電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 トップに戻る 前のページに戻る   [Japanese] / [English] 

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
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

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
発表日時 2017-03-06 10:00:00 
発表時間 25 
申込先研究会 CQ 
資料番号 IEICE-CQ2016-111 
巻番号(vol) IEICE-116 
号番号(no) no.497 
ページ範囲 pp.1-6 
ページ数 IEICE-6 
発行日 IEICE-CQ-2017-02-27 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会