WO2021059347A1 - 視聴離脱要因推定装置、視聴離脱要因推定方法及びプログラム - Google Patents

視聴離脱要因推定装置、視聴離脱要因推定方法及びプログラム Download PDF

Info

Publication number
WO2021059347A1
WO2021059347A1 PCT/JP2019/037361 JP2019037361W WO2021059347A1 WO 2021059347 A1 WO2021059347 A1 WO 2021059347A1 JP 2019037361 W JP2019037361 W JP 2019037361W WO 2021059347 A1 WO2021059347 A1 WO 2021059347A1
Authority
WO
WIPO (PCT)
Prior art keywords
viewing
withdrawal
factor
factor estimation
session
Prior art date
Application number
PCT/JP2019/037361
Other languages
English (en)
French (fr)
Inventor
彰子 高橋
和久 山岸
Original Assignee
日本電信電話株式会社
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 日本電信電話株式会社 filed Critical 日本電信電話株式会社
Priority to PCT/JP2019/037361 priority Critical patent/WO2021059347A1/ja
Priority to US17/753,889 priority patent/US11856249B2/en
Priority to JP2021548314A priority patent/JP7243843B2/ja
Priority to PCT/JP2020/014771 priority patent/WO2021059566A1/ja
Publication of WO2021059347A1 publication Critical patent/WO2021059347A1/ja

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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
    • H04N21/2408—Monitoring of the upstream path of the transmission network, e.g. client requests
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
    • H04N21/2401—Monitoring of the client buffer
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
    • H04N21/2402—Monitoring of the downstream path of the transmission network, e.g. bandwidth available
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/254—Management at additional data server, e.g. shopping server, rights management server
    • H04N21/2543—Billing, e.g. for subscription services
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/266—Channel or content management, e.g. generation and management of keys and entitlement messages in a conditional access system, merging a VOD unicast channel into a multicast channel
    • H04N21/2662—Controlling the complexity of the video stream, e.g. by scaling the resolution or bitrate of the video stream based on the client capabilities

Definitions

  • the present invention relates to a viewing withdrawal factor estimation device, a viewing withdrawal factor estimation method, and a program.
  • adaptive bit rate video distribution for mobile terminals is rapidly becoming widespread.
  • the video player dynamically controls the distribution bit rate according to the throughput and buffer usage to realize smooth video playback.
  • the coding quality may deteriorate or playback may stop due to an extreme decrease in throughput or buffer exhaustion of the receiving terminal, and the operator still leaves the viewing (during video playback). Faced with the risk of (end of viewing).
  • Non-Patent Document 1 shows that the viewing withdrawal rate increases exponentially as the playback stop rate and the bit rate fluctuation rate increase. ..
  • Non-Patent Document 2 shows that the more unpopular content is, the faster the viewing withdrawal is, and that the viewing time ratio differs depending on the content genre.
  • Non-Patent Document 3 shortens the viewing time by 25 minutes when the playback stop time ratio increases by 1% in a popular game. It also shows that there is a weak positive correlation between average bit rate and viewing time in popular games. Further, Non-Patent Document 4 shows that the effects of waiting for playback start, playback stop, and bit rate on the viewing time ratio differ depending on the genre of the content.
  • Non-Patent Document 1 analyzes the causal relationship between quality factors and viewing withdrawal on the premise of viewing withdrawal due to quality, and actually includes a considerable number of viewing withdrawal due to lack of interest in content. Although likely, its impact has not been considered.
  • Non-Patent Document 2 analyzes the causal relationship between content factors and viewing withdrawal on the premise of content-induced viewing withdrawal, and there is a possibility that a considerable number of viewing withdrawal due to quality deterioration is also included. However, its impact is not taken into consideration.
  • Non-Patent Documents 3 and 4 analyze a complex causal relationship between quality factors and content factors and viewing withdrawal, but all of them are limited to qualitative evaluation and do not quantitatively model the causal relationship. ..
  • the present invention has been made in view of the above points, and an object of the present invention is to make it possible to estimate a viewing withdrawal factor in adaptive bit rate video distribution.
  • the viewing withdrawal factor estimation device is provided with a condition unit including a combination of a range of a plurality of feature value values that can be measured for viewing the video related to the adaptive bit rate video distribution, and the viewing withdrawal in the viewing. It has a viewing withdrawal factor estimation unit, which includes an estimation model of the factor represented by a conclusion unit indicating the factor.
  • FIG. 10 It is a figure which shows the hardware configuration example of the viewing withdrawal factor estimation apparatus 10 in embodiment of this invention. It is a figure which shows the functional configuration example of the viewing withdrawal factor estimation apparatus 10 in embodiment of this invention. It is a flowchart for demonstrating an example of the processing procedure executed by the viewing withdrawal factor estimation apparatus 10. It is the first figure which shows an example of the classification rule of a tree structure. It is the 2nd figure which shows an example of the classification rule of a tree structure.
  • FIG. 1 is a diagram showing a hardware configuration example of the viewing withdrawal factor estimation device 10 according to the embodiment of the present invention.
  • the viewing withdrawal factor estimation device 10 of FIG. 1 includes a drive device 100, an auxiliary storage device 102, a memory device 103, a CPU 104, an interface device 105, and the like, which are connected to each other by a bus B, respectively.
  • a program that realizes processing by the viewing withdrawal factor estimation device 10 is provided by a recording medium 101 such as a CD-ROM.
  • the recording medium 101 storing the program is set in the drive device 100, the program is installed in the auxiliary storage device 102 from the recording medium 101 via the drive device 100.
  • the program does not necessarily have to be installed from the recording medium 101, and may be downloaded from another computer via the network.
  • the auxiliary storage device 102 stores the installed program and also stores necessary files, data, and the like.
  • the memory device 103 reads and stores the program from the auxiliary storage device 102 when the program is instructed to start.
  • the CPU 104 executes the function related to the viewing withdrawal factor estimation device 10 according to the program stored in the memory device 103.
  • the interface device 105 is used as an interface for connecting to a network.
  • FIG. 2 is a diagram showing a functional configuration example of the viewing withdrawal factor estimation device 10 according to the embodiment of the present invention.
  • the viewing withdrawal factor estimation device 10 includes an input unit 11, a viewing withdrawal factor estimation unit 12, and an output unit 13. Each of these parts is realized by a process of causing the CPU 104 to execute one or more programs installed in the viewing withdrawal factor estimation device 10.
  • FIG. 3 is a flowchart for explaining an example of a processing procedure executed by the viewing withdrawal factor estimation device 10.
  • step S101 the input unit 11 inputs the "feature amount vector for each session" for the session for which the viewing withdrawal factor is estimated.
  • the session means a series of flow (viewing unit) from the start to the end of viewing a single video by a single user.
  • the content to be viewed in each session may be different.
  • the "feature amount vector for each session” is a vector composed of a plurality of feature amounts that can be measured with respect to viewing of the video during the session, and in step S101, the feature amount vector measured in the actual session is input.
  • a vector consisting of a plurality of feature quantities related to application quality, user operation, and content measured during the session is taken as an example of the “feature quantity vector for each session”.
  • the session in which the user leaves the viewing during the video playback is targeted, and the session in which the video is viewed to the end and the playback is completed is excluded.
  • the application quality is the quality that the user actually experiences on the application (video player) while viewing the video related to the adaptive bit rate video distribution.
  • feature quantities related to application quality are the playback stop time ratio (the value obtained by standardizing the total playback stop time during the session by the content length) and the playback stop count ratio (the number of playback stops during the session is standardized by the content length).
  • average playback stop interval average value of the occurrence interval when multiple playback stops occur during the session
  • playback start waiting time ratio value based on the playback start waiting time immediately after the session start by the content length
  • Primary bitrate bitrate of quality level chunks played for the longest time during the session
  • average bitrate bitsrates of all chunks played during the session weighted average by play time
  • Bit rate fluctuation rate value based on the number of playback bit rate fluctuations that occurred during the session based on the content length
  • average bit rate fluctuation interval occurrence interval when multiple playback bit rate fluctuations occur during the session
  • bit rate fluctuation cumulative value ratio value obtained by accumulating the absolute value of the difference each time a playback bit rate fluctuation occurs during a session and standardizing by the content length).
  • the user operation is an application (video player) operation by the user while viewing the video related to the adaptive bit rate video distribution.
  • Specific examples include playback start, pause (pause), seek (fast forward, fast rewind), bit rate change (resolution change), and playback end.
  • feature quantities related to user operations are the viewing time ratio (value based on the user viewing time during the session based on the content length) and the pause frequency ratio (value based on the number of pause operations occurring during the session based on the content length).
  • Average pause interval (average value of occurrence interval when multiple pause operations occur during a session), seek frequency ratio (value based on the number of seek operation occurrences during a session by content length), average seek interval (value) Average value of the occurrence interval when multiple seek operations occur during the session), bit rate change frequency ratio (value based on the number of bit rate change operation occurrences by the user during the session based on the content length), average bit rate Change interval (average value of the occurrence interval when multiple user bit rate change operations occur during the session), bit rate change cumulative value ratio (the difference between each bit rate change operation by the user during the session) Absolute values are accumulated and standardized by the content length).
  • the content is a video related to adaptive bit rate video distribution.
  • feature quantities related to content include dummy variables related to the genre (for example, a dummy variable that takes a value of 1 when it corresponds to a music genre and a value of 0 when it does not correspond), the content length, and the number of views (the content in the past fixed period). (Total number of viewers), average viewing time ratio (value obtained by dividing the total viewing time of the content in the past fixed period by the number of views), and the like.
  • the viewing withdrawal factor estimation unit 12 applies the viewing withdrawal factor estimation model to the “feature amount vector for each session” input by the input unit 11 to estimate the “viewing withdrawal factor for each session” (S102). ).
  • the "viewing withdrawal factor for each session” is a binary variable (category variable) indicating whether the factor of viewing withdrawal during video playback by the user is quality or content. For example, when the factor of viewing withdrawal is estimated to be quality. Indicates a value of 1, and if it is presumed to be content, it indicates a value of 2.
  • the viewing withdrawal factor estimation unit 12 includes a viewing withdrawal factor estimation model (or the viewing withdrawal factor estimation unit 12 uses a viewing withdrawal factor estimation model).
  • the viewing withdrawal factor estimation model is a condition part consisting of a combination of various feature quantities related to application quality, various feature quantities related to user operation, and a range of values of various feature quantities related to content, and a conclusion showing the viewing withdrawal factor (quality or content). It is a classification model of a tree structure represented by a part, that is, a classification tree model (decision tree model when the objective variable is a categorical variable).
  • the viewing withdrawal factor estimation unit 12 includes, for example, various feature quantities related to application quality, user operation, and content measured during each session of a plurality of sessions generated in a viewing experiment of adaptive bit rate video distribution, and at the end of each session.
  • a viewing withdrawal factor estimation model may be constructed (generated) based on the measured correct answer data of the viewing withdrawal factor (quality or content).
  • the correct answer data may be measured, for example, by listening to the participants of the viewing experiment. Such listening may be performed by input to the viewing terminal by the participant (input indicating a viewing withdrawal factor). Further, the video (content) of each session in the viewing experiment may be different.
  • the viewing withdrawal factor estimation unit 12 applies the CART algorithm of the classification tree model, and when the plurality of sessions are divided into two groups, the purity in each group (viewing withdrawal session due to quality and viewing due to content)
  • a binary tree is grown by searching for a division criterion (a combination of a division variable and a division point (a threshold that divides the range of values of the division variable)) that has the lowest (degree of mixture of withdrawal sessions) from the feature amount.
  • a division criterion a combination of a division variable and a division point (a threshold that divides the range of values of the division variable)
  • a set of tree-structured classification rules in which viewing withdrawal factors are classified into quality or content is generated in the leaf node.
  • the index indicating the purity include the Gini coefficient and entropy.
  • the set of classification rules is a viewing withdrawal factor estimation model.
  • Each classification rule includes a condition part and a conclusion part.
  • the derivation of the "viewing withdrawal factor for each session" by the viewing withdrawal factor estimation unit 12 specifically applies the feature quantity vector related to the session to the classification rule of the tree structure of the viewing withdrawal factor estimation model for each session. It is done by following (applying) the binary tree. Upon arriving at the leaf node, the viewing withdrawal factor estimation unit 12 determines that the viewing withdrawal factor related to the session is either quality or content based on the leaf node.
  • FIG. 4 is a first diagram showing an example of a tree structure classification rule.
  • the session is classified as quality-induced viewing withdrawal (conclusion part).
  • the rules are shown. According to this classification rule, viewing of 59% or more of the content length is completed, and the bit rate fluctuation cumulative value ratio is about 6500 bps / sec or more, that is, the bit rate fluctuation cumulative value is about 390 kbps or more in terms of 60 seconds content. In this case, the session is determined to be viewing withdrawal due to quality.
  • FIG. 5 is a second diagram showing an example of a tree structure classification rule.
  • the viewing time ratio is 0.06 or more and less than 0.59
  • the playback stop time ratio is less than 0.02
  • the number of views is less than 59 (condition part)
  • the session is withdrawn from viewing due to content.
  • Classification rules such as (conclusion part) are shown. According to this classification rule, if 6% or more and less than 59% of the content length has been viewed, the playback stop time is less than 2% of the content length, and the number of views is less than 59, the session is concerned. Is determined to be viewing withdrawal due to content.
  • the output unit 13 outputs the "viewing withdrawal factor for each session" estimated by the viewing withdrawal factor estimation unit 12 (S103).
  • the output form is not limited to a predetermined one. It may be displayed on a display device, stored in an auxiliary storage device 102 or the like, or transmitted to another computer via a network. It may be output in other forms.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

視聴離脱要因推定装置は、アダプティブビットレート映像配信に係る映像の視聴に関して計測可能な複数の特徴量の値の範囲の組合せからなる条件部と、前記視聴における視聴離脱の要因を示す結論部により表現される前記要因の推定モデルを備える視聴離脱要因推定部、を有することで、アダプティブビットレート映像配信における視聴離脱要因を推定可能とすることができる。

Description

視聴離脱要因推定装置、視聴離脱要因推定方法及びプログラム
　本発明は、視聴離脱要因推定装置、視聴離脱要因推定方法及びプログラムに関する。
　映像の符号化、配信、ネットワーク、ディスプレイ等の技術発展に伴い、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が急速に普及している。アダプティブビットレート映像配信では、映像プレーヤがスループットやバッファの使用状況に応じて配信ビットレートを動的に制御することでスムーズな映像再生を実現する。
　一方、アダプティブビットレート映像配信においても極端なスループット低下や受信端末のバッファ枯渇に起因して符号化品質の劣化や再生停止が発生することがあり、事業者は依然としてユーザによる視聴離脱（映像再生途中での視聴終了）のリスクに直面している。
　消費者庁第２５回インターネット消費者取引連絡会の調査結果によれば、有料動画配信サービス選定時に重視されるのは、価格を除くとコンテンツ及び品質である。このことから、視聴離脱にも品質起因の視聴離脱とコンテンツ起因の視聴離脱が混在している可能性が高いと考えられる。品質起因の視聴離脱に対してコンテンツ拡充を図ってもこれを防ぐことはできず、逆にコンテンツ起因の視聴離脱に対して品質改善を図るのは過剰品質の提供につながるため、このようなミスマッチを防ぐためにも視聴離脱要因を推定する、すなわち、視聴離脱要因を品質又はコンテンツに分類する技術が必要となる。
　視聴離脱と視聴離脱に影響を及ぼす各種要因との因果関係を明らかにする先行技術としては、以下が挙げられる。
　まず、品質要因と視聴離脱との因果関係を明らかにする技術として、非特許文献１は、再生停止割合やビットレート変動割合の上昇と共に視聴離脱率が指数関数的に上昇することを示している。
　また、コンテンツ要因と視聴離脱との因果関係を明らかにする技術として、非特許文献２は、不人気コンテンツほど視聴離脱が早いことやコンテンツのジャンルにより視聴時間割合が異なることを示している。
　さらに、品質要因及びコンテンツ要因と視聴離脱との複合的な因果関係を明らかにする技術として、非特許文献３は、人気試合において再生停止時間割合が１％上昇すると視聴時間が２５分短縮されること、同じく人気試合において平均ビットレートと視聴時間の間に正の弱い相関があることを示している。また、非特許文献４は、コンテンツのジャンルにより再生開始待ち、再生停止やビットレートが視聴時間割合に及ぼす影響が異なることを示している。
H. Nam, K. Kim, and H. Schulzrinne, "QoE Matters More Than QoS: Why People Stop Watching Cat Videos," in Proc. IEEE International Conference on Computer Communications (INFOCOM), Apr. 2016. L. Chen, Y. Zhou, and D. M. Chiu, "Video Browsing - A Study of User Behavior in Online VoD Services," in Proc. 22nd International Conference on Computer Communication and Networks (ICCCN), July 2013. M. T. Diallo, F. Fieau, and J. B. Hennequin, "Impacts of Video Quality of Experience on User Engagement in a Live Event," in Proc. 5th International Conference on Multimedia and Expo Workshops (ICMEW), July 2014. X. Wang, A. Wei, Y. Yang, and J. Ning, "Characterizing the correlation between video types and user quality of experience in the large-scale internet video service," in Proc. 12th International Conference on Fuzzy Systems and Knowledge Discovery (FSKD), Aug. 2015.
　しかしながら、非特許文献１は、品質起因の視聴離脱を前提として品質要因と視聴離脱との因果関係を分析しており、実際にはコンテンツに対する興味の欠如が原因の視聴離脱が相当数含まれている可能性が高いものの、その影響は考慮されていない。
　逆に、非特許文献２は、コンテンツ起因の視聴離脱を前提としてコンテンツ要因と視聴離脱との因果関係を分析しており、こちらも品質劣化が原因の視聴離脱が相当数含まれている可能性が高いものの、その影響は考慮されていない。
　非特許文献３、４は、品質要因及びコンテンツ要因と視聴離脱との複合的な因果関係を分析しているが、いずれも定性評価にとどまり、当該因果関係を定量的にモデル化するものではない。
　本発明は、上記の点を鑑みてなされたものであり、アダプティブビットレート映像配信における視聴離脱要因を推定可能とすることを目的とする。
　上記課題を解決するため、視聴離脱要因推定装置は、アダプティブビットレート映像配信に係る映像の視聴に関して計測可能な複数の特徴量の値の範囲の組合せからなる条件部と、前記視聴における視聴離脱の要因を示す結論部により表現される前記要因の推定モデルを備える視聴離脱要因推定部、を有する。
　アダプティブビットレート映像配信における視聴離脱要因を推定可能とする。
本発明の実施の形態における視聴離脱要因推定装置１０のハードウェア構成例を示す図である。 本発明の実施の形態における視聴離脱要因推定装置１０の機能構成例を示す図である。 視聴離脱要因推定装置１０が実行する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。 木構造の分類ルールの一例を示す第１の図である。 木構造の分類ルールの一例を示す第２の図である。
　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、本発明の実施の形態における視聴離脱要因推定装置１０のハードウェア構成例を示す図である。図１の視聴離脱要因推定装置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、及びインタフェース装置１０５等を有する。
　視聴離脱要因推定装置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離脱要因推定装置１０に係る機能を実行する。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。
　図２は、本発明の実施の形態における視聴離脱要因推定装置１０の機能構成例を示す図である。図２に示されるように、視聴離脱要因推定装置１０は、入力部１１、視聴離脱要因推定部１２及び出力部１３を有する。これら各部は、視聴離脱要因推定装置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。
　以下、視聴離脱要因推定装置１０が実行する処理手順について説明する。図３は、視聴離脱要因推定装置１０が実行する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、入力部１１は、視聴離脱要因の推定対象のセッションについて、「セッションごとの特徴量ベクトル」を入力する。ここで、セッションとは、単一のユーザが単一の映像の視聴を開始してから終了するまでの一連の流れ（視聴単位）をいう。なお、各セッションにおいて視聴対象とされるコンテンツは異なってもよい。
　「セッションごとの特徴量ベクトル」とは、セッション中における映像の視聴に関して計測可能な複数の特徴量からなるベクトルであり、ステップＳ１０１では、実際のセッションにおいて計測された特徴量ベクトルが入力される。本実施の形態では、セッション中に計測されたアプリケーション品質、ユーザ操作、コンテンツに関する複数の特徴量からなるベクトルを、「セッションごとの特徴量ベクトル」の一例とする。但し、ここでは映像再生中にユーザが視聴離脱したセッションを対象とし、映像が最後まで視聴され再生終了したセッションは対象外とする。
　アプリケーション品質とは、アダプティブビットレート映像配信に係る映像の視聴中にユーザがアプリケーション（映像プレーヤ）上で実際に体感する品質のことである。アプリケーション品質に関する特徴量の例としては、再生停止時間割合（セッション中の総再生停止時間をコンテンツ長で基準化した値）、再生停止回数割合（セッション中の再生停止回数をコンテンツ長で基準化した値）、平均再生停止間隔（セッション中に複数回の再生停止が発生した場合の発生間隔の平均値）、再生開始待ち時間割合（セッション開始直後の再生開始待ち時間をコンテンツ長で基準化した値）、プライマリビットレート（セッション中に最も長い時間再生された品質水準のチャンクのビットレート）、平均ビットレート（セッション中に再生されたすべてのチャンクのビットレートを再生時間で加重平均した値）、ビットレート変動回数割合（セッション中に発生した再生ビットレートの変動回数をコンテンツ長で基準化した値）、平均ビットレート変動間隔（セッション中に複数回の再生ビットレート変動が発生した場合の発生間隔の平均値）、ビットレート変動累積値割合（セッション中に再生ビットレート変動が発生するたびにその差分の絶対値を累積しコンテンツ長で基準化した値）などが挙げられる。
　また、ユーザ操作とは、アダプティブビットレート映像配信に係る映像の視聴中におけるユーザによるアプリケーション（映像プレーヤ）操作のことである。具体的には、再生開始、ポーズ（一時停止）、シーク（早送り、早戻し）、ビットレート変更（解像度変更）、再生終了が挙げられる。ユーザ操作に関する特徴量の例としては、視聴時間割合（セッション中のユーザ視聴時間をコンテンツ長で基準化した値）、ポーズ回数割合（セッション中のポーズ操作発生回数をコンテンツ長で基準化した値）、平均ポーズ間隔（セッション中に複数回のポーズ操作が発生した場合の発生間隔の平均値）、シーク回数割合（セッション中のシーク操作発生回数をコンテンツ長で基準化した値）、平均シーク間隔（セッション中に複数回のシーク操作が発生した場合の発生間隔の平均値）、ビットレート変更回数割合（セッション中のユーザによるビットレート変更操作発生回数をコンテンツ長で基準化した値）、平均ビットレート変更間隔（セッション中に複数回のユーザによるビットレート変更操作が発生した場合の発生間隔の平均値）、ビットレート変更累積値割合（セッション中にユーザによるビットレート変更操作が発生するたびにその差分の絶対値を累積しコンテンツ長で基準化した値）などが挙げられる。
　また、コンテンツとは、アダプティブビットレート映像配信に係る映像のことである。コンテンツに関する特徴量の例としては、ジャンルに関するダミー変数（例えば、音楽ジャンルに該当する場合に値１、該当しない場合に値０をとるダミー変数）、コンテンツ長、ビュー数（過去一定期間における当該コンテンツの総視聴数）、平均視聴時間割合（過去一定期間における当該コンテンツの総視聴時間をビュー数で割った値）などが挙げられる。
　続いて、視聴離脱要因推定部１２は、入力部１１が入力した「セッションごとの特徴量ベクトル」に対して視聴離脱要因推定モデルを適用し、「セッションごとの視聴離脱要因」を推定する（Ｓ１０２）。「セッションごとの視聴離脱要因」とは、ユーザが映像再生中に視聴離脱した要因が品質かコンテンツかを表す２値変数（カテゴリ変数）であり、例えば視聴離脱の要因が品質と推定される場合は値１を示し、コンテンツと推定される場合は値２を示す。
　本実施の形態において、視聴離脱要因推定部１２は視聴離脱要因推定モデルを備える（又は、視聴離脱要因推定部１２は視聴離脱要因推定モデルを用いる。）。視聴離脱要因推定モデルとは、アプリケーション品質に関する各種特徴量、ユーザ操作に関する各種特徴量、コンテンツに関する各種特徴量の値の範囲の組合せからなる条件部と、視聴離脱要因（品質又はコンテンツ）を示す結論部により表現される木構造の分類モデル、すなわち分類木モデル（目的変数がカテゴリ変数の場合の決定木モデル）である。
　視聴離脱要因推定部１２は、例えば、アダプティブビットレート映像配信の視聴実験で発生した複数のセッションの、各セッション中に計測されたアプリケーション品質、ユーザ操作及びコンテンツに関する各種特徴量と、各セッション終了時に計測された視聴離脱要因（品質又はコンテンツ）の正解データに基づき視聴離脱要因推定モデルを構築（生成）してもよい。なお、正解データの計測は、例えば、視聴実験の参加者から聴取することにより行われてもよい。斯かる聴取は、参加者による視聴端末への入力（視聴離脱要因を示す入力）によって行われてもよい。また、視聴実験における各セッションの映像（コンテンツ）は異なっていてもよい。
　例えば、視聴離脱要因推定部１２は、分類木モデルのＣＡＲＴアルゴリズムを適用し、当該複数のセッションを２つのグループに分割した場合の各グループにおける不純度（品質起因の視聴離脱セッションとコンテンツ起因の視聴離脱セッションが混在している度合）が最も低くなるような分割基準（分割変数と分割点（分割変数の値の範囲を区切る閾値）の組合せ）を当該特徴量から探索し、二分木を成長させていく計算を繰り返すことで、葉ノードにおいて視聴離脱要因が品質又はコンテンツに分類される木構造の分類ルールの集合を生成する。不純度を表す指標としては、ジニ係数、エントロピーなどが挙げられる。ここで、分類ルールの集合が、視聴離脱要因推定モデルである。各分類ルールは、条件部及び結論部を含む。
　視聴離脱要因推定部１２による「セッションごとの視聴離脱要因」の導出は、具体的には、セッションごとに、当該セッションに係る特徴量ベクトルを、視聴離脱要因推定モデルの木構造の分類ルールに当てはめて（適用して）二分木をたどることにより行われる。葉ノードにたどり着くと、視聴離脱要因推定部１２は、当該葉ノードに基づいて、当該セッションに係る視聴離脱要因を、品質又はコンテンツのいずれかと判定する。
　図４は、木構造の分類ルールの一例を示す第１の図である。図４には、例えば、視聴時間割合が０．５９以上、ビットレート変動累積値割合が６４１３以上の場合（条件部）、当該セッションは品質起因の視聴離脱に分類される（結論部）といった分類ルールが示されている。この分類ルールは、コンテンツ長に対し５９％以上の視聴を完了しており、かつビットレート変動累積値割合が約６５００ｂｐｓ／秒以上、つまり６０秒コンテンツ換算でビットレート変動累積値が約３９０ｋｂｐｓ以上の場合、当該セッションを品質起因の視聴離脱と判定するというものである。
　また、図５は、木構造の分類ルールの一例を示す第２の図である。図５には、例えば、視聴時間割合が０．０６以上０．５９未満、再生停止時間割合が０．０２未満、ビュー数が５９未満の場合（条件部）、当該セッションはコンテンツ起因の視聴離脱に分類される（結論部）といった分類ルールが示されている。この分類ルールは、コンテンツ長に対し６％以上５９％未満の視聴を完了しており、またコンテンツ長に対し再生停止時間が２％未満であり、かつビュー数が５９件未満の場合、当該セッションをコンテンツ起因の視聴離脱と判定するというものである。
　続いて、出力部１３は、視聴離脱要因推定部１２によって推定された「セッションごとの視聴離脱要因」を出力する（Ｓ１０３）。出力形態は所定のものに限定されない。表示装置に表示されてもよいし、補助記憶装置１０２等に記憶されてもよいし、ネットワークを介した他のコンピュータへ送信されてもよい。その他の形態によって出力されてもよい。
　上述したように、本実施の形態によれば、アダプティブビットレート映像配信の各セッションにおいて、視聴離脱が発生した要因が品質であったのかコンテンツであったのかを推定することが可能となる。すなわち、アダプティブビットレート映像配信における視聴離脱要因を推定可能とする。
　これにより、品質起因の視聴離脱セッションに対して品質改善、コンテンツ起因の視聴離脱セッションに対してコンテンツ拡充を図ることが可能となり、適切な視聴離脱防止策の策定に寄与することができる。また、品質要因と視聴離脱の因果関係を解明したい場合に、品質起因の視聴離脱セッションのみ抽出しコンテンツ要因の影響を排除することが可能となり、逆にコンテンツ要因と視聴離脱の因果関係を解明したい場合も、コンテンツ起因の視聴離脱セッションのみ抽出し品質要因の影響を排除することが可能となる。
　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、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　　　　　視聴離脱要因推定装置
１１　　　　　入力部
１２　　　　　視聴離脱要因推定部
１３　　　　　出力部
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
Ｂ　　　　　　バス

Claims (7)

  1. 　アダプティブビットレート映像配信に係る映像の視聴に関して計測可能な複数の特徴量の値の範囲の組合せからなる条件部と、前記視聴における視聴離脱の要因を示す結論部により表現される前記要因の推定モデルを備える視聴離脱要因推定部、
    を有することを特徴とする視聴離脱要因推定装置。
  2. 　前記視聴離脱要因推定部は、前記視聴において計測された前記複数の特徴量を前記推定モデルに適用して前記要因を推定する、
    ことを特徴とする請求項１記載の視聴離脱要因推定装置。
  3. 　前記推定モデルは、分類木モデルである、
    ことを特徴とする請求項１又は２記載の視聴離脱要因推定装置。
  4. 　アダプティブビットレート映像配信に係る映像の視聴に関して計測可能な複数の特徴量の値の範囲の組合せからなる条件部と、前記視聴における視聴離脱の要因を示す結論部により表現される前記要因の推定モデルを用いる視聴離脱要因推定手順、
    をコンピュータがすることを特徴とする視聴離脱要因推定方法。
  5. 　前記視聴離脱要因推定手順は、前記視聴において計測された前記複数の特徴量を前記推定モデルに適用して前記要因を推定する、
    ことを特徴とする請求項４記載の視聴離脱要因推定方法。
  6. 　前記推定モデルは、分類木モデルである、
    ことを特徴とする請求項４又は５記載の視聴離脱要因推定方法。
  7. 　請求項１乃至３いずれか一項記載の視聴離脱要因推定装置としてコンピュータを機能させることを特徴とするプログラム。
PCT/JP2019/037361 2019-09-24 2019-09-24 視聴離脱要因推定装置、視聴離脱要因推定方法及びプログラム WO2021059347A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
PCT/JP2019/037361 WO2021059347A1 (ja) 2019-09-24 2019-09-24 視聴離脱要因推定装置、視聴離脱要因推定方法及びプログラム
US17/753,889 US11856249B2 (en) 2019-09-24 2020-03-31 Cause-of-viewer-disengagement estimating apparatus, cause-of-viewer-disengagement estimating method and program
JP2021548314A JP7243843B2 (ja) 2019-09-24 2020-03-31 視聴離脱要因推定装置、視聴離脱要因推定方法及びプログラム
PCT/JP2020/014771 WO2021059566A1 (ja) 2019-09-24 2020-03-31 視聴離脱要因推定装置、視聴離脱要因推定方法及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2019/037361 WO2021059347A1 (ja) 2019-09-24 2019-09-24 視聴離脱要因推定装置、視聴離脱要因推定方法及びプログラム

Publications (1)

Publication Number Publication Date
WO2021059347A1 true WO2021059347A1 (ja) 2021-04-01

Family

ID=75165164

Family Applications (2)

Application Number Title Priority Date Filing Date
PCT/JP2019/037361 WO2021059347A1 (ja) 2019-09-24 2019-09-24 視聴離脱要因推定装置、視聴離脱要因推定方法及びプログラム
PCT/JP2020/014771 WO2021059566A1 (ja) 2019-09-24 2020-03-31 視聴離脱要因推定装置、視聴離脱要因推定方法及びプログラム

Family Applications After (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/014771 WO2021059566A1 (ja) 2019-09-24 2020-03-31 視聴離脱要因推定装置、視聴離脱要因推定方法及びプログラム

Country Status (3)

Country Link
US (1) US11856249B2 (ja)
JP (1) JP7243843B2 (ja)
WO (2) WO2021059347A1 (ja)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019129486A (ja) * 2018-01-26 2019-08-01 日本電信電話株式会社 推定装置、推定方法及びプログラム

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2336913A3 (en) * 2009-11-23 2011-06-29 Research In Motion Limited Virtual collection of entities in sync process
US9451306B2 (en) * 2012-01-03 2016-09-20 Google Inc. Selecting content formats for additional content to be presented along with video content to a user based on predicted likelihood of abandonment
US8930987B2 (en) * 2012-03-30 2015-01-06 United Video Properties, Inc. Systems and methods for adaptively transmitting media and advertising content
US9525641B1 (en) * 2014-01-24 2016-12-20 Google Inc. Facilitating buffer wait time determination based on device- or entity-related conditions
US11553251B2 (en) * 2014-06-20 2023-01-10 Comcast Cable Communications, Llc Content viewing tracking
US9467745B1 (en) * 2015-04-06 2016-10-11 Domo, Inc. Viewer traffic visualization platform
US10594812B2 (en) * 2017-03-10 2020-03-17 Sony Interactive Entertainment LLC Post-engagement metadata generation
US10848824B2 (en) * 2017-06-15 2020-11-24 Amazon Technologies, Inc. Dynamic detection and mitigation of multimedia stream abandonment
US11509703B2 (en) * 2018-09-26 2022-11-22 Vmware, Inc. System and method for widescale adaptive bitrate selection
US11341184B2 (en) * 2019-02-26 2022-05-24 Spotify Ab User consumption behavior analysis and composer interface
US11770569B2 (en) * 2019-04-05 2023-09-26 Q'ligent Corporation Providing risk based subscriber enhancements

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019129486A (ja) * 2018-01-26 2019-08-01 日本電信電話株式会社 推定装置、推定方法及びプログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
KAWASHIMA, KIMIKO: "Relationship among quality factors and viewing time for adaptive- bitrate-video-streaming services", IEICE TECHNICAL REPORT, vol. 118, no. 8, 12 April 2018 (2018-04-12), pages 41 - 45 *

Also Published As

Publication number Publication date
US20220417573A1 (en) 2022-12-29
JPWO2021059566A1 (ja) 2021-04-01
JP7243843B2 (ja) 2023-03-22
WO2021059566A1 (ja) 2021-04-01
US11856249B2 (en) 2023-12-26

Similar Documents

Publication Publication Date Title
US20170347159A1 (en) Qoe analysis-based video frame management method and apparatus
US10869072B2 (en) Audio-visual quality estimation device, method for estimating audio-visual quality, and program
CN109831705B (zh) 一种针对HTTP视频流业务的主观QoE评估方法
US11463742B2 (en) Quality estimation of adaptive multimedia streaming
US12069122B2 (en) System and method for managing video streaming quality of experience
Kimura et al. Balancing quality of experience and traffic volume in adaptive bitrate streaming
EP3664456A1 (en) Apparatus and method for playing streamed media
Tran et al. An LSTM-based approach for overall quality prediction in HTTP adaptive streaming
Lebreton et al. Quitting ratio-based bitrate ladder selection mechanism for adaptive bitrate video streaming
WO2021059347A1 (ja) 視聴離脱要因推定装置、視聴離脱要因推定方法及びプログラム
JP6907958B2 (ja) 推定装置、推定方法及びプログラム
Menkovski et al. Online learning for quality of experience management
Zhang et al. QUTY: Towards Better Understanding and Optimization of Short Video Quality
Lu et al. Deep-reinforcement-learning-based user-preference-aware rate adaptation for video streaming
US11477502B2 (en) Distribution design support method, distribution design support apparatus and program
Karthikeyan et al. Benchmarking video service quality: Quantifying the viewer impact of loss-related impairments
WO2017018072A1 (ja) 配信レート選択装置、配信レート選択方法、及びプログラム
Lebreton et al. Adaptive Bitrate Control Mechanism Based on Long-Term Evaluation
Schwarzmann et al. Linking QoE and performance models for DASH-based video streaming
Zhang et al. User Preferences Based Preloading and ABR Algorithm for Short Video Streaming
Dac et al. QoE-aware video adaptive streaming over HTTP
JP7052768B2 (ja) 配信設計支援方法、配信設計支援装置及びプログラム
Moldovan et al. Impact of variances on the QoE in video streaming
Shen et al. QoE-optimal rate adaptation for HTTP adaptive streaming
JP7215209B2 (ja) エンゲージメント推定装置、エンゲージメント推定方法及びプログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19947243

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19947243

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP