文献

J-GLOBAL ID：202202247515202480   整理番号：22A0456948

コンテンツキャッシングネットワークにおける潜在イベント予測のための深層学習【JST・京大機械翻訳】

Deep Learning for Latent Events Forecasting in Content Caching Networks

著者 (4件)： Yang Zhong (School of Electronic Engineering and Computer Science, Queen Mary University of London, London, U.K.) ,  Liu Yuanwei (School of Electronic Engineering and Computer Science, Queen Mary University of London, London, U.K.) ,  Chen Yue (School of Electronic Engineering and Computer Science, Queen Mary University of London, London, U.K.) ,  Zhou Joey Tianyi (Agency for Science Technology and Research (A*STAR), Singapore)
資料名： IEEE Transactions on Wireless Communications  (IEEE Transactions on Wireless Communications)
巻： 21  号： 1  ページ： 413-428  発行年： 2022年 
JST資料番号： W1329A  ISSN： 1536-1276  CODEN： ITWCAX  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： 新しいTwitterコンテキスト支援コンテンツキャッシング(TAC)フレームワークを,Twitterデータの可読性と大量の体積を利用してキャッシング効率を高めるために提案した。キャッシング効率を促進する目的で,3つの機械学習モデルを提案して,潜在的事象とイベント人気を予測し,隣接基地局(BS)の地理タグと地理情報を用いて収集したTwitterデータを利用した。最初に,自然言語処理(NLP)におけるLDAモデルの優位性のため,潜在事象予測のための潜在的Dirichlet割当(LDA)モデルを提案した。次に,イベント人気予測のための連続的スキップグラムGeo認識埋込みアプローチによるスキップグラム埋込み方式とLSTMによる長い短期メモリ(LSTM)を知覚する。さらに,予測潜在事象とキャッシング戦略との事象の人気を関連づける。最後に,非直交多重アクセス(NOMA)ベースのコンテンツ伝送方式を提案した。広範な実際的実験は以下を示した。1)提案したTACフレームワークは,従来のキャッシングフレームワークよりも性能が優れており,公衆の関心との会合能力のおかげで,実用的なアプリケーションで使用できる。2)提案したLDAアプローチは,Twitterデータにおける自然言語処理(NLP)の優位性を保存する。3)提案したスキップグラムベースのLSTMのパープレックス性は,従来のLDAアプローチと比較して低い。4)モデルの評価により,モデルのツイートのヒット率は50%から65%まで変化し,キャッシング内容のヒット率は従来のアルゴリズムに比べて小さいキャッシング空間で約75%に達することを示した。また,シミュレーション結果により,提案NOMA可能キャッシングスキームは,従来の最小使用(LFU)方式を25%まで凌駕することを示した。Copyright 2022 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 ,  記憶装置 ,  シミュレーション ,  *ネットワーク ,  可読性 ,  自然言語処理 ,  多重化 ,  送信方式 ,  応用プログラム ,  機械学習 ,  *コンテンツ
準シソーラス用語： *キャッシング ,  ヒット率 ,  ツイッター ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 無線通信一般  (ND08010L)

タイトルに関連する用語 (3件)： イベント ,  予測 ,  深層学習