文献

J-GLOBAL ID：202002262265310038   整理番号：20A0902249

ビデオコンテンツ人気の分散における変化検出のためのリアルタイムアルゴリズム【JST・京大機械翻訳】

Real-Time Algorithms for the Detection of Changes in the Variance of Video Content Popularity

著者 (3件)： Skaperas Sotiris (Department of Applied Informatics, University of Macedonia, Thessaloniki, Greece) ,  Mamatas Lefteris (Department of Applied Informatics, University of Macedonia, Thessaloniki, Greece) ,  Chorti Arsenia (ETIS/Universite ́ Paris Seine, Universite ́ Cergy-Pointoise, ENSEA, CNRS, Cergy, France)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 30445-30457  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ビデオコンテンツがグローバルIPトラフィックの70%以上に対応しているので,関連する資源割当アプローチ,例えばコンテンツキャッシングを用いることがますます重要になっている。この文脈において,供給不足を避けるために,揮発性,すなわち,基礎となるプロセスの二次モーメントの変化を含む,コンテンツ人気動力学の変化に迅速に検出し,応答することが重要である。本論文では,統計的変化点(CP)検出問題として扱うビデオコンテンツ人気の分散における変化の早期同定に焦点を当てた。非パラメトリック統計的手法により良く捉えられる平均値の変化とは異なり,このより厳しい問題を扱うために,パラメトリックおよび非パラメトリック手法の両方で試験統計に使用する仮説試験を構築した。パラメトリックモデルの文脈において,自己回帰移動平均(ARMA)の形式における線形,および一般化自己回帰条件付き不均一性(GARCH)プロセスの形式における非線形性を考察した。オフラインとオンラインCP方式を組み合わせた統合アルゴリズムを提案し,オフライン方式を訓練(学習)フェーズとして用いた。このアルゴリズムを最初に合成データ上で評価した。著者らの解析は,非パラメトリックとGARCHモデルに基づくアプローチが,より良く一般化でき,未知の統計を持つコンテンツビュー時系列に適していることを実証した。最後に,提案した統合アルゴリズムの非パラメトリックおよびGARCHベースの変動を,実際のYouTubeビデオコンテンツビュー時系列に適用し,揮発性変化検出の提案アプローチの性能を例示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  学習 ,  統計的方法 ,  仮説検定 ,  資源割付 ,  線形性 ,  非線形性 ,  不均一性 ,  ARMAモデル ,  二次モーメント ,  *コンテンツ
準シソーラス用語： パラメトリックモデル ,  実時間 ,  オンライン ,  自己回帰 , 【Automatic Indexing@JST】

分類 (3件)： 音声処理  (JE05000E) ,  信号理論  (ND02020G) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： ビデオコンテンツ ,  変化検出 ,  リアルタイム ,  アルゴリズム