CN113453076A - 用户视频业务质量评估方法、装置、计算设备和存储介质 - Google Patents

用户视频业务质量评估方法、装置、计算设备和存储介质 Download PDF

Info

Publication number
CN113453076A
CN113453076A CN202010214758.0A CN202010214758A CN113453076A CN 113453076 A CN113453076 A CN 113453076A CN 202010214758 A CN202010214758 A CN 202010214758A CN 113453076 A CN113453076 A CN 113453076A
Authority
CN
China
Prior art keywords
video
data
user
stuck
test
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010214758.0A
Other languages
English (en)
Other versions
CN113453076B (zh
Inventor
唐蓉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Mobile Communications Group Co Ltd
China Mobile Group Hebei Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Hebei Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Mobile Communications Group Co Ltd, China Mobile Group Hebei Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202010214758.0A priority Critical patent/CN113453076B/zh
Publication of CN113453076A publication Critical patent/CN113453076A/zh
Application granted granted Critical
Publication of CN113453076B publication Critical patent/CN113453076B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/4424—Monitoring of the internal components or processes of the client device, e.g. CPU or memory load, processing speed, timer, counter or percentage of the hard disk space used
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
    • H04N21/4782—Web browsing, e.g. WebTV
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/858—Linking data to content, e.g. by linking an URL to a video object, by creating a hotspot
    • H04N21/8586—Linking data to content, e.g. by linking an URL to a video object, by creating a hotspot by using a URL
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Databases & Information Systems (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明公开了一种用户视频业务质量评估方法、装置、计算设备和存储介质，该方法包括：采集客户端在访问视频资源过程的报文数据，对报文数据进行解析和合成处理，得到用户上网日志；利用预先建立的卡顿识别模型对用户上网日志进行过滤，得到客户端向状态统计服务器发送的卡顿现象数据，并基于预先确定的视频卡顿特征，对卡顿现象数据进行分析，确定视频卡顿指标数据；根据视频卡顿指标数据，评估用户视频业务质量。本发明基于用户访问视频资源过程中交互的报文数据评估用户视频业务质量，解决了现有技术中不能从用户感知角度评估用户视频业务质量，不能全面真实的评估用户感知的问题。

Description

用户视频业务质量评估方法、装置、计算设备和存储介质
技术领域
本发明涉及通信技术领域，具体涉及一种用户视频业务质量评估方法、装置、计算设备和存储介质。
背景技术
在互联网近年来的发展中，视频业务的发展也相当迅速。视频业务与浏览、下载等业务作为互联网三大流量业务，视频清晰度也从标清、高清、720P，到1080P等不断突破，并为用户提供0.75倍速、1.25倍速、1.5倍速，甚至2.0倍速的极致体验，不断满足着视频观看者高音质、高画质的视频内容需求，随着5G时代的到来，会让视频业务，尤其是手机端视频业务得到更快更高的发展。
为了保障视频业务的发展及用户视频业务访问感知，检测与评估视频业务的网络质量也是视频业务发展过程中不可或缺的一步。为了监测用户访问视频业务的质量情况，目前的方案有两种。一种是采用拨测技术，通过各拨测节点所部署的拨测探针，对视频包进行定时定量的拨测，模拟用户观看视频的行为，可统计拨测过程中发生的卡顿次数、卡顿时长、下载时间、吞吐率、播放速率等与用户侧感知较强的质量评估指标。另一种是基于深度报文检测(Deep Packet Inspection，DPI)技术检测到的用户上网日志进行分析，DPI技术基于DPI探针设备采集，汇聚海量互联网数据生成XDR(External Data Representation，外部数据表示)话单，在通过对XDR话单的全量数据运用质量指标算法模型得到能够反映视频质量的指标数据，如：上下行速率，客户端/服务端时延，成功/失败率，重传率等网络质量指标。
然而，传统的质量指标只能在资源测、网络侧的一定程度上反应用户访问视频资源的质量情况，不足以从用户感知角度明确地反映用户收看视频的质量情况。如速率指标的高低与用户收看视频清晰度和视频加载时长有关，当用户选择视频资源的清晰度不同时，下载速率亦存在差异；视频资源的加载方式是分片缓存，如果缓冲过程中速率较高，则缓冲结束后不再需要数据交互。拨测技术所获取到的指标始终是在特定条件下进行的，不能全面的、真实的评估用户感知。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的用户视频业务质量评估方法、装置、计算设备和存储介质。
根据本发明的一个方面，提供了一种用户视频业务质量评估方法，包括以下步骤：
采集客户端在访问视频资源过程中与视频内容提供端之间交互的报文数据，对所述报文数据进行解析和合成处理，得到用户上网日志；
利用预先建立的卡顿识别模型对所述用户上网日志进行过滤，得到所述客户端向状态统计服务器发送的卡顿现象数据，并基于预先确定的视频卡顿特征，对所述卡顿现象数据进行分析，确定视频卡顿指标数据；
根据所述视频卡顿指标数据，评估用户视频业务质量。
根据本发明的另一方面，提供了一种用户视频业务质量评估装置，包括：
报文数据采集和处理模块，用于采集客户端在访问视频资源过程中与视频内容提供端之间交互的报文数据，对所述报文数据进行解析和合成处理，得到用户上网日志；
卡顿识别模块，用于利用预先建立的卡顿识别模型对所述用户上网日志进行过滤，得到所述客户端向状态统计服务器发送的卡顿现象数据，并基于预先确定的视频卡顿特征，对所述卡顿现象数据进行分析，确定视频卡顿指标数据；
质量评估模块，用于根据所述视频卡顿指标数据，评估用户视频业务质量。
根据本发明的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述一种用户视频业务质量评估方法对应的操作。
根据本发明的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述一种用户视频业务质量评估方法对应的操作。
根据本发明的一种用户视频业务质量评估方法、装置、计算设备和存储介质，该方法通过采集客户端在访问视频资源过程中与视频内容提供端之间交互的报文数据，对报文数据进行解析和合成处理，得到用户上网日志；利用预先建立的卡顿识别模型对用户上网日志进行过滤，得到客户端向状态统计服务器发送的卡顿现象数据，并基于预先确定的视频卡顿特征，对卡顿现象数据进行分析，确定视频卡顿指标数据；根据视频卡顿指标数据，评估用户视频业务质量。本发明基于用户访问视频资源过程中交互的报文数据，通过该报文数据识别出用户上网日志，根据用户上网日志分析统计用户在观看视频业务过程中的视频卡顿指标数据，从而评估用户视频业务质量，解决了现有技术中不能从用户感知角度评估用户视频业务质量，不能全面真实的评估用户感知的问题。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的一种用户视频业务质量评估方法的流程图；
图2示出了本发明另一实施例提供的一种用户视频业务质量评估方法的流程图；
图3示出了本发明实施例提供的一种用户视频业务质量评估装置的结构示意图；
图4示出了本发明另一实施例提供的一种用户视频业务质量评估装置的结构示意图；
图5示出了本发明实施例提供的计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
在本发明中，当用户手机终端在线播放视频，手机终端向服务器发出信息请求，进而服务器响应请求，并发送特定信息，客户端一般采用HCP/HTTP协议来传递报文数据，客户端在播放视频前需等待一段时间用来缓冲数据，直到客户端所接收的数据信息超出初始缓冲门限后，视频才会顺畅播放。但当视频业务播放过程中网络吞吐量低而引发的视频画面冻结(即下载速率小于播放速率)，且缓冲区已被清空的情况下，就会导致卡顿出现，同时，一般情况下，当用户通过客户端收看视频资源产生卡顿现象时，客户端会自动上报一条有关卡顿信息的报文数据至视频内容提供端的状态统计服务器，该报文数据包括卡顿出现时的状态信息等。
实施例一
图1示出了本发明一种用户视频业务质量评估方法实施例的流程图，如图1所示，该方法包括以下步骤：
S101：采集客户端在访问视频资源过程中与视频内容提供端之间交互的报文数据，对报文数据进行解析和合成处理，得到用户上网日志。
在本步骤中，通过抓包工具网络封包分析软件(如Wirshark或Ethereal)获取客户端访问视频内容提供端的交互的报文数据，过滤出用户通过客户端在访问视频资源过程中向视频内容提供端的报文数据，并对报文数据进行协议分析和内容解读，得到用户上网日志。具体地说，通过DPI探针采集到的报文数据输送给服务器，合成符合统一规范的XDR话单，即用户上网日志，包含用户访问资源时的用户IP、资源IP、域名信息和URL信息。
S102：利用预先建立的卡顿识别模型对用户上网日志进行过滤，得到客户端向状态统计服务器发送的卡顿现象数据，并基于预先确定的视频卡顿特征，对卡顿现象数据进行分析，确定视频卡顿指标数据。
在本步骤中，视频卡顿指标数据包括：视频卡顿次数和视频卡顿时长；通过预先建立的卡顿识别模型过滤出客户端向状态统计服务器发送的卡顿现象数据，并识别出符合视频卡顿特征的信息，用于统计客户端在访问视频资源过程中所发生的卡顿次数及卡顿时长等视频卡顿指标数据。
S103：根据视频卡顿指标数据，评估用户视频业务质量。
要想获取用户的真实上网感知，需要依靠DPI所采集到的真实的上网记录数据，在客户端反应用户上网感知的质量指标数据。当用户通过客户端在访问视频资源过程中时，视频卡顿次数及视频卡顿时长是可以从用户侧真实反应用户上网感知的数据。
采用本实施例提供的方法，通过采集客户端在访问视频资源过程中与视频内容提供端之间交互的报文数据，对报文数据进行解析和合成处理，得到用户上网日志；利用预先建立的卡顿识别模型对用户上网日志进行过滤，得到客户端向状态统计服务器发送的卡顿现象数据，并基于预先确定的视频卡顿特征，对卡顿现象数据进行分析，确定视频卡顿指标数据；根据视频卡顿指标数据，评估用户视频业务质量。本实施例基于用户访问视频资源过程中交互的报文数据，通过该报文数据识别出用户上网日志，根据用户上网日志分析统计用户在观看视频业务过程中的视频卡顿指标数据，从而评估用户视频业务质量，解决了现有技术中不能从用户感知角度评估用户视频业务质量，不能全面真实的评估用户感知的问题。
实施例二
图2示出了本发明一种用户视频业务质量评估方法另一个实施例的流程图，如图2所示，该方法包括以下步骤：
S201：采集测试端在视频卡顿测试过程中与视频内容提供端之间交互的测试报文数据，对测试报文数据进行解析和合成处理，得到测试用户上网日志。
例如，通过测试端打开视频播放界面，通过用户名/密码进行账号登录，并点击某视频资源1进行观看，同时打开wireshark抓包工具获取用户收看该视频资源1的报文数据，此时视频正常播放；接着，对测试端进行限速管理，通过网络限速操作控制视频加载速率小于视频播放速率，从而制造卡顿现象的发生，再利用wireshark工具抓包测试端在视频卡顿测试过程中与视频内容提供端之间交互的测试报文数据。
S202：对测试用户上网日志进行预处理，得到包含有查询参数的URL测试数据。
其中，可将测试用户上网日志中不包含查询(query)参数的URL测试数据过滤掉，从而得到包含有查询参数的URL测试数据。
在WWW上，每一信息资源都有统一的且在网上唯一的地址，该地址就叫URL(Uniform Resource Locator,统一资源定位符)，它是WWW的统一资源定位标志，就是指网络地址。URL是XDR话单中需要具备的重要字段之一，其格式如下：
[scheme:][//authority][path][？query][#fragment]
协议://域名/目录a/目录b/文件c？查询参数d&查询参数e#分片f
http://data.video.*****.com/videos/v0/20190108/6c/8c/f3db5fefcb98604d15f b3daba46ef2f6.f4v？qd_tvid＝1776034400&qd_vipres＝0&qd_index＝1&qd_aid＝216266201&qd_stert＝0&qd_scc＝c7548401dd7a4f30cb46639fcff08492&qd_sc＝7b0103018e0197bf64179d0c3d0683a7&qd_p＝b7c62dca&qd_k＝0e2c60163cbf00fb213a688da546b926&qd_src＝01010031010000000000&qd_vipdyn＝0&qd_uid＝&qd_tm＝1551018003342&qd_vip＝0&cross-domain＝1&qyid＝58486728edd4bab00e4b8dca38a8d48a&qypid＝1776034400_02020031010000000000&qypid＝1776034400_02020031010000000000&rn＝1551018010906&pv＝0.1&cross-domain＝1&pri_idc＝shijiazhuang_cmnet
如上URL，协议为：http；域名为：data.video.*****.com；目录及文件为：videos/v0/20190108/6c/8c/f3db5fefcb98604d15fb3daba46ef2f6.f4v；查询参数为：
qd_tvid＝1776034400&qd_vipres＝0&qd_index＝1&qd_aid＝216266201&qd_stert＝0&qd_scc＝c7548401dd7a4f30cb46639fcff08492&qd_sc＝7b0103018e0197bf64179d0c3d0683a7&qd_p＝b7c62dca&qd_k＝0e2c60163cbf00fb213a688da546b926&qd_src＝01010031010000000000&qd_vipdyn＝0&qd_uid＝&qd_tm＝1551018003342&qd_vip＝0&cross-domain＝1&qyid＝58486728edd4bab00e4b8dca38a8d48a&qypid＝1776034400_02020031010000000000&qypid＝1776034400_02020031010000000000&rn＝1551018010906&pv＝0.1&cross-domain＝1&pri_idc＝shijiazhuang_cmnet
S203：对URL测试数据进行分析，建立卡顿识别模型。
在一种可选的方式中，步骤S203进一步包括：提取URL测试数据中的查询参数的数据键和数据值，构造多个数据键值对；计算预设卡顿测试时长与多个数据键值对中的数据值之间的杰卡德系数，得到各个数据值对应的杰卡德系数计算结果；根据各个数据值对应的杰卡德系数计算结果，确定视频卡顿特征，并依据所确定的视频卡顿特征，建立卡顿识别模型。
在一种可选的方式中，视频卡顿特征包括：视频卡顿次数特征和视频卡顿时长特征；根据各个数据值对应的杰卡德系数计算结果，确定视频卡顿特征进一步包括：将各个数据值对应的杰卡德系数计算结果按照从高到低的顺序进行排列，得到排列结果；将排列结果中排列最靠前的杰卡德系数计算结果对应的数据值所属的数据键值对中的数据键作为关键数据键，依据关键数据键，确定视频卡顿时长特征；从多个数据键值对中查找数据键字段与关键数据键的数据键字段对应的数据键，依据查找到的数据键，确定视频卡顿次数特征。
具体地说，针对步骤S202得到包含有查询(query)参数的URL测试数据，使用‘：’、‘/’、‘.’、‘-’、‘？’、‘&’等符号对其余URL进行分割，将URL测试数据中的查询参数的数据键(key)和数据值(value)提取出来，构造数据键值对，如表1所示，假设用户U观看视频剧集A和视频剧集B时均产生卡顿现象，共获得5个域名、5个带有query参数的URL，共拆分得到15个key和value，其中的域名、key和value有相同的情况也有不同的情况。
Figure BDA0002424014030000081
表1从URL测试数据中提取得到的查询参数的数据键和数据值
需要说明的是，一个URL可以包含有多个query参数，其中包含用户唯一标识码、卡顿次数和卡顿时长的特征key，将步骤S202得到的URL测试数据汇聚成集合S，S＝{u1,u2,…uy}，其中URL测试数据集合S的大小为y，即整个集合URL记录的条数。从URL测试数据中提取出的所有key组成的全域表示为K＝{k1,k2,…,kL}，同时把所有key对应的value组成的全域表示为V＝{v1，v12,…,vz}。将每一条URL测试数据转换成多个数据键值对<kj,vl>，而且kj与vl是成对存在的，是ui的一部分。同时，定义R＝{<u1,u1(k),u1(v)>,…,<ux,ux(k),ux(v)>},R的大小依赖于URL测试数据中含有query参数的数量。
通过上述处理，对于每条卡顿记录都会得到n多对响应的<ux,ux(k),ux(v)>，每个value会有且仅有一个key与之相对应，因此，计算预设卡顿测试时长与多个数据键值对中的数据值之间的杰卡德系数，也就是计算ux与ux(v)之间的杰卡德系数，杰卡德系数计算公式如下:
Figure BDA0002424014030000082
在上式中，uv即为ux(v)，当ux与uv完全无关时，该杰卡德系数J有最低值0；当两者完全相同时，该杰卡德系数J有最高值1。因此当ux与uv的相关性越高，则该系数J就会越高，并逼近于1。根据杰卡德系数的计算结果，将各个数据值对应的杰卡德系数计算结果按照从高到低的顺序进行排列，得到排列结果，将排列结果中排列最靠前的杰卡德系数计算结果对应的数据值所属的数据键值对中的key作为关键数据键，依据关键数据键，确定视频卡顿时长特征；从多个数据键值对中查找数据键字段与关键数据键的数据键字段对应的数据键，依据查找到的数据键，确定视频卡顿次数特征，即输出与视频卡顿次数，视频卡顿时长相关性较高的value值v，同时可输出value值v对应的URL的query参数关键key值k。根据杰卡德系数的大小，将关键key与视频卡顿次数、视频卡顿时长的对应关系，写入视频卡顿识别程序，作为卡顿识别模型。
S204：采集客户端在访问视频资源过程中与视频内容提供端之间交互的报文数据，对报文数据进行解析和合成处理，得到用户上网日志。
S205：对用户上网日志进行预处理，得到包含有查询参数的URL数据。
S206：利用预先建立的卡顿识别模型对用户上网日志进行过滤，得到客户端向状态统计服务器发送的卡顿现象数据，并基于预先确定的视频卡顿特征，对卡顿现象数据进行分析，确定视频卡顿指标数据。
在一种可选的方式中，步骤S206具体为：利用卡顿识别模型对用户上网日志进行过滤，得到包含有视频卡顿特征的日志数据，并将日志数据作为客户端向状态统计服务器发送的卡顿现象数据；提取卡顿现象数据中的视频卡顿数据特征对应的数据值，并对视频卡顿数据特征对应的数据值进行解析，确定视频卡顿指标数据。
基于卡顿识别模型处理用户上网日志(即XDR话单)，过滤出客户端向状态统计服务器(即用户日志管理平台)发送的包含有视频卡顿特征的日志数据，将其作为卡顿现象数据，并基于视频卡顿数据特征识别出某视频内容提供网站下单位时间内访问某视频剧集时发生的视频卡顿次数、视频卡顿时长等信息，输出字段如下：
时间：***；用户IP：***；用户账号：***；UserAgent(用户代理)：***；视频服务器：***；视频网站：***；视频剧集：***；状态统计服务器：***；视频卡顿次数：***；视频卡顿时长：***。
S207：根据视频卡顿指标数据，评估用户视频业务质量。
视频卡顿指标数据包括：视频卡顿次数和视频卡顿时长；根据视频卡顿指标数据，评估用户视频业务质量进一步包括：统计视频内容提供端在单位时间内针对视频资源产生的视频卡顿次数和视频卡顿时长，得到视频卡顿统计结果；将视频卡顿统计结果与预设质量评估规则进行匹配，确定用户视频业务质量。
下面结合实施例一和实施例二来介绍基于杰卡德系数，建立卡顿识别模型的过程：
通过测试端打开视频播放界面，通过用户名/密码进行账号登录，并点击某视频资源1进行观看，同时打开wireshark抓包工具获取用户收看该视频资源1的报文数据，此时视频正常播放；接着，对测试端进行限速管理，通过网络限速操作控制视频加载速率小于视频播放速率，从而制造卡顿现象的发生，再利用wireshark工具抓包测试端在视频卡顿测试过程中与视频内容提供端之间交互的测试报文数据。
待卡顿现象产生后，取消对测试端的网络限速控制，恢复视频加载速率进而恢复视频播放，并记录页面卡顿起始时间及视频卡顿时长T1＝3700ms。同时观测发生卡顿现象前后，测试端向外发送的所有疑似卡顿信息的报文，基于此观测，可发现，每次发生卡顿现象，测试端都会向状态统计服务器发送报文。
过滤状态统计服务器的报文数据，通过对比卡顿结束时间与报文生成时间定位唯一标识卡顿现象的报文数据，通过对该报文数据解读得到相关信息如下：
协议为：HTTP；域名：gm.******.com；查询参数：peer_id＝100000000000000000005CEE4C78D46D6DB8D512&login_flag＝0&asn＝100025&location＝440100&os＝win_10.0&os_bit＝64&playerversion＝7.7.9.5220&category＝97&getplaylisttime＝1511828.4890&initialbuffertime＝0&quality＝mp4&soundtrack＝default&duration＝3354.0&pausecount＝0&seekcount＝0&buffercoun t＝1&buffertime＝3728&viewtime＝0&errorcode＝0&cause＝playbackComplete&log version＝1&username＝-&bufferlong＝0&type＝online&videoowner＝youku&uid＝&showid＝302634&vcardname＝1&vcardver＝1&acardname＝1&acardver＝1&mac＝d46d6db8d512&pid＝ywebtop1&ext1＝32&ext2＝&ext3＝&ext4＝7.3.2.4270&ext5＝0&ext6＝1&ext7＝1&ext8＝0&ext9＝0&ext10＝0&ext11＝0&ext12＝&ext13＝http％3A％2F％2Fvalipl.cp31.ott.cibntv.net％2F69749750EA93471510C643270％2F05000900005CDBACE4B4D822BEF02F83B4C7BF-2B87-45F4-917F-EAAAD8D75408-1-114.m3u8％3Fccode％3D03010101％26duration％3D3354％26expire％3D18000％26psid％3D991ad67577693cbcd4d4e64253afc1ef％26ups_client_netip％3D78eca932％26ups_ts％3D1559209730％26ups_userid％3D％26utid％3DXO5K9wAA ACkDAHwkjqnSgSWq％26vid％3DXNDEyOTUwMTQxNg％26vkey％3DAc6e94af39669de10a86d9734eda6dde0％26sm％3D1％26operate_type％3D1％26bc％3D2&ext14＝page_name％3Apage_iku_playpagespm％3Ahrefscm％3A&ext15＝href&ext16＝1&ext17＝0&ext18＝0，参考DPI探针深度解析报文解析能力和XDR话单的合成功能，先将不包含query参数的URL过滤掉，再使用‘：’，‘/’，‘.’，‘-’，‘？’，‘&’等符号对其余部分进行分割，提取key和value值的所有对关系，如表2所示:
Figure BDA0002424014030000111
Figure BDA0002424014030000121
表2分割的数据键(key)和数据值(value)
通过杰卡德系数对获取的卡顿测试时长ux与URL中query参数中的vlaue值ux(v)进行计算，由于卡顿测试时长T1＝3700ms，上述表2中key关键字buffertime字段的value值为3728，两者的杰卡德系数最高，为0.94，接近于1，因此定位buffertime是卡顿时长的唯一标识，同时伴随着buffercount字段，可以用于卡顿次数的计数统计，并将状态统计服务器的域名下的yt_pcclient.play-detail.log报文中的buffercount特征和buffertime特征为视频卡顿次数与视频卡顿时长的识别特征写入卡顿识别模型。
通过以上处理完成了对卡顿识别模型的建立，利用卡顿识别模型可以识别用户通过客户端访问视频资源时产生的视频卡顿次数及视频卡顿时长，用于从用户侧判定用户访问视频资源时的更真实更直接的感知情况。
基于本实施例提供的方法，通过杰卡德系数定位报文数据中的视频卡顿特征，其中，通过对比预设卡顿测试时长与报文数据中数据值所属的数据键值对中的数据键得到关键数据键，依据所述关键数据键，确定视频卡顿时长特征，从多个数据键值对中查找数据键字段与所述关键数据键的数据键字段对应的数据键，依据查找到的数据键，确定视频卡顿次数特征，进而基于用户访问视频资源过程中交互的报文数据，通过该报文数据识别出用户上网日志，根据用户上网日志分析统计用户在观看视频业务过程中的视频卡顿指标数据，通过客户端向状态收集服务器发送的报文数据识别视频卡顿次数及卡顿时长，从而评估用户视频业务质量，解决了现有技术中不能从用户感知角度评估用户视频业务质量，不能全面真实的评估用户感知的问题。
实施例三
图3示出了本发明一种用户视频业务质量评估装置实施例的结构示意图。如图3所示，该装置包括：报文数据采集和处理模块301、卡顿识别模块302和质量评估模块303。
报文数据采集和处理模块301，用于采集客户端在访问视频资源过程中与视频内容提供端之间交互的报文数据，对所述报文数据进行解析和合成处理，得到用户上网日志。
卡顿识别模块302，用于利用预先建立的卡顿识别模型对所述用户上网日志进行过滤，得到所述客户端向状态统计服务器发送的卡顿现象数据，并基于预先确定的视频卡顿特征，对所述卡顿现象数据进行分析，确定视频卡顿指标数据。
质量评估模块303，用于根据所述视频卡顿指标数据，评估用户视频业务质量。
采用本实施例提供的装置，通过采集客户端在访问视频资源过程中与视频内容提供端之间交互的报文数据，对报文数据进行解析和合成处理，得到用户上网日志；利用预先建立的卡顿识别模型对用户上网日志进行过滤，得到客户端向状态统计服务器发送的卡顿现象数据，并基于预先确定的视频卡顿特征，对卡顿现象数据进行分析，确定视频卡顿指标数据；根据视频卡顿指标数据，评估用户视频业务质量。本实施例基于用户访问视频资源过程中交互的报文数据，通过该报文数据识别出用户上网日志，根据用户上网日志分析统计用户在观看视频业务过程中的视频卡顿指标数据，从而评估用户视频业务质量，解决了现有技术中不能从用户感知角度评估用户视频业务质量，不能全面真实的评估用户感知的问题。
实施例四
图4示出了本发明一种用户视频业务质量评估装置实施例的结构示意图。如图4所示，该装置包括：卡顿识别模型建立模块401、报文数据采集和处理模块402、用户上网日志预处理模块403、卡顿识别模块404和质量评估模块405。
卡顿识别模型建立模块401，用于采集测试端在视频卡顿测试过程中与视频内容提供端之间交互的测试报文数据，对所述测试报文数据进行解析和合成处理，得到测试用户上网日志；对所述测试用户上网日志进行预处理，得到包含有查询参数的URL测试数据；对所述URL测试数据进行分析，建立卡顿识别模型。
在一种可选的方式中，卡顿识别模型建立模块401进一步用于：提取所述URL测试数据中的所述查询参数的数据键和数据值，构造多个数据键值对；计算预设卡顿测试时长与所述多个数据键值对中的数据值之间的杰卡德系数，得到各个数据值对应的杰卡德系数计算结果；根据各个数据值对应的杰卡德系数计算结果，确定视频卡顿特征，并依据所确定的视频卡顿特征，建立卡顿识别模型。
在一种可选的方式中，所述视频卡顿特征包括：视频卡顿次数特征和视频卡顿时长特征；卡顿识别模型建立模块401进一步用于：将各个数据值对应的杰卡德系数计算结果按照从高到低的顺序进行排列，得到排列结果；将所述排列结果中排列最靠前的杰卡德系数计算结果对应的数据值所属的数据键值对中的数据键作为关键数据键，依据所述关键数据键，确定视频卡顿时长特征；从多个数据键值对中查找数据键字段与所述关键数据键的数据键字段对应的数据键，依据查找到的数据键，确定视频卡顿次数特征。
报文数据采集和处理模块402，用于采集客户端在访问视频资源过程中与视频内容提供端之间交互的报文数据，对所述报文数据进行解析和合成处理，得到用户上网日志。
用户上网日志预处理模块403，用于对所述用户上网日志进行预处理，得到包含有查询参数的URL数据。
卡顿识别模块404，用于利用预先建立的卡顿识别模型对所述用户上网日志进行过滤，得到所述客户端向状态统计服务器发送的卡顿现象数据，并基于预先确定的视频卡顿特征，对所述卡顿现象数据进行分析，确定视频卡顿指标数据。
在一种可选的方式中，卡顿识别模块404进一步用于：利用所述卡顿识别模型对所述用户上网日志进行过滤，得到包含有视频卡顿特征的日志数据，并将所述日志数据作为所述客户端向状态统计服务器发送的卡顿现象数据；提取所述卡顿现象数据中的所述视频卡顿数据特征对应的数据值，并对所述视频卡顿数据特征对应的数据值进行解析，确定视频卡顿指标数据。
质量评估模块405，用于根据所述视频卡顿指标数据，评估用户视频业务质量。
在一种可选的方式中，所述视频卡顿指标数据包括：视频卡顿次数和视频卡顿时长；质量评估模块405进一步用于：统计所述视频内容提供端在单位时间内针对视频资源产生的视频卡顿次数和视频卡顿时长，得到视频卡顿统计结果；将所述视频卡顿统计结果与预设质量评估规则进行匹配，确定用户视频业务质量。
基于本实施例提供的方法，通过杰卡德系数定位报文数据中的视频卡顿特征，其中，通过对比预设卡顿测试时长与报文数据中数据值所属的数据键值对中的数据键得到关键数据键，依据所述关键数据键，确定视频卡顿时长特征，从多个数据键值对中查找数据键字段与所述关键数据键的数据键字段对应的数据键，依据查找到的数据键，确定视频卡顿次数特征，进而基于用户访问视频资源过程中交互的报文数据，通过该报文数据识别出用户上网日志，根据用户上网日志分析统计用户在观看视频业务过程中的视频卡顿指标数据，通过客户端向状态收集服务器发送的报文数据识别视频卡顿次数及卡顿时长，从而评估用户视频业务质量，解决了现有技术中不能从用户感知角度评估用户视频业务质量，不能全面真实的评估用户感知的问题。
实施例五
本发明实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的一种用户视频业务质量评估方法。
可执行指令具体可以用于使得处理器执行以下操作：
采集客户端在访问视频资源过程中与视频内容提供端之间交互的报文数据，对所述报文数据进行解析和合成处理，得到用户上网日志；
利用预先建立的卡顿识别模型对所述用户上网日志进行过滤，得到所述客户端向状态统计服务器发送的卡顿现象数据，并基于预先确定的视频卡顿特征，对所述卡顿现象数据进行分析，确定视频卡顿指标数据；
根据所述视频卡顿指标数据，评估用户视频业务质量。
实施例六
图5示出了本发明计算设备实施例的结构示意图，本发明具体实施例并不对计算设备的具体实现做限定。
如图5所示，该计算设备可以包括：
处理器(processor)、通信接口(Communications Interface)、存储器(memory)、以及通信总线。
其中：处理器、通信接口、以及存储器通过通信总线完成相互间的通信。通信接口，用于与其它设备比如客户端或其它服务器等的网元通信。处理器，用于执行程序，具体可以执行上述用户视频业务质量评估方法实施例中的相关步骤。
具体地，程序可以包括程序代码，该程序代码包括计算机操作指令。
处理器可能是中央处理器CPU，或者是特定集成电路ASIC(Application SpecificIntegrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。服务器包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器，用于存放程序。存储器可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序具体可以用于使得处理器执行以下操作：
采集客户端在访问视频资源过程中与视频内容提供端之间交互的报文数据，对所述报文数据进行解析和合成处理，得到用户上网日志；
利用预先建立的卡顿识别模型对所述用户上网日志进行过滤，得到所述客户端向状态统计服务器发送的卡顿现象数据，并基于预先确定的视频卡顿特征，对所述卡顿现象数据进行分析，确定视频卡顿指标数据；
根据所述视频卡顿指标数据，评估用户视频业务质量。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。

Claims (10)

1.一种用户视频业务质量评估方法，其特征在于，包括以下步骤：
采集客户端在访问视频资源过程中与视频内容提供端之间交互的报文数据，对所述报文数据进行解析和合成处理，得到用户上网日志；
利用预先建立的卡顿识别模型对所述用户上网日志进行过滤，得到所述客户端向状态统计服务器发送的卡顿现象数据，并基于预先确定的视频卡顿特征，对所述卡顿现象数据进行分析，确定视频卡顿指标数据；
根据所述视频卡顿指标数据，评估用户视频业务质量。
2.根据权利要求1所述的方法，其特征在于，在所述利用预先建立的卡顿识别模型对所述用户上网日志进行过滤，得到所述客户端向状态统计服务器发送的卡顿现象数据之前，所述方法还包括：
采集测试端在视频卡顿测试过程中与视频内容提供端之间交互的测试报文数据，对所述测试报文数据进行解析和合成处理，得到测试用户上网日志；
对所述测试用户上网日志进行预处理，得到包含有查询参数的URL测试数据；
对所述URL测试数据进行分析，建立卡顿识别模型。
3.根据权利要求2所述的方法，其特征在于，所述对所述URL测试数据进行分析，建立卡顿识别模型进一步包括：
提取所述URL测试数据中的所述查询参数的数据键和数据值，构造多个数据键值对；
计算预设卡顿测试时长与所述多个数据键值对中的数据值之间的杰卡德系数，得到各个数据值对应的杰卡德系数计算结果；
根据各个数据值对应的杰卡德系数计算结果，确定视频卡顿特征，并依据所确定的视频卡顿特征，建立卡顿识别模型。
4.根据权利要求3所述的方法，其特征在于，所述视频卡顿特征包括：视频卡顿次数特征和视频卡顿时长特征；所述根据各个数据值对应的杰卡德系数计算结果，确定视频卡顿特征进一步包括：
将各个数据值对应的杰卡德系数计算结果按照从高到低的顺序进行排列，得到排列结果；
将所述排列结果中排列最靠前的杰卡德系数计算结果对应的数据值所属的数据键值对中的数据键作为关键数据键，依据所述关键数据键，确定视频卡顿时长特征；
从多个数据键值对中查找数据键字段与所述关键数据键的数据键字段对应的数据键，依据查找到的数据键，确定视频卡顿次数特征。
5.根据权利要求1-4任一所述的方法，其特征在于，在所述对所述报文数据进行解析和合成处理，得到用户上网日志之后，所述方法还包括：对所述用户上网日志进行预处理，得到包含有查询参数的URL数据；
所述利用预先建立的卡顿识别模型对所述用户上网日志进行过滤，得到所述客户端向状态统计服务器发送的卡顿现象数据，并基于预先确定的视频卡顿特征，对所述卡顿现象数据进行分析，确定视频卡顿指标数据具体为：
利用所述卡顿识别模型对所述用户上网日志进行过滤，得到包含有视频卡顿特征的日志数据，并将所述日志数据作为所述客户端向状态统计服务器发送的卡顿现象数据；
提取所述卡顿现象数据中的所述视频卡顿数据特征对应的数据值，并对所述视频卡顿数据特征对应的数据值进行解析，确定视频卡顿指标数据。
6.根据权利要求1-4任一所述的方法，其特征在于，所述视频卡顿指标数据包括：视频卡顿次数和视频卡顿时长；所述根据所述视频卡顿指标数据，评估用户视频业务质量进一步包括：
统计所述视频内容提供端在单位时间内针对视频资源产生的视频卡顿次数和视频卡顿时长，得到视频卡顿统计结果；
将所述视频卡顿统计结果与预设质量评估规则进行匹配，确定用户视频业务质量。
7.一种用户视频业务质量评估装置，其特征在于，包括：
报文数据采集和处理模块，用于采集客户端在访问视频资源过程中与视频内容提供端之间交互的报文数据，对所述报文数据进行解析和合成处理，得到用户上网日志；
卡顿识别模块，用于利用预先建立的卡顿识别模型对所述用户上网日志进行过滤，得到所述客户端向状态统计服务器发送的卡顿现象数据，并基于预先确定的视频卡顿特征，对所述卡顿现象数据进行分析，确定视频卡顿指标数据；
质量评估模块，用于根据所述视频卡顿指标数据，评估用户视频业务质量。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
卡顿识别模型建立模块，用于采集测试端在视频卡顿测试过程中与视频内容提供端之间交互的测试报文数据，对所述测试报文数据进行解析和合成处理，得到测试用户上网日志；对所述测试用户上网日志进行预处理，得到包含有查询参数的URL测试数据；对所述URL测试数据进行分析，建立卡顿识别模型。
9.一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-6中任一项所述的一种用户视频业务质量评估方法对应的操作。
10.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-6中任一项所述的一种用户视频业务质量评估方法对应的操作。
CN202010214758.0A 2020-03-24 2020-03-24 用户视频业务质量评估方法、装置、计算设备和存储介质 Active CN113453076B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010214758.0A CN113453076B (zh) 2020-03-24 2020-03-24 用户视频业务质量评估方法、装置、计算设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010214758.0A CN113453076B (zh) 2020-03-24 2020-03-24 用户视频业务质量评估方法、装置、计算设备和存储介质

Publications (2)

Publication Number Publication Date
CN113453076A true CN113453076A (zh) 2021-09-28
CN113453076B CN113453076B (zh) 2023-07-14

Family

ID=77806551

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010214758.0A Active CN113453076B (zh) 2020-03-24 2020-03-24 用户视频业务质量评估方法、装置、计算设备和存储介质

Country Status (1)

Country Link
CN (1) CN113453076B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114401447A (zh) * 2021-12-20 2022-04-26 北京字节跳动网络技术有限公司 一种视频卡顿预测方法、装置、设备和介质
CN117241071A (zh) * 2023-11-15 2023-12-15 北京浩瀚深度信息技术股份有限公司 一种基于机器学习算法感知视频卡顿质差的方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104410516A (zh) * 2014-11-24 2015-03-11 中国联合网络通信集团有限公司 一种用户业务感知度评估方法和装置
US20160127402A1 (en) * 2014-11-04 2016-05-05 Patternex, Inc. Method and apparatus for identifying and detecting threats to an enterprise or e-commerce system
WO2017080172A1 (zh) * 2015-11-13 2017-05-18 乐视控股（北京）有限公司 网络调度方法和系统
CN106993237A (zh) * 2017-04-13 2017-07-28 中北大学 基于mpeg‑dash协议的动态自适应码率选择方法
CN107122305A (zh) * 2017-05-04 2017-09-01 浙江路港互通信息技术有限公司 软件测试装置及方法
WO2018019210A1 (zh) * 2016-07-25 2018-02-01 中兴通讯股份有限公司 一种监测交互式网络电视iptv用户状态的方法及装置
CN108235131A (zh) * 2018-01-30 2018-06-29 重庆邮电大学 一种基于dash的全景视频自适应传输方法
CN108446199A (zh) * 2017-02-16 2018-08-24 阿里巴巴集团控股有限公司 一种应用卡顿的检测方法及装置
CN109240875A (zh) * 2018-07-12 2019-01-18 北京百度网讯科技有限公司 一种卡顿分析方法及系统
CN109286855A (zh) * 2017-07-19 2019-01-29 北京大学 全景视频的传输方法、传输装置和传输系统
CN109756762A (zh) * 2019-01-29 2019-05-14 北京奇艺世纪科技有限公司 一种终端类别的确定方法及装置
CN109862127A (zh) * 2017-11-30 2019-06-07 华为技术有限公司 一种报文传输的方法及相关装置
CN109936769A (zh) * 2019-04-23 2019-06-25 深圳大学 一种视频卡顿检测方法、检测系统、移动终端及存储装置

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160127402A1 (en) * 2014-11-04 2016-05-05 Patternex, Inc. Method and apparatus for identifying and detecting threats to an enterprise or e-commerce system
CN104410516A (zh) * 2014-11-24 2015-03-11 中国联合网络通信集团有限公司 一种用户业务感知度评估方法和装置
WO2017080172A1 (zh) * 2015-11-13 2017-05-18 乐视控股（北京）有限公司 网络调度方法和系统
WO2018019210A1 (zh) * 2016-07-25 2018-02-01 中兴通讯股份有限公司 一种监测交互式网络电视iptv用户状态的方法及装置
CN108446199A (zh) * 2017-02-16 2018-08-24 阿里巴巴集团控股有限公司 一种应用卡顿的检测方法及装置
CN106993237A (zh) * 2017-04-13 2017-07-28 中北大学 基于mpeg‑dash协议的动态自适应码率选择方法
CN107122305A (zh) * 2017-05-04 2017-09-01 浙江路港互通信息技术有限公司 软件测试装置及方法
CN109286855A (zh) * 2017-07-19 2019-01-29 北京大学 全景视频的传输方法、传输装置和传输系统
CN109862127A (zh) * 2017-11-30 2019-06-07 华为技术有限公司 一种报文传输的方法及相关装置
CN108235131A (zh) * 2018-01-30 2018-06-29 重庆邮电大学 一种基于dash的全景视频自适应传输方法
CN109240875A (zh) * 2018-07-12 2019-01-18 北京百度网讯科技有限公司 一种卡顿分析方法及系统
CN109756762A (zh) * 2019-01-29 2019-05-14 北京奇艺世纪科技有限公司 一种终端类别的确定方法及装置
CN109936769A (zh) * 2019-04-23 2019-06-25 深圳大学 一种视频卡顿检测方法、检测系统、移动终端及存储装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114401447A (zh) * 2021-12-20 2022-04-26 北京字节跳动网络技术有限公司 一种视频卡顿预测方法、装置、设备和介质
CN117241071A (zh) * 2023-11-15 2023-12-15 北京浩瀚深度信息技术股份有限公司 一种基于机器学习算法感知视频卡顿质差的方法
CN117241071B (zh) * 2023-11-15 2024-02-06 北京浩瀚深度信息技术股份有限公司 一种基于机器学习算法感知视频卡顿质差的方法

Also Published As

Publication number Publication date
CN113453076B (zh) 2023-07-14

Similar Documents

Publication Publication Date Title
US10503710B2 (en) Webpage pre-reading method, apparatus and smart terminal
CN105024872B (zh) 网络性能测试的方法及装置
WO2017113677A1 (zh) 处理用户行为数据的方法和系统
EP2719153A1 (en) Model-based method for managing information derived from network traffic
CN110298662B (zh) 交易重复提交的自动化检测方法及装置
CN111107423A (zh) 一种视频业务播放卡顿的识别方法和装置
US10057155B2 (en) Method and apparatus for determining automatic scanning action
CN108206769B (zh) 过滤网络质量告警的方法、装置、设备和介质
CN109982068B (zh) 合成视频质量评估方法、装置、设备及介质
US20120317068A1 (en) Method For Generating Rules and Parameters for Assessing Relevance of Information Derived From Internet Traffic
CN113453076B (zh) 用户视频业务质量评估方法、装置、计算设备和存储介质
CN114244564B (zh) 攻击防御方法、装置、设备及可读存储介质
TW201735654A (zh) 多媒體資源的品質評估方法和裝置
CN111198806B (zh) 基于服务开放平台的服务调用数据统计分析方法及系统
CN109558305B (zh) 日志数据排序方法及装置
CN114629929B (zh) 一种日志记录方法、装置及系统
KR20010107528A (ko) 인터넷상의 음란물을 차단하는 방법 및 장치
CN108268370B (zh) 基于Referer和模板库匹配的网站质量分析方法、装置和系统
Dubin et al. Video quality representation classification of encrypted http adaptive video streaming
CN104301806A (zh) 视频识别方法、装置和系统
WO2017088382A1 (zh) 数据处理的方法和装置
CN115225936B (zh) 一种视频资源的清晰度指标确定方法、装置、设备及介质
CN112261001A (zh) 一种基于流量数据分析的服务器行为监控方法
CN112995648A (zh) 互联网电视全流程故障诊断方法、装置及计算设备
CN113542880B (zh) 一种短视频业务质量检测方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant