【技术实现步骤摘要】
QoE评估模型的训练方法、QoE评估方法及设备
[0001]本申请涉及人工智能(artificial intelligence,AI)
,尤其涉及一种QoE评估模型的训练方法、体验质量(quality of experience,QoE)评估方法及设备。
技术介绍
[0002]采用流媒体(streaming media)技术可将视频文件,由服务器向终端设备进行连续、不间断地传送,使得用户可以实时观看视频文件。为了刻画出用户对流媒体视频服务的满意程度,通常需要对流媒体视频服务的质量进行评价。
[0003]通常会采用国际电信联盟电信标准化部门(ITU
‑
T)定义的QoE作为用户对流媒体视频服务的满意程度的评价标准。一方面,由于流媒体视频普遍采用基于超文本传输协议(hyper text transfer protocol,HTTP)的自适应码率流媒体传输协议(HTTP live streaming,HLS)提供视频点播与直播服务。而由于HLS采用渐进性、自适应的下载策略,因此无法将简单的网络性能映射 ...
【技术保护点】
【技术特征摘要】
1.一种体验质量QoE评估模型的训练方法,其特征在于,所述QoE评估模型包括机器学习分类器和得分记忆单元,所述方法包括:从离线数据中提取目标离线特征,所述离线数据为根据已结束播放的流媒体视频的日志文件获取的从初始播放时刻到时刻t的终端侧参数,所述目标离线特征用于评估所述时刻t的QoE;根据所述目标离线特征,训练所述机器学习分类器,得到所述目标离线特征与所述时刻t的QoE初步评估结果的映射关系;根据多个QoE初步评估结果,训练所述得分记忆单元,得到所述多个QoE初步评估结果与所述时刻t的QoE最终评估结果的映射关系;其中,所述多个QoE初步评估结果包括:所述时刻t的QoE初步评估结果,以及在所述时刻t之前至少一个时刻的QoE初步评估结果。2.根据权利要求1所述的方法,其特征在于,所述从离线数据中提取目标离线特征,包括:对所述离线数据进行归一化处理;提取归一化后的所述离线数据的全部离线特征;从所述全部离线特征中去除冗余离线特征,得到所述目标离线特征。3.根据权利要求2所述的方法,其特征在于,所述全部离线特征包括以下至少一项:全局特征,所述全局特征为从所述离线数据的全部数据中提取的特征;窗口特征,所述窗口特征为从所述离线数据的部分数据中提取的特征,所述部分数据包括所述时刻t的数据以及所述时刻t之前预设时长的数据;其他特征,所述其他特征为与网络数据无关的特征。4.根据权利要求2所述的方法,其特征在于,所述从所述全部离线特征中去除冗余离线特征,得到所述目标离线特征,包括:对所述全部离线特征进行迭代训练:在每轮迭代训练中,根据所述全部离线特征中每个离线特征的重要性等级,将重要性等级最低的离线特征删除,直至达到预设迭代次数,或者直至剩余的离线特征的数量小于或等于预设数量;将剩余的离线特征作为所述目标离线特征。5.根据权利要求1至4中任一项所述的方法,其特征在于,所述多个QoE初步评估结果包括:多个初步预测概率,所述多个初步预测概率中的每个初步预测概率用于表示所述机器学习分类器预测所述流媒体视频在一个时刻为卡顿的概率,所述一个时刻为所述时刻t或者所述至少一个时刻中的时刻;所述机器学习分类器的优化目标为:将第一损失函数最小化,所述第一损失函数用于表示所述一个时刻的初步预测概率和所述一个时刻的初始QoE标签的差异程度所对应的损失;所述一个时刻的初始QoE标签用于表示所述流媒体视频在所述一个时刻为卡顿或流畅;所述时刻t的QoE最终评估结果包括:所述时刻t的最终预测概率,所述时刻t的最终预测概率用于表示所述得分记忆单元预测所述流媒体视频在所述时刻t为卡顿的概率;所述得分记忆单元的优化目标为:将第二损失函数最小化,所述第二损失函数用于表示所述时刻t的最终预测概率和所述时刻t的初始QoE标签的差异程度所对应的损失。6.根据权利要求5所述的方法,其特征在于,所述多个QoE初步评估结果与所述时刻t的
QoE最终评估结果的映射关系,通过下述关系式表示:其中,t
i
表示所述时刻t,a
j
代表所述每个初步预测概率的权重因数,T代表时间窗长,p
output
(t
i
)代表所述时刻t的最终预测概率;当j=0时,代表所述时刻t的初步预测概率;当j≠0时,代表在所述时刻t之前的时刻t
i
‑
j
的初步预测概率。7.根据权利要求5或6所述的方法,其特征在于,所述时刻t的QoE最终评估结果还包括:所述时刻t的最终预测标签;若所述时刻t的最终预测概率大于或等于0.5,则所述时刻t的最终预测标签用于表示所述流媒体视频在所述时刻t为卡顿;若所述时刻t的最终预测概率小于0.5,则所述时刻t的最终预测标签用于表示所述流媒体视频在所述时刻t为流畅。8.根据权利要求5至7中任一项所述的方法,其特征在于,所述初始QoE标签为人工标注的,或基于所述流媒体视频的日志文件自动生成的。9.根据权利要求1至8中任一项所述的方法,其特征在于,所述终端侧参数包括以下至少一项:传输层参数,所述传输层参数用于反映在播放所述流媒体视频时的网络传输状况;服务质量参数,所述服务质量参数用于评估网络为所述流媒体视频提供服务的能力;终端参数,所述终端参数为在播放所述流媒体视频时终端设备的自身参数。10.一种QoE评估方法,其特征在于,所述方法包括:从在线数据中提取目标在线特征,所述在线数据为在播放目标流媒体视频的过程中实时采集的从初始播放时刻到当前时刻的终端侧参数,所述目标在线特征用于实时评估所述当前时刻的QoE;将所述目标在线特征,...
【专利技术属性】
技术研发人员:李锦波,李锡民,秦晓卫,许小东,杨景淇,
申请(专利权)人:中国科学技术大学,
类型:发明
国别省市:
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。