Page 258 - 《软件学报》2021年第10期
P. 258

3230                                 Journal of Software  软件学报 Vol.32, No.10, October 2021

                 6.2   查询时特征的效果
                    接上一小节的思路,本小节首先研究利用查询时特征预测续航时间的效果.相关特征共包含 4 组:F1~F4.本
                 文首先单独基于每组特征训练预测模型,以观察每组模型单独使用时的效果.结果显示,单独利用 F1~F4 预测续
                 航时间的效果要远差于利用 F0 进行预测.这验证了 F0 的确是最重要的预测指标,其他指标仅能起到辅助作用.
                    因此,本文分别将 F1~F4 与 F0 进行组合,来预测续航时间(即利用 F0+F1 预测,F0+F2 预测,以此类推),然后
                 将 F0~F4 进行整体组合预测续航时间.结果见表 4.在这 4 组特征当中,效果最好的是 F1,能够将 Kendall’s Tau
                 从 0.585 6 提高至 0.623 0,将均方根误差从 149.9 降低至 140.1.当同时采用 4 组特征时,均方根误差可以被降低
                 18.5 分钟,而 Kendall’s Tau 和 Concordance Index 分别可以提升 0.062 和 0.025.
                                           Table 4    Performance of query-time features
                                                 表 4   实验结果:查询时特征
                                                                 模型
                                  特征       评价指标                                   最佳结果
                                                      Linear  GBRT   RF    XGB
                                          均方根误差        149.9  150.6  150.9  151.0  149.9
                                   F0    Kendall’s Tau   0.584 3  0.585 6  0.582 1  0.585 5  0.585 6
                                        Concordance Index  0.866 6  0.865 9  0.865 2  0.866 0  0.866 6
                                          均方根误差        144.8  140.1  151.4  140.7  140.1
                                 F0,F1   Kendall’s Tau   0.591 8  0.623 0  0.568 4  0.622 8  0.623 0
                                        Concordance Index  0.870 1  0.883 8  0.862 2  0.883 8  0.883 8
                                          均方根误差        146.5  146.7  155.9  147.0  146.5
                                 F0,F2   Kendall’s Tau   0.595 4  0.601 3  0.565 3  0.601 7  0.601 7
                                        Concordance Index  0.873 2  0.874 2  0.855 9  0.874 5  0.874 5
                                          均方根误差        148.8  148.4  150.6  148.8  148.4
                                 F0,F3   Kendall’s Tau   0.568 3  0.573 3  0.561 8  0.573 3  0.573 3
                                        Concordance Index  0.864 6  0.865 5  0.859 2  0.865 6  0.865 6
                                          均方根误差        148.5  144.1  150.6  143.7  143.7
                                 F0,F4   Kendall’s Tau   0.579 3  0.601 5  0.544 0  0.603 7  0.603 7
                                        Concordance Index  0.867 0  0.874 7  0.849 1  0.875 5  0.875 5
                                          均方根误差        141.2  132.7  138.2  131.4  131.4
                                 F0~F4   Kendall’s Tau   0.602 0  0.644 9  0.618 0  0.647 3  0.647 3
                                        Concordance Index  0.873 8  0.891 9  0.878 2  0.892 1  0.892 1

                 6.3   会话特征的效果
                    查询时特征的效果虽然已经好于基准线,但是仍然不能令人满意.查询时特征仅包含用户发起查询时的信
                 息,覆盖到的时间较短,信息量较少.如前文所述,用户在当前会话内发起查询前的使用行为与续航时间存在关
                 联.因此,本小节进一步分析会话特征对续航时间预测的效果.
                    会话特征共包含 14 组,见表 3 中的 F5~F18.具体来说,其中包含了会话开始时的相关信息(F5~F7)、使用时
                 间与电量消耗信息(F8~F12)、应用使用信息和传感器读数信息(F13~F16)以及系统事件信息(F17~F18).与上一
                 小节类似,这里首先使用每组特征单独与 F0 进行结合,观察其是否能够提高预测效果.相关结果见表 4.
                    相比于查询时特征,会话特征对预测效果的提升更为明显.当采用 F10 或 F11 时,使用 GBRT 和 XGB 的提
                 升效果非常显著.F10 是在当前会话内、查询前的平均耗电速率,F11 则是基于 F10 进行的朴素预测,即假设查
                 询后电池的耗电速率仍然保持 F10,基于此假设预测的续航时间.换言之,F11=F1/F10.
                    尽管上述两个特征比较简单,但其能够产生的效果是比较明显的.最好的均方根误差被降低了 20.8 分钟,最
                 好的 Kendall’s Tau 能够提升 0.12.
                    如果进一步精细化与耗电速率相关的特征,则可以得到更好的预测效果.从表 4 可以看出,效果最佳的会话
                 特征是 F12.F12 共包含 10 个值,分别表示从 b(t q )+1%,b(t q )+2%,…,b(t q )+10%消耗至 b(t q )的平均耗电速率.举例
                 来说,假设发起查询时的电量为 50%,那么 F12 包含的值为从 51%消耗至 50%、从 52%消耗至 50%、…、60%
                 消耗至 50%这 10 个时间段内的平均耗电速率.F12 可以表示出查询前设备的耗电趋势,例如:如果从 60%耗至
                 50%的平均耗电速率较低,但从 51%耗至 50%的平均耗电速率较高,则说明查询前的耗电速率呈现加速的趋势.
   253   254   255   256   257   258   259   260   261   262   263