生成式 QoE 模型：面向 telecom 网络的轻量级方法
机器学习
2025-05-01 v1 网络与互联网体系结构
摘要
质量经验 (QoE) 预测在优化资源管理和提升用户满意度方面发挥着关键作用，适用于电信和 OTT 服务。虽然近期研究主要依赖深度学习模型，但本研究引入了一种轻量级生成式建模框架，在计算效率、可解释性和预测准确性之间取得平衡。通过验证向量量化 (Vector Quantization, VQ) 作为预处理技术的有效性，将连续网络特征有效转化为离散分类符号，从而实现对时序数据的隐藏马尔可夫模型 (Hidden Markov Model, HMM) 建模。该 VQ-HMM 流水线增强了模型捕捉动态 QoE 模式的能力，同时支持对新见数据的概率推断。在公开的时间序列数据集上进行实验，数据集包含客观指标和主观 QoE 分数，结果表明该方法在实时和资源受限的环境中具有可行性，推理延迟亦是关键考量。该框架为计算资源有限或延迟约束关键的场景提供了复杂深度学习方法的可扩展替代方案。
引用
@article{arxiv.2504.21353,
title = {Generative QoE Modeling: A Lightweight Approach for Telecom Networks},
author = {Vinti Nayar and Kanica Sachdev and Brejesh Lall},
journal= {arXiv preprint arXiv:2504.21353},
year = {2025}
}