본 논문은 네트워크 사업자 측 품질 경험(QoE) 평가를 위한 이중 계층 프레임워크를 제시합니다. 이 프레임워크는 객관적인 네트워크 모델링과 라이브 스트리밍 플랫폼에서 추출한 주관적인 사용자 인식을 통합합니다. 객관적인 측면에서는 ITU-T P.1203 참조 구현을 통해 계산된 평균 의견 점수(MOS)를 기반으로 훈련된 머신러닝 모델을 개발하여 비디오 콘텐츠나 클라이언트 측 계측에 의존하지 않고 패킷 손실, 지연, 지터, 처리량과 같은 네트워크 매개변수만을 사용하여 사용자가 인식하는 비디오 품질을 정확하게 예측합니다. 주관적인 측면에서는 라이브 스트림의 사용자 의견을 처리하여 성능 관련 피드백을 추출하는 의미론적 필터링 및 점수 매기기 파이프라인을 제시합니다. 대규모 언어 모델을 사용하여 필터링된 의견에 결정적이고 재현 가능한 방식으로 스칼라 MOS 점수를 할당합니다. 확장 가능하고 해석 가능한 분석을 지원하기 위해 47,894개의 라이브 스트림 의견으로 구성된 레이블이 지정된 데이터 세트를 구성했으며, 이 중 약 34,000개는 다층 의미론적 필터링을 통해 QoE 관련으로 식별되었습니다. 각 의견은 시뮬레이션된 인터넷 서비스 제공업체(ISP) 속성으로 풍부해지고 5분 간격의 합성 타임스탬프를 사용하여 시간적으로 정렬됩니다. 결과 데이터 세트를 통해 사업자 수준의 집계 및 사용자가 인식하는 품질의 시계열 분석이 가능합니다. 각 ISP의 플랫폼 전체 감정과의 편차를 측정하는 델타 MOS 지표를 제안하여 직접적인 네트워크 원격 측정이 없더라도 지역적 성능 저하를 감지할 수 있습니다. 제어된 중단 시뮬레이션은 의견 기반 추세만으로 서비스 중단을 식별하는 프레임워크의 효과를 확인합니다. 이 시스템은 각 사업자에게 자체 주관적 MOS와 간격당 글로벌 플랫폼 평균을 제공하여 성능 편차를 실시간으로 해석하고 객관적인 네트워크 기반 QoE 추정치와 비교할 수 있도록 합니다.
