基于自动机器学习的QoE预测模型研究.pdfVIP

第14期无线互联科技No.14

2024年7月WirelessInternetScienceandTechnologyJuly,2024

基于自动机器学习的QoE预测模型研究

汪文蝶

(四川师范大学物理与电子工程学院,四川成都610000)

摘要:准确预测流媒体视频的用户体验质量(QoE)是提升其服务的关键所在。流媒体QoE预测模型

通常基于视频质量和网络传输质量等客观指标进行评估,然而,QoE的主观性为准确评估带来了极大

的挑战。为了更精确地预测用户体验质量,文章首次将自动机器学习用于流媒体视频的QoE预测,提

出了基于自动机器学习的QoE预测模型。该模型通过特征分析从视频质量评估指标和网络质量评估

指标中选择最优特征作为输入,采用H2OAutoML自动机器学习算法进行QoE建模。为了评估方法

的有效性,在公开数据集SQoE-Ⅲ数据库上进行实验,并与基于传统机器学习的XGBoot算法的QoE

模型结果进行对比分析。实验结果显示,通过自动选择和调优,基于自动机器学习的QoE预测模型取

得了显著的进展。该模型的MAE为5.53699、RMSE为7.35987,有效提升了QoE预测的准确性。该

研究为QoE建模提供了新的思路和方法,精确预测了用户对视频流的感知满意度。

关键词:流媒体视频;用户体验质量;自动机器学习;机器学习

中图分类号:TP311文献标志码:A

0引言验证等技术,减轻过拟合风险。为了深入理解并精确

2023年,全球互联网现象报告显示视频流量已预测用户对视频流的感知满意度,本研究提出将自动

经占互联网流量的65.93%,成为全球网络流量的主机器学习技术融入QoE建模中,通过实现模型的自动

[1]选择和调优,节省时间和资源,适应不同的数据集和

要贡献者。就中国而言,