【技术实现步骤摘要】
融合用户行为和表情数据的用户体验质量预测方法
本专利技术属于无线网络视频体验质量研究
,具体涉及一种融合用户行为和表情多媒体数据的用户体验质量预测方法。
技术介绍
随着无线网络通信技术的快速发展,移动端在线视频服务已经成为了移动互联网的主流应用,并占据大部分的无线通信流量。与此同时,用户对无线网络下在线视频业务的体验需求逐步发生改变,单一的主观评分以及传统的视频体验质量(QualityofExperienceQoE)建模方案难以充分反映用户的实际体验质量。因此,急需一种能够融合主观指标和客观指标的用户体验质量预测方法。
技术实现思路
本专利技术目的在于提供一种能够融合主观指标和客观指标的用户体验质量预测方法。本专利技术的内容如下:融合用户行为和表情多媒体数据的用户体验质量预测方法,包括以下步骤:S10、基于CNN和GRU构建QOE预测模型;S20、对样本数据进行预处理,将预处理后的数据输入所述QOE预测模型进行训练,得到用户体验质量QOE预测数据;所述样本数据包括一维数值型数据和用户面部表情数据;所述一维数值型数据包括视频总时长、帧宽度、帧高度、帧率、视频类型、视频播放进度、拖动进度条次数、拖动进度条总时长、暂定次数、暂定总时长、缓冲次数、缓冲总时长、和当前观看时长;所述用户面部表情数据为图片数据,以三维数组的形式作为所述QOE预测模型输入;所述QOE预测数据包括QoE评分、用户参与度、拖动进度条次数和暂停次数四个指标;S30、将用户体验数据输入训练完 ...
【技术保护点】
1.融合用户行为和表情数据的用户体验质量预测方法,其特征在于,包括以下步骤:/nS10、基于CNN和GRU构建QOE预测模型;/nS20、对样本数据进行预处理,将预处理后的数据输入所述QOE预测模型进行训练,得到用户体验质量QOE预测数据;所述样本数据包括一维数值型数据和用户面部表情数据;所述一维数值型数据包括视频总时长、帧宽度、帧高度、帧率、视频类型、视频播放进度、拖动进度条次数、拖动进度条总时长、暂定次数、暂定总时长、缓冲次数、缓冲总时长、和当前观看时长;所述用户面部表情数据为图片数据,以三维数组的形式作为所述QOE预测模型输入;所述QOE预测数据包括QoE评分、用户参与度、拖动进度条次数和暂停次数四个指标;/nS30、将用户体验数据输入训练完成的QOE预测模型,得到用户体验质量QOE预测数据;所述用户体验数据与所述样本数据包括范围一致。/n
【技术特征摘要】
1.融合用户行为和表情数据的用户体验质量预测方法,其特征在于,包括以下步骤:
S10、基于CNN和GRU构建QOE预测模型;
S20、对样本数据进行预处理,将预处理后的数据输入所述QOE预测模型进行训练,得到用户体验质量QOE预测数据;所述样本数据包括一维数值型数据和用户面部表情数据;所述一维数值型数据包括视频总时长、帧宽度、帧高度、帧率、视频类型、视频播放进度、拖动进度条次数、拖动进度条总时长、暂定次数、暂定总时长、缓冲次数、缓冲总时长、和当前观看时长;所述用户面部表情数据为图片数据,以三维数组的形式作为所述QOE预测模型输入;所述QOE预测数据包括QoE评分、用户参与度、拖动进度条次数和暂停次数四个指标;
S30、将用户体验数据输入训练完成的QOE预测模型,得到用户体验质量QOE预测数据;所述用户体验数据与所述样本数据包括范围一致。
2.根据权利要求1所述的用户体验质量预测方法,其特征在于,所述QOE预测模型架构如图1所示。
3.根据权利要求2所述的用户体验质量预测方法,其特征在于,对所述一维数值型数据进行预处理步骤如下:
所述一维数值型数据中的视频分类初始为文本数据;对所有视频分类进行分类编码,分类编码步骤如下:
S21、定义所有视频分类的列表为video_type_list,根据QoE采集系统服务器端存储的视频分类,则有video_type_list={新知,社会,世界,体育,生活,科技,娱乐,财富,汽车,美食,音乐,拍客};其中,每个视频的分类对应于该列表的索引,并完成对所有数据得数值化转换;根据所述分类编码定义输入QoE预测模型的所述一维数值型数据,对所述一维数值型数据进行归一化处理,具体步骤如下:
S22、定义所述一维数值型数据为Xtrain,则有
Xtrain={Tvideo,Xframe_watch,Xframe_hight,Xframe_fps,Xvideo_type,Tplayed,Xbuffer,Tbuffer,Xdrag,Tdrag,Xpause,Tpause,Tcurrent_watch};
其中,Tvideo,Xframe_watch,Xframe_hight,Xframe_fps,Xvideo_type,Tplayed,Xbuffer,Tbuffer,Xdrag,Tdrag,Xpause,Tpause,Tcurrent_watch分别所述样本数据中视频总时长、帧宽度、帧高度、帧率、视频类型、视频播放进度、缓冲次数、缓冲总时长、拖动进度条次数、拖动进度条时长、暂停次数、暂定时长和当前观看时长组成的集合向量;所述Xtrain为一个拥有13个向量的矩阵,所述Xtrain对中每个元素取最大值,定义为Xtrain_max,对所述Xtrain每个元素取最小值,定义为Xtrain_min;则归一化的公式为:
式中,Xout表示归一化之后的输出数据,X表示样本数据中的一维数值型数据,等式右侧分子部分表示X与Xtrain_min的差值,分母部分表示Xtrain_max与Xtra...
【专利技术属性】
技术研发人员:荣辉桂,火生旭,奚子为,熊云晖,张斌,
申请(专利权)人:湖南大学,
类型:发明
国别省市:湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。