Predicting the QOE of Video Streaming in Communication Networks
Notice bibliographique
Résumé
The Video streaming QoE (Quality of Experience) index consists of a series of qualitative factors that are difficult to measure. On the other hand, other Video streaming indices, such as the KPIs (Key Performance Indicators) are easily and physically measurable. This paper introduces a method to predict QoE based on KPIs measures in (wired or wireless) communication networks. Besides the possible academic interest, the method may practically be of interest to the network operator. Indeed, to ensure compliance with the SLA (Service Level Agreement) he would like to predict how the QoE can change as a consequence of a new network management alternative. To perform prediction, the problem is that the network operator first needs to know how the KPIs would change due to the alternative, and then find a way to derive (say mathematically) the QoE from the new KPIs. The contribution of this paper is a simulation/mathematical approach to solving the problem. First, a simulation method is introduced to know how the KPIs would change as a consequence of the new alternative, and then a valid KPI/QoE mathematical relationship is introduced to derive the new QoE from the new KPIs. The paper is organized as follows: in Section 1 an introduction is given to the definition of QoE in Video streaming. In Section 2 the status of the art from the literature on the KPI/QoE mathematical models is dealt with, and a valid model is identified that derives the Video streaming QoE from the network KPIs. In Section 3, a simulated network is introduced to know how the KPIs would change as a consequence of a new network management alternative. Finally, Section 4 uses the identified mathematical relationship to predict the Video streaming QoE from the measured KPIs. The considered application is an LTE (Long Term Evolution) network, but the approach can be extended to any communication network, wired or wireless from 3G onwards.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».