计算机网络快速发展的当下,多样性的视频服务源源不断的涌现,其中IPTV作为一个广受关注的业务,被推向了这个技术时代的尖端。在IPTV业务快速发展的同时,随之而来的是用户对于服务质量的要求。目前的发展态势要求服务提供商们能够主动评价并预测用户对IPTV服务的满意度,从而能够及时改善不良的用户体验。然而传统的服务质量(QoS)监测体系无法满足要求,需要引入体验质量(QoE)来描述用户感知状况。因此,QoE已经成为当下的研究热点,寻找提升QoE的解决方案和建立QoE评估模型的需求也越来越迫切。基于此,本论文主要在用户主观指标及主观评价方法改进、算法选择与改进、用户QoE评测系统的设计与实现三方面开展研究工作,具体内容如下:首先,基于机顶盒采集到的用户观看记录数据集,从用户主观角度出发,提出用户观看习惯指标,此指标反映用户在观看节目时的兴趣或爱好。针对传统主观评价方法复杂,成本高,非实时的缺点,根据用户行为指标来改进主观评价方法,将用户观看时间比指标映射为MOS值,实现了QoE的量化。其次,针对所分析的数据特点和实际场景任务的需求,首先比较多种经典算法,包括回归、k近邻(kNN)和分类与回归树(CART),结果表明CART算法的预测准确度更高。基于此,为了进一步提高模型的预测准确度,对CART算法进行了改进。即,采用核函数的方法改进CART算法的输出。结果表明,本论文所提出的CART改进算法可以有效地提高QoE模型的预测准确度。最后,基于大数据平台,针对机顶盒数据集,进行分布式数据存储、处理和分析,并综合本论文的评价模型,设计和实现可视化的用户QoE评测系统。此系统有利于服务提供商及时监测服务质量,优化网络环境,提升用户体验,推广品牌价值,也有利于用户及时了解服务以及自己对服务的满意程度和观看兴趣,并可针对服务存在的不足提出自己的建议。