一种用于改善直播视频流中用户体验的深度图强化学习模型
人工智能
2021-07-30 v1 机器学习
摘要
本文提出一种深度图强化学习模型，用于预测并改善由代理/追踪器编排的直播视频流事件期间的用户体验。我们首先将用户体验预测问题表述为一个分类任务，考虑到事件开始时大多数观众因低带宽连接及与追踪器的有限交互而体验质量较差这一事实。在我们的模型中，我们考虑影响用户体验质量的不同因素，并在观众与追踪器交互的多样状态-动作转移上训练所提模型。此外，鉴于过往事件具有不同的用户体验特征，我们遵循梯度提升策略来计算从各事件学习的全局模型。我们使用三个直播视频流事件的真实世界数据集进行的实验证明了所提模型相对于若干基线策略的优越性。此外，由于事件开始时大多数观众体验较差，我们表明我们的模型能在前几分钟流媒体中使高质量体验观众数量至少提升 75%。我们的评估数据集与实现公开于 https://publicresearch.z13.web.core.windows.net
引用
@article{arxiv.2107.13619,
title = {A Deep Graph Reinforcement Learning Model for Improving User Experience in Live Video Streaming},
author = {Stefanos Antaris and Dimitrios Rafailidis and Sarunas Girdzijauskas},
journal= {arXiv preprint arXiv:2107.13619},
year = {2021}
}