[发明专利]一种非干扰式的移动视频用户体验质量指标建模方法

摘要

一种非干扰式的移动视频用户体验质量指标建模方法，步骤为：在手机上点击播放HPD模式和HLS模式的视频，捕捉这些视频的流量信息，同时使用卡顿分析工具记录每个视频的卡顿状况，并且标记视频传输模式类别的真实值；通过分析视频卡顿状况，获得视频卡顿程度的真实值；通过分析视频流量，获得视频清晰度的真实值以及流量的网络特征；对两种传输模式的视频，使用视频流量的网络特征和传输模式真实类别进行机器学习，训练出可以用于传输模式分类的模型；对每一种传输模式的视频，分别使用视频流量的网络特征和用户体验质量指标真实值进行机器学习，训练出可以用于评价用户体验质量指标的模型。

主权项

一种非干扰式的移动视频用户体验质量指标建模方法，包括以下步骤：(1)在移动端点击播放HPD模式的视频和HLS模式的视频，在视频流量记录模块中记录这些视频的流量信息，同时在视频卡顿状况记录模块中记录视频的卡顿状况；(2)训练用于视频模式分类的模型，包括：21)对每一个视频，在视频传输模式标记模块中对其传输类别进行标记；22)在每个视频的流量信息中提取出合适的特征；23)使用每个视频在21)中的类别和在22)中的特征进行机器学习，训练出可以用于分类的模型；(3)对每一种传输模式的视频，训练用于评价视频用户体验质量指标——卡顿情况的模型，包括：31)在视频卡顿状况类别真实值分析模块中获得每个视频卡顿状况的类别真实值；32)在用户体验质量指标分类特征提取模块中提取每个视频的流量信息中有用的网络特征，并使用统计特征对其进行扩展；33)使用每个视频在31)中的类别和在32)中的特征进行特征选择；34)使用每个视频在31)中的类别和在33)中的特征进行机器学习，训练出可以用于评价的模型；(4)对每一种传输模式的视频，训练用于评价视频用户体验质量指标——清晰度情况的模型，包括：41)在视频清晰度类别真实值提取模块中获得每个视频清晰度的类别真实值；42)在用户体验质量指标分类特征提取模块中提取每个视频的流量信息中有用的网络特征，并使用统计特征对其进行扩展；43)使用每个视频在41)中的类别和在42)中的特征进行特征选择；44)使用每个视频在41)中的类别和在43)中的特征进行机器学习，训练出可以用于评价的模型。