A Novel Publish/Subscribe Tree Construction Algorithm for Wireless Ad-hoc Networks

Q: 이 논문에서 정의한 publish/subscribe tree란 무엇인가?

publish/subscribe tree는 무선 애드혹 네트워크에서 이벤트가 발행자로부터 관심 있는 사용자에게 효율적으로 전달되도록 돕는 라우팅 구조이다. 이는 연결 그래프의 스패닝 트리로 제한되며, 각 노드는 인접한 노드와만 통신할 수 있다. 이 트리를 통해 이벤트가 목적지까지 전달된다.

Q: 무선 애드혹 네트워크에서 publish/subscribe tree를 구성하는 새로운 방법은 무엇인가?

연구 결과, CALSIM 알고리즘은 노드의 구독 유사성을 라우팅 메트릭으로 활용하여 publish/subscribe tree를 구성한다. 이는 기존 SHOPPARENT 알고리즘이 오버헤드를 최소화하는 것과 달리, String Edit Distance를 이용해 구독 간의 유사도를 계산하여 관련성 높은 이벤트를 수신할 수 있도록 부모 노드를 선택한다.

Hieu Trung Nguyen; Sangyoon Oh

학술대회자료

저자정보: Hieu Trung Nguyen (아주대학교) Sangyoon Oh (아주대학교)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2009 한국컴퓨터종합학술대회 논문집 제36권 제1호(D)

오류 신고하기

피인용 0

검색

초록·키워드

In wireless ad-hoc networks, a publish/subscribe system comes up with an event routing if it is distributed. As a point in the discussion, event routing should be efficient enough to drive events from sources to interested users. The existing algorithm SHOPPARENT has exposed how to construct an optimal publish/subscribe tree for routing events. However, there are many cases for improving SHOPPARENT algorithm. In this paper, we propose a novel algorithm, CALSIM, which remedies the tree construction in the context that a similarity between subscriptions is the main routing metric.

#publish/subscribe systems #wireless ad-hoc networks #string edit distance

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-ECN-0101-2009-569-018534473

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료