講演名	2017-03-06 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),
PDFダウンロードページ	PDFダウンロードページへ
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．
抄録(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
キーワード(英)	Deep Learning / Content Request / Prediction / Doc2Vec / LDA
資料番号	CQ2016-111
発行日	2017-02-27 (CQ)

研究会情報
研究会	MVE / IE / CQ / IMQ
開催期間	2017/3/6(から2日開催)
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.
委員長氏名（和）	亀田 能成(筑波大) / 高村 誠之(NTT) / 矢守 恭子(朝日大) / 堀田 裕弘(富山大)
委員長氏名（英）	Yoshinari Kameda(Univ. of Tsukuba) / Seishi Takamura(NTT) / Kyoko Yamori(Asahi Univ.) / Yuukou Horita(Univ. of Toyama)
副委員長氏名（和）	間瀬 健二(名大) / 浜本 隆之(東京理科大) / 市ヶ谷 敦郎(NHK) / 林 孝典(NTT) / 下西 英之(NEC) / 杉山 賢二(成蹊大) / 中口 俊哉(千葉大)
副委員長氏名（英）	Kenji Mase(Nagoya Univ.) / Takayuki Hamamoto(Tokyo Univ. of Science) / Atsuro Ichigaya(NHK) / Takanori Hayashi(NTT) / Hideyuki Shimonishi(NEC) / Kenji Sugiyama(Seikei Univ.) / Toshiya Nakaguchi(Chiba Univ.)
幹事氏名（和）	上岡 玲子(九大) / 飯山 将晃(京大) / 木村 篤信(NTT) / 坂東 幸浩(NTT) / 宮田 高道(千葉工大) / 松田 崇弘(阪大) / 久保 亮吾(慶大) / 前田 充(キヤノン) / 工藤 博章(名大)
幹事氏名（英）	Reiko Ueoka(Kyushu Univ.) / Masaaki Iiyama(Kyoto Univ.) / Atsunobu Kimura(NTT) / Yukihiro Bando(NTT) / Takamichi Miyata(Chiba Inst. of Tech.) / Takahiro Matsuzaki(Osaka Univ.) / Ryogo Kubo(Keio Univ.) / Mitsuru Maeda(Canon) / Hiroaki Kudo(Nagoya Univ.)
幹事補佐氏名（和）	内山 英昭(九大) / 平山 高嗣(名大) / 青木 良輔(NTT) / 河村 圭(KDDI研) / 高橋 桂太(名大) / アベセカラ ヒランタ(NTT) / 福元 徳広(KDDI研) / 齊藤 新一郎(ソニー) / 土田 勝(NTT)
幹事補佐氏名（英）	Hideaki Uchiyama(Kyushu Univ.) / Takatsugu Hirayama(Nagoya Univ.) / Ryosuke Aoki(NTT) / Kei Kawamura(KDDI R&D Labs.) / Keita Takahashi(Nagoya Univ.) / Hirantha Abeysekera(NTT) / Norihiro Fukumoto(KDDI R&D Labs.) / Shinichiro Saito(Sony) / Masaru Tsuchida(NTT)

講演論文情報詳細
申込み研究会	Technical Committee on Multimedia and Virtual Environment / Technical Committee on Image Engineering / Technical Committee on Communication Quality / Technical Committee on Image Media Quality
本文の言語	JPN
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（和）
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
第 1 著者 氏名（和/英）	須田 達也 / Tatsuya Suda
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）	矢守 恭子 / Kyoko Yamori
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）	田中 良明 / Yoshiaki Tanaka
第 3 著者 所属（和/英）	早稲田大学(略称：早大) Waseda University(略称：Waseda Univ.)
発表年月日	2017-03-06
資料番号	CQ2016-111
巻番号（vol）	vol.116
号番号（no）	CQ-497
ページ範囲	pp.1-6(CQ),
ページ数	6
発行日	2017-02-27 (CQ)