变，目标网络Cell_3因为用户设备User_3的可信度降低，当前质量评价为5的权重和为0.8，大于当前质量评价 为3的权重和0.6，取二者间的最大值，得出目标网络Cell_3在当前时刻T_5的当前综合评价值为5。如表6。 

表6： 

重复进行上述迭代运算，仍可得到表6所示的数据，因此表6为最终的当前综合评价值的收敛结果。 

在本实施例中，通过获取当前质量评价以及当前时刻之前的至少两个历史时刻针对目标网络的历史质量评价，并根据当前质量评价和历史质量评价获取目标网络的当前综合评价值，由于以历史质量评价为依据，且由于考虑到至少两个历史时刻的历史质量评价，因此可充分考虑网络质量随时间发生变化的因素，同时可抑制不同用户设备对目标网络的网络质量评价变化太大给网络质量评估的准确性带来的干扰。 

以下请参见图2，图2是本发明基于可信度挖掘的网络质量评估方法第二实施例的流程图，如图2所示，本发明基于可信度挖掘的网络质量评估方法包括： 

步骤201：分别获取至少两个用户设备中的每一个用户设备在当前时刻针对目标网络的当前质量评价，并分别获取所述至少两个用户设备中的每一个用户设备在当前时刻之前的至少两个历史时刻针对所述目标网络的历史质量评价。 

步骤202：根据所述当前质量评价和所述历史质量评价获取所述目标网络的当前综合评价值。 

可选地，在步骤202中，可以通过迭代方式求解最小化公式来获取所述目标网络的所述当前综合评价值。 

最小化公式具体为： 

$\underset{k\in k,o\in O}{\Sigma }{w}_k·\mathrm{dis}(V_o^{*},V_o^k)+\alpha \underset{o\in O}{\Sigma }\mathrm{dis}(V_o^{*},V_{\mathrm{history}}^{*})$

其中，K为用户设备的集合，O为目标网络的集合，为第k个用户设备 对第o个目标网络的当前质量评价，为第o个目标网络的当前综合评价值， 为第o个目标网络的历史质量评价的收敛值，通过判断历史质量评价随时间推移的变化趋势而获得，α为用户设备设定的历史质量评价调整因子，wk为第k个用户设备的评价权重，且在每次迭代后根据第k个用户设备的可信度进行调整，dis（a，b）为差异函数，a和b为差异函数的代入变量，a和b之间的差异越大，dis（a，b）值越大。 

步骤203：确定所述至少两个用户设备在所述目标网络的速率体验评价值。 

步骤204：将所述速率体验评价值与所述当前综合评价值进行比较，以对所述当前综合评价值进行验证。在二者一致时，执行步骤206，在二者不一致时，执行步骤205。 

步骤205：对最小化公式中的参数进行调整，重新进行迭代运算。 

步骤206：无需对最小化公式中的参数进行调整，将所述当前综合评价值作为结果输出。 

本实施例的步骤201至202与本发明基于可信度挖掘的网络质量评估方法第一实施例所介绍的内容完全一致，本实施例在第一实施例的基础上进一步增加了用于模型验证的步骤203至206。 

具体地，在步骤203，确定至少两个用户设备在目标网络的速率体验评价值通过以下方式实现：获取至少两个用户设备中的每一个用户设备在目标网络下使用业务数据所产生的流量以及业务数据的使用时长，根据流量及使用时长计算至少两个用户设备在目标网络下的业务体验速率。 

在本实施例中，根据用户设备在基站下的业务数据包计算用户设备的感知速率（即业务体验速率），来验证迭代模型的正确性。 

通过确认目标网络下的各种业务各种用户设备的比例。并计算各种各个用户设备主要业务（以使用时长，流量等作为判断标准）的业务体验速率。从而确定各个用户设备的业务体验速率情况，以判断速率体验评价值（如目标网络下80%的用户设备的80%的http的业务速率大约256Kbps认为速率体验评价值为3）。 

进一步地，在速率体验评价值与当前综合评价值不一致时，在步骤205中，用户设备可以根据实际的体验去修正上述模型中的用户设备自定义部分，例如修正根据网络质量参数获取当前质量评价的预定算法、修正权重下降规则等。 通过上述的模型验证过程，使得所获取的当前综合评价值更接近真实体验。 

在本实施例中，通过获取当前质量评价以及当前时刻之前的至少两个历史时刻针对目标网络的历史质量评价，并根据当前质量评价和历史质量评价获取目标网络的当前综合评价值，由于以历史质量评价为依据，且由于考虑到至少两个历史时刻的历史质量评价，因此可充分考虑网络质量随时间发生变化的因素，同时可抑制不同用户设备对目标网络的网络质量评价变化太大给网络质量评估的准确性带来的干扰。并且，通过比较速率体验评价值与当前综合评价值，来对迭代公式进行调整，可以使得所获取的当前综合评价值更接近用户设备真实体验。 

以下请参见图3，图3是本发明基于可信度挖掘的网络质量评估装置第一实施例的装置结构示意图，如图3所示，本发明基于可信度挖掘的网络质量评估装置包括质量评价获取模块301和当前综合评价值获取模块302。 

质量评价获取模块301，用于分别获取至少两个用户中的每一个用户设备在当前时刻针对目标网络的当前质量评价，并分别获取所述至少两个用户设备中的每一个用户设备在当前时刻之前的至少两个历史时刻针对所述目标网络的历史质量评价；当前综合评价值获取模块302，用于根据所述当前质量评价和所述历史质量评价获取所述目标网络的当前综合评价值。可选地，所述当前综合评价值获取模块302具体用于通过迭代方式求解如下最小化公式来获取所述目标网络的所述当前综合评价值： 

$\underset{k\in k,o\in O}{\Sigma }{w}_k·\mathrm{dis}(V_o^{*},V_o^k)+\alpha \underset{o\in O}{\Sigma }\mathrm{dis}(V_o^{*},V_{\mathrm{history}}^{*})$

其中，K为用户设备的集合，O为目标网络的集合，为第k个用户设备对第o个目标网络的当前质量评价，为第o个目标网络的当前综合评价值， 为第o个目标网络的历史质量评价的收敛值，通过判断历史质量评价随时间推移的变化趋势而获得，α为用户设备设定的历史质量评价调整因子，wk为第k个用户设备的评价权重，且在每次迭代后根据第k个用户设备的可信度进行调整，dis（a，b）为差异函数，a和b为差异函数的代入变量，a和b之间的差异越大，dis（a，b）值越大。 

并请结合图4进行参考，图4是本发明基于可信度挖掘的网络质量评估装置第一实施例的另一装置结构示意图，如图4所示，质量评价获取模块301具 体用于分别获取所述至少两个用户设备中的每一个用户设备在当前时刻在所述目标网络下的网络质量参数，以预定算法对所述网络质量参数进行处理，产生所述当前质量评价，并分别获取所述至少两个用户设备中的每一个用户设备在当前时刻之前的至少两个历史时刻针对所述目标网络的历史质量评价。 

当前综合评价值获取模块302，用于根据所述当前质量评价和所述历史质量评价获取所述目标网络的当前综合评价值。 

可选地，网络质量参数包括码片能量/干扰功率密度、接收信号码功率以及终端发射功率。 

在本实施例中，该装置还包括验证模块303和比较模块304，所述验证模块303，用于确定至少两个用户设备在目标网络的速率体验评价值； 

比较模块304，用于将速率体验评价值与当前综合评价值进行比较，以对当前综合评价值进行验证。 

其中，所述验证模块303具体用于获取所述至少两个用户设备中的每一个用户设备在所述目标网络下使用业务数据所产生的流量以及所述业务数据的使用时长，根据所述流量及使用时长计算所述至少两个用户设备在所述目标网络下的业务体验速率；并根据所述业务体验速率获取所述速率体验评价值。 

在本实施例中，通过获取当前质量评价以及当前时刻之前的至少两个历史时刻针对目标网络的历史质量评价，并根据当前质量评价和历史质量评价获取目标网络的当前综合评价值，由于以历史质量评价为依据，且由于考虑到至少两个历史时刻的历史质量评价，因此可充分考虑网络质量随时间发生变化的因素，同时可抑制不同用户设备对目标网络的网络质量评价变化太大给网络质量评估的准确性带来的干扰。 

以下请参见图5，图5是本发明基于可信度挖掘的网络质量评估装置第二实施例的装置结构示意图，如图3所示，本发明基于可信度挖掘的网络质量评估装置包括处理器601、存储器602、网络接口603以及通信总线604。处理器601、存储器602、网络接口603分别与通信总线604耦合连接，以进行交互通信。 

其中，通信总线604用于实现这些组件之间的连接通信，该通信总线604可以是ISA（Industry Standard Architecture，工业标准体系结构）总线、PCI （Peripheral Component，外部设备互连）总线或EISA（Extended Industry Standard Architecture，扩展工业标准体系结构）总线等。所述通信总线604可以是一条或多条物理线路，当是多条物理线路时可以分为地址总线、数据总线、控制总线等。在本发明其它一些实现方式中，本发明实施例提供的各个模块也可以不通过总线的方式连接，而根据信号传递关系直接建立通信连接。 

网络接口603用于实现该物理主机和网络之间的连接通信，比如该网络接口603可以用于连接物理网卡和/或物理交换机等设备。 

存储器602可能包括高速随机存取记忆体（RAM，Random Access Memory），也可能还包括非不稳定的存储器（non-volatile memory），例如至少一个磁盘存储器。可选的，该存储器602还可以包括至少一个位于远离前述处理器601的存储装置。 

在一些实施方式中，存储器602存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集: 

操作系统6021，包含各种系统程序，用于实现各种基础业务以及处理基于硬件的任务； 

应用模块6022，包含各种应用程序，用于实现各种应用业务。 

网络接口603，用于分别获取至少两个用户设备中的每一个用户设备在当前时刻在目标网络下的网络质量参数，并分别获取所述至少两个用户设备中的每一个用户设备在当前时刻之前的至少两个历史时刻针对所述目标网络的所述历史质量评价。 

存储器602，用于存储程序，该程序用于以预定算法对所述网络质量参数进行处理，产生当前质量评价。 

该程序还用于根据所述当前质量评价和所述历史质量评价获取所述目标网络的当前综合评价值。 

具体地，该程序用于可以通过迭代方式求解最小化公式来获取所述目标网络的所述当前综合评价值。 

最小化公式具体为： 

$\underset{k\in k,o\in O}{\Sigma }{w}_k·\mathrm{dis}(V_o^{*},V_o^k)+\alpha \underset{o\in O}{\Sigma }\mathrm{dis}(V_o^{*},V_{\mathrm{history}}^{*})$

其中，K为用户设备的集合，O为目标网络的集合，为第k个用户设备对第o个目标网络的当前质量评价，为第o个目标网络的当前综合评价值， 为第o个目标网络的历史质量评价的收敛值，α为用户设备设定的历史质量评价调整因子，wk为第k个用户设备的评价权重，且在每次迭代后根据第k个用户设备的可信度进行调整，dis（a，b）为差异函数，a和b为差异函数的代入变量，a和b之间的差异越大，dis（a，b）值越大。 

处理器601，用于运行上述程序。 

可选地，网络质量参数包括码片能量/干扰功率密度、接收信号码功率以及终端发射功率。 

可选地，该程序进一步用于确定所述至少两个用户设备在所述目标网络的速率体验评价值；并将所述速率体验评价值与所述当前综合评价值进行比较，以对所述当前综合评价值进行验证。 

其中，网络接口603还具体用于获取至少两个用户设备中的每一个用户设备在目标网络下使用业务数据所产生的流量以及业务数据的使用时长，该程序还用于根据流量及使用时长计算至少两个用户设备在目标网络下的业务体验速率；根据业务体验速率获取速率体验评价值。 

在本实施例中，通过获取当前质量评价以及当前时刻之前的至少两个历史时刻针对目标网络的历史质量评价，并结合上述参数通过迭代方式求解最小化公式来获取目标网络的当前综合评价值，充分考虑网络质量随时间发生变化的因素，根据历史质量评价获取当前综合评价值，同时可抑制不同用户设备对目标网络的网络质量评价变化太大给网络质量评估的准确性带来的干扰。 

需说明的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例以及终端实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。例如，所述预设值和所述提示信息的确定可以参考前述实施例所述。 

通过以上实施方式的描述，所属领域的技术人员可以清楚地了解到本发明实施例所述的终端可借助软件加必需的通用硬件的方式来实现，当然也可以通 过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。 

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。