特開 2022-18077 映像品質選択装置、映像品質選択方法及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2022018077

(43)【公開日】2022-01-26

(54)【発明の名称】映像品質選択装置、映像品質選択方法及びプログラム

(51)【国際特許分類】

   H04N 21/266 20110101AFI20220119BHJP

   H04N 21/254 20110101ALI20220119BHJP

【ＦＩ】

H04N21/266

H04N21/254

【審査請求】未請求

【請求項の数】9

【出願形態】ＯＬ

(21)【出願番号】P 2021084646

(22)【出願日】2021-05-19

(31)【優先権主張番号】P 2020120365

(32)【優先日】2020-07-14

(33)【優先権主張国・地域又は機関】JP

(71)【出願人】

【識別番号】000004226

【氏名又は名称】日本電信電話株式会社

(74)【代理人】

【識別番号】100107766

【弁理士】

【氏名又は名称】伊東 忠重

(74)【代理人】

【識別番号】100070150

【弁理士】

【氏名又は名称】伊東 忠彦

(74)【代理人】

【識別番号】100124844

【弁理士】

【氏名又は名称】石原 隆治

(72)【発明者】

【氏名】木村 拓人

(72)【発明者】

【氏名】山岸 和久

(72)【発明者】

【氏名】木村 達明

【テーマコード（参考）】

5C164

【Ｆターム（参考）】

5C164FA06

5C164SC01P

5C164SC11S

5C164SC31P

5C164YA10

(57)【要約】

【課題】適切な映像品質を選択するための試行回数を削減すること。
【解決手段】一実施形態に係る映像品質選択装置は、映像配信サービスにおける品質目標値を選択する映像品質選択装置であって、過去の品質情報とエンゲージメント指標情報と配信コスト情報とを用いて、前記映像配信サービスのユーザ、前記映像配信サービスで配信される映像コンテンツ、又は前記ユーザと前記映像コンテンツとの組のいずれかを対象として１以上のクラスタにクラスタリングするクラスタリング手段と、前記クラスタ毎に、前記クラスタに対する品質目標値を計算する計算手段と、を有することを特徴とする。
【選択図】図１

【特許請求の範囲】

【請求項1】

映像配信サービスにおける品質目標値を選択する映像品質選択装置であって、
過去の品質情報とエンゲージメント指標情報と配信コスト情報とを用いて、前記映像配信サービスのユーザ、前記映像配信サービスで配信される映像コンテンツ、又は前記ユーザと前記映像コンテンツとの組のいずれかを対象として１以上のクラスタにクラスタリングするクラスタリング手段と、
前記クラスタ毎に、前記クラスタに対する品質目標値を計算する計算手段と、
を有することを特徴とする映像品質選択装置。

【請求項2】

前記ユーザが利用する端末からの要求に応じて、前記端末のユーザ、前記端末で視聴される映像コンテンツ又は前記ユーザと前記映像コンテンツの組に対応するクラスタの品質目標値を前記端末に応答する品質目標値応答手段を有することを特徴とする請求項１に記載の映像品質選択装置。

【請求項3】

前記計算手段は、
前記エンゲージメント指標情報と前記配信コスト情報から定義される効用関数の値が最大となる品質目標値を計算する、ことを特徴とする請求項１又は２に記載の映像品質選択装置。

【請求項4】

前記計算手段は、
ベイズ最適化により前記効用関数の値が最大となる品質目標値を計算する、ことを特徴とする請求項３に記載の映像品質選択装置。

【請求項5】

前記クラスタリング手段は、
前記クラスタリングに用いる距離として分布間に定義された距離を用いて、前記１以上のクラスタにクラスタリングする、ことを特徴とする請求項１乃至４の何れか一項に記載の映像品質選択装置。

【請求項6】

前記クラスタリング手段は、
前記ユーザの特徴間に定義される関数を用いた条件に基づいて、前記条件を満たさない場合は前記ユーザ間に定義されるエッジを削除し、
互いに連結なユーザ同士を同一のクラスタとすることで、前記１以上のクラスタにクラスタリングする、ことを特徴とする請求項１乃至４の何れか一項に記載の映像品質選択装置。

【請求項7】

前記エンゲージメント指標情報は、前記映像コンテンツの視聴時間を、前記映像コンテンツの長さで除した値で定義される情報であり、
前記配信コスト情報は、前記映像コンテンツの視聴した際の通信データ量を、最大通信データ量で除した値で定義される情報である、ことを特徴とする請求項１乃至６の何れか一項に記載の映像品質選択装置。

【請求項8】

映像配信サービスにおける品質目標値を選択する映像品質選択装置が、
過去の品質情報とエンゲージメント指標情報と配信コスト情報とを用いて、前記映像配信サービスのユーザ、前記映像配信サービスで配信される映像コンテンツ、又は前記ユーザと前記映像コンテンツとの組のいずれかを対象として１以上のクラスタにクラスタリングするクラスタリング手順と、
前記クラスタ毎に、前記クラスタに対する品質目標値を計算する計算手順と、
を実行することを特徴とする映像品質選択方法。

【請求項9】

コンピュータを、請求項１乃至７の何れか一項に記載の映像品質選択装置として機能させるプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、映像品質選択装置、映像品質選択方法及びプログラムに関する。

【背景技術】

【0002】

現在、インターネットを通じた映像配信（以下、映像のことを「動画」ともいう。）が広く普及している。映像配信事業者にとっては、視聴時間等で表されるエンゲージメント指標をなるべく伸ばしつつ、同時に通信量等で表される配信コストをなるべく低減することが重要となる。視聴時間は事業の継続性に直結する指標であり、通信量はＣＤＮ（Content Distribution Network）に支払う金額に大きく影響するためである。視聴時間は動画の体感品質（ＱｏＥ（Quality of Experience））に影響を受けることが知られており（例えば、非特許文献１）、視聴時間を伸ばすためにはなるべく動画の体感品質を高くする必要がある。一方で、体感品質を高くするために映像の品質を高くし過ぎると通信量が増大してしまう。したがって、視聴時間と通信量との間にはトレードオフの関係が存在する。

【0003】

また、同じ品質であって、ユーザやコンテンツによって視聴時間が異なると考えられる。例えば、動きの激しいスポーツのようなコンテンツの場合には高品質でないとユーザはすぐに視聴をやめてしまうと考えられるが、音楽が流れているだけのコンテンツであれば品質が低くともユーザは視聴をやめにくいことが想定される。

【0004】

映像配信において品質を制御するためには、ＡＢＲ（Adaptive Bitrate）という仕組みが一般に使われる。ＡＢＲは配信サーバと再生クライアントで構成される。ＡＢＲでは、動画データは予め数秒おきのチャンクと呼ばれるデータに分割され、各チャンクが複数のビットレートで符号化されて配信サーバに保存される。以降では、例えば、ネットワークの通信状況や再生バッファ長等の条件に応じて符号化された動画データのことを、「リプレゼンテーション」と呼ぶこととする。再生クライアントは、ネットワークの通信状況や再生バッファ長等の自身の状況を踏まえて、適切なリプレゼンテーションをチャンク毎に選択し、選択した動画データを配信サーバに要求する、という動作を繰り返す。このとき、リプレゼンテーションを選択するアルゴリズムが最終的な体感品質及び通信量に大きく影響する。したがって、エンゲージメント指標及び配信コストを適切に制御するためには、ユーザやコンテンツ等の特性に応じて適切なリプレゼンテーションを選択することが重要である。

【0005】

上記の選択を実現するためのリプレゼンテーション選択手法として、ベイズ最適化を用いた手法が提案されている（例えば、非特許文献２）。この手法は、或る品質を選択した結果、ユーザから得られるフィードバック（視聴時間、通信量）を利用することで、エンゲージメント指標と配信コストのバランスがとれた品質を効率的に探索する手法である。

【先行技術文献】

【非特許文献】

【0006】

【非特許文献1】"Study on Viewing Time with Regards to Quality Factors in Adaptive Bitrate Video Streaming," 2018, IEEE 20th International Workshop on Multimedia Signal Processing (MMSP), Vancouver, BC, Canada, 2018, pp.1-6.

【非特許文献2】木村 拓人，木村 達明，松本 存史，岡本 淳，"ベイズ最適化による動画エンゲージメント制御," 信学技報, vol.118, no.503, CQ-2018-100, Mar. 2019.

【発明の概要】

【発明が解決しようとする課題】

【0007】

上述したように、エンゲージメント指標と配信コストのバランスをとったリプレゼンテーション選択手法は既に提案されている。しかしながら、既存の手法は、選択される品質が収束するまでに不適切な品質を選択してしまう回数が多かった。

【0008】

例えば、或る映像配信サービスにおいて新規ユーザが視聴を開始したという状況に非特許文献２に記載されているリプレゼンテーション選択手法を適用すると、過去の視聴ログが存在しないため、様々な品質を試し、徐々にエンゲージメント指標と配信コストのバランスがとれた品質に収束させていくという動作になる。しかしながら、高い品質を求めるユーザに対して低品質の映像を提供すると、体感品質が低下するため、サービスの利用をやめてしまう可能性がある。一方で、高い品質を求めないユーザに対して過剰な品質の映像を提供すると、一視聴あたりの通信量が増加してしまう。一視聴あたりの通信量が増加すると、モバイル環境からアクセスするユーザにとっては、通信量がデータキャップ（月あたりに通信可能なデータ量の上限）に達してしまう可能性が高くなり、月あたりのサービス利用回数が減少する可能性がある。

【0009】

これに対して、不適切な品質が選択される回数を削減する方法として、例えば、或る程度視聴ログを蓄積してからベイズ最適化を適用する方法、平均的なユーザの特性を初期特性として徐々にユーザの嗜好に適した品質に収束させていく方法等が考えられるが、これらはいずれもユーザの特性を捉えるまでに多数の視聴回数が必要になるという課題がある。

【0010】

本発明の一実施形態は、上記の点に鑑みてなされたもので、適切な映像品質を選択するための試行回数を削減することを目的とする。

【課題を解決するための手段】

【0011】

上記目的を達成するため、一実施形態に係る映像品質選択装置は、映像配信サービスにおける品質目標値を選択する映像品質選択装置であって、過去の品質情報とエンゲージメント指標情報と配信コスト情報とを用いて、前記映像配信サービスのユーザ、前記映像配信サービスで配信される映像コンテンツ、又は前記ユーザと前記映像コンテンツとの組のいずれかを対象として１以上のクラスタにクラスタリングするクラスタリング手段と、前記クラスタ毎に、前記クラスタに対する品質目標値を計算する計算手段と、を有することを特徴とする。

【発明の効果】

【0012】

適切な映像品質を選択するための試行回数を削減することができる。

【図面の簡単な説明】

【0013】

【図1】一実施形態に係る映像品質選択装置が含まれる映像配信システムの全体構成の一例を示す図である。

【図2】クラスタＤＢに格納されているデータの一例を示す図である。

【図3】ＱｏＥ目標値ＤＢに格納されているデータの一例を示す図である。

【図4】視聴情報ＤＢに格納されているデータの一例を示す図である。

【図5】クラスタリングの概略の一例を説明するための図である。

【図6】一実施形態に係るクラスタリング処理の流れの一例を示すフローチャートである。

【図7】一実施形態に係る映像品質選択装置のハードウェア構成の一例を示す図である。

【発明を実施するための形態】

【0014】

以下、本発明の実施形態として第一の実施形態と第二の実施形態を説明する。これらの各実施形態においては、従来手法と比較して少ない試行回数で適切な映像品質（つまり、エンゲージメント指標と配信コストのバランスがとれた映像品質）を選択することが可能な映像品質選択装置１０が含まれる映像配信システム１について説明する。

【0015】

［第一の実施形態］
まず、第一の実施形態について説明する。本実施形態では、参考文献１「Takuto Kimura, Tatsuaki Kimura, Arifumi Matsumoto, Jun Okamoto. "BANQUET: Balancing Quality of Experience and Traffic Volume in Adaptive Video Streaming," to appear in International Conference on Network and Service Management (CNSM), Halifax, Oct. 2019.」に記載されているリプレゼンテーション選択手法に与えるＱｏＥ目標値を自動的に最適化することで、エンゲージメント指標と配信コストからなる効用関数の最大化を行う。上記の非特許文献２では、この最適化をユーザ単位又はコンテンツ単位に行っていたが、本実施形態では、似た特性を持つユーザ・コンテンツ間では同様の視聴時間特性が得られるという点に着目する。より具体的には、ユーザ・コンテンツをクラスタリングし、そのクラスタ単位で制御を行うことで、少ないデータ量でも適切な映像品質の選択を可能にする（つまり、少ない試行回数でも適切な映像品質の選択を可能にする。）。ここでのクラスタとは、似た特性を持つユーザの集合、コンテンツの集合、ユーザとコンテンツの組の集合のいずれかであると定義する。

【0016】

以降では、一例として、ユーザ単位でクラスタリングを行う場合について説明する。ただし、これに限られず、本実施形態は、コンテンツ単位又はユーザとコンテンツの組単位にクラスタリングする場合についても同様に適用することが可能である。

【0017】

上記の参考文献１に記載されているリプレゼンテーション選択手法は、各ユーザに対して、与えられたＱｏＥ目標値を満たしながら、配信コスト（以下、単に「コスト」ともいう。）を最小化するリプレゼンテーション選択手法である。また、効用関数は、エンゲージメント指標の増加に対して広義単調増加し、コストの増加に対して広義単調減少する関数であれば、任意の関数を用いることができる。

【0018】

具体的な効用関数の例としては、Ｕｔｉｌｉｔｙ＝ｅ－ｗ×ｃやＵｔｉｌｉｔｙ＝ｅ／ｃで表されるものが挙げられる。ただし、これらの効用関数は一例であって、本実施形態は、他の効用関数を用いる場合にも同様に適用可能である。

【0019】

ここで、ｅはエンゲージメント指標を表し、本実施形態では、動画長（コンテンツ長）に対する視聴時間の割合で求める。具体的には、ｅ＝（視聴時間）／（コンテンツ長）である。例えば、或るユーザがコンテンツ長１８０秒のコンテンツを１３５秒間視聴した場合はｅ＝１３５／１８０＝０．７５となる。また、ｃは配信コストを表し、本実施形態では、発生し得る最大のデータ量と実際に転送したデータ量との比である。具体的には、ｃ＝（実際に転送したデータ量）／（転送し得る最大のデータ量）である。例えば、最大ビットレートが３０００ｋｂｐｓのコンテンツを１３５秒間視聴し、実際に転送したデータ量が３０ＭＢであった場合はｃ＝３０／（３０００×１３５／８／１０００）≒０．５９となる。これらのエンゲージメント指標及びコストの値は各ユーザの各視聴に対して算出する。ｗは配信コストに対する重みを表し、実数で与えるものとする。ｗを小さく設定するほど体感品質を優先した制御となり、ｗを大きく設定するほど配信コストを優先した制御となる。重みｗは映像配信事業者又はユーザのいずれかによって設定されればよい。なお、ＱｏＥ目標値は、後述するベイズ最適化を用いて最適化を行う。

【0020】

＜本実施形態に係る映像配信システム１の全体構成及び動作＞
図１に、本実施形態に係る映像品質選択装置１０が含まれる映像配信システム１の全体構成の一例を示す。図１に示されるように、当該映像配信システム１には、映像品質選択装置１０と、クライアント２０と、配信サーバ３０とが含まれる。なお、映像品質選択装置１０、クライアント２０及び配信サーバ３０は、例えば、インターネット等の通信ネットワークを介して通信可能に接続される。

【0021】

映像品質選択装置１０は、ユーザの特性に応じてＱｏＥ目標値を選択し、選択したＱｏＥ目標値をクライアント２０に与えるサーバである。クライアント２０は、ユーザが映像視聴に用いる各種端末（例えば、スマートフォン、タブレット端末、ＰＣ（パーソナルコンピュータ）等）である。配信サーバ３０は、クライアント２０からの要求に応じて映像データを提供するサーバである。

【0022】

ここで、映像品質選択装置１０は、ＤＢ更新部１１０と、ＱｏＥ目標値応答部１２０と、視聴情報蓄積部１３０とを有する。なお、これら各部のそれぞれが単独の装置又はシステムであってもよい。

【0023】

ＤＢ更新部１１０は、後述するクラスタＤＢ１２２及びＱｏＥ目標値ＤＢ１２４を更新する。ＤＢ更新部１１０には、クラスタＤＢ１２２を更新するクラスタ計算部１１１と、ＱｏＥ目標値ＤＢ１２４を更新するＱｏＥ目標値計算部１１２とが含まれる。

【0024】

ＱｏＥ目標値応答部１２０は、クライアント２０から受信したユーザＩＤに応じたＱｏＥ目標値を当該クライアント２０に応答する。ＱｏＥ目標値応答部１２０には、クライアント２０から受信したユーザＩＤに対応するクラスタＩＤを特定するクラスタ特定部１２１と、ユーザＩＤとクラスタＩＤとを対応付けたデータが格納されているクラスタＤＢ１２２と、クラスタＩＤに対応するＱｏＥ目標値をクライアントに応答するＱｏＥ目標値応答部１２３と、クラスタＩＤとＱｏＥ目標値とを対応付けたデータが格納されているＱｏＥ目標値ＤＢ１２４とが含まれる。

【0025】

視聴情報蓄積部１３０は、クライアント２０の視聴情報を蓄積する。視聴情報蓄積部１３０には、クライアント２０から受信した視聴情報を視聴情報ＤＢ１３２に格納する蓄積部１３１と、視聴情報を表すデータが格納される視聴情報ＤＢ１３２とが含まれる。なお、視聴情報を表すデータとは、例えば、視聴開始時刻とユーザＩＤとＱｏＥとＵｔｉｌｉｔｙとを対応付けたデータである。

【0026】

本実施形態に係る映像配信システム１の動作は、視聴開始前の動作、視聴中の動作、視聴終了後の動作、クラスタ更新動作の４つに分類される。以降では、それぞれの動作について説明する。

【0027】

≪視聴開始前の動作≫
クライアント２０が所望の映像の視聴を開始する際には、その開始前において以下のＳ１－１～Ｓ１－５の動作が実行される。

【0028】

Ｓ１－１）クライアント２０は、クラスタ特定部１２１に対して自身のユーザＩＤ（つまり、このクライアント２０を利用しているユーザのユーザＩＤ）を送信する。なお、クライアント２０は、例えば、自身のユーザＩＤが含まれるＱｏＥ目標値応答要求をクラスタ特定部１２１に対して送信すればよい。また、ユーザ単位のクラスタリングではなく、コンテンツ単位のクラスタリングが行われた場合はコンテンツＩＤ、ユーザとコンテンツの組単位のクラスタリングが行われた場合はユーザＩＤ及びコンテンツＩＤが送信されればよい。

【0029】

Ｓ１－２）クラスタ特定部１２１は、クラスタＤＢ１２２に格納されているデータを参照して、当該クライアント２０から受信したユーザＩＤに対応するクラスタＩＤを特定する。

【0030】

Ｓ１－３）次に、クラスタ特定部１２１は、上記のＳ１－２で特定したクラスタＩＤをＱｏＥ目標値応答部１２３に送信する。

【0031】

Ｓ１－４）ＱｏＥ目標値応答部１２３は、ＱｏＥ目標値ＤＢ１２４に格納されているデータを参照して、クラスタ特定部１２１から受信したクラスタＩＤに対応するＱｏＥ目標値を特定する。

【0032】

Ｓ１－５）そして、ＱｏＥ目標値応答部１２３は、上記のＳ１－４で特定したＱｏＥ目標値をＱｏＥ目標値ＤＢ１２４から取得し、取得したＱｏＥ目標値を当該クライアント２０に送信（応答）する。

【0033】

このように、本実施形態では、ユーザが属するクラスタ単位で最適なＱｏＥ目標値を計算しておき、ユーザが視聴を開始する際には当該ユーザが属するクラスタに対応するＱｏＥ目標値を当該ユーザのクライアント２０に応答する。これにより、視聴数が少ないユーザのクライアント２０に対しても適切なＱｏＥ目標値を与えることが可能となる。

【0034】

具体例を用いて視聴開始前の動作について説明する。例えば、クラスタＤＢ１２２には、図２に示されるようなデータが格納されているものとする。また、例えば、ＱｏＥ目標値ＤＢ１２４には、図３に示されるようなデータが格納されているものとする。

【0035】

このとき、上記のＳ１－１でユーザＩＤ「uid0002」がクライアント２０から送信された場合、上記のＳ１－２ではユーザＩＤ「uid0002」に対応するクラスタＩＤ「cid0001」がクラスタ特定部１２１によって特定される。よって、上記のＳ１－３ではクラスタＩＤ「cid0001」がクラスタ特定部１２１からＱｏＥ目標値応答部１２３に送信され、上記のＳ１－４ではクラスタＩＤ「cid0001」に対応するＱｏＥ目標値「３．０」が特定される。したがって、上記のＳ１－５では、このＱｏＥ目標値「３．０」が当該クライアント２０に送信（応答）される。

【0036】

なお、もしクラスタＤＢ１２２に存在しないユーザＩＤ（例えば、ユーザＩＤ「uid0005」等）がクライアント２０から送信された場合、クラスタ特定部１２１は、ユーザＩＤ「default」に対応するクラスタＩＤ（図２に示す例ではクラスタＩＤ「cid0000」）をＱｏＥ目標値応答部１２３に送信するものとする。

【0037】

≪視聴中の動作≫
ＱｏＥ目標値がクライアント２０に応答された後は、以下のＳ２－１～Ｓ２－４の動作が実行される。なお、以下のＳ２－１～Ｓ２－４の動作は映像を視聴している間、繰り返し実行される。

【0038】

Ｓ２－１）クライアント２０は、上記の参考文献１に記載されている方法を用いて、ＱｏＥ目標値応答部１２３から与えられたＱｏＥ目標値を満たしながらコストを最小にするリプレゼンテーション選択を行う。

【0039】

Ｓ２－２）次に、クライアント２０は、上記のＳ２－１で選択したリプレゼンテーションに対応するチャンクの映像データを配信サーバ３０に要求する。

【0040】

Ｓ２－３）配信サーバ３０は、クライアント２０から要求されたチャンクの映像データを当該クライアントに送信（応答）する。

【0041】

Ｓ２－４）そして、クライアント２０は、配信サーバ３０から受信した映像データを再生しながら、上記のＳ２－１を実行して次のリプレゼンテーション選択を行う。

【0042】

≪視聴終了後の動作≫
クライアント２０が映像の視聴を終了した後は、以下のＳ３－１～Ｓ３－２の動作が実行される。

【0043】

Ｓ３－１）クライアント２０は、蓄積部１３１に対して視聴情報を送信する。なお、視聴情報には、例えば、視聴開始時刻と、ユーザＩＤと、ＱｏＥと、Ｕｔｉｌｉｔｙとが含まれる。ＱｏＥについては、例えば、参考文献２「K. Yamagishi and T. Hayashi, "Parametric Quality-Estimation Model for Adaptive-Bitrate Streaming Services,"IEEE Transactions on Multimedia, Vol.19, Issue. 7, pp.1545-1557, 2017.」に記載されている方法を用いた推定ＭＯＳ（Mean Opinion Score）が用いられてもよいし、ユーザから直接取得した評価値を利用してもよい。また、推定ＭＯＳを計算するために必要な情報（例えば、選択リプレゼンテーション履歴の配列、再生停止回数、再生停止の開始・終了時刻等）をクライアント２０から蓄積部１３１に送信し、蓄積部１３１がＱｏＥの計算を行ってもよい。また、Ｕｔｉｌｉｔｙについても、クライアント２０でＵｔｉｌｉｔｙを計算して蓄積部１３１に送信されてもよいし、Ｕｔｉｌｉｔｙを計算するために必要な情報（例えば、エンゲージメント指標ｅやコストｃ等）をクライアント２０から蓄積部１３１に送信し、蓄積部１３１がＵｔｉｌｉｔｙの計算を行ってもよい。

【0044】

Ｓ３－２）そして、蓄積部１３１は、視聴情報を表すデータを視聴情報ＤＢ１３２に格納する。これにより、視聴情報を表すデータが視聴情報ＤＢ１３２に蓄積される。視聴情報ＤＢ１３２に格納されているデータの一例を図４に示す。

【0045】

≪クラスタ更新動作≫
ユーザによる映像の視聴の開始や終了とは独立に、以下のＳ４－１～Ｓ４－２のクラスタ更新動作が実行される。

【0046】

Ｓ４－１）クラスタ計算部１１１は、視聴情報ＤＢ１３２に格納されているデータ（つまり、視聴情報を表すデータ）を用いて、クラスタＤＢ１２２を更新する。なお、クラスタＤＢ１２２の更新方法の詳細については後述する。

【0047】

Ｓ４－２）次に、ＱｏＥ目標値計算部１１２は、上記のＳ４－１で更新されたクラスタＤＢ１２２に格納されているデータと視聴情報ＤＢ１３２に格納されているデータとを用いて、ＱｏＥ目標値ＤＢ１２４を更新する。なお、ＱｏＥ目標値ＤＢ１２４の更新方法の詳細については後述する。

【0048】

上記のＳ４－１～Ｓ４－２が実行されることで、クラスタＤＢ１２２及びＱｏＥ目標値ＤＢ１２４が更新され、ユーザの視聴履歴（つまり、そのユーザの視聴情報の履歴）に応じた適切なＱｏＥ目標値をクライアント２０に応答することが可能となる。なお、ユーザの視聴履歴はそのユーザの視聴傾向等の特性を表すと考えることができる。

【0049】

ここで、上記のＳ４－１～Ｓ４－２が実行される頻度を高くするほど直近の視聴履歴が反映されやすくなるが、計算負荷が大きくなる。一方で、その頻度を低くするほど計算負荷は低くなるが、直近の視聴履歴が反映されにくくなる。このため、上記のＳ４－１～Ｓ４－２が実行される頻度は予め設定されていてもよいが、例えば、視聴完了毎、１時間毎、１日毎、１週間毎等の頻度をユーザに選択させてもよい。また、整数値Ｔ（≧０）を入力とする関数ｆ（Ｔ）を用いて、ｆ（Ｔ）回目の視聴回数のときに上記のＳ４－１～Ｓ４－２が実行されてもよい。このとき、ｆ（Ｔ）としては、例えば、ｆ（Ｔ）＝２^Ｔと設定すること等が考えられる。これにより、視聴回数が１回目、２回目、４回目、８回目、１６回目、３２回目等のときに上記のＳ４－１～Ｓ４－２が実行される、といったようにユーザの視聴回数の増加に伴って更新頻度を下げることが可能となる。

【0050】

＜クラスタＤＢ１２２の更新＞
次に、上記のＳ４－１でクラスタ計算部１１１がクラスタＤＢ１２２を更新する際の動作について説明する。クラスタ計算部１１１では、ユーザ単位でその視聴履歴をクラスタリングすることで、クラスタＤＢ１２２を更新する。なお、この動作を開始する際には、クラスタＤＢ１２２に格納されているデータは初期化（例えば、全データの削除等）される。

【0051】

このクラスタリングの概略の一例を図５に示す。図５に示す例では、ユーザＩＤ「uid0001」のユーザと、ユーザＩＤ「uid0002」のユーザと、ユーザＩＤ「uid0003」のユーザとが存在するものとして、横軸をＱｏＥ、縦軸をＵｔｉｌｉｔｙとした場合における各ユーザの過去の視聴情報の履歴（以下、「視聴履歴」ともいう。）をプロットした点及びその回帰曲線を示す。図５に示す例では、ユーザＩＤ「uid0001」のユーザ（以下、ユーザＡ）とユーザＩＤ「uid0003」のユーザ（以下、ユーザＣ）の視聴数は多い一方で、ユーザＩＤ「uid0002」のユーザ（以下、ユーザＢ）の視聴数は少ないという状況を表している。

【0052】

このとき、ユーザＢがユーザＡとユーザＣのどちらに似た視聴傾向を示すかということを考える。図５に示す例の場合、Ｕｔｉｌｉｔｙが最大となるＱｏＥを比較すると、ユーザＡの方がユーザＢと似ていると考えられる。したがって、この例の場合、ユーザＡとユーザＢを同一クラスタ（図５に示す例ではクラスタＩＤ「cid0001」のクラスタ）とし、ユーザＣを他のクラスタ（図５に示す例ではクラスタＩＤ「cid0002」のクラスタ）とする。このように、本実施形態では、各ユーザの視聴履歴を用いて、ユーザ単位でクラスタリングを行う。

【0053】

以上で概略を説明したクラスタリングの詳細な流れについて、図６を参照しながら説明する。図６は、一実施形態に係るクラスタリング処理の流れの一例を示すフローチャートである。なお、図６では、一例として、参考文献３「MacQueen, J. B., "Some Methods for classification and Analysis of Multivariate Observations," Proceedings of 5th Berkeley Symposium on Mathematical Statistics and Probability. University of California Press, pp. 281-297, 1967.」に記載されているｋ－ｍｅａｎｓ法によりクラスタリングを行う場合について説明する。ただし、これに限られず、例えば、参考文献４「Joe H., Ward Jr.,"Hierarchical Grouping to Optimize an Objective Function," Journal of the American Statistical Association, Vol. 58, No. 301, pp. 236-244, 1963.」に記載されているＷａｒｄ法によりクラスタリングを行う等、他のクラスタリング手法が用いられてもよい。

【0054】

ここで、以降では、視聴情報ＤＢ１３２に格納されている全てのデータ（以下、これらの各データを「視聴情報データ」ともいう。）の集合をＸ_ａｌｌで表し、Ｘ_ａｌｌの各要素（つまり、各視聴情報データ）のうち、ユーザｉの視聴情報データの集合をｘ_ｉで表す。また、ｘ_ｉ＝｛（ｔ_１ｉ，ｑ_１ｉ，ｕ_１ｉ），（ｔ_２ｉ，ｑ_２ｉ，ｕ_２ｉ），・・・｝と表す。ｉはユーザのインデックス（例えば、ユーザＩＤ）であり、ｔ_ｊｉはユーザｉのｊ番目の視聴情報データに含まれる視聴開始時刻、ｑ_ｊｉはユーザｉのｊ番目の視聴情報データに含まれるＱｏＥ、ｕ_ｊｉはユーザｉのｊ番目の視聴情報データに含まれるＵｔｉｌｉｔｙ（効用）である。すなわち、上記のｘ_ｉはユーザｉの視聴履歴を表す。

【0055】

まず、クラスタ計算部１１１は、Ｘ_ａｌｌに対して所定のフィルタ関数によってフィルタリングを行う（ステップＳ１０１）。すなわち、Ｘ_ａｌｌに対してフィルタ関数を適用した後の集合をＸとすれば、クラスタ計算部１１１は、Ｘ＝filter（Ｘ_ａｌｌ）とする。ここで、filter（・）はフィルタ関数を表す。フィルタ関数としては、例えば、Ｘ_ａｌｌに含まれる各要素のうちｔ_ｊｉが指定値よりも大きいもののみを出力する関数と設計したり、Ｘ_ａｌｌに含まれる各要素のうちｕ_ｊｉが所定の範囲内にあるもののみを出力する関数と設計したりすることが考えられる。このようなフィルタ関数を適用することで、外れ値の影響を排除したり、新しい視聴情報データのみを用いたクラスタ集合を生成したりすることが可能となる。

【0056】

次に、クラスタ計算部１１１は、クラスタ集合をＣ＝｛Ｃ_ｊ｝として、各クラスタＣ_ｊを初期化する（ステップＳ１０２）。ここで、本実施形態では、ｋ－ｍｅａｎｓ法によりクラスタリングを行うため、クラスタ集合を構成するクラスタ数ｃは事前に与えられているものとする。このとき、ユーザ数をＮ（≧ｃ）として、クラスタ計算部１１１は、１からＮまでのＮ個の整数の中からｃ個の整数をランダムに選択し、ｊ（１≦ｊ≦ｃ）番目に選択した整数に対応するユーザをクラスタＣ_ｊに追加することで、各クラスタＣ_ｊ（１≦ｊ≦ｃ）の初期化を行う。

【0057】

次に、クラスタ計算部１１１は、各クラスタＣ_ｊの重心ｍ_ｊを計算する（ステップＳ１０３）。クラスタＣ_ｊの重心ｍ_ｊとしては、当該クラスタＣ_ｊに属するユーザｉの視聴履歴ｘ_ｉの和集合、すなわち

【0058】

【数1】

とする。

【0059】

次に、クラスタ計算部１１１は、各クラスタＣ_ｊをφで初期化する（ステップＳ１０４）。

【0060】

続いて、クラスタ計算部１１１は、いずれのクラスタにも属していないユーザｉをランダムに選択する（ステップＳ１０５）。

【0061】

次に、クラスタ計算部１１１は、各ｊに対して、上記のステップＳ１０５で選択したユーザｉの視聴履歴ｘ_ｉとクラスタＣ_ｊの重心ｍ_ｊとの距離ｄ（ｘ_ｉ，ｍ_ｊ）をそれぞれ計算する（ステップＳ１０６）。ここで、距離ｄ（ｘ_ｉ，ｍ_ｊ）としては、例えば、ＪＳダイバージェンスＪＳ（ｘ_ｉ，ｍ_ｊ）、ＫＬダイバージェンスＫＬ（ｘ_ｉ，ｍ_ｊ）又はガウス過程間のダイバージェンス等を用いる。ただし、距離ｄ（ｘ_ｉ，ｍ_ｊ）は、これらに限られず、分布間の類似度を定義できる任意の距離関数又はダイバージェンス関数を用いることが可能である。

【0062】

なお、ＪＳダイバージェンスＪＳ（ｘ_ｉ，ｍ_ｊ）は以下で定義される。

【0063】

【数2】

また、ＫＬダイバージェンスＫＬ（ｘ_ｉ，ｍ_ｊ）は以下で定義される。

【0064】

【数3】

ここで、ｐ（ｘ）及びｑ（ｘ）は横軸をＱｏＥ、縦軸をＵｔｉｌｉｔｙとした場合におけるＱｏＥと効用の関係性を表す関数である。例えば、ｘ_ｉ＝｛（ｔ_１ｉ，ｑ_１ｉ，ｕ_１ｉ），（ｔ_２ｉ，ｑ_２ｉ，ｕ_２ｉ），・・・｝である場合、ｐ（ｘ_ｉ）は、Ｕｔｉｌｉｔｙを要素とする集合｛ｕ'_１，ｕ'_２，・・・｝を出力する関数である。このｐ（ｘ_ｉ）は、例えば、次のように構成することができる。まず、ｘ_ｉの各要素からｑ_ｊｉ及びｕ_ｊｉを取り出した組を要素として持つ集合ｘ'_ｉを作成する。次に、この集合ｘ'_ｉに含まれる各ｑ_ｊｉの定義域を固定の幅で等分割し、各幅について、その幅に含まれるｕ_ｊｉの平均値を計算する。ただし、或る幅にｕ_ｊｉが一つも含まれない場合には、その幅の周辺の値から線形補間することで当該幅におけるＵｔｉｌｉｔｙの値を計算する。これにより、各ＱｏＥに対してＵｔｉｌｉｔｙが定義されるため、これを関数とみなしてｐ（ｘ）と定義する。ｑ（ｘ）についても同様である。

【0065】

また、ガウス過程間のダイバージェンスを用いる際には、まず、各ユーザもしくはクラスタで得られた観測を用いて、ガウス過程による報酬のモデル化を行う。例えば、ユーザＡに関するｎ組の観測値（つまり、ｎ個の視聴情報データで構成される視聴履歴）と、ユーザＢに関するｍ組の観測値とが得られており、各ユーザに関する観測値を用いて、ガウス過程による報酬（Ｕｔｉｌｉｔｙ）をモデル化する方法を考える。このとき、ユーザＡに関して、或る選択ｑ（ＱｏＥ）に対する報酬の予測分布は以下のようにモデル化できる。

【0066】

【数4】

ただし、ｕ_１，・・・，ｕ_ｎは観測されたＵｔｉｌｉｔｙ、Ｉ_ｎはｎ×ｎの単位行列、σ^２は報酬の期待値分布の事前分布における分散、βは近傍のｑに対応するｕが、今着目しているｑに対してどの程度影響を及ぼすかを表すパラメータである。ここで、ｋ（ｘ，ｘ'）はガウシアンカーネルに従うものとしたが、本実施形態はこれに限られるものではなく、例えば、カーネル関数として多項式カーネルや線形カーネル等が用いられてもよい。

【0067】

上記のモデル化をユーザＢに関しても行うことで、各ユーザの任意のｑに対する予測分布を得ることができる。次に、ｑの定義域を任意の間隔で区切った変数列を用意する。例えば、上記の参考文献２に記載されている推定技術を用いた場合、ｑの定義域は［１，５］となる。したがって、これをＳ個の変数列ｔ_１，ｔ_２，・・・，ｔ_Ｓ（ただし、１≦ｔ_１≦ｔ_２≦・・・≦ｔ_Ｓ，Ｓは予め設定されたパラメータ）で分割する。そして、これらを各ユーザの予測分布への入力し、Ｓ個のサンプル列を得る。すなわち、ユーザＡの予測分布からサンプル列（ａ_ｉ１，ａ_ｉ２，・・・，ａ_ｉＳ）を得る。同様に、ユーザＢの予測分布からサンプル列（ｂ_ｉ１，ｂ_ｉ２，・・・，ｂ_ｉＳ）を得る。

【0068】

上記のサンプル列を得る操作をＭ回繰り返し、以下の式に従ってユーザＡとユーザＢの予測分布の距離を求める。

【0069】

【数5】

ただし、Ｍは十分に大きな整数とする。上記の数５で定義される距離をガウス過程間のダイバージェンスとする。

【0070】

ステップＳ１０６に続いて、クラスタ計算部１１１は、上記のステップＳ１０６で計算された各距離ｄ（ｘ_ｉ，ｍ_ｊ）のうち、その値が最も小さい距離に対応するクラスタに対して、上記のステップＳ１０５で選択されたユーザｉを追加する（ステップＳ１０７）。すなわち、クラスタ計算部１１１は、

【0071】

【数6】

とする。

【0072】

次に、クラスタ計算部１１１は、全てのユーザがいずれかのクラスタに属しているか否かを判定する（ステップＳ１０８）。

【0073】

上記のステップＳ１０８で全てのユーザがいずれかのクラスタに属していると判定されなかった場合（つまり、いずれのクラスタにも属していないユーザが存在する場合）、クラスタ計算部１１１は、上記のステップＳ１０５に戻る。これにより、全てのユーザがいずれかのクラスタに属するまで、上記のステップＳ１０５～ステップＳ１０７が繰り返し実行される。

【0074】

一方で、上記のステップＳ１０８で全てのユーザがいずれかのクラスタに属していると判定された場合、クラスタ計算部１１１は、クラスタ集合Ｃ＝｛Ｃ_ｊ｝が直近の重心計算時と同じであるか否かを判定する（ステップＳ１０９）。もし直近の重心計算時と同じでない場合（つまり、直近の重心計算時からクラスタ集合Ｃが変化している場合）、クラスタリングが収束していないと考えられるため、クラスタ計算部１１１は、上記のステップＳ１０３に戻り、再度、重心の計算と各ユーザのクラスタリングを行う。一方で、直近の重心計算時と同じである場合はクラスタリングが収束したと考えられるため、クラスタ計算部１１１は、そのクラスタ集合ＣでクラスタＤＢ１２２を更新する。すなわち、クラスタ計算部１１１は、このクラスタ集合Ｃを構成する各クラスタＣ_ｊに対してクラスタＩＤを付与した上で、クラスタＩＤと、このクラスタＩＤのクラスタに属するユーザのユーザＩＤとを対応付けたデータをクラスタＤＢ１２２に格納する。

【0075】

なお、本実施形態では、一例として、或る品質に対するユーザの視聴履歴のみを用いてクラスタリングを行ったが、これに限られず、例えば、ユーザの属性をクラスタリングの要素としてもよい。ユーザの特性としては、例えば、動画配信サービスの契約プラン、年代、性別、コンテンツの視聴傾向、視聴時間帯、視聴時間の統計量等が挙げられる。

【0076】

＜ＱｏＥ目標値ＤＢ１２４の更新＞
次に、上記のＳ４－２でＱｏＥ目標値計算部１１２がＱｏＥ目標値ＤＢ１２４を更新する際の動作について説明する。なお、この動作を開始する際には、ＱｏＥ目標値ＤＢ１２４に格納されているデータは初期化（例えば、全データの削除やＱｏＥ目標値の初期化等）される。

【0077】

ＱｏＥ目標値計算部１１２は、更新後のクラスタＤＢ１２２に格納されているデータと視聴情報ＤＢ１３２に格納されているデータとを用いて、参考文献５「Jonas Mockus, "On Bayesian Methods for Seeking the Extremum. Optimization Techniques," 1974: 400-404」に記載されたベイズ最適化に基づいてＱｏＥ目標値を計算する。ただし、ＱｏＥ目標値計算部１１２は、ユーザ毎やコンテンツ毎にＱｏＥ目標値を計算するのではなく、クラスタ毎にＱｏＥ目標値を計算する。そして、ＱｏＥ目標値計算部１１２は、各クラスタに対して推定効用が最大となるＱｏＥ目標値と当該クラスタのクラスタＩＤとを対応付けたデータをＱｏＥ目標値ＤＢ１２４に格納する。なお、ベイズ最適化を適用する方式としては、参考文献６「Niranjan Srinivas, Andreas Krause, Sham Kakade, and Matthias Seeger. 2010. Gaussian process optimization in the bandit setting: no regret and experimental design. In Proceedings of the 27th International Conference on International Conference on Machine Learning (ICML'10). Omnipress, Madison, WI, USA, 1015-1022.」に記載されているＵＣＢ（Upper Confidence Bound）法が用いられてもよいし、参考文献７「W.R. Thompson. On the likelihood that one unknown probability exceeds another in view of the evidence of two samples. Biometrika, 25:285-294, 1933.」に記載されているＴＳ（Thompson Sampling）法が用いられてもよい。また、ユーザＩＤ「default」に対応するクラスタのＱｏＥ目標値については、例えば、全てのクラスタの視聴情報データを用いて、ＱｏＥ目標値を計算するものとする。

【0078】

［第二の実施形態］
次に、第二の実施形態について説明する。なお、本実施形態に係る映像配信システム１の全体構成及び動作は第一の実施形態と同様であり、視聴開始前の動作、視聴中の動作、視聴終了後の動作、クラスタ更新動作の実行タイミングはいずれも第一の実施形態と同様である。本実施形態が第一の実施形態と異なる点は、クラスタＤＢ１２２の更新とＱｏＥ目標値ＤＢ１２４の更新であるため、以下では、これらの点について説明する。

【0079】

＜クラスタＤＢ１２２の更新＞
まず、クラスタＤＢ１２２の更新について説明する。本実施形態では、以下のステップＳ２０１～ステップＳ２０５によりクラスタリングすることで、クラスタＤＢ１２２を更新する。

【0080】

ステップＳ２０１：まず、クラスタ計算部１１１は、上記のステップＳ１０１と同様に、Ｘ＝filter（Ｘ_ａｌｌ）により集合Ｘを計算する。

【0081】

ステップＳ２０２：次に、クラスタ計算部１１１は、視聴情報ＤＢ１３２に格納されているデータに含まれるユーザをノードとした完全グラフＧ（Ｖ，Ｅ）を作成する。ここで、Ｖはユーザの集合、Ｅはユーザ間のエッジの集合である。なお、完全グラフとは任意の２つのノード間にエッジが存在するグラフのことである。

【0082】

ステップＳ２０３：次に、クラスタ計算部１１１は、クラスタ集合をＣ＝｛Ｃ_１｝と初期化（つまり、全ユーザが属するクラスタＣ_１のみが含まれるクラスタ集合に初期化）する。ただし、この初期化が一度以上実行されている場合は、本ステップは行わずに、スキップする。

【0083】

ステップＳ２０４：次に、クラスタ計算部１１１は、クラスタＣ_ｊ（１≦ｊ≦｜Ｃ｜）に属する任意のユーザｉ及びｉ'間のエッジｅ_ｉ，ｉ'について、以下の数７に示す条件を満たすか否かを判定し、この条件を満たす場合は当該エッジｅ_ｉ，ｉ'を削除する。

【0084】

【数7】

ここで、＾ｍ_ｉ（正確には、ｍ_ｉの真上にハット「＾」を付与した記号）は、ユーザｉに関する視聴情報データのみを用いて、上記の数４によりモデル化したときの＾ｍを表しており、ユーザｉの特徴を表している。また、Ω＝［１，５］である。ｐ（ｘ）は、入力候補集合Ｄを構成する際に利用する確率分布であり、Ω上で定義された任意の確率分布を用いることができる。Ｄは、確率分布ｐ（ｘ）に従ってサンプリングされたＬ個の要素で構成される集合である。なお、入力候補集合Ｄを用いたＱｏＥ目標値の決定方法については後述する。

【0085】

また、Ｆ（Ｔ）は任意の関数としてよいが、例えば、以下の関数を用いることができる。

【0086】

【数8】

なお、上記の数７のα_１と上記の数８のα_２は任意に設定することができる定数である。

【0087】

ステップＳ２０５：次に、クラスタ計算部１１１は、クラスタ集合Ｃの更新を行う。具体的には、クラスタ計算部１１１は、上記のステップＳ２０４を行った後のグラフＧについて、各連結成分を各クラスタとしてクラスタ集合Ｃを更新する。また、クラスタ計算部１１１は、各クラスタに属するユーザの視聴情報データを用いて、上記の数４により、クラスタ毎にｕを推定する。

【0088】

＜ＱｏＥ目標値ＤＢ１２４の更新＞
次に、ＱｏＥ目標値ＤＢ１２４の更新について説明する。

【0089】

ＱｏＥ目標値計算部１１２は、まず、確率分布ｐ（ｘ）に従ってＬ個の入力候補をサンプリングする。これらＬ個の入力候補で構成される集合をＤとする。次に、ＱｏＥ目標値計算部１１２は、Ｄに属する要素を用いて、上記の参考文献６に記載されているＵＣＢ法又は上記の参考文献７に記載されているＴＳ法によりＱｏＥ目標値を計算する。なお、上述したように、ｐ（ｘ）はΩ上で定義された任意の確率分布であり、例えば、一様関数等としてもよい。

【0090】

＜映像品質選択装置１０のハードウェア構成＞
最後に、第一の実施形態及び第二の実施形態に係る映像品質選択装置１０のハードウェア構成について、図７を参照しながら説明する。図７は、一実施形態に係る映像品質選択装置１０のハードウェア構成の一例を示す図である。

【0091】

図７に示すように、第一の実施形態及び第二の実施形態に係る映像品質選択装置１０は一般的なコンピュータ又はコンピュータシステムで実現され、ハードウェアとして、入力装置２０１と、表示装置２０２と、外部Ｉ／Ｆ２０３と、通信Ｉ／Ｆ２０４と、プロセッサ２０５と、メモリ装置２０６とを有する。これらの各ハードウェアは、それぞれがバス２０７を介して通信可能に接続されている。

【0092】

入力装置２０１は、例えば、キーボードやマウス、タッチパネル等である。表示装置２０２は、例えば、ディスプレイ等である。なお、映像品質選択装置１０は、入力装置２０１及び表示装置２０２のうちの少なくとも一方を有していなくてもよい。

【0093】

外部Ｉ／Ｆ２０３は、記録媒体２０３ａ等の外部装置とのインタフェースである。映像品質選択装置１０は、外部Ｉ／Ｆ２０３を介して、記録媒体２０３ａの読み取りや書き込み等を行うことができる。記録媒体２０３ａには、映像品質選択装置１０が実行する各種処理を実現する１以上のプログラムが格納されていてもよい。なお、記録媒体２０３ａとしては、例えば、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disk）、ＳＤメモリカード（Secure Digital memory card）、ＵＳＢ（Universal Serial Bus）メモリカード等がある。

【0094】

通信Ｉ／Ｆ２０４は、映像品質選択装置１０を通信ネットワークに接続するためのインタフェースである。なお、映像品質選択装置１０が実行する各種処理を実現する１以上のプログラムは、通信Ｉ／Ｆ２０４を介して、所定のサーバ装置等から取得（ダウンロード）されてもよい。

【0095】

プロセッサ２０５は、例えば、ＣＰＵ（Central Processing Unit）やＧＰＵ（Graphics Processing Unit）等の各種演算装置である。メモリ装置２０６は、例えば、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ等の各種記憶装置である。

【0096】

第一の実施形態及び第二の実施形態に係る映像品質選択装置１０は、図７に示すハードウェア構成により、上述した各種処理を実現することができる。なお、図７に示すハードウェア構成は一例であって、映像品質選択装置１０は、他のハードウェア構成を有していてもよい。例えば、映像品質選択装置１０は、複数のプロセッサ２０５を有していてもよいし、複数のメモリ装置２０６を有していてもよい。

【0097】

本発明は、具体的に開示された上記の各実施形態に限定されるものではなく、特許請求の範囲の記載から逸脱することなく、種々の変形や変更、既知の技術との組み合わせ等が可能である。

【符号の説明】

【0098】

１ 映像配信システム
１０ 映像品質選択装置
２０ クライアント
３０ 配信サーバ
１１０ ＤＢ更新部
１１１ クラスタ計算部
１１２ ＱｏＥ目標値計算部
１２０ ＱｏＥ目標値応答部
１２１ クラスタ特定部
１２２ クラスタＤＢ
１２３ ＱｏＥ目標値応答部
１２４ ＱｏＥ目標値ＤＢ
１３０ 視聴情報蓄積部
１３１ 蓄積部
１３２ 視聴情報ＤＢ
２０１ 入力装置
２０２ 表示装置
２０３ 外部Ｉ／Ｆ
２０３ａ 記録媒体
２０４ 通信Ｉ／Ｆ
２０５ プロセッサ
２０６ メモリ装置
２０７ バス

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】