Los puntos clave no están disponibles para este artículo en este momento.
Monitorear la Calidad de la Experiencia del usuario es un desafío para los servicios de transmisión de video. Los modelos para la evaluación de la Calidad de la Experiencia del Usuario (QoE) como la ITU-T Rec. P.1203 son muy prometedores. Entre los datos de entrada que requieren están la ocurrencia y la duración de los eventos de interrupción. Un evento de interrupción es una interrupción en la reproducción de contenido multimedia, y su impacto negativo en la QoE es inmenso. Dada la idiosincrasia de este tipo de evento, contarlo y su duración es una tarea compleja de automatizar, es decir, sin la participación del usuario que visualiza los eventos o sin acceso directo al dispositivo final. En este trabajo, proponemos dos métodos para superar estas limitaciones en la transmisión de video utilizando el marco DASH. El primer método tiene como objetivo detectar eventos de interrupción. Para simplificar, se basa en el comportamiento de los datos de la capa de transporte y es capaz de clasificar un paquete IP como perteneciente (o no) a un evento de interrupción. El segundo método tiene como objetivo predecir si el próximo paquete IP de un flujo multimedia pertenecerá a un evento de interrupción (o no), utilizando una red neuronal recurrente con una variante de la memoria a largo y corto plazo (LSTM). Nuestros resultados muestran que el modelo de detección es capaz de identificar la ocurrencia de un evento de interrupción antes de que sea experimentado por el usuario, y el modelo de predicción es capaz de prever si el próximo paquete pertenecerá a un evento de interrupción con una tasa de error del 10.83%, logrando una puntuación F1 de 0.923.
Martínez et al. (Mon,) estudiaron esta cuestión.