基于用户体验的集中交易系统性能评价方法的研究

来源 :南京大学 | 被引量 : 0次 | 上传用户:henrychen999
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
用户体验质量QoE是从用户的角度出发,对业务提供商所提供的产品或服务进行评价。用户在使用业务或服务的过程中,并不关心业务或服务相关的技术指标,更加关注业务的使用体验,并将这个使用体验作为对业务的评价。在这种情况下,业务提供商为了提高竞争能力,确保在竞争中立于不败之地,就需要转变观念,从用户的角度来分析业务、评价业务。在电信业务领域中,QoE的研究和应用较为广泛。然而在信息系统运维领域,对QoE的研究成果相对较少。在证券投资领域,随着网上证券交易业务的发展,营业部功能逐步退化,证券交易通过集中交易系统来完成。证券交易业务的服务水平主要通过集中交易系统的服务水平来体现。本文将QoE的概念和方法应用于集中交易系统性能的评价。自QoE的概念被提出后,越来越受到人们的重视,QoE的相关研究越来越多。对QoE的研究主要集中在以下几个方面:QoE的概念及其影响因素、QoE的评价指标、方法与模型、基于QoE的管理与服务的优化。然而这些研究许多都是基于电信领域具体业务的研究,比如基于互联网业务的研究、基于语音业务的研究、基于短信业务的研究。在信息系统运维的领域,关于QoE的研究较少。本文主要以证券公司集中交易系统为研究对象,对用户体验质量的概念进行了详细的研究和探讨,理论上的探讨主要包括QoE的理论和概念,QoE与QoS的关系,QoE与KQI、KPI之间的关系等。此外,本文还研究了QoE评价的指标体系,提出了对集中交易系统进行评价的五层体系模型。评价体系的研究主要包括两个方面:参数的提取以及参数的运算算法。本文研究了运用“5W”分析法、WSMT等方法来提取QoE体系参数。关于运算算法,本文主要采用AHP算法和K2Q算法。AHP算法用于解决QoE评价体系中指标权重的确定。K2Q算法用来解决由KPI参数得分计算QoE评分的问题。最后,本文在研究的过程中发现目前QoE评价可能会存在波动和得分偏低的现象。本文对这样的现象进行了初步的分析和研究,并且在此基础上提出了结合了对KPI参数进行的分析,进行改进QoE评价的思想。
其他文献
数据分析方法是数据挖掘的基础任务。数据分析方法是数据挖掘中科学研究的基础,许多数据挖掘方法都是建立于不同的数据收集和分析方法基础上。相关向量机机器学习方法是最近几年发展起来的一种新的数据挖掘方法,有诸多优点,也有许多未解决的问题,详细介绍了算法原理和方法。为了优化复杂工业控制控制。研究了数据挖掘在复杂工业过程中的应用,给出了工业过程中复杂决策的新策略。粗糙集理论也是数据挖掘中的重要理论知识,而属性