公开(公告)号：CN110446112A

公开(公告)日：2019-11-12

申请号：CN201910584507.9

申请日：2019-07-01

Applicant: 南京邮电大学

Inventor： 魏昕 ,  朱培康 ,  毛佳丽 ,  周亮

IPC: H04N21/466

Abstract: 本发明提出了一种基于双向LSTM-Attention的IPTV用户体验预测方法，该方法将影响用户体验的主观特征和客观特征相结合，通过在双向LSTM网络中引入Attention机制实现对IPTV用户体验的预测；本发明分成建模、训练、预测三个部分；在建模过程中通过在双向LSTM网络中加入Attention机制，计算每个时序的权重，然后将所有时序输出的向量进行加权和作为输出向量，加强用户QoE的前后关联性；在训练的过程中，首先随机初始化网络中的权重与阈值，使用交叉熵损失函数，使用梯度下降的方法对权重进行更新；在模型训练完后，使用用户体验的主客观特征对用户体验进行预测；测试结果表明，本发明较其他方法，具有更高的预测准确率。

公开(公告)号：CN107087161B

公开(公告)日：2019-05-03

申请号：CN201710291024.0

申请日：2017-04-28

Applicant: 南京邮电大学

Inventor： 魏昕 ,  毛佳丽 ,  吕朝萍 ,  黄若尘 ,  周亮

IPC: H04N17/00

Abstract: 本发明公开了视频业务中基于多层神经网络的用户体验质量的预测方法，包括数据预处理，即选择视频业务中影响用户体验的特征参数，根据用户的报障/非报障将其映射为用户的QoE。随后建立多层神经网络的QoE预测模型，该神经网络包含五层，从低到高依次为：输入层—第一隐层—第二隐层—第三隐层—输出层。输入预处理后的数据，获得模型的最佳参数值，训练上述建立好的神经网络模型。最后完成用户体验质量QoE预测。本发明对数据进行预处理，选取重要的特征属性，综合考虑各种参数，可以使模型预测的视频质量真正接近用户对视频质量的主观体验，有助于更好预测用户体验质量，有利于及时准确反馈结果，帮助服务提供商和网络运营商不断完善视频业务和传输服务。

公开(公告)号：CN107087160A

公开(公告)日：2017-08-22

申请号：CN201710291022.1

申请日：2017-04-28

Applicant: 南京邮电大学

Inventor： 魏昕 ,  黄若尘 ,  高赟 ,  毛佳丽 ,  周亮

IPC: H04N17/00

CPC classification number: H04N17/004

Abstract: 本发明公开了一种基于BP‑Adaboost神经网络的用户体验质量的预测方法，该方法用于解决现有IPTV视频业务中对于用户体验质量的预测准确性不高的缺陷，本发明的实施流程包括：首先从IPTV机顶盒采集到的数据中抽取KPI数据，并提取特征，特别设计了用户观看率作为其中的重要特征，而后基于Adaboost框架，并将BP神经网络嵌入其中，作为弱分类器，完成BP‑Adaboost神经网络模型的训练，而后对未知用户体验质量的KPI数据进行预测。采用本发明的方法，能够有助于从用户主观感受出发，更好地预测用户体验质量，并且所设计的新型的模型训练和预测方法可以更加准确、高效地预测用户体验质量。

公开(公告)号：CN107087161A

公开(公告)日：2017-08-22

申请号：CN201710291024.0

申请日：2017-04-28

Applicant: 南京邮电大学

Inventor： 魏昕 ,  毛佳丽 ,  吕朝萍 ,  黄若尘 ,  周亮

IPC: H04N17/00

Abstract: 本发明公开了视频业务中基于多层神经网络的用户体验质量的预测方法，包括数据预处理，即选择视频业务中影响用户体验的特征参数，根据用户的报障/非报障将其映射为用户的QoE。随后建立多层神经网络的QoE预测模型，该神经网络包含五层，从低到高依次为：输入层—第一隐层—第二隐层—第三隐层—输出层。输入预处理后的数据，获得模型的最佳参数值，训练上述建立好的神经网络模型。最后完成用户体验质量QoE预测。本发明对数据进行预处理，选取重要的特征属性，综合考虑各种参数，可以使模型预测的视频质量真正接近用户对视频质量的主观体验，有助于更好预测用户体验质量，有利于及时准确反馈结果，帮助服务提供商和网络运营商不断完善视频业务和传输服务。