基于决策树的EPG体验异常原因定位

谭晓敏; 方艾; 梁冰; 杨豪杰

doi:10.11959/j.issn.1000-0801.2019087

您当前的位置：

首页 >

文章列表页 >

基于决策树的EPG体验异常原因定位

运营技术广角 | 更新时间：2024-06-05

- 基于决策树的EPG体验异常原因定位
- Locating causes of abnormality of EPG experience based on decision tree
- 电信科学 2019年35卷第8期页码：158-164
- 作者机构：
- 作者简介：
  
  [ "谭晓敏（1992- ），女，中国电信股份有限公司广州研究院工程师，主要研究方向为移动互联网大数据应用。" ]
  [ "方艾（1981- ），男，中国电信股份有限公司广州研究院工程师，主要研究方向为移动互联网与大数据应用、机器学习应用。" ]
  [ "梁冰（1978- ），女，中国电信股份有限公司广州研究院工程师，主要研究方向为移动互联网应用平台研发。" ]
  [ "杨豪杰（1982- ），男，中国电信股份有限公司广州研究院工程师，主要研究方向为移动互联网应用平台及智能网络软件研发。" ]
- 基金信息：
- DOI：10.11959/j.issn.1000-0801.2019087
  中图分类号： TP393
- 网络出版日期：2019-08，
  
  纸质出版日期：2019-08-20
- 稿件说明：
移动端阅览
谭晓敏, 方艾, 梁冰, 等. 基于决策树的EPG体验异常原因定位[J]. 电信科学, 2019,35(8):158-164.

Xiaomin TAN, Ai FANG, Bing LIANG, et al. Locating causes of abnormality of EPG experience based on decision tree[J]. Telecommunications science, 2019, 35(8): 158-164.
谭晓敏, 方艾, 梁冰, 等. 基于决策树的EPG体验异常原因定位[J]. 电信科学, 2019,35(8):158-164. DOI： 10.11959/j.issn.1000-0801.2019087.

Xiaomin TAN, Ai FANG, Bing LIANG, et al. Locating causes of abnormality of EPG experience based on decision tree[J]. Telecommunications science, 2019, 35(8): 158-164. DOI： 10.11959/j.issn.1000-0801.2019087.

摘要

用户体验的提升一直是IPTV的运维重点。然而，运营商IPTV组网相对复杂，涉及机顶盒、接入网、EPG页面、EPG服务器、媒体服务器等多个环节和调度链路，一旦发生异常，运维人员需排查各环节的监控指标，凭经验定位引起异常的原因。该运维模式专业性强、效率低下，无法快速止损。为解决上述运维痛点，基于大数据技术，采用决策树对EPG体验数据建模，根据决策树模型的决策规则，快速定位异常原因。现网中，决策树模型能够准确快速定位EPG体验的异常原因，为辅助运维人员指明排查方向，提高运维效率。

Abstract

Improving user experience has always been the focus of IPTV operation.However

IPTV network is relatively complex

including multiple scheduling links such as set-top box

access network

EPG page

EPG server and media server.Once the abnormality occurs

monitoring indicators of each link will be checked to locate the cause of abnormality by human experience.The operation mode relies on professionals

which is inefficient and unable to stop losses quickly.Thus

to solve the problem above

based on big data technology

decision tree was implied to locate the cause of abnormality according to the classification rule of the tree model.Decision tree model has been used in actual networks of IPTV and helps to find out the cause of abnormality

which improves the efficiency of operation.

关键词

Keywords

references

黄晓波 , 黄志武 , . IPTV视频质量故障定位及处理方法 [J ] . 信息通信 , 2010 ( 4 ): 67 - 68 .

HUANG X B , HUANG Z W , . IPTV video quality fault location and processing method [J ] . Information and Communications , 2008 , 24 ( 4 ): 67 - 68 .

刘奇峰 , . 基于大数据的 IPTV 故障定位系统的设计与实现 [J ] . 南京:南京邮电大学 , 2017 .

LIU Q F , . Design and implementation of IPTV fault location system based on big data [J ] . Nanjing: Nanjing University of Posts and Telecommunications , 2017 .

姚良 , 肖晴 , 陈文 . IPTV机顶盒内置质量监测工具的开发与应用 [J ] . 电信科学 , 2008 , 24 ( 11 ): 80 - 83 .

YAO L , XIAO Q , CHEN W . Development and application of built-in quality monitoring tool of IPTV set-top box [J ] . Telecommunications Science , 2008 , 24 ( 11 ): 80 - 83 .

陈舒 . 基于多协议层QoS参数关联的IPTV故障点定位方法 [J ] . 电视技术 , 2013 , 37 ( 12 ): 55 - 58 .

CHEN S . Method of IPTV fault isolation based on correlated analysis of multi-protocol-layer QoS parameter [J ] . Video Engineering , 2013 , 37 ( 12 ): 55 - 58 .

吴志峰 . 基于数据挖掘的IPTV 故障诊断研究与实现 [D ] . 南京:南京邮电大学 , 2017 .

WU Z F . The research and implement of IPTV fault diagnosis based on data mining [D ] . Nanjing:Nanjing University of Posts and Telecommunications , 2017 .

QIAN Y , WEI X , HUANG R , et al . Fault prediction in IPTV using improved AdaBoost algorithm [C ] // International Conference on Wireless Communications ＆ Signal Processing,Oct 13-15,2016,Yangzhou,China . Piscataway:IEEE Press , 2016 : 1 - 5 .

王泽 , 屈海伟 . 大数据分析在IPTV维护中的应用 [J ] . 电信技术 , 2014 , 1 ( 10 ).

WANG Z , QU H W . Application of big data analysis in IPTV maintenance [J ] . Telecommunications Technology , 2014 , 1 ( 10 ).

CHEN T , GUESTRIN C . XGBoost:a scalable tree boosting system [Z ] .2016. 2016 .

张琳 , 陈燕 , 李桃迎 , 等 . 决策树分类算法研究 [J ] . 计算机工程 , 2011 , 37 ( 13 ): 66 - 67 .

ZHANG L , CHEN Y , LI T Y , et al . Research on decision tree classification algorithms [J ] . Computer Engineering , 2011 , 37 ( 13 ): 66 - 67 .

周志华 . 机器学习 [M ] . 北京 : 清华大学出版社 , 2016 .

ZHOU Z H . Machine learing [M ] . Beijing : Tsinghua University PressPress , 2016 .

STEINBERG D , COLLA P . CART:classification and regression trees [J ] . The Top Ten Algorithms in Data Mining , 2009 ( 9 ):179.

MORE A . Survey of resampling techniques for improving classification performance in unbalanced datasets [J ] . 2016 arXiv:1608.06048. ,

熊冰妍 , 王国胤 , 邓维斌 . 基于样本权重的不平衡数据欠抽样方法 [J ] . 计算机研究与发展 , 2016 , 53 ( 11 ): 2613 - 2622 .

XIONG B Y , WANG G Y , DENG W B . Under-sampling method based on sample weight for imbalanced data [J ] . Journal of Computer Research and Development , 2016 , 53 ( 11 ): 2613 - 2622 .

浏览量

556

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于区块链的多源网络大数据安全访问权限认证仿真

基于大数据的5G流量驻留比极限值研究

基于优化决策树的时延敏感流智能感知调度

基于异构数据的电力短期负荷大数据预测方案

基于数据挖掘和地理可视化的4G/5G语音质量优化研究