网络带宽预测模型训练方法、视频数据播放方法及装置制造方法及图纸

本发明专利技术实施例公开了一种网络带宽预测模型训练方法、视频数据播放方法及装置，网络带宽预测模型训练方法包括：获取多个用户播放历史视频数据时的播放特征数据和网络连接特征数据；获取每个用户播放视频数据时的实际网络带宽值；采用所述播放特征数据、所述网络连接特征数据以及所述实际网络带宽值训练网络带宽预测模型。本发明专利技术实施例解决了仅通过历史网络带宽和下载时间预测网络带宽造成网络带宽预测不准确的问题，提高了网络带宽预测模型在实际应用中对网络带宽的预测准确率，进而能够根据预测的带宽选择合适播放码率的视频数据，提升了用户视频观看体验。

【技术实现步骤摘要】
网络带宽预测模型训练方法、视频数据播放方法及装置
本专利技术实施例涉及计算机
，尤其涉及一种网络带宽预测模型训练方法、网络带宽预测模型训练装置、视频数据播放方法、视频数据播放装置、电子设备和存储介质。
技术介绍
近年来，随着网络技术的不断发展，流媒体视频观看已经成为人们日常娱乐生活中不可或缺的一部分，然而，在播放视频时视频的清晰度、视频下载时间和视频播放卡顿率都与视频码率息息相关，如何准确进行带宽预测已成为视频码率选择中一个较为棘手的问题。现有的短视频带宽预测模型主要依赖于历史视频传输时的网络带宽和下载时间，通过计算网络带宽和下载时间的指数移动平均值或调和平均值，将得到结果作为下一个视频文件传输时的带宽预测值。但是，该模型的结构过于简单，预测值仅是历史数据的平均，当网络变化剧烈抖动时，以平均值作为带宽预测值往往非常不准确，导致选择的视频码率与网络实际情况差距很大；并且由于该模型仅将历史视频传输时的网络带宽和下载时间作为输入值，模型特征有限，无法利用更多维度信息得到更为准确的预测结果，因此在实际应用中存在带宽预测准确率较低，使得客户端难以选择合适的码率，影响用户视频观看体验。
技术实现思路
本专利技术实施例提供一种网络带宽预测模型训练方法、网络带宽预测模型训练装置、视频数据播放方法、视频数据播放装置、电子设备和存储介质，以解决现有技术中视频带宽预测模型特征有限，无法准确预测网络带宽的问题。第一方面，本专利技术实施例提供了一种网络带宽预测模型训练方法，包括：获取多个用户播放历史视频数据时的播放特征数据和网络连接特征数据；获取每个用户播放视频数据时的实际网络带宽值；采用所述播放特征数据、所述网络连接特征数据以及所述实际网络带宽值训练网络带宽预测模型。第二方面，本专利技术实施例提供了一种视频数据播放方法，包括：在接收到用户通过客户端发送的视频数据播放请求时，获取所述用户播放历史视频数据时的播放特征数据和网络连接特征数据；将所述播放特征数据和网络连接特征数据输入预先训练的网络带宽预测模型中预测所述用户的网络带宽值；基于所述视频数据播放请求确定目标视频数据；根据所述网络带宽值选择所述目标视频数据的播放码率；将已编码的具有所述播放码率的所述目标视频数据发送至所述客户端，所述客户端用于以所述播放码率播放所述目标视频数据；其中，所述网络带宽预测模型通过本专利技术任一实施例所述的网络带宽模型训练方法所训练。第三方面，本专利技术实施例提供了一种网络带宽预测模型训练装置，包括：历史数据获取模块，用于获取多个用户播放历史视频数据时的播放特征数据和网络连接特征数据；网络带宽值获取模块，用于获取每个用户播放视频数据时的实际网络带宽值；模型训练模块，用于采用所述播放特征数据、所述网络连接特征数据以及所述实际网络带宽值训练网络带宽预测模型。第四方面，本专利技术实施例提供了一种视频数据播放装置，包括：用户历史数据获取模块，用于在接收到用户通过客户端发送的视频数据播放请求时，获取所述用户播放历史视频数据时的播放特征数据和网络连接特征数据；网络带宽值预测模块，用于将所述播放特征数据和网络连接特征数据输入预先训练的网络带宽预测模型中预测所述用户的网络带宽值；目标视频数据确定模块，用于基于所述视频数据播放请求确定目标视频数据；播放码率确定模块，用于根据所述网络带宽值选择所述目标视频数据的播放码率；发送模块，用于将已编码的具有所述播放码率的所述目标视频数据发送至所述客户端，所述客户端用于以所述播放码率播放所述目标视频数据；其中，所述网络带宽预测模型通过本专利技术任一实施例所述的网络带宽模型训练方法所训练。第五方面，本专利技术实施例提供了一种电子设备，所述电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术任一实施例所述的网络带宽预测模型训练方法和/或视频数据播放方法。第六方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本专利技术任一实施例所述的网络带宽预测模型训练方法和/或视频数据播放方法。本专利技术实施例通过获取多个用户播放历史视频数据时的播放特征数据和网络连接特征数据，同时获取每个用户播放视频数据时的实际网络带宽值；进而可以采用播放特征数据、网络连接特征数据以及实际网络带宽值来训练网络带宽预测模型。本专利技术实施例通过用户的播放历史视频数据时的播放特征数据和网络连接特征数据，以及每个用户播放视频数据时的实际网络带宽值来训练网络带宽预测模型，由于播放特征数据和网络连接特征数据可以包含多个维度的特征值，解决了仅通过历史网络带宽和下载时间预测网络带宽造成网络带宽预测不准确的问题，提高了网络带宽预测模型在实际应用中对网络带宽的预测准确率，进而能够根据预测的带宽选择合适播放码率的视频数据，提升了用户视频观看体验。附图说明图1是本专利技术实施例一提供的一种网络带宽预测模型训练方法的步骤流程图；图2是本专利技术实施例二提供的一种网络带宽预测模型训练方法的步骤流程图；图3是本专利技术实施例三提供的一种视频数据播放方法的步骤流程图；图4是本专利技术实施例四提供的一种网络带宽预测模型训练装置的结构框图；图5是本专利技术实施例五提供的一种视频数据播放装置的结构框图；图6是本专利技术实施例六提供的一种电子设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互结合。实施例一图1为本专利技术实施例一提供的一种网络带宽预测模型训练方法的步骤流程图，本专利技术实施例可适用于训练网络带宽预测模型来预测网络带宽的情况，该方法可以由本专利技术实施的网络带宽预测模型训练装置来执行，该网络带宽预测模型训练装置可以由硬件或软件来实现，并集成在本专利技术实施例所提供的电子设备中，具体地，如图1所示，本专利技术实施例的网络带宽预测模型训练方法可以包括如下步骤：S101、获取多个用户播放历史视频数据时的播放特征数据和网络连接特征数据。在本专利技术实施例中，历史视频数据可以是同一视频平台上的短视频数据，例如，历史视频数据可以是用户在同一直播平台或者同一短视频平台等播放过的预设数量的短视频数据，当然历史视频数据还可以是用户在同一视频播放平台上播放过的长影片数据。其中，历史视频数据可为RM、RMVB、AVI、FLV、MP4等多种格式的视频数据，本专利技术实施例对历史视频数据的长度、来源及视频格式均不加以限制。播放特征数据可理解为应用层(如短视频客户端)播放视频数据时的网络特征本文档来自技高网...

【技术保护点】
1.一种网络带宽预测模型训练方法，其特征在于，包括：/n获取多个用户播放历史视频数据时的播放特征数据和网络连接特征数据；/n获取每个用户播放视频数据时的实际网络带宽值；/n采用所述播放特征数据、所述网络连接特征数据以及所述实际网络带宽值训练网络带宽预测模型。/n

【技术特征摘要】
1.一种网络带宽预测模型训练方法，其特征在于，包括：
获取多个用户播放历史视频数据时的播放特征数据和网络连接特征数据；
获取每个用户播放视频数据时的实际网络带宽值；
采用所述播放特征数据、所述网络连接特征数据以及所述实际网络带宽值训练网络带宽预测模型。


2.根据权利要求1所述的方法，其特征在于，所述获取多个用户播放历史视频数据时的播放特征数据和网络连接特征数据，包括：
获取每个用户的历史视频数据序列，所述历史视频数据序列按照所述用户播放历史视频数据的时间所生成；
基于预设滑动窗口从所述历史视频数据序列中确定出多个目标历史视频数据；
获取所述用户播放所述目标历史视频数据时的播放特征数据和网络连接特征数据。


3.根据权利要求2所述的方法，其特征在于，所述获取所述用户播放每个目标历史视频数据时的播放特征数据和网络连接特征数据，包括：
获取所述用户播放所述目标历史视频数据时所述目标历史视频数据的数据大小、传输时间和下载速度中的至少一项作为播放特征数据；以及，
获取所述用户播放所述目标历史视频数据时的TCP连接数据作为网络连接特征数据。


4.根据权利要求3所述的方法，其特征在于，所述TCP连接数据包括发送速率、丢失且未恢复的数据段数、未确认的数据段数、重传且未确认的数据段数、平滑的RTT、拥塞窗口、最小RTT、RTT方差中的至少一项。


5.根据权利要求1-4任一项所述的方法，其特征在于，所述采用所述播放特征数据、所述网络连接特征数据以及所述实际网络带宽值训练网络带宽预测模型，包括：
分别对所述播放特征数据和所述网络连接特征数据进行标准化处理，获得标准化处理后的播放特征数据和网络连接特征数据；
采用每个用户的标准化处理后的播放特征数据、网络连接特征数据以及所述用户的实际网络带宽值训练网络带宽预测模型。


6.根据权利要求5所述的方法，其特征在于，所述播放特征数据和所述网络连接特征数据均包括多个维度的数据，所述分别对所述播放特征数据和所述网络连接特征数据进行标准化处理，获得标准化处理后的播放特征数据和网络连接特征数据，包括：
计算每个维度的播放特征数据的均值和标准差；
采用所述均值和所述标准差对每个维度的播放特征数据进行标准化处理得到每个维度的标准化处理后的播放特征数据；
计算每个维度的所有网络连接特征数据的均值和标准差；
采用所述均值和所述标准差对每个维度的网络连接特征数据进行标准化处理得到每个维度的标准化处理后的网络连接特征数据。


7.根据权利要求5所述的方法，其特征在于，所述采用每个用户的标准化处理后的播放特征数据、网络连接特征数据以及所述用户的实际网络带宽值训练网络带宽预测模型，包括：
随机提取多个用户的标准化处理后的播放特征数据和网络连接特征数据输入初始化模型参数后的网络带宽预测模型中，得到多个用户的网络带宽预测值；
采用所述网络带宽预测值和所述实际网络带宽值来计算损失率；
如果所述损失率未满足预设条件，则采用所述损失率计算梯度；
采用所述梯度调整模型参数，返回随机提取多个用户的标准化处理后的播放特征数据和网络连接特征数据输入初始化模型参数后的网络带宽预测模型中的步骤，直到所述损失率满足预设条件。


8.根据权利要求7所...

【专利技术属性】
技术研发人员：陈成，石磊，王汉超，
申请(专利权)人：广州市百果园信息技术有限公司，
类型：发明
国别省市：广东;44