【技术实现步骤摘要】
本申请涉及通信，尤其涉及一种视频感知分析方法、装置、设备和存储介质。
技术介绍
1、目前，视频业务的用户感知体验主要受网络性能影响。视频业务涉及的底层网络，可大致分为接入网络(4g/5g无线、家庭宽带、wifi等)、内容分发网络(实现视频资源的分发、调度、服务)。以5g无线网络接入为例，从手机终端、无线小区、传输链路、核心网元、网络切片、内容节点，端到端各维度的问题(如性能劣化、容量不足、设备故障)，均可导致用户感知异常(播放失败、缓冲时延、播放卡顿)，影响用户体验。需要通过定界分析，定位出影响用户感知的网络域、设备和具体原因。但是，现有视频业务感知分析方式的准确性低。
技术实现思路
1、本申请提供一种视频感知分析方法、装置、设备和存储介质，用以解决视频业务感知分析准确性低的问题，通过结合kqi和kpi对感知异常事件进行预测，同时，从至少一个维度对感知异常事件进行劣化分析，实现从不同维度对感知异常事件进行监控，提高了视频感知分析的准确性。
2、本申请提供一种视频感知分析方法，包括：
3、获取视频业务的关键质量指标kqi和关键绩效指标kpi；
4、将所述kqi和所述kpi输入至预测模型，获取所述预测模型输出的至少一个关键体验指标kei感知异常事件的概率；所述预测模型是基于样本数据进行训练得到的，所述样本数据是将kei样本与kqi样本和kpi样本进行关联得到的；
5、从至少一个维度对所述概率大于设定阈值的目标感知异常事件进行劣化感知分析。
6、在一个实施例中，所述从至少一个维度对所述概率大于设定阈值的目标感知异常事件进行劣化感知分析，包括：
7、从至少一个维度对所述目标感知异常事件进行汇总统计，得到每个维度的所述目标感知异常事件的数量、占比、同环比；
8、基于每个维度的所述目标感知异常事件的数量、占比、同环比，确定所述目标感知异常事件的质差信息；所述质差信息包括质差用户、质差终端、质差小区、质差网元以及质差内容节点。
9、在一个实施例中，所述基于每个维度的所述目标感知异常事件的数量、占比、同环比，确定所述目标感知异常事件的质差信息，包括：
10、若所述维度为用户，则将所述数量、所述占比以及所述同环比大于各自对应的设定门限的用户，确定所述目标感知异常事件的质差用户；
11、若所述维度为终端，则将所述数量、所述占比以及所述同环比大于各自对应的设定门限的终端，确定所述目标感知异常事件的质差终端；
12、若所述维度为小区，则将所述数量、所述占比以及所述同环比大于各自对应的设定门限的小区，确定所述目标感知异常事件的质差小区；
13、若所述维度为网元，则将所述数量、所述占比以及所述同环比大于各自对应的设定门限的网元，确定所述目标感知异常事件的质差网元；
14、若所述维度为内容节点，则将所述数量、所述占比以及所述同环比大于各自对应的设定门限的内容节点，确定所述目标感知异常事件的质差内容节点。
15、在一个实施例中，所述从至少一个维度对所述概率大于设定阈值的目标感知异常事件进行劣化感知分析之后，还包括：
16、基于所述kqi与目标kqi的第一偏离值，以及所述kqi对所述目标感知异常事件的第一影响值，确定所述kqi的第一权重；
17、基于所述kpi与目标kpi的第二偏离值，以及所述kpi对所述目标感知异常事件的第二影响值，确定所述kpi的第二权重；
18、基于所述第一权重和所述第二权重，对所述目标感知异常事件进行问题定界。
19、在一个实施例中，所述基于所述第一权重和所述第二权重，对所述目标感知异常事件进行问题定界，包括：
20、对每个所述kqi的第一权重进行排序，以及对每个所述kpi的第二权重的进行排序；
21、基于所述kqi的排序结果和所述kpi的排序结果，确定所述目标感知异常事件的问题定界结果；所述问题定界结果包括问题网元、问题类型和权重。
22、在一个实施例中，确定所述样本数据，包括：
23、基于所述视频业务的软探针数据或拨测数据，确定所述kei感知异常事件；
24、基于所述视频业务的深度包检测dpi信令数据，确定所述kqi样本；
25、基于小区和网元的性能数据、故障数据以及资源数据，确定所述kqi样本；
26、将所述kei样本与所述kqi样本和所述kpi样本关联，生成所述样本数据。
27、在一个实施例中，所述预测模型基于以下步骤训练得到：
28、对所述样本数据进行特征工程处理，得到训练数据；
29、采用决策树算法，对所述训练数据进行训练，得到所述预测模型。
30、本申请提供一种视频感知分析装置，包括：
31、获取模块，用于获取视频业务的关键质量指标kqi和关键绩效指标kpi；
32、预测模块，用于将所述kqi和所述kpi输入至预测模型，获取所述预测模型输出的至少一个关键体验指标kei感知异常事件的概率；所述预测模型是基于样本数据进行训练得到的，所述样本数据是将kei样本与kqi样本和kpi样本进行关联得到的；
33、分析模块，用于从至少一个维度对所述概率大于设定阈值的目标感知异常事件进行劣化感知分析。
34、本申请还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述视频感知分析方法。
35、本申请还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述视频感知分析方法。
36、本申请提供的视频感知分析方法、装置、设备和存储介质，通过获取视频业务的关键质量指标kqi和关键绩效指标kpi；将kqi和kpi输入至预测模型，获取预测模型输出的至少一个kei感知异常事件的概率；预测模型是基于样本数据进行训练得到的，样本数据是将关键体验指标kei样本与kqi样本和kpi样本进行关联得到的；kei样本是通过终端软探针被动测量或拨测主动采集获取的；从至少一个维度对概率大于设定阈值的目标感知异常事件进行劣化感知分析。本申请通过结合kqi和kpi对感知异常事件进行预测，同时从至少一个维度对感知异常事件进行劣化分析，实现从不同维度对感知异常事件进行监控和预警。
本文档来自技高网...【技术保护点】
1.一种视频感知分析方法，其特征在于，包括：
2.根据权利要求1所述的视频感知分析方法，其特征在于，所述从至少一个维度对所述概率大于设定阈值的目标感知异常事件进行劣化感知分析，包括：
3.根据权利要求2所述的视频感知分析方法，其特征在于，所述基于每个维度的所述目标感知异常事件的数量、占比、同环比，确定所述目标感知异常事件的质差信息，包括：
4.根据权利要求1所述的视频感知分析方法，其特征在于，所述从至少一个维度对所述概率大于设定阈值的目标感知异常事件进行劣化感知分析之后，还包括：
5.根据权利要求4所述的视频感知分析方法，其特征在于，所述基于所述第一权重和所述第二权重，对所述目标感知异常事件进行问题定界，包括：
6.根据权利要求1所述的视频感知分析方法，其特征在于，确定所述样本数据，包括：
7.根据权利要求6所述的视频感知分析方法，其特征在于，所述预测模型基于以下步骤训练得到：
8.一种视频感知分析装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述视频感知分析方法。
...【技术特征摘要】
1.一种视频感知分析方法，其特征在于，包括：
2.根据权利要求1所述的视频感知分析方法，其特征在于，所述从至少一个维度对所述概率大于设定阈值的目标感知异常事件进行劣化感知分析，包括：
3.根据权利要求2所述的视频感知分析方法，其特征在于，所述基于每个维度的所述目标感知异常事件的数量、占比、同环比，确定所述目标感知异常事件的质差信息，包括：
4.根据权利要求1所述的视频感知分析方法，其特征在于，所述从至少一个维度对所述概率大于设定阈值的目标感知异常事件进行劣化感知分析之后，还包括：
5.根据权利要求4所述的视频感知分析方法，其特征在于，所述基于所述第一权重和所述第二权重，对所述目标感...
【专利技术属性】
技术研发人员：高明，王炳亮，张京辉，刘康，
申请(专利权)人：浪潮通信信息系统有限公司，
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。