基于长短期记忆的流媒体QoE预测模型

现阶段关于连续性QoE预测模型研究存在着实时性差和精确度不高的问题。针对这些问题,提出L-QoE模型,一种使用长短期记忆(LSTM)网络的基于递归神经网络的QoE预测模型,用于捕获时变QoE中涉及的非线性和复杂时间依赖性。基于公开可用的连续QoE数据库的评估,实验结果表明,L-QoE模型能够有效模拟QoE动态性,得出更精确的预测结果。将所提模型与最近提出的QoE预测模型进行比较,通过对比得出该模型在数据库中突出的性能。