XiaoMi-AI文件搜索系统
World File Search SystemQoE
迈向 B5G/6G 网络中 QoE 预测的可信人工智能
摘要 预测体验质量 (QoE) 指标的能力对于未来 B5G/6G 网络提供的多种应用和服务至关重要。然而，QoE 时间序列预测迄今为止尚未得到充分研究，主要是因为缺乏可用的真实数据集。在本文中，我们首先介绍了一种从真实的 5G 网络模拟中获得的新型 QoE 预测数据集，该数据集以视频流应用的服务质量 (QoS) 和 QoE 指标为特征；然后，我们接受了在采用 AI 系统解决 QoE 预测任务时可信度的热门挑战。我们展示了如何有效利用可解释人工智能 (XAI) 模型（即决策树）来解决预测问题。最后，我们将联邦学习确定为隐私保护协作模型训练的合适范例，并从算法和 6G 网络支持的角度概述了相关挑战。
基于认知状态的 QoE/UX 评估的系统评价
摘要：传统的用户体验评估本质上是主观的，因为我们寻求的是使用来自生理和行为传感器的数据来解释用户的认知状态与图形界面元素和交互机制之间的关系。本研究介绍了系统评价，该评价旨在确定在体验质量 (QoE)/用户体验 (UX) 评估背景下正在研究的认知状态，以及获得的信号和特征、使用的机器学习模型、提出的评估架构和取得的结果。从 8 个在线信息源中选出了 2014 年至 2019 年发表的 29 篇论文，其中 24% 与认知状态的分类有关，17% 描述了评估架构，41% 展示了不同信号、认知状态和 QoE/UX 指标之间的相关性。与其他背景下的认知状态研究（例如驾驶或其他关键活动）相比，已确定的研究数量较少；然而，这为从各种人类信号中分析和解释心理工作负荷、困惑和心理压力等状态提供了一个起点，并提出了更强大的 QoE/UX 评估架构。