【技术实现步骤摘要】
得分记忆单元的训练方法及设备
[0001]本申请涉及人工智能(artificial intelligence，AI)
，尤其涉及一种得分记忆单元的训练方法及设备。
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，有时需要对流媒体视频服务的质量进行实时评价。
[0003]通常会采用国际电信联盟电信标准化部门(ITU
‑
T)定义的体验质量(quality of experience，QoE)作为用户对流媒体视频服务的满意程度的评价标准。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到流媒体视频的QoE，即利用简单的网络性...
【技术保护点】
【技术特征摘要】
1.一种得分记忆单元的训练方法，其特征在于，所述方法包括：根据离线数据，确定多个QoE初步评估结果；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终端侧参数；所述多个QoE初步评估结果用于训练所述得分记忆单元；所述多个QoE初步评估结果包括：对时刻t预测的QoE初步评估结果，以及对所述时刻t之前至少一个时刻预测的QoE初步评估结果；在所述得分记忆单元的每轮迭代训练中，按照所述多个QoE初步评估结果中每个QoE初步评估结果的权重系数，对所述多个QoE初步评估结果加权求和，得到所述时刻t的QoE最终评估结果；其中，所述得分记忆单元的优化目标为：将所述时刻t的初始标签和所述时刻t的QoE最终评估结果的差异程度所对应的损失最小化；所述时刻t的初始标签用于表示所述已结束播放的流媒体视频在所述时刻t为卡顿或流畅；根据所述时刻t的初始标签和所述时刻t的QoE最终评估结果，更新所述每个QoE初步评估结果的权重系数，更新后的所述每个QoE初步评估结果的权重系数用于下一轮迭代训练；在迭代轮次达到预设轮次后，得到最终的所述得分记忆单元，最终的所述得分记忆单元用于实时评估流媒体视频的QoE。2.根据权利要求1所述的方法，其特征在于，所述多个QoE初步评估结果为通过机器学习分类器预测得到的；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已结束播放的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已结束播放的流媒体视频在所述时刻t为卡顿的概率。3.根据权利要求2所述的方法，其特征在于，所述得分记忆单元的优化目标具体为：优化所述每个初步预测概率的权重系数，将所述时刻t的初始标签和所述时刻t的最终预测概率的差异程度所对应的损失最小化。4.根据权利要求3所述的方法，其特征在于，所述按照所述多个QoE初步评估结果中每个QoE初步评估结果的权重系数，对所述多个QoE初步评估结果加权求和，得到所述时刻t的QoE最终评估结果，包括：按照所述每个初步预测概率的权重系数，对所述多个初步预测概率加权求和，得到所述时刻t的最终预测概率；所述根据所述时刻t的初始标签和所述时刻t的QoE最终评估结果，更新所述每个QoE初步评估结果的权重系数，包括：根据所述时刻t的初始标签和所述时刻t的最终预测概率，确定交叉熵损失函数；并根据所述交叉熵损失函数，更新所述每个初步预测概率的权重系数；其中，更新后的所述每个初步预测概率的权重系数用于下一轮迭代训练。5.根据权利要求2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，所述时刻t的最终预测标签用于表示所述得分记忆单元预测所述已结束播放的流媒体视频在时刻t为卡顿或流畅；所述得分记忆单元的优化目标具体为：优化所述每个初步预测概率的权重系数，将所述时刻t的初始标签...
【专利技术属性】
技术研发人员：梁恒辉，许小东，秦晓卫，李锡民，王金香，
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。