CN115412762A - 视频业务的数据处理方法、装置、设备及存储介质 - Google Patents

视频业务的数据处理方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115412762A
CN115412762A CN202110576043.4A CN202110576043A CN115412762A CN 115412762 A CN115412762 A CN 115412762A CN 202110576043 A CN202110576043 A CN 202110576043A CN 115412762 A CN115412762 A CN 115412762A
Authority
CN
China
Prior art keywords
playing
network
information
video
data
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.)
Pending
Application number
CN202110576043.4A
Other languages
English (en)
Inventor
李琴
朱艳宏
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 Communications Ltd Research Institute
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Communications Ltd Research Institute
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 Communications Ltd Research Institute filed Critical China Mobile Communications Group Co Ltd
Priority to CN202110576043.4A priority Critical patent/CN115412762A/zh
Publication of CN115412762A publication Critical patent/CN115412762A/zh
Pending legal-status Critical Current

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
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • 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
    • H04N21/44227—Monitoring of local network, e.g. connection or bandwidth variations; Detecting new devices in the local network
    • 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
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • H04N21/4666—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms using neural networks, e.g. processing the feedback provided by the user
    • 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]
    • H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client 
    • H04N21/63—Control signaling related to video distribution between client, server and network components; Network processes for video distribution between server and clients or between remote clients, e.g. transmitting basic layer and enhancement layers over different transmission paths, setting up a peer-to-peer communication via Internet between remote STB's; Communication protocols; Addressing
    • H04N21/647—Control signaling between network components and server or clients; Network processes for video distribution between server and clients, e.g. controlling the quality of the video stream, by dropping packets, protecting content from unauthorised alteration within the network, monitoring of network load, bridging between two different networks, e.g. between IP and wireless
    • H04N21/64723—Monitoring of network processes or resources, e.g. monitoring of network load
    • H04N21/64738—Monitoring network characteristics, e.g. bandwidth, congestion level
    • 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
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/835—Generation of protective data, e.g. certificates
    • H04N21/8352—Generation of protective data, e.g. certificates involving content or source identification data, e.g. Unique Material Identifier [UMID]
    • 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
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本申请公开了一种视频业务的数据处理方法、装置、设备及存储介质。该方法包括：基于拨测获取目标视频软件播放过程中的业务体验标签及相应的第一播放关联信息；基于网络DPI获取播放过程中的网络特征数据及相应的第二播放关联信息；基于第一播放关联信息和第二播放关联信息建立业务体验标签与网络特征数据的关联关系；其中，第一播放关联信息和第二播放关联信息均包括：视频源标识、用户标识及播放时间信息。可以将基于拨测获取的业务体验标签与网络侧的网络特征数据关联，从而可以对运营商非自有的视频业务的网络特征数据进行标注，利于后续对运营商非自有的视频业务的服务质量进行有效评估。

Description

视频业务的数据处理方法、装置、设备及存储介质
技术领域
本申请涉及视频业务领域，尤其涉及一种视频业务的数据处理方法、装置、设备及存储介质。
背景技术
移动网络下视频业务流量的占比已经超过网页浏览类，业务的重要性日益凸显。为保障客户感知，提升网络优化与管控的能力，运营商迫切需要建立起精准的视频业务感知评价手段。
相关技术中，通信运营商获得终端用户的视频业务的体验数据的方式主要包括：
1、通过在终端设备内置探针、SDK(Software Development Kit，软件开发工具包)的方式获得终端实际的业务体验指标，例如，通过在机顶盒中内嵌监测探针获取机顶盒的视频业务体验值、在自营的APP(应用软件)中内置SDK获取终端的业务体验值。该方法只能适用于自有运营业务的体验数据获取，因为无法在非自有业务的终端或设备内置检测探针或SDK，所以不能适用于运营商的非自有业务；
2、通过AF(Application Function，应用功能服务器)获取NEF(Network ExposureFunction，网络开放功能)反馈的用户业务体验信息，但该方案依赖于应用方的配合，在无法得到第三方应用提供商配合的情况下，该方案则无法实施；
3、通过DPI(Deep Packet Inspection，深度报文检测)设备对流经管道的网络数据进行深度解析和分析得到，但是通过管道层网络数据直接解析得到终端用户体验数据的方式不够准确，因为用户体验数据常常不会直接在报文中体现，所以大部分情况下只能通过算法去近似推算。
综上所述，目前业界尚无有效的方法来评估运营商非自有的视频业务的服务质量。
发明内容
有鉴于此，本申请实施例提供了一种视频业务的数据处理方法、装置、设备及存储介质，旨在有效评估运营商非自有的视频业务的服务质量。
本申请实施例的技术方案是这样实现的：
第一方面，本申请实施例提供了一种视频业务的数据处理方法，包括：
基于拨测获取目标视频软件播放过程中的业务体验标签及相应的第一播放关联信息；
基于网络DPI(深度报文检测)获取所述播放过程中的网络特征数据及相应的第二播放关联信息；
基于所述第一播放关联信息和所述第二播放关联信息建立所述业务体验标签与所述网络特征数据的关联关系；
其中，所述业务体验标签用于标识所述目标视频软件的用户体验满意度，所述网络特征数据用于标识与所述播放过程相关的网络指标，所述第一播放关联信息和所述第二播放关联信息均包括：视频源标识、用户标识及播放时间信息。
上述方案中，所述基于拨测获取所述目标视频软件播放过程中的业务体验标签及相应的第一播放关联信息，包括：
对运行所述目标视频软件的终端设备进行拨测，启动所述目标视频软件的播放；
基于所述目标视频软件播放过程中所述终端设备与应用服务器间的交互报文，确定所述播放过程中的视频源标识、用户标识及播放时间信息，得到所述第一播放关联信息；
获取所述目标视频软件播放过程中所述终端设备的音视频通道数据；
基于所述音视频通道数据生成所述第一播放关联信息对应的业务体验标签。
上述方案中，所述基于所述音视频通道数据生成所述第一播放关联信息对应的业务体验标签，包括：
将所述音视频通道数据基于设定的时间粒度进行切片切割，确定各切片对应的业务体验标签；
将各所述业务体验标签与所述第一播放关联信息基于切割后切片的时间信息对应。
上述方案中，所述基于网络DPI获取所述播放过程中的网络特征数据及相应的第二播放关联信息，包括：
基于网络DPI对所述播放过程中所述终端设备与应用服务器间的交互报文进行合成，得到网络特征数据；
基于所述交互报文确定所述播放过程中的视频源标识、用户标识及播放时间信息，得到所述第二播放关联信息。
上述方案中，所述基于网络DPI对所述播放过程中所述终端设备与应用服务器间的交互报文进行合成，得到网络特征数据，包括：
基于设定的时间粒度对所述交互报文进行切片切割，对各切片的交互报文进行合生，确定各切片对应的网络特征数据；
相应地，将各所述网络特征数据与所述第二播放关联信息基于切割后切片的时间信息对应。
上述方案中，所述基于所述第一播放关联信息和所述第二播放关联信息建立所述业务体验标签与所述网络特征数据的关联关系，包括：
将所述业务体验标签分配给与所述业务体验标签具有相同的视频源标识、用户标识及播放时间信息的所述网络特征数据。
上述方案中，所述方法还包括：
基于关联后的所述网络特征数据和所述业务体验标签构建训练样本集；
基于机器学习对所述训练样本集进行训练，得到用于评估视频业务的用户体验满意度的业务体验识别模型。
上述方案中，所述方法还包括：
基于网络DPI提取所述目标视频软件实际播放过程中当前的网络特征数据；
基于所述当前的网络特征数据和所述业务体验识别模型输出当前的业务体验标签。
第二方面，本申请实施例还提供了一种视频业务的数据处理装置，包括：
拨测和标注模块，用于基于拨测获取所述目标视频软件播放过程中的业务体验标签及相应的第一播放关联信息；
网络侧处理模块，用于基于网络DPI获取所述播放过程中的网络特征数据及相应的第二播放关联信息；
数据关联模块，用于基于所述第一播放关联信息和所述第二播放关联信息建立所述业务体验标签与所述网络特征数据的关联关系；
其中，所述业务体验标签用于标识所述目标视频软件的用户体验满意度，所述网络特征数据用于标识与所述播放过程相关的网络指标，所述第一播放关联信息和所述第二播放关联信息均包括：视频源标识、用户标识及播放时间信息。
第三方面，本申请实施例还提供了一种视频业务的数据处理设备，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器，用于运行计算机程序时，执行本申请实施例所述方法的步骤。
第四方面，本申请实施例还提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现本申请实施例所述方法的步骤。
本申请实施例提供的技术方案，基于拨测获取目标视频软件播放过程中的业务体验标签及相应的第一播放关联信息；基于网络DPI获取播放过程中的网络特征数据及相应的第二播放关联信息；基于第一播放关联信息和第二播放关联信息建立业务体验标签与网络特征数据的关联关系；其中，业务体验标签用于标识目标视频软件的用户体验满意度，网络特征数据用于标识与播放过程相关的网络指标，第一播放关联信息和第二播放关联信息均包括：视频源标识、用户标识及播放时间信息。可以将基于拨测获取的业务体验标签与网络侧的网络特征数据关联，从而可以对运营商非自有的视频业务的网络特征数据进行标注，利于后续对运营商非自有的视频业务的服务质量进行有效评估。
附图说明
图1为本申请实施例视频业务的数据处理方法的流程示意图；
图2为本申请一应用实施例视频业务的数据处理方法的流程示意图；
图3为本申请实施例视频业务的数据处理装置的结构示意图；
图4为本申请实施例视频业务的数据处理设备的结构示意图。
具体实施方式
下面结合附图及实施例对本申请再作进一步详细的描述。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
视频业务作为一种具有高码流、高并发性的移动业务，业务质量要求较高，视频业务感知成为客户感知的重要评价维度。当前，通信运营商基本都是采用流媒体方式实现视频点播业务，相关主流视频类APP均是基于TCP(Transmission Control Protocol，传输控制协议)/HTTP(Hypertext Transfer Protocol，超文本传输协议)来递送媒体数据。当用户手机终端在线播放视频，手机终端会向服务器请求相应的视频信息，服务器响应请求下发视频的相关信息，用户侧根据获得的视频下载地址发起资源请求，服务器响应资源请求消息即发送相应的视频数据。客户端在开始播放之前仅需等待一段较短的时间用于下载和缓冲该媒体文件最前面的一部分数据，当客户端收到的视频数据超过初始缓冲门限后便可一边下载一边播放。在视频业务播放阶段，卡顿是影响用户感知的主要因素。视频业务卡顿定义为因网络吞吐量低引起的画面冻结，与用户暂停操作引起的画面停止无关。当传输速率小于播放速率，并且缓冲区已清空的情况下，就会发生卡顿。
相关技术中，往往基于网络DPI(Deep Packet Inspection，深度报文检测)设备对流经管道的网络数据进行深度解析和分析来评估视频业务的服务质量，但缺乏对播放卡顿行为的识别能力，因此，无法对用户视频播放过程中是否发生卡顿行为进行准确洞察。
此外，相关技术中，存在通过学习网络数据和业务体验值之间的关系模型，实现通过网络数据，基于关系模型推断业务体验值的方案。但对于非自有视频业务，存在无法有效获取业务APP播放过程中的业务体验值及无法将终端的业务体验值与网络数据进行准确关联的问题，导致难以获得大量的用于训练该关系模型的样本数据。
基于此，在本申请的各种实施例中，提供了一种视频业务的数据处理方法，如图1所示，该方法包括：
步骤101，基于拨测获取目标视频软件播放过程中的业务体验标签及相应的第一播放关联信息。
这里，可以基于拨测(Dial test)启动目标视频软件的播放，例如，播放一个视频片源、进行一次视频直播业务或开启一次视频会议，即目标视频软件可以为视频播放软件、视频直播软件或者远程会议软件等，本申请实施例对此不做限定。该拨测具体可以为基于拨测工具进行的，从而可以自动获取目标视频软件的业务体验标签及相应的第一播放关联信息。
这里，业务体验标签用于标识目标视频软件的用户体验满意度，例如，业务体验标签可以基于终端设备运行目标视频软件的播放过程中是否出现卡顿划分为多种类型或者表征播放流畅度的分数值。示例性地，业务体验标签可以包括：流畅、一般卡顿及严重卡顿的标签值，或者业务体验标签可以为表征播放过程中的播放流畅度的分数值。
这里，第一播放关联信息可以包括：视频源标识、用户标识及播放时间信息。该视频源标识用于标识视播放过程的多媒体数据来源，该用户标识用于标识播放过程的用户信息，该播放时间信息用于标识播放过程对应的时间段。
示例性地，所述基于拨测获取目标视频软件播放过程中的业务体验标签及相应的第一播放关联信息，包括：
对运行所述目标视频软件的终端设备进行拨测，启动所述目标视频软件的播放；
基于所述目标视频软件播放过程中所述终端设备与应用服务器间的交互报文，确定所述播放过程中的视频源标识、用户标识及播放时间信息，得到所述第一播放关联信息；
获取所述目标视频软件播放过程中所述终端设备的音视频通道数据；
基于所述音视频通道数据生成所述第一播放关联信息对应的业务体验标签。
在一应用示例中，可以对运行所述目标视频软件的终端设备基于拨测工具对目标视频软件进行拨测，发送控制指令，使得该终端设备启动目标视频软件，并播放一个视频片源。该终端设备可以为手机、平板电脑、台式机或笔记本等，本申请实施例对此不做限定。
拨测之后，可以获取目标视频软件播放过程中所述终端设备与应用服务器间的交互报文，确定所述视频片源的视频源标识、访问所述目标业务软件的用户标识及所述视频片源播放的起始时间和结束时间，得到所述第一播放关联信息。并同步监控目标视频软件播放过程中所述终端设备的音视频通道数据，基于该音视频通道数据生成所述第一播放关联信息对应的业务体验标签。例如，可以基于该播放过程中的音视频通道数据的数据量的总量与播放的起始时间和结束时间确定的播放时长可以计算出音视频数据的播放速率，基于该播放速率与设定的速率阈值进行比较，确定业务体验标签，例如，对判定为播放存在一般卡顿的播放速率生成一般卡顿的标签值，对判定为播放存在严重卡顿的播放速率生成严重卡顿的标签值，对判定为播放满足正常播放要求的播放速率生成流畅的标签值。如此，生成了该视频片源播放过程的标签值，并将标签值与第一播放关联信息对应。
实际应用中，考虑到单个视频片源的播放时长较长，为了能够更为精细地评估播放过程中的用户体验，在一些实施例中，所述基于所述音视频通道数据生成所述第一播放关联信息对应的业务体验标签，包括：
将所述音视频通道数据基于设定的时间粒度进行切片切割，确定各切片对应的业务体验标签；
将各所述业务体验标签与所述第一播放关联信息基于切割后切片的时间信息对应。
这样，可以将该视频片源的播放过程基于设定的时间粒度进行切片切割，例如，以每3分钟或者每5分钟为时间粒度进行切片切割，并基于各切片的音视频通道数据生成相应的业务体验标签，相应地，将第一播放关联信息的播放时间信息基于设定的时间粒度进行划分，使得各业务体验标签具有对应的视频源标识、用户标识及播放时间信息，从而得到了该视频片源的播放过程对应的多个业务体验标签及相应的视频源标识、用户标识及播放时间信息。
示例性地，对于点播类视频，视频源标识可以为基于交互报文提取的标识本次播放片源的id(标识码)信息。可以理解的是，内容提供商会对所有的播放片源基于id信息进行唯一标识，以便于播放片源的搜索。
示例性地，对于直播类视频，视频源标识可以为基于交互报文提取的此次直播的room id(房间标识码)，room id对当前所有直播源进行标识和区分；对于视频会议，视频源标识可以为基于交互报文提取的此次会议的id信息，用于对当前所有会议进行标识和区分。
在一应用示例中，以优酷视频为例：在视频播放的HTTP交互报文中提取URL(Uniform Resource Locator，统一资源定位器)中的关键字段，如vid的信息，可以得到当前播放片源的标识信息。例如，提取http://f-vali.cp31.ott.cibntv.net/65722BAC8DA37716F7CCF25E0/05000900005F8D45E18E52498AACD41B2C65BB-6DD2-4ED7-883A-4BB78F01949F-00159.ts？ccode＝01010101&duration＝10000&expire＝18000&psid＝24f0be9b9038cefd2d5ab48e8c56f800436aa&ups_client_netip＝df689301&ups_ts＝1605577590&ups_userid＝1904145311&utid＝W0Q80JTf％2F％2BkDALqBCsKBY5b％2B&vid＝XNDkwODIyODQ1Mg&vkey＝Bb630ba4ec42cbe831c1cc7269b766267&sm＝1&dre＝u23&si＝74&eo＝1&dst＝1&iv＝1&s＝585f214a0eefbfbd11ef&type＝mp5hdv3&bc＝2中的“vid＝XNDkwODIyODQ1Mg”作为视频源标识。实际应用中，若播放一些mp4文件时，没有vid信息，则可以将mp4文件名作为视频标识id，例如，提取http://vali-g1.cp31.ott.cibntv.net/youku/6773ccc6c253c718ffb6d2ec9/03000B01005F4F3FAA6715A1897689C7CC3BD7-EA19-4751-A1AC-F8AA9D19FA1E.mp4？sid＝159945127700010001509_00_B3b871dacf1a25866de892ad62fbe358a&sign＝aa688c47802804e3a2049cce6227375e&ctype＝50&si＝183&psid＝f692a03b725578776fa1a9c462a53308434af&ykVideoShowType＝2中的“03000B01005F4F3FAA6715A1897689C7CC3BD7-EA19-4751-A1AC-F8AA9D19FA1E.mp4”作为视频源标识。以上仅为示例性说明，并不构成对本申请实施例的限制。
步骤102，基于网络DPI获取所述播放过程中的网络特征数据及相应的第二播放关联信息。
可以理解的是，在步骤101基于拨测启动目标视频软件播放时，基于网络DPI同步采集播放过程中的网络管道数据。该网络管道数据可以为针对提供视频业务服务的应用服务器的网络管道进行抓取得到的网络数据。网络DPI是一种基于数据包的深度检测技术，可以针对不同的网络应用层载荷(例如HTTP、DNS等)进行深度检测，并基于设定的策略提取网络特征数据。
这里，网络特征数据用于标识与所述播放过程相关的网络指标，第二播放关联信息包括：视频源标识、用户标识及播放时间信息。可以理解的是，基于网络DPI，针对播放过程中的网络管道数据提取网络特征数据并确定对应的视频源标识、用户标识及播放时间信息，以将应用服务器向不同用户提供服务的网络特征数据相区分。
示例性地，所述基于网络DPI获取所述播放过程中的网络特征数据及相应的第二播放关联信息，包括：
基于网络DPI对所述播放过程中所述终端设备与应用服务器间的交互报文进行合成，得到网络特征数据；
基于所述交互报文确定所述播放过程中的视频源标识、用户标识及播放时间信息，得到所述第二播放关联信息。
这里，网络特征数据可以采用网络XDR数据的形式，该网络XDR数据可以在OSI模型(开放式系统互联通信参考模型)的表示层(presentation layer)中实现，允许把数据包装在独立于介质的结构中使得数据可以在异构的计算机系统中传输。
示例性地，合成方法可以为将本次视频播放(对应播放一个视频片源)的相关交互报文如TCP、UDP(User Datagram Protocol，用户数据报协议)、HTTP等的数据进行合成，生成一条网络特征数据，该条网络特征数据的特征字段可以包括本次视频下载的平均速率、最大和平均TCP RTT(Round Trip Time，往返时间)时长、重传报文数等。
可以理解的是，可以采取与前述的对音视频通道数据进行切片切割的时间粒度相同的时间粒度对交互报文进行切片切割，相应地，所述基于网络DPI对所述目标视频软件播放过程中所述终端设备与应用服务器间的交互报文进行合成，得到网络特征数据，包括：
基于设定的时间粒度对所述交互报文进行切片切割，对各切片的交互报文进行合生，确定各切片对应的网络特征数据；
将各所述网络特征数据与所述第二播放关联信息基于切割后切片的时间信息对应。如此，使得该视频片源的播放过程中生成的网络特征数据基于时间粒度划分，且各网络特征数据具有对应的视频源标识、用户标识及播放时间信息。
步骤103，基于所述第一播放关联信息和所述第二播放关联信息建立所述业务体验标签与所述网络特征数据的关联关系。
可以理解的是，由于基于拨测获取的播放过程的业务体验标签具有对应的视频源标识、用户标识及播放时间信息(即第一播放关联信息)，同时，基于网络DPI获取的网络特征数据具有对应的视频源标识、用户标识及播放时间信息(即第二播放关联信息)，可以基于第一播放关联信息与第二播放关联信息的匹配，来建立业务体验标签与网络特征数据的关联关系，给基于拨测的播放过程中的网络特征数据分配业务体验标签，从而可以对运营商非自有的视频业务的网络特征数据进行标注，利于后续对运营商非自有的视频业务的服务质量进行有效评估。
示例性地，所述基于所述第一播放关联信息和所述第二播放关联信息建立所述业务体验标签与所述网络特征数据的关联关系，包括：
将所述业务体验标签分配给与所述业务体验标签具有相同的视频源标识、用户标识及播放时间信息的所述网络特征数据。
可以理解的是，通过视频源标识、用户标识及播放时间信息三个字段可以实现网络侧的网络特征数据和拨测获取的业务体验标签关联的原因在于：一个用户、在一个时刻只会观看一视频文件。此外，考虑到不能保证基于拨测的终端设备的视频播放和网络数据在时间上的完全同步，若时间不同步时，一个用户、在一定时间段内可能会观看多个视频文件，如果仅仅基于用户标识和播放时间信息进行关联，可能导致无法关联或者关联错误的情况，本申请实施例采用基于视频源标识、用户标识及播放时间信息三个字段进行关联，可以确保网络特征数据与业务体验标签关联的准确性。
在一些实施例中，该数据处理方法还包括：
基于关联后的所述网络特征数据和所述业务体验标签构建训练样本集；
基于机器学习对所述训练样本集进行训练，得到用于评估视频业务的用户体验满意度的业务体验识别模型。
这里，机器学习(Machine Learning)是人工智能的核心，涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域，研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构从而不断改善自身的性能。基于数据的机器学习是现代智能技术中的重要方法之一，它从观测数据(样本)出发寻找规律，利用这些规律对未来数据或无法观测的数据进行预测。基于学习方式可以分为：监督学习(Supervised Learning)、无监督学习(Unsupervised Learning)、半监督学习(Semi-Supervised Learning)和强化学习(Reinforcement Learning)，机器学习的相关算法包括但不限于：逻辑回归、隐马尔可夫方法、支持向量机(Support Vector Machine，SVM)方法、k近邻(K-Nearest Neighbor，KNN)方法、三层人工神经网络方法、Adaboost算法、朴素贝叶斯分类(Naive Bayesian classification)方法及决策树(Decision Tree)方法等，本申请实施例对机器学习的具体算法类型不做限定。
示例性地，训练样本集中的网络特征数据都具有相应的业务体验标签，可以将网络特征数据作为待训练的业务体验识别模型的输入，将相应的业务体验标签作为输出，进行训练学习，从而得到训练好的业务体验识别模型，该训练好的业务体验识别模型可以基于提取的网络特征数据，推断对应的业务体验标签，对视频业务的服务质量进行评估。
在一些实施例中，该数据处理方法还包括：
基于网络DPI提取所述目标视频软件实际播放过程中当前的网络特征数据；
基于所述当前的网络特征数据和所述业务体验识别模型输出当前的业务体验标签。
可以理解的是，基于网络DPI提取视频业务实际播放过程中当前的网络特征数据，例如，可以基于设定的时间粒度合成网络数据，得到网络特征数据，并基于业务体验识别模型推断该网络特征数据的业务体验标签，对视频业务的服务质量进行评估。这里，实际播放过程是相对于前述基于拨测的播放过程而言，是指用户实际使用该目标视频软件的播放过程。
下面结合应用实施例对本申请再作进一步详细的描述。
如图2所示，本应用实施例包括：终端设备、拨测和标注设备、网络DPI设备及数据关联设备。可以理解的是，拨测和标注设备、网络DPI设备及数据关联设备可以单独设置，并基于网络进行通信连接，或者拨测和标注设备、网络DPI设备及数据关联设备中的至少两个的功能可以集成于同一网络设备上，即前述的终端设备、拨测和标注设备、网络DPI设备及数据关联设备可以为逻辑实体，也可以是硬件实体，本申请实施例对此不做限定。本应用实施例视频业务的数据处理方法包括：
步骤1，使用拨测和标注设备，通过控制指令启动终端设备上的目标业务APP，并控制目标业务APP进入待播放的视频片源。
步骤2，业务APP根据控制指令进行一次视频业务的播放，通常为播放一个视频片源，或进行一次视频直播业务，或一次视频会议。
步骤3-1，拨测和标注设备监控目标业务APP的视频播放的音视频输出，获取终端用户的业务体验信息(例如，音视频通道数据)，得到本次视频播放的业务体验标签。示例性地，可根据需求将一次视频播放基于时间段进行切割切片，得到各切片的业务体验标签。
步骤3-2，拨测和标注设备同时获取目标业务APP与APP服务器间的交互报文，获取本次播放的信令数据，提取可以表征本次播放行为的视频标识id，同时记录对应的用户信息和时间信息。
步骤3’，网络DPI设备同步采集视频播放过程中的网络管道数据。为了将本次视频播放与网络特征数据关联，需要将此次播放行为产生的网络数据进行合成，得到对应的网络特征数据记录。同时从网络数据中提取和记录本次视频播放对应的视频标识id、用户信息、时间信息。合成方法举例为将本次视频播放(对应播放一个视频片源)的相关交互报文如TCP、UDP、HTTP等的数据进行合成，生成一条网络特征数据，这条网络特征数据的特征字段可能包括本次视频下载的平均速率、最大和平均TCP RTT时长、重传报文数等。示例性地，可根据需求对一次视频播放进行时间切片，时间粒度可以与拨测和标注设备的规则保持一致即可。
步骤4，数据关联设备接收拨测和标注设备上报的拨测及标签数据和网络DPI设备上报的业务合成XDR数据，并进行数据关联，得到网络特征数据及相应的业务体验标签。
这里，拨测及标签数据包括：业务体验标签及相应的视频标识id、用户信息及时间信息；业务合成XDR数据包括：网络特征数据及相应的视频标识id、用户信息及时间信息。
关联方法可以包括：通过视频标识id、用户信息、时间信息，将业务体验和网络特征数据进行关联，从而得到网络特征数据及其对应的业务体验标签。
示例性地，数据关联设备还可以基于有标签的网络特征数据构建训练样本集，基于机器学习对所述训练样本集进行训练，得到用于评估视频业务的用户体验满意度的业务体验识别模型。之后通过提取实际播放过程中的网络特征数据，基于业务体验识别模型，可推断网络特征数据对应的业务体验标签。
为了实现本申请实施例的方法，本申请实施例还提供一种视频业务的数据处理装置，该视频业务的数据处理装置与上述视频业务的数据处理方法对应，上述视频业务的数据处理方法实施例中的各步骤也完全适用于本视频业务的数据处理装置实施例。
如图3所示，该视频业务的数据处理装置包括：拨测和标注模块301、网络侧处理模块302及数据关联模块303。拨测和标注模块301用于基于拨测获取所述目标视频软件播放过程中的业务体验标签及相应的第一播放关联信息；网络侧处理模块302用于基于网络深度报文检测DPI获取所述播放过程中的网络特征数据及相应的第二播放关联信息；数据关联模块303用于基于所述第一播放关联信息和所述第二播放关联信息建立所述业务体验标签与所述网络特征数据的关联关系；其中，所述业务体验标签用于标识所述目标视频软件的用户体验满意度，所述网络特征数据用于标识与所述播放过程相关的网络指标，所述第一播放关联信息和所述第二播放关联信息均包括：视频源标识、用户标识及播放时间信息。
在一些实施例中，拨测和标注模块301具体用于：
对运行所述目标视频软件的终端设备进行拨测，启动所述目标视频软件的播放；
基于所述目标视频软件播放过程中所述终端设备与应用服务器间的交互报文，确定所述播放过程中的视频源标识、用户标识及播放时间信息，得到所述第一播放关联信息；
获取所述目标视频软件播放过程中所述终端设备的音视频通道数据；
基于所述音视频通道数据生成所述第一播放关联信息对应的业务体验标签。
在一些实施例中，拨测和标注模块301基于所述音视频通道数据生成所述第一播放关联信息对应的业务体验标签，包括：
将所述音视频通道数据基于设定的时间粒度进行切片切割，确定各切片对应的业务体验标签；
将各所述业务体验标签与所述第一播放关联信息基于切割后切片的时间信息对应。
在一些实施例中，网络侧处理模块302具体用于：
基于网络DPI对所述播放过程中所述终端设备与应用服务器间的交互报文进行合成，得到网络特征数据；
基于所述交互报文确定所述播放过程中的视频源标识、用户标识及播放时间信息，得到所述第二播放关联信息。
在一些实施例中，网络侧处理模块302具体用于：
基于设定的时间粒度对所述交互报文进行切片切割，对各切片的交互报文进行合生，确定各切片对应的网络特征数据；
将各所述网络特征数据与所述第二播放关联信息基于切割后切片的时间信息对应。
在一些实施例中，数据关联模块303具体用于：
将所述业务体验标签分配给与所述业务体验标签具有相同的视频源标识、用户标识及播放时间信息的所述网络特征数据。
在一些实施例中，该视频业务的数据处理装置还包括：
模型训练模块304，用于基于关联后的所述网络特征数据和所述业务体验标签构建训练样本集；及基于机器学习对所述训练样本集进行训练，得到用于评估视频业务的用户体验满意度的业务体验识别模型。
在一些实施例中，网络侧处理模块302还用于：基于网络DPI提取所述目标视频软件实际播放过程中当前的网络特征数据；该视频业务的数据处理装置还包括：评估模块305，用于基于所述当前的网络特征数据和所述业务体验识别模型输出当前的业务体验标签。
实际应用时，拨测和标注模块301、网络侧处理模块302、数据关联模块303、模型训练模块304及评估模块305，可以由视频业务的数据处理装置中的处理器来实现。当然，处理器需要运行存储器中的计算机程序来实现它的功能。
需要说明的是：上述实施例提供的视频业务的数据处理装置在进行视频业务的数据处理时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的视频业务的数据处理装置与视频业务的数据处理方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
基于上述程序模块的硬件实现，且为了实现本申请实施例的方法，本申请实施例还提供一种视频业务的数据处理设备。图4仅仅示出了该视频业务的数据处理设备的示例性结构而非全部结构，根据需要可以实施图4示出的部分结构或全部结构。
如图4所示，本申请实施例提供的视频业务的数据处理设备400包括：至少一个处理器401、存储器402、用户接口403和至少一个网络接口404。视频业务的数据处理设备400中的各个组件通过总线系统405耦合在一起。可以理解，总线系统405用于实现这些组件之间的连接通信。总线系统405除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图4中将各种总线都标为总线系统405。
其中，用户接口403可以包括显示器、键盘、鼠标、轨迹球、点击轮、按键、按钮、触感板或者触摸屏等。
本申请实施例中的存储器402用于存储各种类型的数据以支持视频业务的数据处理设备的操作。这些数据的示例包括：用于在视频业务的数据处理设备上操作的任何计算机程序。
本申请实施例揭示的视频业务的数据处理方法可以应用于处理器401中，或者由处理器401实现。处理器401可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，视频业务的数据处理方法的各步骤可以通过处理器401中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器401可以是通用处理器、数字信号处理器(DSP，DigitalSignal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器401可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器402，处理器401读取存储器402中的信息，结合其硬件完成本申请实施例提供的视频业务的数据处理方法的步骤。
在示例性实施例中，视频业务的数据处理设备可以被一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，Programmable Logic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable LogicDevice)、现场可编程逻辑门阵列(FPGA，Field Programmable Gate Array)、通用处理器、控制器、微控制器(MCU，Micro Controller Unit)、微处理器(Microprocessor)、或者其他电子元件实现，用于执行前述方法。
可以理解，存储器402可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random AccessMemory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本申请实施例描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
在示例性实施例中，本申请实施例还提供了一种存储介质，即计算机存储介质，具体可以是计算机可读存储介质，例如包括存储计算机程序的存储器402，上述计算机程序可由视频业务的数据处理设备的处理器401执行，以完成本申请实施例方法所述的步骤。计算机可读存储介质可以是ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面存储器、光盘、或CD-ROM等存储器。
需要说明的是：“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
另外，本申请实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请披露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (11)

1.一种视频业务的数据处理方法，其特征在于，包括：
基于拨测获取目标视频软件播放过程中的业务体验标签及相应的第一播放关联信息；
基于网络深度报文检测DPI获取所述播放过程中的网络特征数据及相应的第二播放关联信息；
基于所述第一播放关联信息和所述第二播放关联信息建立所述业务体验标签与所述网络特征数据的关联关系；
其中，所述业务体验标签用于标识所述目标视频软件的用户体验满意度，所述网络特征数据用于标识与所述播放过程相关的网络指标，所述第一播放关联信息和所述第二播放关联信息均包括：视频源标识、用户标识及播放时间信息。
2.根据权利要求1所述的方法，其特征在于，所述基于拨测获取目标视频软件播放过程中的业务体验标签及相应的第一播放关联信息，包括：
对运行所述目标视频软件的终端设备进行拨测，启动所述目标视频软件的播放；
基于所述目标视频软件播放过程中所述终端设备与应用服务器间的交互报文，确定所述播放过程中的视频源标识、用户标识及播放时间信息，得到所述第一播放关联信息；
获取所述目标视频软件播放过程中所述终端设备的音视频通道数据；
基于所述音视频通道数据生成所述第一播放关联信息对应的业务体验标签。
3.根据权利要求1所述的方法，其特征在于，所述基于所述音视频通道数据生成所述第一播放关联信息对应的业务体验标签，包括：
将所述音视频通道数据基于设定的时间粒度进行切片切割，确定各切片对应的业务体验标签；
将各所述业务体验标签与所述第一播放关联信息基于切割后切片的时间信息对应。
4.根据权利要求1所述的方法，其特征在于，所述基于网络DPI获取所述播放过程中的网络特征数据及相应的第二播放关联信息，包括：
基于网络DPI对所述播放过程中所述终端设备与应用服务器间的交互报文进行合成，得到网络特征数据；
基于所述交互报文确定所述播放过程中的视频源标识、用户标识及播放时间信息，得到所述第二播放关联信息。
5.根据权利要求4所述的方法，其特征在于，所述基于网络DPI对所述播放过程中所述终端设备与应用服务器间的交互报文进行合成，得到网络特征数据，包括：
基于设定的时间粒度对所述交互报文进行切片切割，对各切片的交互报文进行合生，确定各切片对应的网络特征数据；
相应地，将各所述网络特征数据与所述第二播放关联信息基于切割后切片的时间信息对应。
6.根据权利要求1所述的方法，其特征在于，所述基于所述第一播放关联信息和所述第二播放关联信息建立所述业务体验标签与所述网络特征数据的关联关系，包括：
将所述业务体验标签分配给与所述业务体验标签具有相同的视频源标识、用户标识及播放时间信息的所述网络特征数据。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于关联后的所述网络特征数据和所述业务体验标签构建训练样本集；
基于机器学习对所述训练样本集进行训练，得到用于评估视频业务的用户体验满意度的业务体验识别模型。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
基于网络DPI提取所述目标视频软件实际播放过程中当前的网络特征数据；
基于所述当前的网络特征数据和所述业务体验识别模型输出当前的业务体验标签。
9.一种视频业务的数据处理装置，其特征在于，包括：
拨测和标注模块，用于基于拨测获取目标视频软件播放过程中的业务体验标签及相应的第一播放关联信息；
网络侧处理模块，用于基于网络DPI获取所述播放过程中的网络特征数据及相应的第二播放关联信息；
数据关联模块，用于基于所述第一播放关联信息和所述第二播放关联信息建立所述业务体验标签与所述网络特征数据的关联关系；
其中，所述业务体验标签用于标识所述目标视频软件的用户体验满意度，所述网络特征数据用于标识与所述播放过程相关的网络指标，所述第一播放关联信息和所述第二播放关联信息均包括：视频源标识、用户标识及播放时间信息。
10.一种视频业务的数据处理设备，其特征在于，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，
所述处理器，用于运行计算机程序时，执行权利要求1至8任一项所述方法的步骤。
11.一种存储介质，所述存储介质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，实现权利要求1至8任一项所述方法的步骤。
CN202110576043.4A 2021-05-26 2021-05-26 视频业务的数据处理方法、装置、设备及存储介质 Pending CN115412762A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110576043.4A CN115412762A (zh) 2021-05-26 2021-05-26 视频业务的数据处理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110576043.4A CN115412762A (zh) 2021-05-26 2021-05-26 视频业务的数据处理方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN115412762A true CN115412762A (zh) 2022-11-29

Family

ID=84155765

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110576043.4A Pending CN115412762A (zh) 2021-05-26 2021-05-26 视频业务的数据处理方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115412762A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101188847A (zh) * 2007-11-28 2008-05-28 中讯邮电咨询设计院 基于人工神经网络的移动通信业务用户体验评估方法
CN102340789A (zh) * 2010-07-20 2012-02-01 中国联合网络通信集团有限公司 拨测终端及拨测方法
CN104427546A (zh) * 2013-09-10 2015-03-18 中国电信股份有限公司 将移动网络指标与用户体验匹配的方法、仿真平台和系统
US20170244777A1 (en) * 2016-02-19 2017-08-24 Verizon Patent And Licensing Inc. Application quality of experience evaluator for enhancing subjective quality of experience
CN111107423A (zh) * 2018-10-29 2020-05-05 中国移动通信集团浙江有限公司 一种视频业务播放卡顿的识别方法和装置
CN111212330A (zh) * 2018-11-22 2020-05-29 华为技术有限公司 一种网络性能瓶颈值的确定方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101188847A (zh) * 2007-11-28 2008-05-28 中讯邮电咨询设计院 基于人工神经网络的移动通信业务用户体验评估方法
CN102340789A (zh) * 2010-07-20 2012-02-01 中国联合网络通信集团有限公司 拨测终端及拨测方法
CN104427546A (zh) * 2013-09-10 2015-03-18 中国电信股份有限公司 将移动网络指标与用户体验匹配的方法、仿真平台和系统
US20170244777A1 (en) * 2016-02-19 2017-08-24 Verizon Patent And Licensing Inc. Application quality of experience evaluator for enhancing subjective quality of experience
CN111107423A (zh) * 2018-10-29 2020-05-05 中国移动通信集团浙江有限公司 一种视频业务播放卡顿的识别方法和装置
CN111212330A (zh) * 2018-11-22 2020-05-29 华为技术有限公司 一种网络性能瓶颈值的确定方法及装置

Similar Documents

Publication Publication Date Title
US10698952B2 (en) Using digital fingerprints to associate data with a work
US11190821B2 (en) Methods and apparatus for alerting users to media events of interest using social media analysis
CN104798346B (zh) 用于补充与广播媒体相关的电子消息的方法和计算系统
US10613702B2 (en) Rendering video over multiple windows
US9369740B1 (en) Custom media player
US8396874B2 (en) System and method for using topic messages to understand media relating to an event
CN109474854B (zh) 视频播放方法、播放列表的生成方法及相关设备
US11153619B2 (en) Cognitively derived multimedia streaming preferences
US20130060873A1 (en) Real time event reviewing system and method
CN109144858B (zh) 流畅度检测方法、装置、计算设备及存储介质
CN108235149B (zh) 一种优化视频播放流畅度的方法及装置
CN110728370B (zh) 训练样本的生成方法、装置、服务器及存储介质
CN103152363B (zh) 用于状态快照的自适应产生的方法和系统
CN109245989A (zh) 一种基于信息分享的处理方法、装置及计算机可读存储介质
CN114629929B (zh) 一种日志记录方法、装置及系统
EP2858310A1 (en) Association of a social network message with a related multimedia flow
CN115412762A (zh) 视频业务的数据处理方法、装置、设备及存储介质
US20220321970A1 (en) Dynamic Real-Time Audio-Visual Search Result Assembly
CN115547330A (zh) 基于语音交互的信息展示方法、装置和电子设备
CN112135199B (zh) 基于多类型视频源的视频播放方法及相关设备
CN112235592B (zh) 直播方法、直播处理方法、装置、计算机设备
US10922349B1 (en) Filtering remote access monitoring data
KR102492014B1 (ko) 다중 채널 네트워크의 컨텐츠 관리 방법, 장치 및 시스템
CN108462902A (zh) 一种媒体文件读取方法及装置、多媒体播放系统
US20220138257A1 (en) System and method for journey recording

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