Uključivanje korisničkih interakcija u proces treniranja modela strojnog učenja za procjenu kvalitete usluge YouTube

master's thesis

• Title (english): The Inclusion of User Interactions in the Process of Training Machine Learning-Based Models for Estimating YouTube Service Quality
• Author: Tina Knežević
• Mentor: Lea Skorin-Kapov (mentor)
• Committee member: Lea Skorin-Kapov (predsjednik povjerenstva)
• Committee member: Mirko Sužnjević (član povjerenstva)
• Committee member: Maja Matijašević (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2021-07-09, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

Popularnost platformi za strujanje višemedijskog sadržaja raste iz dana u dan. Slijedom toga, pružatelji mrežnih usluga suočeni su s izazovom pružanja najboljih mogućih usluga krajnjim korisnicima uz efikasno upravljanje ograničenim mrežnim resursima. Uz sve češću primjenu tehnike prilagodljivog strujanja te uz šifrirani mrežni promet, pružateljima mrežnih usluga onemogućeno je praćenje sadržaja mrežnog prometa te relevantnosti ključnih indikatora uspješnosti povezanih s QoE. Kako bi im se omogućilo praćenje iskustvene kvalitete, korištene su tehnike strojnog učenja za zaključivanje QoE na temelju analize šifriranog prometa. No, korisnici su prilikom gledanja videozapisa skloni različitim interakcijama. Korisničke interakcije utječu na mrežni promet, a samim time i na vjerodostojnost modela strojnog učenja. Shodno tome, u ovom radu provedeno je istraživanje o tome koje su to korisničke interakcije koje bi se trebale uključivati u proces treniranja modela strojnog učenja za predviđanje ključnih indikatora performansi. Istraživanje je provedeno na temelju podataka prikupljenih s mrežne i aplikacijske razine u laboratorijskom okruženju prilikom gledanja videozapisa na YouTubeu koristeći pametni telefon. Rezultati ističu važnost uključivanja korisničkih interakcija u proces prikupljanja podataka i treniranja modela strojnog učenja.

Abstract (english)

The popularity of multimedia streaming platforms is increasing every day. Accordingly, network providers face the challenge of providing the best possible services to end users while efficiently managing their limited network resources. With frequent use of adaptive video streaming and with encrypted network traffic, network providers are unable to monitor the content of network traffic and relevant QoE-related key performance indicators. Therefore, to allow them to monitor QoE, machine learning techniques have been utilized to infer QoE based on the analysis of encrypted traffic. However, users often interact while watching videos. User interactions affect network traffic, and consequently the credibility of the machine learning models. Hence, in this thesis, research has been conducted investigating which user interactions should be included in the process of training machine learning models to predict key performance indicators. The research was based on both network and application-level data collected in a laboratory environment while watching YouTube videos on a smartphone. Results highlight the importance of including user interactions in the data collection and ML-model training process.

• Keywords: YouTube; iskustvena kvaliteta; kvaliteta usluge; prilagodljivo strujanje; strojno učenje; korisničke interakcije
• Keywords (english): YouTube; Quality of Experience; Quality of Service; adaptive video streaming; machine learning; user interactions
• Language: croatian
• URN:NBN: urn:nbn:hr:168:353083
• Study programme: Title: Computing; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2023-01-13 12:41:00