System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及移动通信,具体涉及一种视频卡顿识别方法、装置、电子设备和计算机程序产品。
技术介绍
1、随着视频传输技术的不断发展,视频服务需求也不断提升,为了提高视频服务质量,服务商会对网络视频技术进行改善,从而提高用户满意度,其中,视频卡顿是影响用户满意度的关键因素之一。
2、目前,较为常用的视频卡顿识别方法为:1、在用户侧加装特定芯片,通过监测用户终端的芯片流缓存数据来识别视频卡顿;2、局限于特定的视频硬件设备,通过取目标设备在检测时间段内的图像信息判断视频是否卡段;3、基于移动数据dpi(deep packetinspection),结合卡顿指标判断。但采用上述方式进行视频卡顿识别时,识别结果的准确率比较低。
技术实现思路
1、本申请实施例提供一种视频卡顿识别方法、装置、电子设备和计算机程序产品,用以解决视频卡顿识别准确率比较低的问题。
2、第一方面,本申请实施例提供一种视频卡顿识别方法,包括:
3、确定不同的拨测场景,对每个所述拨测场景进行视频拨测得到各所述拨测场景的拨测场景特征;
4、根据所述拨测场景特征以及第一深度包检测指标特征进行模型训练,得到视频卡顿识别模型;
5、确定全网用户的组网特征,将所述组网特征以及第二深度包检测指标特征输入所述视频卡顿识别模型得到视频卡顿用户。
6、在一个实施例中,所述确定不同的拨测场景包括:
7、确定视频卡顿问题的类型;
8、根据所述视频卡顿问题的
9、在一个实施例中,所述确定全网用户的组网特征,包括:
10、根据全网用户的深度包检测数据以及光猫软探针数据,确定路由器信息、光猫信息以及目标参数;
11、根据所述路由器信息、所述光猫信息以及所述目标参数,确定全网用户的组网特征。
12、在一个实施例中,所述根据所述拨测场景特征以及第一深度包检测指标特征进行模型训练,得到视频卡顿识别模型,包括:
13、以所述拨测场景特征以及所述第一深度包检测指标特征作为模型的输入样本;
14、根据随机森林算法以及极端梯度提升算法进行建模,得到所述视频卡顿识别模型。
15、在一个实施例中,所述根据随机森林算法以及极端梯度提升进行建模,得到所述视频卡顿识别模型,包括:
16、确定所述随机森林算法以及所述极端梯度提升算法的准确率和召回率;
17、根据所述准确率和所述召回率确定最优算法,并根据所述最优算法进行建模得到所述视频卡顿识别模型。
18、在一个实施例中,所述方法,还包括:
19、确定影响视频卡顿的目标特征,并确定每个所述目标特征的分值;
20、根据所述分值对所述目标特征进行排序。
21、在一个实施例中,所述根据所述拨测场景特征以及第一深度包检测指标特征进行模型训练,得到视频卡顿识别模型之前,包括:
22、采集带宽的深度包检测数据;
23、根据所述带宽的深度包检测数据确定视频流量数据,并根据所述视频流量数据确定所述第一深度包检测指标特征。
24、第二方面,本申请实施例提供一种视频卡顿识别装置,包括:
25、确定模块,用于确定不同的拨测场景,对每个所述拨测场景进行视频拨测得到各所述拨测场景的拨测场景特征;
26、训练模块,用于根据所述拨测场景特征以及第一深度包检测指标特征进行模型训练,得到视频卡顿识别模型;
27、识别模块,用于确定全网用户的组网特征,将所述组网特征以及第二深度包检测指标特征输入所述视频卡顿识别模型得到视频卡顿用户。
28、第三方面,本申请实施例提供一种电子设备,包括处理器和存储有计算机程序的存储器,所述处理器执行所述程序时实现第一方面所述的视频卡顿识别方法的步骤。
29、第四方面,本申请实施例提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现第一方面所述的视频卡顿识别方法的步骤。
30、本申请实施例提供的视频卡顿识别方法、装置、电子设备和计算机程序产品,通过确定不同的拨测场景,对每个拨测场景进行视频拨测得到各拨测场景的拨测场景特征;根据拨测场景特征以及第一深度包检测指标特征进行模型训练,得到视频卡顿识别模型;确定全网用户的组网特征,将组网特征以及第二深度包检测指标特征输入视频卡顿识别模型得到视频卡顿用户。本申请实施例采用家宽全网dpi数据和家宽用户组网具体场景数据,可以找出dpi指标与视频卡顿的相关关系,并自动有效识别视频卡顿,从而提高了识别的准确率。
本文档来自技高网...【技术保护点】
1.一种视频卡顿识别方法,其特征在于,包括:
2.根据权利要求1所述的视频卡顿识别方法,其特征在于,所述确定不同的拨测场景,包括:
3.根据权利要求1所述的视频卡顿识别方法,其特征在于,所述确定全网用户的组网特征,包括:
4.根据权利要求1所述的视频卡顿识别方法,其特征在于,所述根据所述拨测场景特征以及第一深度包检测指标特征进行模型训练,得到视频卡顿识别模型,包括:
5.根据权利要求4所述的视频卡顿识别方法,其特征在于,所述根据随机森林算法以及极端梯度提升进行建模,得到所述视频卡顿识别模型,包括:
6.根据权利要求1所述的视频卡顿识别方法,其特征在于,所述方法,还包括:
7.根据权利要求1所述的视频卡顿识别方法,其特征在于,所述根据所述拨测场景特征以及第一深度包检测指标特征进行模型训练,得到视频卡顿识别模型之前,包括:
8.一种视频卡顿识别装置,其特征在于,包括:
9.一种电子设备,包括处理器和存储有计算机程序的存储器,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任一项
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7任一项所述的视频卡顿识别方法的步骤。
...【技术特征摘要】
1.一种视频卡顿识别方法,其特征在于,包括:
2.根据权利要求1所述的视频卡顿识别方法,其特征在于,所述确定不同的拨测场景,包括:
3.根据权利要求1所述的视频卡顿识别方法,其特征在于,所述确定全网用户的组网特征,包括:
4.根据权利要求1所述的视频卡顿识别方法,其特征在于,所述根据所述拨测场景特征以及第一深度包检测指标特征进行模型训练,得到视频卡顿识别模型,包括:
5.根据权利要求4所述的视频卡顿识别方法,其特征在于,所述根据随机森林算法以及极端梯度提升进行建模,得到所述视频卡顿识别模型,包括:
6.根据权利要求1所述的...
【专利技术属性】
技术研发人员:胡琳欣,刘海峰,邓金荣,吴建东,郭向荣,
申请(专利权)人:中国移动通信集团广东有限公司,
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。