메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
박용문 (인하대학교) 김영진 (인하대학교)
저널정보
한국통신학회 한국통신학회논문지 한국통신학회논문지 제48권 제12호
발행연도
2023.12
수록면
1,559 - 1,567 (9page)
DOI
10.7840/kics.2023.48.12.1559

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
미디어 데이터의 소비가 늘어나면서 저지연 서비스를 위한 콘텐츠 캐싱 기술이 중요해지고 있다. 콘텐츠 캐싱의 효과를 극대화하기 위해서는 향후 높은 조회수를 가질 것으로 예상되는 콘텐츠를 찾을 수 있어야 한다. 하지만, 콘텐츠별 조회수는 시간대에 따라 변화하며 유행의 변화, 콘텐츠 간 상관관계 등과 복잡하게 얽혀있기 때문에 정확한 예측이 쉽지 않다. 본 연구에서는 향후 콘텐츠들의 조회수를 높은 정확도로 예측하기 위한 딥러닝 기반의 학습 기법을 제안한다. 특히, 학습모델 전후에 데이터 매핑/역매핑 방법을 새롭게 제안하여, 학습모델이 콘텐츠 조회수의 크기를 제외한 트렌드 학습에 집중할 수 있게 한다. 또한, 1DCNN-LSTM-Dense 계층 기반의 딥러닝 모델을 제안하여 다중 속성 데이터 간의 상관관계, 시간 축에서의 데이터의 상관관계를 학습할 수 있도록 한다. YouTube 데이터셋에 기반하여 제안 학습 기법과 기존에 제안되었던 다양한 휴리스틱 알고리즘, 정규화 기법, 데이터 매핑 기법 등과 성능을 비교 평가한다. 평가 결과, 제안 학습 기법은 어떠한 미래 정보를 사전에 필요로 하지 않으면서도 가장 높은 캐싱 정답률을 달성하는 것을 확인한다.

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 시스템 모델
Ⅲ. 제안 기법
Ⅳ. 시뮬레이션 기반 평가
Ⅴ. 결론
References

참고문헌 (20)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0