吴志峰 黄若尘 魏昕 黄荣谞 周 亮

(1.南京邮电大学通信与信息工程学院, 南京,210003; 2.中国电信江苏分公司, 南京,210017)

引 言

伴随着多媒体通信技术的迅猛发展，以宽带互联网为基础的交互式网络电视(Internet protocol television, IPTV) 极大便利了普通居民在家中享受交互式、个性化、自由定制的视频服务与增值应用服务[1]。在视频传输过程中，传统的网络服务质量(Quality of service, QoS),如带宽、丢包、延迟和抖动等,在一定程度上影响用户的观看体验[2-4]，但这些网络参数无法精准描述IPTV业务的传输状况能否真实满足观看者的需求，同样也不能准确预测用户有无投诉报障[5-6]。而精确分类预测报障用户，便于提前改善服务，提高用户满意程度，增加用户黏度。

如今IPTV服务提供商不断将关注点从网络QoS转变为用户体验质量(Quality of experience,QoE)[7]。正是因为用户体验是一种主观的情感变化和个体化的感受，它的诸多因素很难量化和具体化。在文献[8]中阐述了量化 QoE 的方法有两类别法和MOS评分法[9]，然而从大量已知的IPTV用户报障反馈中不难看出，高 MOS值并不能很好地降低用户报障率[10]。

不仅如此，在IPTV技术日益成熟的趋势下，报障的用户占整体用户的比例也日益下降。因此，用户数据将不可避免地成为非均衡数据集，且非均衡比例将持续增大。如今，如何从庞大的非均衡的数据集中成功对少数类进行分类也成为不少学者研究的热点[11]。为了解决该问题，文献[12]从数据层面上阐述了众多关于过采样和欠采样的方法，如合成少数类过采样(Synthetic minority oversampling technique,SMOTE)、Borderline-SMOTE(BSMOTE)等算法和随机欠采样、Informed 欠采样等欠采样算法。……