特許ウォッチ

公開番号2025027280
公報種別公開特許公報(A)
公開日2025-02-27
出願番号2023131954
出願日2023-08-14
発明の名称ネットワーク装置及びモデル学習方法
出願人富士通株式会社
代理人弁理士法人フィールズ国際特許事務所
主分類H04L 41/16 20220101AFI20250219BHJP(電気通信技術)
要約【課題】品質情報を精度良く推定することを可能とするネットワーク装置及びモデル学習方法を提供する。
【解決手段】ネットワークを介して複数のアプリケーション装置のうちの少なくともいずれかから端末装置に対して送信されたパケットのキャプチャ装置における取得状況に基づいて、端末装置と複数のアプリケーション装置との接続状態を示す第1接続状態情報を算出する接続状態算出部と、算出した第1接続状態情報と、ネットワークにおけるパケットの通信状態を示す第1通信状態情報と、端末装置におけるパケットの出力に関する品質を示す第1品質情報とを含む教師データを学習することによって学習モデルを生成するモデル学習部と、を有する。
【選択図】図23
特許請求の範囲【請求項１】
ネットワークを介して複数のアプリケーション装置のうちの少なくともいずれかから端末装置に対して送信されたパケットのキャプチャ装置における取得状況に基づいて、前記端末装置と前記複数のアプリケーション装置との接続状態を示す第１接続状態情報を算出する接続状態算出部と、
算出した前記第１接続状態情報と、前記ネットワークにおける前記パケットの通信状態を示す第１通信状態情報と、前記端末装置における前記パケットの出力に関する品質を示す第１品質情報とを含む教師データを学習することによって学習モデルを生成するモデル学習部と、を有する、
ことを特徴とするネットワーク装置。
続きを表示（約 2,000 文字）【請求項２】
請求項１において、
前記パケットは、前記複数のアプリケーション装置のうちの少なくともいずれかから前記端末装置に対して配信されて前記端末装置において再生される動画データを構成し、
前記第１品質情報は、前記端末装置における前記動画データについてのＱｏＥ（ＱｕａｌｉｔｙｏｆＥｘｐｅｒｉｅｎｃｅ）を示す情報である、
ことを特徴とするネットワーク装置。
【請求項３】
請求項１において、
前記パケットは、前記複数のアプリケーション装置のうちの少なくともいずれかから前記端末装置に対して配信されて前記端末装置において再生される動画データを構成し、
前記接続状態算出部は、
前記複数のアプリケーション装置から、前記動画データを構成する前記パケットを前記端末装置に対して最初に送信した第１アプリケーション装置と、所定タイミングにおいて前記動画データを構成する前記パケットを前記端末装置に対して送信した第２アプリケーション装置とを特定し、
特定した前記第１アプリケーション装置のアドレス情報と前記第２アプリケーション装置のアドレス情報との類似度を、前記第１接続状態情報のうちの少なくとも一つとして生成する、
ことを特徴とするネットワーク装置。
【請求項４】
請求項１において、
前記接続状態算出部は、前記複数のアプリケーション装置のうちのいずれかから前記端末装置に対して前記パケットの送信が行われたセッションの数を、前記第１接続状態情報のうちの少なくとも一つとして生成する、
ことを特徴とするネットワーク装置。
【請求項５】
請求項４において、
前記接続状態算出部は、前記セッションのうち、各セッションを用いて送信された単位時間あたりのデータ量が閾値以上であるセッションの数を、前記第１接続状態情報のうちの少なくとも一つとして生成する、
ことを特徴とするネットワーク装置。
【請求項６】
請求項１において、
前記接続状態算出部は、前記複数のアプリケーション装置のうちのいずれかから前記端末装置に対して前記パケットの送信が行われたセッションにおいて、前記パケットの送信が連続して行われた第１時間を、前記第１接続状態情報のうちの少なくとも一つとして生成する、
ことを特徴とするネットワーク装置。
【請求項７】
請求項６において、
前記接続状態算出部は、前記セッションが複数存在する場合、複数存在する前記セッションのそれぞれに対応する前記第１時間から算出された第２時間を、前記第１接続状態情報のうちの少なくとも一つとして生成する、
ことを特徴とするネットワーク装置。
【請求項８】
請求項１において、
前記接続状態算出部は、前記ネットワークを介して前記アプリケーション装置から前記端末装置に対して送信された他のパケットの前記取得状況に基づいて、前記端末装置と前記複数のアプリケーション装置との接続状態を示す第２接続状態情報を算出し、さらに、
算出した前記第２接続状態情報と、前記ネットワークにおける前記他のパケットの通信状態を示す第２通信状態情報との入力に伴って、前記学習モデルから出力される第２品質情報を取得する情報推定部と、
取得した前記第２品質情報を出力する情報出力部と、を有する、
ことを特徴とするネットワーク装置。
【請求項９】
ネットワークを介して複数のアプリケーション装置から端末装置に対して送信されたパケットのキャプチャ装置における取得状況に基づいて、前記端末装置と前記複数のアプリケーション装置との接続状態を示す第１接続状態情報を算出し、
算出した前記第１接続状態情報と、前記ネットワークにおける前記パケットの通信状態を示す第１通信状態情報と、前記端末装置における前記パケットの出力に関する品質を示す第１品質情報とを含む教師データを学習することによって学習モデルを生成する、
ことを特徴とするモデル学習方法。
【請求項１０】
請求項９において、さらに、
前記ネットワークを介して前記複数のアプリケーション装置から前記端末装置に対して送信された他のパケットの前記取得状況に基づいて、前記端末装置と前記複数のアプリケーション装置との接続状態を示す第２接続状態情報を算出し、
算出した前記第２接続状態情報と、前記ネットワークにおける前記他のパケットの通信状態を示す第２通信状態情報との入力に伴って、前記学習モデルから出力される第２品質情報を取得し、
取得した前記第２品質情報を出力する、
ことを特徴とするモデル学習方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、ネットワーク装置及びモデル学習方法に関する。
続きを表示（約 2,400 文字）【背景技術】
【０００２】
ネットワークを介して端末装置に動画データを配信する動画配信システム（以下、単に動画配信システムまたは情報処理システムとも呼ぶ）では、例えば、ネットワークにおける遅延時間やパケットロス率等の通信状態を示す情報（以下、通信状態情報とも呼ぶ）と、端末装置における動画データの再生品質や動画データを閲覧する利用者の体感品質を示す情報（以下、品質情報とも呼ぶ）との相関から、品質情報に与える影響が大きいと判断可能な通信状態情報を特定する。そして、動画配信システムでは、例えば、特定した通信状態情報を説明変数として学習することによって、品質情報を推定可能な学習モデル（以下、単に学習モデルとも呼ぶ）を生成する（例えば、特許文献１乃至４参照）。
【先行技術文献】
【特許文献】
【０００３】
特開２０１２－１５７００４号公報
特開２０２２－０４２００５号公報
国際公開第２０１９／００４０１３号
特表２０１６－５００９５２号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
ここで、上記のような動画配信システムでは、例えば、ネットワークにおいて通信状態情報の変化が発生するタイミングと、端末装置において品質情報の変化が発生するタイミングとの間における相関が十分に強くない場合がある。そのため、動画配信システムでは、例えば、上記のような学習モデルを用いる場合であっても、品質情報を精度良く推定することができない場合がある。
【０００５】
そこで、一つの側面では、本発明は、品質情報を精度良く推定することを可能とするネットワーク装置及びモデル学習方法を提供することを目的とする。
【課題を解決するための手段】
【０００６】
実施の形態の一態様では、ネットワークを介して複数のアプリケーション装置のうちの少なくともいずれかから端末装置に対して送信されたパケットのキャプチャ装置における取得状況に基づいて、前記端末装置と前記複数のアプリケーション装置との接続状態を示す第１接続状態情報を算出する接続状態算出部と、算出した前記第１接続状態情報と、前記ネットワークにおける前記パケットの通信状態を示す第１通信状態情報と、前記端末装置における前記パケットの出力に関する品質を示す第１品質情報とを含む教師データを学習することによって学習モデルを生成するモデル学習部と、を有する。
【発明の効果】
【０００７】
一つの側面によれば、品質情報を精度良く推定することが可能になる。
【図面の簡単な説明】
【０００８】
図１は、情報処理システム１０の構成について説明する図である。
図２は、情報処理システム１０の構成について説明する図である。
図３は、情報処理装置１のハードウエア構成を説明する図である。
図４は、第１の実施の形態における情報処理装置１の機能について説明する図である。
図５は、第１の実施の形態における情報処理装置１の機能について説明する図である。
図６は、第１の実施の形態における学習処理の概略を説明するフローチャート図である。
図７は、第１の実施の形態における学習処理の詳細について説明するフローチャート図である。
図８は、第１の実施の形態における学習処理の詳細について説明するフローチャート図である。
図９は、第１の実施の形態における学習処理の詳細について説明するフローチャート図である。
図１０は、第１の実施の形態における学習処理の詳細について説明するフローチャート図である。
図１１は、第１の実施の形態における学習処理の詳細について説明するフローチャート図である。
図１２は、第１の実施の形態における学習処理の詳細について説明するフローチャート図である。
図１３は、第１の実施の形態における学習処理の詳細について説明するフローチャート図である。
図１４は、品質情報１３２の具体例について説明する図である。
図１５は、通信状態情報１３３の具体例について説明する図である。
図１６は、第１の実施の形態における学習処理の詳細について説明する図である。
図１７は、接続状態情報１３４の具体例について説明する図である。
図１８は、接続状態情報１３４の具体例について説明する図である。
図１９は、セッション情報１３５の具体例について説明する図である。
図２０は、接続状態情報１３４の具体例について説明する図である。
図２１は、教師データＤＴの具体例について説明する図である。
図２２は、第１の実施の形態における推定処理について説明するフローチャート図である。
図２３は、第１の実施の形態における推定処理について説明する図である。
【発明を実施するための形態】
【０００９】
以下、図面を参照して本開示の実施の形態について説明する。しかしながら、かかる説明は限定的な意味に解釈されるべきではなく、特許請求の範囲に記載の主題を限定するものではない。また、本開示の趣旨及び範囲から逸脱することがなく様々な変更や置換や改変をすることができる。また、異なる実施の形態を適宜組み合わせることができる。
【００１０】
［第１の実施の形態における情報処理システムの構成］
初めに、情報処理システム１０の構成について説明を行う。図１及び図２は、情報処理システム１０の構成について説明する図である。
（【００１１】以降は省略されています）

関連特許