一种网络直播卡顿的追踪方法及系统与流程

本发明涉及直播领域，具体涉及一种网络直播卡顿的追踪方法及系统。

背景技术：

1、随着网络通信技术的飞速发展，4g普及、可预期的5g应用，短视频和网络直播必将进入蓬勃发展阶段。网络短视频在移动端飞速增长，也有力地助推了互联网经济。在近年很多重要活动和突发事件中，媒体运用短视频、航拍等手段，策划新媒体作品，增强了报道感染力和传播效果。移动网和手机成为网络视频第一终端。用户使用4g观看直播的习惯正在养成，直播将拥有广阔的流量市场空间。越来越多的用户从图片和文字相继转入短视频、直播领域。

2、直播场景的特点主要表现在以下几个方面：一是随着直播业务的不断发展，用户对直播的体验要求越来越高，需要做精细的人群优化；二是目前电很多直播主要是面向普通人的直播，场景丰富真实，也带来一些问题，比如用户的网络情况非常复杂；三是用户基数大，直播的流量巨大，为了业务的稳定性，必须采用多家供应商cdn，也带来了管理和业务上的复杂性；四是不同场景的直播要求不一，通常需要在不同的场景下面对清晰or流畅、首屏秒开or低延时这样的矛盾选择。这种业务特性下就会带来体验问题多样化、不同cdn之间的需求协调周期长，以及网络环境复杂多变的问题。

3、常规的直播流质量检测系统，依赖大量的用户数据埋点采集直流流量问题并上报，方式过于单一且成本略高；且大量的端埋点数据的采集和存储耗费大量的服务器成本以及每天建立几百g的存储索引，也大大增加质量检测系统的稳定性要求。

技术实现思路

1、本发明实施例提供一种网络直播卡顿的追踪方法及系统，能够解决现有技术中存在的上述技术问题。

2、为达上述目的，一方面，本发明实施例提供一种网络直播卡顿的追踪方法，包括：

3、在目标用户的网络直播过程中，实时获取所述网络直播的各受众用户发表的评论信息，基于所述各受众用户的评论信息构造用户语料库；

4、确定所述用户语料库内包含有卡顿语义的第一评论信息，根据各所述第一评论信息得到卡顿信息库；

5、将所述卡顿信息库内的各第一评论信息进行向量处理得到对应的卡顿向量集，将所述卡顿向量集输入朴素贝叶斯分类器，输出所述目标用户对应的卡顿类型。

6、另一方面，本发明实施例提供一种网络直播卡顿的追踪系统，包括：

7、用户语料库构造单元，用于在目标用户的网络直播过程中，实时获取所述网络直播的各受众用户发表的评论信息，基于所述各受众用户的评论信息构造用户语料库；

8、卡顿信息库构造单元，用于确定所述用户语料库内包含有卡顿语义的第一评论信息，根据各所述第一评论信息得到卡顿信息库；

9、卡顿类型确定单元，用于将所述卡顿信息库内的各第一评论信息进行向量处理得到对应的卡顿向量集，将所述卡顿向量集输入朴素贝叶斯分类器，输出所述目标用户对应的卡顿类型。

10、上述技术方案具有如下有益效果：在目标用户的网络直播过程中，实时获取所述网络直播的各受众用户发表的评论信息，基于所述各受众用户的评论信息构造用户语料库；评论信息为现有资源，充分利用现有资源不需耗费大量的数据，也不需要高存储成本，总成本低。确定所述用户语料库内包含有卡顿语义的第一评论信息，根据各所述第一评论信息得到卡顿信息库；将所述卡顿信息库内的各第一评论信息进行向量处理得到对应的卡顿向量集，将所述卡顿向量集输入朴素贝叶斯分类器，输出所述目标用户对应的卡顿类型。通过网络直播的受众的评论信息，能够第一时间发现不同目标用户的卡顿问题，得到相对准确的卡顿类型，从而实现及时发现直播流中所存在的播放质量问题、所以能够高效响应以解决问题。

技术特征：

1.一种网络直播卡顿的追踪方法，其特征在于，包括：

2.根据权利要求1所述的网络直播卡顿的追踪方法，其特征在于，所述在目标用户的网络直播过程中，实时获取所述网络直播的各受众用户发表的评论信息，基于所述各受众用户的评论信息构造用户语料库，具体包括：

3.根据权利要求2所述的网络直播卡顿的追踪方法，其特征在于，所述将所述卡顿信息库内的各第一评论信息进行向量处理得到对应的卡顿向量集，具体包括：

4.根据权利要求1所述的网络直播卡顿的追踪方法，其特征在于，还包括：

5.根据权利要求3或4所述的网络直播卡顿的追踪方法，其特征在于，所述预设的专有词典集的构建方法，包括：

6.一种网络直播卡顿的追踪系统，其特征在于，包括：

7.根据权利要求6所述的网络直播卡顿的追踪系统，其特征在于，

8.根据权利要求7所述的网络直播卡顿的追踪系统，其特征在于，所述卡顿类型确定单元，包括：

9.根据权利要求6所述的网络直播卡顿的追踪系统，其特征在于，还包括：

10.根据权利要求8或9所述的网络直播卡顿的追踪系统，其特征在于，还包括：

技术总结
本发明实施例提供一种网络直播卡顿的追踪方法，涉及直播领域，该方法包括：在目标用户的网络直播过程中，实时获取所述网络直播的各受众用户发表的评论信息，基于所述各受众用户的评论信息构造用户语料库；确定所述用户语料库内包含有卡顿语义的第一评论信息，根据各所述第一评论信息得到卡顿信息库；将所述卡顿信息库内的各第一评论信息进行向量处理得到对应的卡顿向量集，将所述卡顿向量集输入朴素贝叶斯分类器，输出所述目标用户对应的卡顿类型。评论信息为现有资源，充分利用现有资源不需耗费大量的数据，也不需要高存储成本，总成本低。

技术研发人员：梁忠文,张春禹
受保护的技术使用者：微梦创科网络科技（中国）有限公司
技术研发日：
技术公布日：2024/1/13