一种基于主成分回归的Web服务QoE评价方法

李璐

摘要：随着信息时代的到来，大量多样性的Web服务不断涌现，针对用户对Web服务的认可程度难以衡量这一问题，提出了一种基于主成分回归的用户体验质量（QoE）评价方法。首先分析业务类型，确定与QoE对应的服务质量（QoS）参数，收集样本数据；其次采用主成分分析法对样本数据进行降维，获得主成分，解决QoS参数之间的多重共线性问题；然后选取合适的数学模型，基于多元回归分析理论将QoE与主成分关联，获取QoE关于主成分的回归方程；最后根据回归方程得到QoE与QoS参数之间的函数模型。

关键词： Web服务；服务质量；用户体验质量；主成分分析；回归分析

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2018）24-0230-02

1 引言

Web服务是一种面向服务的架构技术，基于SOAP， UDDI和 WSDL 等一系列技术标准[1]，用户可以有效地查找、使用和发布Web 服务。目前，QoS是广泛采用的Web服务度量标准，但其往往只反映了Web服务在技术层面的性能，忽略了用户的主观因素，并不能准确反映用户对Web服务的认可程度。QoE是一种以用户认可程度为标准的评价方法，综合了服务层面、用户层面和环境层面的综合影响，能够直接反映用户对Web服务的认可程度。

本文针对用户对Web服务的认可程度难以准确衡量这一问题，指出了QoS在评价用户认可程度时的局限性，在此基础上，提出了一种基于主成分回归的Web服务QoE评价方法，通过主成分分析对样本数据降维，提取主成分，解决QoS参数之间的多重共线性问题，并选取合适的数学模型对主成分进行多元回归分析，获取QoE与QoS参数之间的函数模型。

2 QoE

2.1 QoE的定义

QoE最初被定义为用户对提供给OSI模型不同层次的QoS机制整体感知的度量。之后，国际电信联盟等扩展了QoE的定义，将其定义为：终端用户主观上对服务或者应用的整体可接受程度。通过上述定义不难看出，QoE实际上是用户在与服务交互过程中的一种主观感受，用于描述用户对服务或应用的认可程度。

2.2 QoE的量化

为了更加深入的研究QoE与其影响因素之间的关系，需要对QoE进行量化，以便通过研究QoE与其影响因素之间的函数模型来准确反映QoE与其影响因素之间的关系。根据QoE的特征，可采用类别量表、等距量表和顺序量表对QoE进行量化。目前，广泛采用的量化方法是国际电信联盟建议的Mean Opinion Score（MoS）[2]评分法，该方法是一种顺序量表法，将QoE分为5个层次，较为细致地描述了用户的主观感受，且工作量适中。

3 基于主成分回归的QoE评价方法

3.1基本步骤

本文基于主成分分析和回归分析等统计学理论，提出一种Web服务的QoE评价方法。首先，分析Web服务的业务类型，确定对应的QoS参数；接着，选取一定的测试人员对业务进行评价，获取样本数据集，并采用随机函数将样本数据集分为两部分，一部分作为样本数据，用于生成回归方程，另一部分作为测试数据，用于效果验证；然后，对样本数据进行标准化处理，得到标准化样本数据，对标准化样本数据进行主成分分析，提取主成分，并选取合适的数学模型进行回归分析，获取QoE关于主成分的回归方程，进而得到QoE与QoS参数之间的函数模型。下面以提供文件存储功能的Web服务为例，详细说明该方法如何对QoE进行评价。

3.2标准化处理

通过对业务类型进行分析，可确定与QoE对应的QoS参数为容量、传输时间、传输速率、成功率、服务等级。根据上述QoS参数选取测试人员进行测试，其中QoE的量化采用MOS评分法，获得样本数据集。

不同的QoS参数具有不同的量纲和数量级，因此首先对样本数据进行Z-score标准化处理，以便消除量纲和数量级对样本数据的影响，如公式1所示。其中，[ZX]为标准化样本数据，[X]为原始样本数据，[EX]为[X]的数学期望，[DX]为[X]的方差。对消极属性的样本数据进行正向化处理，即对原数据取负，以便保持QoS属性的增长方向一致。

3.3主成分分析

首先，对样本数据进行KMO检验， KMO检验的目的是判断样本数据是否适宜进行因子分析，其取值在0到1之间，一般认为KMO大于0.6即可做因子分析。通过计算，样本数据的KMO为0.719，适宜进行因子分析，故可对其进行主成分分析。

主成分分析通过线性变换将变量映射为一组因子，依次取方差最大且累计贡献率大于85%的前[p]个因子，获取主成分，并对其因子载荷矩阵进行正交或斜交旋转，以便对主成分进行恰当的解释。根据上述步骤对样本数据进行主成分分析，得到两个主成分，其特征值和贡献率如表1所示，根据特征值计算其特征向量，可得到主成分[T1]和[T2]，如公式3、4所示，其中[ZX1]、[ZX2]、[ZX3]、[ZX4]、[ZX5]分别为容量、传输时间、传输速率、成功率、服务等级的标准化样本数据。

3.4回归分析

回归分析是研究因变量与自变量之间相关关系的一种常用统计方法，侧重于考察因变量与自变量之间的数量伴随關系，并通过一定的数学表达式将其描述出来。首先，选取合适的数学模型作为QoE评价模型，QoE评价模型一般采用线性回归模型、指数回归模型和对数回归模型[3-5]，通过做散点图观察曲线形状可知，提供文件存储功能的Web服务适合使用线性回归模型进行分析。

4 结论

QoE作为一种用户认可程度的评价标准，涉及环境、服务、用户三个方面的因素，与QoS相比，能更准确地反映用户对服务的认可程度。本文针对用户对Web服务的认可程度难以衡量这一问题，提出了一种基于主成分回归的Web服务QoE评价方法，通过主成分分析解决多个影响因素之间的多重共线性问题并进行数据降维，然后采用多元线性回归建立QoE与QoS参数之间的函数模型，能较准确地对Web服务的QoE进行评价。

参考文献：

[1] 李研，周明辉，李瑞超，等. 一种考虑QoS数据可信性的服务选择方法[J]. 软件学报，2008，19（10）：2620-2627.

[2]ITU， Geneva. Methods for subjectivedetermination of transmission quality[R].Report：ITU-T P.800， 1996.

[3]Ketyko I， De Moor K， Joseph W， et a1. Performing QoE measurements in an actual 3G network[C].Proceedings of the 2010 IEEE International Symposium on Broadband Multimedia Systems and Broadcasting. Piscataway， NJ 08855-1331， United States： IEEE Computer Society， 2010：1-6.

[4]De Moor K， Joseph W， Ketyko I， et a1. Linking userssubjectiveQoE evaluation to signal strength in an IEEE 802.1lb/g wireless LAN environment[J]. Eurasip Journal on Wireless Communications and Networking， 2010， 2010：1-12.

[5]Chen Kuan-Ta， Huang Chun-Ying， Huang Polly， et al. Quantifying skype user satisfaction[C]. Proceedings of the ACM conference on applications， technologies， architectures and protocols for computer communications（SIGCOMM06）. New York： ACM， 2006：399-410.

【通聯编辑：闻翔军】