文献

J-GLOBAL ID：201702285663851656   整理番号：17A0545223

深層学習によるコンテンツ視聴数予測

Prediction of the Number of Content Requests by Deep Learning

著者 (5件)： 須田達也 (早稲田大 基幹理工) ,  矢守恭子 (朝日大 経営) ,  矢守恭子 (早稲田大 国際情報通信研究セ) ,  田中良明 (早稲田大 基幹理工) ,  田中良明 (早稲田大 国際情報通信研究セ)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 116  号： 497(CQ2016 111-132)  ページ： 1-6  発行年： 2017年02月27日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： CDNなどのコンテンツ配信では,エッジサーバにリクエスト率の高いコンテンツを配置することで,効率の良い配信を行っている。このとき,新規コンテンツのリクエスト率を予測することができれば,ネットワークの高効率な利用が可能となる。そこで,本稿では未配信コンテンツの最適配置を目的とし,深層学習を用いてコンテンツ視聴数の予測を行う。深層学習の入力パラメータは,コンテンツのメタデータであるタイトル,タグ情報を自然言語からベクトル化して用いる。タイトル,説明文を含む文章をDoc2vecで作成したベクトルにおいて,作成されたベクトルとコンテンツ視聴数との関係性をコサイン類似度で評価し,類似度の高いコンテンツは視聴数の順位が近いことを明らかにしている。(著者抄録)

シソーラス用語： *機械学習 ,  *情報流通 ,  コンテンツ ,  *予測 ,  情報配布 ,  配置 ,  資源割付 ,  メタデータ ,  度 ,  評価 ,  時間
準シソーラス用語： コンテンツ配信 ,  *コンテンツ流通 ,  最適配置 ,  視聴時間 ,  *深層学習 ,  類似度

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (10件)：

• Cisco,“Cisco visual networking index(VNI):予測と方法論,2015~2020年,” http://www.cisco.com/web/JP/solution/isp/ipngn/literature/white_paper_c11-481360.html, 参照 July 26,2016.
• Q. Le and T. Mikolov, “Distributed representations of sentences and documents,” Proc. 31st International Conference on Machine Learning (ICML 2014), Beijing, China, pp.1188-1196, June 2014.
• D.M. Blei, A.Y. Ng, and M.I. Jordan, “Latent dirichlet allocation,” Journal of Machine Learning Research, vol.3, pp.993-1022, Jan. 2003.
• 株式会社ドワンゴ,“ニコニコ静画,” http://seiga.nicovideo.jp, 参照 Jan.22,2017.
• 株式会社ドワンゴ,“nico-opendata:閲覧数・お気に入り数予測,” https://nico-opendata.jp/ja/casestudy/view_count_prediction/index.html, 参照 Jan.22,2017.

タイトルに関連する用語 (4件)： 深層学習 ,  コンテンツ ,  視聴 ,  予測