JP2019129486A - 推定装置、推定方法及びプログラム - Google Patents

Abstract

【課題】ネットワークを介して配信される映像の視聴時間の推定に寄与すること。【解決手段】推定装置は、ネットワークを介して配信される映像の視聴時間に係る要因指標の実績値と、前記視聴時間の実績値とに基づいて、前記要因指標と前記視聴時間との関係を、回帰分析又は決定木分析によって推定する推定部を有する。【選択図】図２

Description

本発明は、推定装置、推定方法及びプログラムに関する。

コーデック技術、映像配信技術、ディスプレイ技術の発展により、モバイル端末向けのアダプティブビットレート映像配信サービスが急速に普及してきた。アダプティブビットレート映像配信サービスでは、モバイル環境のようにネットワーク状態が時々刻々と変動する環境においても、通信状況に応じて最適なビットレートの映像データを配信することでスムーズな映像再生を可能とする。一方で、アダプティブビットレート映像配信は、スムーズな映像再生を常に保証するものではなく、極端なスループットの低下や受信端末のバッファの枯渇などに起因して符号化品質の劣化や再生停止が発生し、ユーザ体感品質（ＱｏＥ：Quality of Experience）が大幅に低下することもある。品質劣化は、ＱｏＥの低下だけでなく、エンゲージメント（サービスに対するユーザの愛着度）の低下にもつながるため、映像配信サービス事業者にとっては、視聴時間やサービス解約リスクなどのエンゲージメント指標を定量評価し、一定の水準を維持できるよう管理することが必要となる。

いま、エンゲージメント指標として視聴時間を設定したとする。視聴時間を左右する要因としては、まず、映像配信サービスの構成要素である映像、配信サーバ、ネットワーク、エンドユーザそれぞれに対応したコンテンツ要因（種類、コンテンツ長、ランキングなど）、符号化性能要因（ビットレート、フレームレート、解像度など）、ネットワーク性能要因（スループット、パケット遅延揺らぎ、パケット損失、パケット遅延など）、端末性能要因（バッファサイズなど）などのサービス要因が考えられる。また、これらサービス要因のうち、符号化性能要因、ネットワーク性能要因、端末性能要因は、ユーザが実際に体感するアプリケーション品質（再生停止、再生開始待ち、ビットレート変動などアプリケーション利用上の品質）を介して視聴時間に影響すると考えられる。また、ユーザが視聴を停止し視聴時間が決定する過程で、ユーザ操作行動（一時停止、早送り、早戻し、解像度変更などのユーザによるアプリケーション操作行動）にも何らかの予兆が現れると考えられる。

そこで、視聴時間とそれを左右する各種要因（サービス要因、アプリケーション品質、ユーザ操作行動など）との関係を明らかにすれば、映像配信サービス事業者は、提供中のサービスに係る各種要因を制御した場合の視聴時間への影響を定量評価することができ、また、エンゲージメント指標としての視聴時間を管理することが可能となる。

先行技術には、まず、メディア情報（ビットレート、解像度、フレームレート）やバッファリング情報（再生停止回数、再生停止時間，再生停止間隔）に基づきＱｏＥを評価する技術（非特許文献１−７）が存在するが、ＱｏＥを監視するだけでは視聴時間の減少やサービス解約行動にどのように影響するかわからないため、エンゲージメントを評価する技術が求められる。また、先行技術には、映像配信サービスにおけるユーザ行動を制御する技術（特許文献１）が存在するが、制御対象がユーザ満足度であり、エンゲージメントを評価、管理するものではない。

さらに、視聴時間やそれに類する指標（視聴完了率、視聴離脱率など）とそれを左右する各種要因との関係を明らかにする先行技術には、再生開始待ち時間、再生停止割合、フレームレートと視聴時間の関係を明らかにしたもの（非特許文献８）、再生停止割合と視聴時間の関係や、再生開始待ち時間と視聴離脱率の関係を明らかにしたもの（非特許文献９）、コンテンツの長さ、人気度と視聴完了率の関係を明らかにしたもの（非特許文献１０）、平均ビットレート、再生開始待ち時間、再生停止割合、再生停止頻度と視聴完了率の関係を明らかにしたもの（非特許文献１１）、再生停止割合、ビットレート変更割合と視聴離脱率の関係を明らかにしたもの（非特許文献１２）などが存在する。

しかし、アダプティブビットレート映像配信の特徴であるビットレート変動が視聴時間に及ぼす影響の解明が限定的であること、ユーザ操作行動が視聴時間に及ぼす影響が解明されていないこと、視聴時間とそれを左右する要因間の関係が網羅的には検討されていないことなど課題が残る。

特許第６０８５８８５号公報

Parametric bitstream-based quality assessment of progressive download and adaptive audiovisual streaming services over reliable transport, Recommendation ITU-T P.1203, Nov. 2016. Parametric bitstream-based quality assessment of progressive download and adaptive audiovisual streaming services over reliable transport - Video quality estimation module, Recommendation ITU-T P.1203.1, Dec. 2016. Parametric bitstream-based quality assessment of progressive download and adaptive audiovisual streaming services over reliable transport - Audio quality estimation module, Recommendation ITU-T P.1203.2, Nov. 2016. Parametric bitstream-based quality assessment of progressive download and adaptive audiovisual streaming services over reliable transport - Quality integration module, Recommendation ITU-T P.1203.3, Dec. 2016. K. Yamagishi and T. Hayashi, "Parametric Quality-Estimation Model for Adaptive-Bitrate-Streaming Services," IEEE Transactions of Multimedia, Vol.19, No.7, pp.1545-1557, Jul. 2017. W. Robitza, M. N. Garcia, and A. Raake, "A Modular HTTP Adaptive Streaming QoE Model - Candidate for ITU-T P.1203 ("P.NATS")," Proceedings of the 2017 Ninth International Conference on Quality of Multimedia Experience (QoMEX), May 2017. A. Raake, M. N. Garcia, W. Robitza, P. List, S. Goring, B. Feiten, "A Bitstream-based, Scalable Video-Quality Model for HTTP Adaptive Streaming: ITU-T P.1203.1," Proceedings of the 2017 Ninth International Conference on Quality of Multimedia Experience (QoMEX), May 2017. F. Dobrian, V. Sekar, A. Awan, I. Stoica, D. Joseph, A. Ganjam, J. Zhan, H. Zhang. Understanding the impact of video quality on user engagement, in Proc. of SIGCOMM'11, 2011. S. S. Krishnan and R. K. Sitaraman, "Video Stream Quality Impacts Viewer Behavior: Inferring Causality Using Quasi-Experimental Designs," Proceedings of the 2012 Internet Measurement Conference, pp.211-224, Nov. 2012. Y. Chen, B. Zhang, Y. Liu, and W. Zhu, "Measurement and Modeling of Video Watching Time in a Large-Scale Internet Video-on-Demand System," IEEE Transactions of Multimedia, Vol.15, Issue:8, pp.2087-2098, Dec. 2013. A. Balachandran, V. Sekar, A. Akella, S. Seshan, I. Stoica, and H. Zhang, "Developing a Predictive Model of Quality of Experience for Internet Video," Proceedings of the ACM SIGCOMM 2013 conference, pp.339-350, Aug. 2013. H. Nam, K. Kim, and H. Schulzrinne, "QoE Matters More Than QoS: Why People Stop Watching Cat Videos," Proceedings of the IEEE INFOCOM 2016 - The 35th Annual IEEE International Conference on Computer Communications, Apr. 2016.

非特許文献１−７は、アプリケーション品質に基づきＱｏＥを推定するモデルを提案するものであり、視聴時間を推定するものではない。

また、特許文献１は、ユーザの映像視聴状態に基づきユーザ満足度を算出するモデルと、当該モデルに基づきユーザ満足度を最適化する方法を提案するものであり、やはり視聴時間を推定するものではない。

また、非特許文献８−１２は、視聴時間やそれに類する指標（視聴完了率、視聴離脱率など）と当該指標に係る各種要因との関係を明らかにするものではあるが、アダプティブビットレート映像配信の特徴であるビットレート変動が視聴時間に及ぼす影響の解明が限定的であること、ユーザ操作行動が視聴時間に及ぼす影響が解明されていないこと、視聴時間とそれを左右する要因間の関係が網羅的には検討されていないことなど課題が残る。

本発明は、上記の点に鑑みてなされたものであって、ネットワークを介して配信される映像の視聴時間の推定に寄与することを目的とする。

そこで上記課題を解決するため、推定装置は、ネットワークを介して配信される映像の視聴時間に係る要因指標の実績値と、前記視聴時間の実績値とに基づいて、前記要因指標と前記視聴時間との関係を、回帰分析又は決定木分析によって推定する推定部を有する。

ネットワークを介して配信される映像の視聴時間の推定に寄与することができる。

第１の実施の形態における視聴時間推定装置１０のハードウェア構成例を示す図である。 第１の実施の形態における視聴時間推定装置１０の機能構成例を示す図である。 アプリケーション品質指標の一例を示す図である。 ユーザ操作行動指標の一例を示す図である。 第２の実施の形態における視聴時間推定装置１０の機能構成例を示す図である。 第３の実施の形態における視聴時間推定装置１０の機能構成例を示す図である。 第３の実施の形態における視聴時間の推定処理の処理手順の一例を説明するためのフローチャートである。

以下、図面に基づいて本発明の実施の形態を説明する。図１は、第１の実施の形態における視聴時間推定装置１０のハードウェア構成例を示す図である。図１の視聴時間推定装置１０は、それぞれバスＢで相互に接続されているドライブ装置１００、補助記憶装置１０２、メモリ装置１０３、ＣＰＵ１０４、インタフェース装置１０５、表示装置１０６、及び入力装置１０７等を有する。

視聴時間推定装置１０での処理を実現するプログラムは、ＣＤ−ＲＯＭ等の記録媒体１０１によって提供される。プログラムを記憶した記録媒体１０１がドライブ装置１００にセットされると、プログラムが記録媒体１０１からドライブ装置１００を介して補助記憶装置１０２にインストールされる。但し、プログラムのインストールは必ずしも記録媒体１０１より行う必要はなく、ネットワークを介して他のコンピュータよりダウンロードするようにしてもよい。補助記憶装置１０２は、インストールされたプログラムを格納すると共に、必要なファイルやデータ等を格納する。

メモリ装置１０３は、プログラムの起動指示があった場合に、補助記憶装置１０２からプログラムを読み出して格納する。ＣＰＵ１０４は、メモリ装置１０３に格納されたプログラムに従って視聴時間推定装置１０に係る機能を実現する。インタフェース装置１０５は、ネットワークに接続するためのインタフェースとして用いられる。表示装置１０６はプログラムによるＧＵＩ（Graphical User Interface）等を表示する。入力装置１０７はキーボード及びマウス等で構成され、様々な操作指示を入力させるために用いられる。

図２は、第１の実施の形態における視聴時間推定装置１０の機能構成例を示す図である。図２において、視聴時間推定装置１０は、関係推定部１１及び視聴時間算出部１２を有する。これら各部は、視聴時間推定装置１０にインストールされた１以上のプログラムが、ＣＰＵ１０４に実行させる処理により実現される。視聴時間推定装置１０は、また、関係情報記憶部１１１を利用する。関係情報記憶部１１１は、例えば、補助記憶装置１０２、又は視聴時間推定装置１０にネットワークを介して接続可能な記憶装置等を用いて実現可能である。

関係推定部１１は、映像配信サービスに関する実験データに基づいて、視聴時間に係る要因指標（再生停止、再生開始待ち、ビットレート変動などのアプリケーション品質指標や、一時停止、早送り、早戻し、解像度変更などのユーザ操作行動指標）と、映像配信サービスに係る視聴時間との関係を推定する。第１の実施の形態において、当該関係は、視聴時間に係る要因指標（以下、単に「要因指標」という。）と映像配信サービスに係る視聴時間（以下、単に「視聴時間」という。）との一対一の関係を記述する単調増加（または減少）関数である。関係推定部１１は、当該関数を、実験データにおける要因指標の値と視聴時間とに基づき回帰分析により求める。第一の実施の形態では、特に、単回帰分析が用いられる。関係推定部１１は、また、単回帰分析により求められる回帰モデルのパラメータを、例えば、最小二乗法又は最尤推定法により求める。関係推定部１１によって推定された関係（関数）を示す情報（例えば、関数のパラメータ等）は、関係情報記憶部１１１に記憶される。なお、当該関数は、或る一つの要因指標についてのみ生成されてもよいし、複数の要因指標のそれぞれごとに生成されてもよい。また、値が０であるサンプル（実績値）が混在していると適切な（精度の高い）関数を導出するのが困難な要因指標については、０である実績値を除去した後で、単回帰分析を行うことで、当該要因指標と視聴時間との関係を記述する関数が生成されてもよい。

なお、また、視聴時間とは、ユーザ（視聴者）による視聴が終了するまでの再生時間をいう。ユーザによる操作によって強制的に視聴が中止された場合には、視聴の中止までの再生時間が視聴時間に該当し、映像の最後まで視聴が行われた場合には、当該映像の全再生時間が視聴時間に該当する。

また、上記において、再生停止、再生開始待ち、ビットレート変動などのアプリケーション品質指標とは、例えば、図３に示すように、これらの指標の回数、総時間、間隔、割合等の統計量である。また、一時停止、早送り、早戻し、解像度変更などのユーザ操作行動指標とは、例えば、図４に示すように、これらの指標の回数、総時間、間隔、割合等の統計量である。また、実験データとは、例えば、映像配信サービスによって配信された映像の複数回の視聴について、各アプリケーション品質指標の指標値（実績値）、各ユーザ操作行動指標の指標値（実績値）、及び視聴時間の実績値を含むデータをいう。複数回の各視聴において、映像は同じでなくてもよい。また、各視聴におけるユーザは同じであってもよいし、異なっていてもよい。各視聴におけるユーザが異なる場合であっても、要因指標と視聴時間との関係（関数）は、複数のユーザに対して共通に求められてよい。

視聴時間算出部１２は、１以上のユーザ（視聴者）のそれぞれの要因指標の指標値の入力に応じ、関係情報記憶部１１１に記憶された情報に基づく関数のうち、当該要因指標に対応した（当該要因指標を入力とする）関数を利用して、当該各ユーザの視聴時間の推定値を算出する。すなわち、一度に複数のユーザの要因指標が入力されてもよい。この場合、複数のユーザのそれぞれの視聴時間の推定値が算出される。

例えば、１以上のユーザのそれぞれのユーザ一時停止間隔最大値が入力されると、視聴時間算出部１２は、ユーザ一時停止間隔最大値と視聴時間の関係を記述する単調増加関数に、ユーザごとに当該ユーザのユーザ一時停止間隔最大値を適用して、各ユーザの視聴時間の推定値を算出する。

次に、第２の実施の形態について説明する。第２の実施の形態では第１の実施の形態と異なる点について説明する。第２の実施の形態において特に言及されない点については、第１の実施の形態と同様でもよい。

図５は、第２の実施の形態における視聴時間推定装置１０の機能構成例を示す図である。図５中、図２と同一部分には同一符号を付し、その説明は省略する。

図５において、関係推定部１１は、映像配信サービスに関する実験データに基づいて、は複数の要因指標と視聴時間との多対一の関係を記述する関数、又は多対一の関係を記述するルールを推定する。

前者の関数は、下記の数式にある通り、要因指標値の線形結合を視聴時間の推定値とするものである。関係推定部１１は、当該関数を、実験データにおける各要因指標の指標値（実績値）と視聴時間（実績値）とに基づく回帰分析（重回帰分析）により求める。関係推定部１１は、重回帰分析により求められる以下の回帰モデルのパラメータβ_ｊ（ｊ＝０，１，…，ｍ）を、最小二乗法又は最尤推定法により求める。

また、後者のルールについて、関係推定部１１は、実験データにおける要因指標と視聴時間とに基づき決定木分析（回帰木）により求める。当該ルールは、要因指標値の範囲の組合せにより視聴時間の推定値を導出する木構造のルールである。

関係推定部１１によって推定された関係（関数又はルール）を示す情報（例えば、関数のパラメータ等）は、関係情報記憶部１１１に記憶される。

第２の実施の形態では、要因指標と視聴時間との多対一の関係が推定されるため、視聴時間算出部１２には、複数の要因指標のそれぞれの指標値が入力される。視聴時間算出部１２は、指標値が入力された複数の要因指標の組に対応する関数又はルールを関係情報記憶部１１１から取得し、取得した関数又はルールに基づいて、視聴時間を算出する。

次に、第３の実施の形態について説明する。第３の実施の形態では第１の実施の形態と異なる点について説明する。第３の実施の形態において特に言及されない点については、第１の実施の形態と同様でもよい。

図６は、第３の実施の形態における視聴時間推定装置１０の機能構成例を示す図である。図６中、図２と同一部分には同一符号を付し、その説明は省略する。

図６において、視聴時間推定装置１０は、更に、要因指標前処理部１３を有する。要因指標前処理部１３は、視聴時間推定装置１０にインストールされた１以上のプログラムが、ＣＰＵ１０４に実行させる処理により実現される。

要因指標前処理部１３は、指標値が入力された要因指標が、予め登録されている前処理対象指標であった場合に、値がゼロを示すサンプル（ユーザ）の指標値をＮＡ（欠損値）に置換する。指標値がＮＡ（欠損値）に置換されたユーザについては視聴時間の算出対象外となる。なお、前処理対象指標を示す情報は、例えば、補助記憶装置１０２に記憶されている。例えば、回帰モデルの生成において、０である実績値が除去された要因指標が前処理対象指標として登録されることにより、当該回帰モデルに基づく関数に対して０が適用されるのを回避することができる。

図７は、第３の実施の形態における視聴時間の推定処理の処理手順の一例を説明するためのフローチャートである。

ステップＳ１０１において、視聴時間算出部１２は、１以上のユーザのそれぞれの要因指標（或る特定の要因指標）の指標値の入力を受け付ける。続いて、要因指標前処理部１３は、当該要因指標が、前処理対象指標か否かを判定する（Ｓ１０２）。当該要因指標が前処理対象指標に該当する場合（Ｓ１０２でＹＥＳ）、要因指標前処理部１３は、指標値がゼロを示すユーザの指標値をＮＡ（欠損値）で置換する（Ｓ１０３）。

ステップＳ１０２でＮＯの場合、又はステップＳ１０３に続いて、視聴時間算出部１２は、関係情報記憶部１１１にパラメータが記憶されている関数に、ＮＡ以外の指標値を個別に適用して、指標値が０以外であるユーザごとに視聴時間を算出する（Ｓ１０４）。続いて、視聴時間算出部１２は、当該各視聴時間を出力する（Ｓ１０５）。出力の形態は、所定のものに限定されない。例えば、表示装置１０６へ表示されてもよいし、補助記憶装置１０２に記憶されてもよいし、ネットワークを介して他の装置へ送信されてもよい。

なお、第３の実施の形態は、第２の実施の形態と組み合わされてもよい。

上述したように、本実施の形態によれば、ネットワークを介して配信される映像の視聴時間の推定に寄与することができる。すなわち、要因指標と視聴時間との関係を推定することができる。また、当該推定結果に対して要因指標の値を適用することで視聴時間を推定することが可能となる。これにより、映像配信サービス事業者は、提供中のサービスに係る各種要因を制御した場合の視聴時間への影響をユーザ単位で定量評価・管理することが可能となる。その結果として、エンゲージメントを維持・向上するための施策の実施が可能となる。

なお、上記各実施の形態において、視聴時間推定装置１０は、推定装置の一例である。関係推定部１１は、推定部の一例である。視聴時間算出部１２は、算出部の一例である。

以上、本発明の実施の形態について詳述したが、本発明は斯かる特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。

１０ 視聴時間推定装置
１１ 関係推定部
１２ 視聴時間算出部
１３ 要因指標前処理部
１１１ 関係情報記憶部
１００ ドライブ装置
１０１ 記録媒体
１０２ 補助記憶装置
１０３ メモリ装置
１０４ ＣＰＵ
１０５ インタフェース装置
１０６ 表示装置
１０７ 入力装置
Ｂ バス

Claims (7)

1. ネットワークを介して配信される映像の視聴時間に係る要因指標の実績値と、前記視聴時間の実績値とに基づいて、前記要因指標と前記視聴時間との関係を、回帰分析又は決定木分析によって推定する推定部、
   を有することを特徴とする推定装置。
2. 前記要因指標の値が入力されると、前記関係に前記値を適用して、視聴時間の推定値を算出する算出部、
   を有することを特徴とする請求項１記載の推定装置。
3. 前記関係は、前記要因指標と前記視聴時間との一対一の関係又は多対一の関係を示す、
   ことを特徴とする請求項１又は２記載の推定装置。
4. ネットワークを介して配信される映像の視聴時間に係る要因指標の実績値と、前記視聴時間の実績値とに基づいて、前記要因指標と前記視聴時間との関係を、回帰分析又は決定木分析によって推定する推定手順、
   をコンピュータが実行することを特徴とする推定方法。
5. 前記要因指標の値が入力されると、前記関係に前記値を適用して、視聴時間の推定値を算出する算出手順、
   を前記コンピュータが実行することを特徴とする請求項４記載の推定方法。
6. 前記関係は、前記要因指標と前記視聴時間との一対一の関係又は多対一の関係を示す、
   ことを特徴とする請求項４又は５記載の推定方法。
7. 請求項４乃至６いずれか一項記載の推定方法をコンピュータに実行させることを特徴とするプログラム。

Images