講演抄録/キーワード |
講演名 |
2017-03-06 10:00
深層学習によるコンテンツ視聴数予測 ○須田達也(早大)・矢守恭子(朝日大/早大)・田中良明(早大) CQ2016-111 |
抄録 |
(和) |
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. |
(英) |
In content distribution systems such as CDN (Content Delivery Network), the contents with high request rate should be stored in the edge server for efficient distribution. If the request rate of the new content can be predicted, the network can be used more efficiently. In this paper, the number of content requests is predicted by Deep Learning so as to assign the content to the suitable server. The input parameters of deep learning are title and tag information which are metadata of content, and they are vectorized by natural language. The relationship between the created vector and the number of content requests is evaluated by cosine similarity. If the similarity of the contents is high, the ranking of the number of requests will be almost the same. |
キーワード |
(和) |
深層学習 / 視聴数 / 予測 / Doc2Vec / LDA / / / |
(英) |
Deep Learning / Content Request / Prediction / Doc2Vec / LDA / / / |
文献情報 |
信学技報, vol. 116, no. 497, CQ2016-111, pp. 1-6, 2017年3月. |
資料番号 |
CQ2016-111 |
発行日 |
2017-02-27 (CQ) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
CQ2016-111 |
研究会情報 |
研究会 |
MVE IE CQ IMQ |
開催期間 |
2017-03-06 - 2017-03-07 |
開催地(和) |
九州大学大橋キャンパス 5号館 |
開催地(英) |
Kyusyu Univ. Ohashi Campus |
テーマ(和) |
五感メディア,マルチメディア,仮想環境基礎,映像符号化,超臨場感,ネッ トワークの品質と信頼性,イメージメディアの品質,一般(MVE・IE・IMQ研究会共催,CQ研究会併催,VR学会香り・味と生体情報研究委員会と連催) |
テーマ(英) |
Five senses media, Multimedia, Virtual Environment, Image encoding, Ultra realistic, Network quality and reliability, Image media quality, etc. |
講演論文情報の詳細 |
申込み研究会 |
CQ |
会議コード |
2017-03-MVE-IE-CQ-IMQ |
本文の言語 |
日本語 |
タイトル(和) |
深層学習によるコンテンツ視聴数予測 |
サブタイトル(和) |
|
タイトル(英) |
Prediction of the Number of Content Requests by Deep Learning |
サブタイトル(英) |
|
キーワード(1)(和/英) |
深層学習 / Deep Learning |
キーワード(2)(和/英) |
視聴数 / Content Request |
キーワード(3)(和/英) |
予測 / Prediction |
キーワード(4)(和/英) |
Doc2Vec / Doc2Vec |
キーワード(5)(和/英) |
LDA / LDA |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
須田 達也 / Tatsuya Suda / スダ タツヤ |
第1著者 所属(和/英) |
早稲田大学 (略称: 早大)
Waseda University (略称: Waseda Univ.) |
第2著者 氏名(和/英/ヨミ) |
矢守 恭子 / Kyoko Yamori / ヤモリ キョウコ |
第2著者 所属(和/英) |
朝日大学/早稲田大学 (略称: 朝日大/早大)
Asahi University/Waseda University (略称: Asahi Univ./Waseda Univ.) |
第3著者 氏名(和/英/ヨミ) |
田中 良明 / Yoshiaki Tanaka / タナカ ヨシアキ |
第3著者 所属(和/英) |
早稲田大学 (略称: 早大)
Waseda University (略称: Waseda Univ.) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2017-03-06 10:00:00 |
発表時間 |
25分 |
申込先研究会 |
CQ |
資料番号 |
CQ2016-111 |
巻番号(vol) |
vol.116 |
号番号(no) |
no.497 |
ページ範囲 |
pp.1-6 |
ページ数 |
6 |
発行日 |
2017-02-27 (CQ) |
|