随着多媒体通信技术的迅速发展，人们生活与互联网密不可分，IPTV 以独特的多元化视频综合服务迅速进入人们的家庭生活中。用户 QoE 越来越成为 IPTV 服务的核心竞争力。用户 QoE 越好，用户损失的概率就会越小，要保留住用户，提高 IPTV 服务质量的同时，更要关注用户 QoE。如何更准确的评价和预测 QoE，提升用户体验，提高用户黏度成为 IPTV 运营商和服务商热点关注的问题。本文在现有用户 QoE 研究工作的基础上，着重关注 IPTV 用户 QoE 研究所面临的挑战，从影响用户 QoE 的主客观影响因素开展研究，提出了一种基于神经网络 IPTV 用户 QoE 预测系统，本论文开展的主要工作总结如下：（1）研究基于主客观影响因素的混合特征提取方法考虑到用户 QoE 是一个多指标影响问题，本文首先通过皮尔森系数、肯达尔系数、斯皮尔曼系数三种常见的相关性分析方法以及信息增益分析 IPTV 机顶盒数据字段，筛选影响用户 QoE 的关键性指标。针对用户 QoE 主观影响因素，本文主要从用户行为分析，明确了用户切换行为、退出行为、暂停行为确实会对用户造成影响。针对这些结论，本文提出用户行为指标来量化用户的主观特征。本文提出的主客观影响因素的混合特征提取方法，基于 IPTV 用户 QoE 研究面临的特征提取量化的挑战，从主客观多角度、更全面的提取了影响用户 QoE 的关键性指标，为后续的建模与预测打下基石。
........
第一章 绪论
用户拥有各种互联网设备，可以通过手机、电脑、电视和其他设备连接到互联网。据统计，截止 2018 年 6 月，中国用户使用电视接入互联网的比例也从 2017 年的 28.2%增加到29.7%，而在家中连接互联网的比例高达 82.6%[2]。上网以及网络在线视频服务成为了人们生活中必不可少的日常娱乐活动。然而，传统的有线电视行业服务，已经不能满足人们日益增长的多样化、丰富化的视听节目需求，交互式网络电视（Internet Protocol Television，IPTV）作为一种新兴的互联网技术，其跨越式的发展，给传统的有线电视产业带来了极大的冲击与影响，并成为中国家庭收视格局中最强劲的黑马[3]。2014 年，中国 IPTV 用户仅为 3364 万，2017 年突破亿户大关，到 2018 年 10 月，IPTV 用户规模总数高达 1.51 亿[4]。由此可见，家庭生活中，多元化视频服务的需求依旧巨大。
......
2IPTV 技术概述
2.1.1 IPTV 基础知识
与传统的电视相比，IPTV 的“按需观看”和“互动性”两大优点很大程度上满足了人们观看电视节目的主观需求。传统电视采用的是单向广播方式，每一位电视用户只能被动地接受电视服务提供商提供的电视节目和内容。而用户对于自己喜欢的节目，往往需要在规定的时间守候在电视机旁收看自己想看的节目，若错过，则需要等待下次才能观看。IPTV 则弥补了传统电视的不足，用户不需要因等待自己喜爱的节目而蹲守在电视机旁，可以根据自己的需求、合适的时间，随时观看节目，不会因其他原因错过相应的电视节目。IPTV 将传统视“你播我看”的方式变成了“我选我看”的方式，解放了电视节目对用户观看时间限制。此外，IPTV 提供的点播、直播、回放等业务满足了用户多样化及个性化的观看需求。用户体验质量（QoE）概述由于 QoE 是用户在使用多媒体服务或应用的过程中所产生的主观感受，容易受到诸多因素的影响。因此，在 QoE 建模之前，研究 QoE 的影响因素至关重要。影响因子被定义用QoE[8]。也就是说，与这些因素的有关的所有方面都有可能影响用户 QoE。而且，在这些因素中有一些因素是相关的，而不是完全独立的。通常而言，影响用户 QoE 的因素可以分为观因素和客观因素[8][43]。主观因素就是与用户相关的影响因素，客观因素包括系统因素和环境因素。图 2.2 显示用户 QoE 的主客观影响因素分类及对应的常见典型因素。
2.2用户体验质量（QoE）概述
由于 QoE 是用户在使用多媒体服务或应用的过程中所产生的主观感受，容易受到诸多因素的影响。因此，在 QoE 建模之前，研究 QoE 的影响因素至关重要。影响因子被定义用户，系统，服务，应用程序或上下文的任何特征，这些特征的实际状态或设置可能影响用户QoE[8]。也就是说，与这些因素的有关的所有方面都有可能影响用户 QoE。而且，在这些因素中有一些因素是相关的，而不是完全独立的。通常而言，影响用户 QoE 的因素可以分为观因素和客观因素[8][43]。主观因素就是与用户相关的影响因素，客观因素包括系统因素和环境因素。图 2.2 显示用户 QoE 的主客观影响因素分类及对应的常见典型因素
......
第三章 基于主客观影响因素的混合特征提取方法.. 17
3.1论文数据集介绍....... 17
3.2数据预处理............... 18
3.3基于主客观影响因素的混合特征提取方法........ 20
第四章 基于 LSTM 的 IPTV 用户 QoE 预测算法..... 35
4.1基于 LSTM 的用户 QoE 预测算法 ....... 35
4.2基于 LSTM-Attention 的用户 QoE 预测算法............................ 39
4.3实验结果与分析....... 44
4.4本章小结................... 48
第五章 IPTV 用户 QoE 系统设计与实现........... 49
5.1IPTV 用户 QoE 系统需求分析 ............... 49
5.2IPTV 用户 QoE 系统设计 ....................... 52
......
第五章 IPTV 用户 QoE 系统设计与实现
5.1IPTV 用户 QoE 系统需求分析
IPTV 用户 QoE 系统的使用人群是 IPTV 运维部门或是大数据分析部门成员，他们通过该
系统，分析用户 IPTV 机顶盒数据，了解用户兴趣，用户观看行为习惯等。系统前端即可视化平台，其主要任务是为使用人员提供与后端良好交互与数据可视化展示，方便使用人员操作。系统中与用户交互的部分主要包括数据集的选择，数据处理交互与展示，数据分析页面的交互与展示，用户 QoE 预测结果的展示等部分。其中数据集的选择需要用户点击选择对应的数据，数据处理需要用户进行点击操作，后续工作由系统在后台实现，最终将对应的结果显示在前端页面，使用人员对用户情况一目了然。
5.2IPTV 用户 QoE 系统设计
大数据处理平台采用分布式存储系统 HDFS 和存储数据库 HBase 作为数据存储和管理。HDFS 可以存储大量 IPTV 机顶盒数据，并可以提供高性能、大吞吐量的数据访问功能，因此，HDFS 负责存储 IPTV 机顶盒原始数据。HBase 是一种面向列的、具有高可靠性、高性能的非关系型的分布式开源数据库，适用于非结构化和半结构化数据存储。HBase 以 HDFS为基础，构建在 HDFS 存储系统之上，相比于 HDFS， HBase 可以提供更好的数据存储与数据高效访问功能。此外， HBase 对服务器性能要求不高，可以在普通 PC 服务器上实现大规模结构化存储。考虑到上述因素，HBase 负责存储存储计算过程的中间数值，为后续计算提供高效访问功能。最终，为方便前端读取结果并显示，最终结果存储于 MySQL 数据库中。在本系统中，Spark 是典型的 Master/Workers 结构。主节点 Master 是通过运行 Driver 进程，负责整个系统的调度协调工作，并进行任务分发。工作节点 Workers 负责运行 Executor进程，接受 Driver 分发的任务，将数据存储于内存中。Spark 基于内存的计算方式，大大加快了计算速度。此外，为更好的提高本系统的协调管理性能，将系统的调度分配任务由 Yarn 进行管理。
.......
参考文献
[1] Cisco Visual Networking Index: Forecast and Trends, 2017–2022, White Paper. 2018.11. https://www.cisco.com/c/en/us/solutions/collateral/service-provider/visual-networking-index-vni/white-paper-c11-741490.html
[2] 中国互联网络信息中心. 第 42 次中国互联网络发展状况统计报告. 2018.7. https://www.cac.gov.cn/2018-08/20/c_1123296882.html
[3] 王小宁, 唐冉. IPTV:爆发式增长的背后[J]. 中国有线电视, 2017(6):685-688.
[4] 中 国 工 业 信 息 化 部 . 2018 年 10 月 份 通 信 业 经 济 运 行 情 况 . 2018.11.https://www.miit.gov.cn/newweb/n1146285/n1146352/n3054355/n3057511/n3057518/c6499767/content.html
[5] Jin J, Nahrstedt K. QoS specification languages for distributed multimedia applications: a survey and taxonomy[J]. IEEE Multimedia, 2004, 11(3):74-87.
[6] ITU Telecommunication Standardization Sector and OF ITU. Definition of quality of experience (QoE)[S]. ITU-T Recommendation P.10/G.100, Amd 1, 2007
[7] Le Callet P, Möller S, Perkis A. Qualinet white paper on definitions of quality of experience[J]. European network on quality of experience in multimedia systems and services (COST Action IC 1003), 2012, 3(2012).#p#分页标题#e#
[8] Zhao T, Liu Q, Chen C W. QoE in video transmission: A user experience-driven strategy[J]. IEEE Communications Surveys & Tutorials, 2017, 19(1):285-302.
[9] Chen Y, Kaishun W, Zhang Q. From QoS to QoE: A survey and tutorial on state of art, www.zhonghualw.comevolution and future directions of video quality analysis[J]. IEEE Communications Surveys & Tutorials, 2014, 99:1.
[10] Moldovan C, Hoßfeld T. Impact of variances on the QoE in video streaming[C]. 2016 28th International Teletraffic Congress (ITC 28). Würzburg, Germany, IEEE, 2016, 3: 19-24.
[11] 肖冬, 毛义梅. IPTV/OTT 用户体验量化指标体系研究[J]. 工业设计研究,2018(00):190-198.
[12] 伊莎. IPTV 业务现状及发展趋势分析[J]. 数字传媒研究, 2017, 34(05):67-70.
[13] 曾爱华, 刘捷, 冼进. IPTV 系统架构及主要技术[J]. 通信技术, 2010, 43(3):171-173.
[14] 张龙江, 翟海霞, 王晓光. 基于宽带光网的 IPTV 用户感知提升方案研究 [J]. 邮电设计技术 ,2017(1):22-28.
[15] 李庆, 郑战. IPTV 关键技术研究及应用[J]. 电子技术与软件工程, 2018(18):17
..........
