DE60029914T2 - System und Verfahren zum Zwischenspeichern - Google Patents

System und Verfahren zum Zwischenspeichern Download PDF

Info

Publication number
DE60029914T2
DE60029914T2 DE60029914T DE60029914T DE60029914T2 DE 60029914 T2 DE60029914 T2 DE 60029914T2 DE 60029914 T DE60029914 T DE 60029914T DE 60029914 T DE60029914 T DE 60029914T DE 60029914 T2 DE60029914 T2 DE 60029914T2
Authority
DE
Germany
Prior art keywords
value
cache
value data
web
mtnr
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Lifetime
Application number
DE60029914T
Other languages
English (en)
Other versions
DE60029914D1 (de
Inventor
Natalie S. Glance
Bernardo A. Palo Alto Huberman
Lada A. Redwood City Adamic
James E. Palo Alto Pitkow
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xerox Corp
Original Assignee
Xerox Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xerox Corp filed Critical Xerox Corp
Publication of DE60029914D1 publication Critical patent/DE60029914D1/de
Application granted granted Critical
Publication of DE60029914T2 publication Critical patent/DE60029914T2/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/957—Browsing optimisation, e.g. caching or content distillation
    • G06F16/9574—Browsing optimisation, e.g. caching or content distillation of access to content, e.g. by caching

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Transfer Between Computers (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Description

  • Diese Erfindung bezieht sich allgemein auf ein System und ein Verfahren zum Optimieren von Endbenutzer- und -Netzwerk-Ressourcen in Netzwerksystemen, wo verschiedene Niveaus eines Cache-Speichers existieren.
  • Netzwerksysteme, wie beispielsweise Intranet und das World Wide Web (das Web), setzen ein Cache-Speichern (Caching) (die Verwendung von Ressourcen, ähnlich einem Speicher, einer Platte, usw., mit einer sehr kurzen Zugriffszeit für häufig benutzte Datendateien) unter verschiedenen Niveaus ein, um Netzwerk-Belastungen und Ansprechzeiten zu verringern. Allgemein kann irgendeine Art einer Datendatei oder eines Dokuments cache-mäßig gespeichert werden, einschließlich Text, Graphiken, Video, Bildern, Audio-Dateien, html-Dateien, Web-Seiten, usw.. Ein Web-Cache-Speichern speichert typischerweise den Inhalt, zugeordnet zu URLs, für Web-Seiten.
  • In Client-Server-Informations-Systemen werden lokale Client-Ressourcen, meistens typischerweise ein Speicher (RAM), in großem Umfang verwendet, um Daten cachemäßig zu speichern und um eine zukünftige Interaktion mit Servern zu minimieren. Wenn ein Cache-Speicher verwendet wird, prüft der Client-Computer zu Anfang, ob das angeforderte Dokument in dem lokalen Cache-Speicher vorhanden ist. Falls das Dokument in dem lokalen Cache-Speicher existiert und es aktuell ist (wobei aktuell bedeutet, dass eine neuere Version des Dokuments nicht existiert), dann wird das Dokument unmittelbar zu dem Benutzer geliefert. Ansonsten ruft, wenn das Dokument nicht im Cache-Speicher vorhanden ist, der Client-Computer das Dokument von einem Server, der irgendwo auf dem System oder dem Web vorhanden ist, ab. In Abhängigkeit von der Dokumentengröße und der verfügbaren Übertragungsrate könnte die Lieferung des Dokuments an den Benutzer einen wesentlichen Umfang an Zeit benötigen.
  • Eine Bestimmung, welche Dokumente cachemäßig zu speichern sind, und wann sie zu ersetzen sind, wird durch einen Cache-Speicherungs-Ersetzungs-Algorithmus erreicht. Die meisten Web-Server, nach dem Stand der Technik, Proxy- und Client-Caching-Ersetzungs-Algorithmen berücksichtigen typischerweise Variablen, wie beispielsweise die Häufigkeit eines Zugriffs, die Neuheit eines Zugriffs, eine Datendatei (Dokumentengröße) und eine abgeschätzte Dokumenten-Aussuch-Latenz-Zeit, um die Priorität eines Dokuments in dem Cache-Speicher zu bestimmen. Die primäre Annahme hinter diesen Parametern ist diejenige, dass eine frühere Benutzung ein zuverlässiger Prophet (predictor) eines zukünftigen Zugriffs sein wird. Diese Parameter ermöglichen auch Cache-Ersetzungs-Policen, um Trefferraten mit Byte-gewichteten Trefferraten und einer Endbenutzer-Latenz-Zeit zu optimieren. Neuere Algorithmen setzen diese Variablen in adaptiven Frameworks, da globale Gewichtungen als nicht optimal für individuelle Cache-Speicher und Verkehrsmusteränderungen über die Zeit befunden worden sind, ein.
  • Verschiedene andere Caching-Techniken, wie beispielsweise die Verwendung eines Rückrufs (Callback) und eines Vorabrufs (Prefetching), sind vorgeschlagen worden. Diese Techniken verbessern allerdings nicht immer die Funktionsweise. Ein Callback ist zum Beispiel nicht für Web-Objekte geeignet, die in vielen Proxies cachemäßig gespeichert werden können. Ein Prefetching ist auch dort ungeeignet, wo Cache-Trefferraten niedrig sind. Es ist oftmals schwierig, vorherzusagen, wann eine bevorrechtigte Dokumentenprüfung die Funktionsweise verbessern wird. Einige Programme sind verfügbar, die einem Benutzer ermöglichen, URLs von dem Web auf deren Client-Computern zu identifizieren und herunterzuladen und den Ablauf dieser Herunterladungen zu spezifizieren. Solche Programme erfordern allerdings, dass Benutzer spezifisch identifizieren, welche Dokumente vorab abgerufen werden sollen und cachemäßig gespeichert oder für eine spätere Benutzung heruntergeladen werden sollen, was nicht immer angenehm ist.
  • In Bezug auf das Problem, wie Dokumente zu priorisieren sind, wird entschieden, wie oft die Dateien zu validieren oder zu erneuern sind (d.h. um sicherzustellen, dass die Dateien aktuell sind). Allgemein sind Proxy-Server so konfiguriert, um eine Validierung entweder unter vorab eingestellten Intervallen oder auf einer auf Anforderung geleiteten Art durchzuführen. Vorab eingestellte Intervalle können unzureichend sein, um den Cache-Speicher in einer langen Suche zu aktualisieren. Und nicht alle Benutzer werden manuell den Cache-Speicher (durch Erneuern der Web-Seite) aktualisieren.
  • Ein anderes, wichtiges Problem in Informationssuchsystemen ist dasjenige, wie Endbenutzer-(Client) und Netzwerk-Ressourcen in Netzwerksystemen zu optimieren sind, wo verschiedene Niveaus eines Caching existieren. In Bezug auf das Web tritt ein Caching an Client-Browsern (ein In-Speicher-Caching und ein auf einer Datei basierendes Caching) an Proxy-Cache-Speichern (z.B. ISPs, Satelliten, Corporate Firewalls, usw.) in Hierarchien von Proxy-Cache-Speichern (z.B. das National Laboratory for Applied Networks Researchs's caching network, @HOME's caching network, usw.) und in Web-Servern (z.B. Harvest server cache accelerator) auf. In Intranetzen kann ein Caching an den Client-Computern und den Netzwerk-Servern auftreten, die auf entfernte Datenbanken und Aufbewahrungsstellen zugreifen können. Die meisten Maßnahmen, um ein Cache-Speichern vorzunehmen, versuchen entweder eine Endbenutzer-Latenz-Zeit zu verringern oder einen Netzwerkverkehr, verbraucht beim Zuführen des erwünschten Inhalts, zu verringern. Diese Maßnahmen sind in ihrer Art global und, wie vorstehend angegeben ist, nicht optimal.
  • KAISER C ET AL: „A workgroup model for smart pushing and pulling" ENABLING TECHNOLOGIES: INFRASTRUCTURE FOR COLLABORATIVE ENTERPRISES, 1999. (WET ICE '99). PROCEEDINGS, IEEE 8TH INTERNATIONAL WORKSHOPS ON STANFORD, CA, USA, 16.–18. Juni 1999, LOS ALAMITOS, CA, USA, IEEE COMPUT. SOC, US, 16. Juni 1999 offenbart ein Caching-System, das dem Client ermöglicht, die Empfehlung von Dokumenten zu kontrollieren.
  • KURCEWICZ M ET AL: „A filtering algorithm for Web caches" COMPUTER NETWORKS AND ISDN SYSTEMS, NORTH HOLLAND PUBLISHING. AMSTERDAM, NL, vol. 30, no. 22–23, 25. November 1998 (1998-11-25), Seiten 2203–2209, beschreibt einen Filterungsalgorithmus zum Steuern eines Caching basierend auf dem Konzept von nur Caching-Objekten für gemeinsam geteilte Server.
  • Gemäß einem ersten Aspekt der vorliegenden Erfindung weist ein Verfahren zum Bestimmen, welche Elemente in einem Cache-Speicher zu speichern sind, auf:
    Erhalten von Wert-Daten für jedes Element, um in dem Cache-Speicher gespeichert zu werden, wobei die Wert-Daten ein Maß des Werts der Elemente aufweisen;
    Priorisieren der Elemente, die in dem Cache-Speicher gespeichert werden sollen, entsprechend zu Gewichtungsmetriken, bestimmt für jedes Element, wobei die Gewichtungsmetriken von den Wert-Daten jedes Elements abgeleitet sind; und
    Speichern solcher Elemente, die die höchste Gewichtungsmetrik haben, in dem Cache-Speicher, wobei die Elemente Web-Seiten aufweisen und wobei die Wert-Daten eine gewichtete Kombination von statistischen Informationen, die sich auf die Anzahl von eindeutigen Benutzern beziehen, die die Web-Seite, oder die Web-Stelle, die der Web-Seite zugeordnet ist, besuchen, und von Empfehlungs-Daten von einem Empfehlungssy stem, das einen Wert für ein Element entsprechend zu Benutzer-Empfehlungen der Web-Seite oder der zugeordneten Web-Stelle bereitstellt, aufweisen, dadurch gekennzeichnet, dass der Priorisierungsschritt ein Evaluieren der Gewichtungsmetrik w(ti) für ein spezifisches Element (i) aufweist, wobei
    Figure 00040001
    wobei MTNRi = α'ti + (1 – α')MTNRi-1 und
    Figure 00040002
    MTNRi
    die Durchschnittszeit bis zu der nächsten Anforderung für Element i ist, ti die Zeit seit der letzten Anforderung für Element i ist, MTNRi-1 die vorherigen Wert-Daten sind, α' der exponentielle Dämpfungskoeffizient ist, νi die Wert-Daten von Element i sind, wie dies durch das Empfehlungssystem bereitgestellt ist, α ein Dämpfungskoeffizient ist und f(νi) eine monoton steigende Funktion der Wert-Daten ist.
  • Gemäß einem zweiten Aspekt der vorliegenden Erfindung weist ein System für ein Cache-Speichern von Elementen auf einem verteilten Netzwerk auf:
    einen Computer zum Speichern und zum Aufsuchen von Elementen von dem Netzwerk, wobei der Computer einen Prozessor und einen Cache-Speicher zum Speichern von Elementen, aufgesucht von dem Netzwerk; und ein Wert-Modul zum Bereitstellen von Wert-Daten für Elemente, die in dem Cache-Speicher gespeichert werden sollen; umfasst;
    wobei jedes Element, gespeichert in dem Cache-Speicher, Wert-Daten umfasst, die ein Maß des Werts der Elemente aufweisen;
    wobei der Prozessor, auf eine Anforderung für ein bestimmtes Element hin, bestimmt, ob das Element in dem Cache-Speicher gespeichert ist, und falls nicht, das Element von dem Netzwerk aufsucht;
    wobei der Prozessor, für jedes aufgesuchte Element, auf eine Gewichtungsmetrik, abgeleitet von den Wert-Daten des aufgesuchten Elements, ansprechend, das aufgesuchte Element und die Elemente, gespeichert in dem Cache-Speicher, entsprechend der Gewichtungsmetrik jedes Elements priorisiert; und solche Elemente, die die höchste Gewichtungsmetrik haben, in dem Cache-Speicher speichert, wobei
    die Elemente Web-Seiten aufweisen und wobei die Wert-Daten eine gewichtete Kombination von statistischen Informationen, die sich auf die Anzahl von eindeutigen Benutzern, die die Web-Seite oder die Web-Stelle, zugeordnet zu der Web-Seite, besuchen, und von Empfehlungs-Daten von einem Empfehlungssystem aufweisen, das einen Wert für ein Element entsprechend zu Benutzer-Empfehlungen der Web-Seite oder der zugeordneten Web-Stelle bereitstellt, wobei der Prozessor so angepasst ist, um die Evaluierung der Gewichtungsmetrik w(ti) für ein spezifisches Element (i) auszuführen, wobei
    Figure 00050001
    wobei MTNRi = α'ti + (1 – α')MTNRi-1 und
    Figure 00050002
    MTNRi
    die Durchschnittszeit bis zu der nächsten Anforderung für Element i ist, ti die Zeit seit der letzten Anforderung für das Element i ist, MTNRi-1 der vorherige Wert für MTNR für Element i ist, αi der exponentielle Dämpfungskoeffizient ist, νi die Wert-Daten von Element i sind, wie dies durch das Empfehlungssystem bereitgestellt ist, α ein Dämpfungskoeffizient ist und f(νi) eine monoton ansteigende Funktion der Wert-Daten ist.
  • Die Erfindung schafft ein verbessertes System und ein Verfahren für ein Cache-Speichern und ist besonders für ein Cache-Speichern von Informationen auf dem Web nützlich und verbessert die Funktionsweise und den Netzwerkverkehr. Ein verbessertes Cache-Speichern kommt von der Benutzung von Qualität- und Wertattributen, bereitgestellt z.B. durch ein Empfehlungssystem oder eine dynamische Ananalyse von Stellenzugriffen, die an cachemäßig gespeicherten Informationen angehängt sind.
  • Das System und das Verfahren der Erfindung erkennt, dass, auch wenn ansonsten alles gleich ist, höherwertige Dokumente wahrscheinlich öfters aufgesucht werden. Derzeitige Cache-Algorithmen berücksichtigen nicht den tatsächlich wahrgenommenen Nutzen oder Wert der Dokumenteninhalte, die cachemäßig gespeichert werden. Die Erfindung priorisiert Dokumente in dem Cache-Speicher entsprechend dem relativen Wert deren Inhalts. In einer Ausführungsform setzt das System der Erfindung ein Empfehlungssystem (oder ein Zusammenarbeiten des Filtersystems) ein, das einen Wert für ein Dokument entsprechend zu Benutzerempfehlungen liefert. In Bezug auf das Web umfasst das System der Erfindung Verfahren zum Bestimmen des Werts für individuelle Web-Seiten ebenso wie für individuelle Web-Stellen.
  • Das System kann explizite Empfehlungen, implizite Empfehlungen oder eine Kombination der zwei verwenden, um die höherwertigen Dokumente zu identifizieren. Das System verwendet die Maße einer Qualität, um effizienter zu priorisieren, welche Dokumente, wie beispielsweise URLs, vorzugsweise cachemäßig zu speichern sind. Das System der Erfindung kann als ein „demokratisches Caching" Schema angesehen werden, d.h. ein Caching-Schema, das sich weg von früheren Techniken verschiebt, die Netzwerk- Ressourcen (die im Wesentlichen unabhängig von dem Wert des Dokuments für den Benutzer sind) zu einer neuen Technik optimieren, die Ressourcen für alle Benutzer optimiert. Durch Einsetzen eines demokratischen Caching-Systems werden Dokumente cachemäßig, basierend auf deren Wert für Benutzer, und nicht basierend zum Beispiel auf der Anzahl von Treffern (die aufgrund des bestimmten Indexierungs-Algorithmus, verwendet durch den Web-Crawler auftreten können) oder im Wesentlichen vom Benutzer unabhängigen Maßen, gespeichert. Auf diese Art und Weise ermöglicht ein demokratisches Cache-Speichern allen Benutzern des Systems, von einem Cache-Speichern bzw. Caching zu profitieren, nicht nur für solche Benutzer, die die meisten Ressourcen verbrauchen oder auf eine begrenzte Anzahl von Seiten übermäßig zugreifen.
  • Empfehlungssysteme werden in Intranet-Informationen teilende Anwendungen für Organisationen und für Internet-Informationen teilende Anwendungen für die Öffentlichkeit verwendet. In einem Empfehlungssystem ist die Qualität des Empfehlungsdienstes von einer primären Wichtigkeit und eine Zugriffszeit ist ebenso wichtig. Das vorgeschlagene System und das Verfahren eines Cache-Speicherns kann auch für ein Verwalten des Cache-Speichers in einem Empfehlungssystem verwendet werden. Empfehlungen in einem Empfehlungssystem können entsprechend deren Wert priorisiert werden, ob sie nun explizit oder implizit abgeleitet sind. Neuere Empfehlungen, die durch Benutzer gemeinsam geteilt sind, werden für Zeitperioden cachemäßig gespeichert, die sich mit deren Werten erhöhen, was demzufolge die Funktionsweise des Empfehlungssystems für seine Benutzer durch Verringerung der Zugriffszeit zu empfohlenen Elementen verbessert. Vergange Empfehlungen werden dazu tendieren, dass sie von dem Cache-Speicher verschwinden, obwohl ein Wiederaufleben des Interesses bewirken wird, dass das Dokument (oder URL) für eine gewisse Zeit in dem Cache-Speicher existiert. Durch Verbinden der Cache-Speicher in einem Dokumenten-Management-System mit einem Empfehlungssystem für gemeinsam geteilte Informationen schafft die Erfindung eine verbesserte Funktionsweise für beide.
  • Für eine Ausführung, die ein Zugreifen auf auf dem Web-basierenden Dokumenten oder Web-Seiten einsetzt, könnte das System und das Verfahren mit einem oder einer Kombination von zwei spezifischen Verfahren zum Identifizieren des Werts der Web-Seiten (oder URLs) ausgeführt werden. Das Web ist der Bereich des Internets, der dazu verwendet wird, verknüpfte Dokumente zu speichern und dann auf diese zu zugreifen. Eine Web- Stelle ist ein generischer Ausdruck für verschiedene Typen von Web-Orten. In einem Fall ist eine Web-Stelle eine Zusammenstellung von dazu in Bezug stehenden Web-Seiten, die einer Gesamtheit zugeordnet sind, die eine Präsenz auf dem World Wide Web besitzen, wie beispielsweise eine Firma, ein Lehrinstitut, oder dergleichen. Alternativ kann eine Web-Stelle ein „Portal" sein, um Benutzern des Webs einen Eintrittspunkt in das World Wide Web bereitzustellen. Eine Web-Stelle kann auch eine Aufbewahrungsstelle oder eine Informationsquelle sein, die Zusammenstellungen von Dokumenten enthält, auf die über das Web zugegriffen werden kann. Allgemein wird eine Web-Stelle eine URL auf hohem Niveau (z.B. ein www.Abccompany.com) haben, wogegen die Seiten auf der Stelle Qualifizierer mit niedrigerem Niveau haben werden (z.B. www.Abccompany.com/page1.html).
  • In dieser Ausführungsform wird zwischen Web-Stellen und Web-Seiten unterschieden. Obwohl eine Web-Stelle eine URL auf hohem Niveau, die dazu zugeordnet ist, besitzt, wird hier zu Vereinfachung auf Web-Seiten und deren URLs gegeneinander austauschbar Bezug genommen. Es sollte angemerkt werden, dass sowohl explizite Empfehlungen als auch eine implizite Empfehlung in irgendeiner Kombination oder einer Bewertung von Web-Stellen und Web-Seiten (oder URLs) verwendet werden können.
  • Das erste Verfahren (ein Verfahren zum Bereitstellen einer impliziten Empfehlung) schafft eine Wert-Empfehlung auf dem Web-Stellen-Niveau (im Gegensatz zu der individuellen Web-Seite oder dem URL-Niveau) und wird garantiert, alle cachemäßig gespeicherten URLs, die den Web-Stellen zugeordnet sind, abzudecken. (Hier enthält der Cache nur Web-Stellen, die durch deren URLs aufgelistet sind.) Das erste Verfahren analysiert statistisch die Anzahl von einzigartigen Besuchern der Web-Stelle. Diese Web-Stellen in der höchsten Anzahl von eindeutigen Besuchern wird der höchste Wert zugesprochen. Der Vorteil eines Messwerts als eine Funktion von einzigartigen Besuchen im Gegensatz zu den gesamten Besuchen ist derjenige, dass die Neigung, hervorgerufen durch Spamming oder eine starke Benutzung der Web-Stelle durch nur ein paar Besucher, beseitigt wird. Eine Charakterisierung des Web-Verkehrs ergibt starke, zugeschnittene Verteilungen über den Umfang eines Verkehrs als eine Funktion der Anzahl von Benutzern, wobei ein paar Benutzer für die Mehrheit des Verkehrs steht (siehe Abdulla, C. „Analysis and Modeling of World Wide Web Traffic." Doctoral thesis, Department of Computer Science, Virginia Polytechnic Institute and State University, Blackburg, VA, Mai 1998). Das vorgeschlagene Verfahren ist „demokratisch" dahingehend, dass es die Wertzuteilung von individu ellen Benutzern berücksichtigt und sicherstellt, dass die Vorteile eines Cache-Speichers nicht nur auf starke Benutzer beschränkt ist.
  • Das zweite Verfahren (ein Verfahren zum Bereitstellen einer expliziten Empfehlung) verbindet den Cache-Speicher (wie beispielsweise einen Proxy-Cache für eine Organisation) mit einer Datenbank von Benutzerbewertungen der individuellen Web-Seiten-URLs. Eine solche Datenbank kann, zum Beispiel, als eine Komponente eines Empfehlungssystems für Web-Seiten bereitgestellt werden, das Filtertechniken verwendet, um personifizierte Empfehlungen für individuelle Benutzer bereitzustellen. Das zweite Verfahren schafft Wertempfehlungen für individuelle Web-Seiten oder URLs (im Gegensatz zu Web-Stellen), allerdings nur für einen Teil der Web-Seiten-URLs in dem Cache-Speicher. Während dieser Teil klein für URLs in dem Web insgesamt sein kann, kann erwartet werden, dass dies wesentlich wird, wenn die Benutzung des Empfehlungssystems mit der Zeit zunimmt. Durch Verbinden des Proxy-Cache-Speichers mit einem Empfehlungssystem wird die Funktionsweise nicht nur des Cache-Speichers, sondern auch des Empfehlungssystems, verbessert. Durch Speichern von neueren, stark bewerteten Empfehlungen in dem Proxy-Cache-Speicher wird sich die durchschnittliche Zeit eines Herunterladens für empfohlene URLs verringern. Benutzer werden eine verbesserte Funktion sehen, was bewirkt, dass sie mehr Dokumente für das Empfehlungssystem bewerten, was dessen Effizienz ebenso verbessert.
  • Die zwei Verfahren können in Verbindung damit verwendet werden, den Wert einer Web-Seiten-URL zu evaluieren. Zum Beispiel wird, wenn das Empfehlungssystem einen Wert für eine bestimmte URL bereitgestellt hat, dieser Wert zuerst verwendet. Ansonsten ist der Wert, der der URL zugeordnet ist, der Web-Stellen-Wert, der durch das erste Verfahren vorhergesagt ist. Alternativ kann eine gewichtete Kombination eines Werts von jedem Verfahren verwendet werden. Ein anderes Verfahren für ein Cache-Ersetzen umfasst einen vorhergesagten Wert (durch irgendeines der vorstehenden Verfahren oder Kombinationen davon), ebenso wie die Neuheit und die Häufigkeit eines Zugriffs. Da es denkbar ist, dass es manchmal erwünscht sein kann, Netzwerk-Ressourcen zu bewahren oder die gesamte Latenz-Zeit zu minimieren, sollte es leicht ersichtlich sein, dass die vorgeschlagenen, demokratischen Cache-Techniken parallel mit traditionellere Verfahren verwendet werden können, um eine Netzwerk-Bandbreite oder Latenz-Zeit zu optimieren. Unter Verwendung dieses Schemas würde der Cache-Speicher zwischen Verfahren, basierend auf dem Netzwerk und anderen Systembedingungen, unter Verwendung von vordefinierten Schwellwerten oder adaptiven solchen, umschalten.
  • Ein Beispiel eines Systems und eines Verfahrens gemäß der vorliegenden Erfindung wird nun unter Bezugnahme auf die beigefügten Zeichnungen beschrieben, in denen:
  • 1 zeigt ein Blockdiagramm eines Systems, das ein demokratisches Caching einsetzt;
  • 2 zeigt ein Flussdiagramm, das ein Verfahren zum Zuweisen einer Priorität-Gewichtung zu einer URL beschreibt;
  • 3 zeigt ein Flussdiagramm, das ein Verfahren zum Zuweisen von Caching-Prioritäts-Gewichtungen zu auferlegten URLs beschreibt; und
  • 4 zeigt ein Blockdiagramm eines Empfehlungssystems, verwendet in dem System der 1.
  • Unter Bezugnahme nun auf die Zeichnungen, und insbesondere auf 1, wird ein System, das eine demokratisches Caching einsetzt, allgemein hier gezeigt und mit dem Bezugszeichen 10 identifiziert. Das System 10 umfasst einen Computer 12, der einen Prozessor 22 und einen Cache-Speicher 24 besitzt. Auch ist in dem System 10 ein Wert-Modul 14 vorhanden, das Wert-Daten für jedes Element, gespeichert in dem Cache-Speicher 24, liefert. Das System 10 ist unter Verwendung einer unterbrochenen Linie dargestellt, da das Empfehlungssystem 16 in dem System 10 umfasst sein kann. Das Empfehlungssystem 16 liefert Wertinformationen, die sich auf Elemente beziehen, die in dem Cache-Speicher 24, basierend auf einer Benutzereingabe, gespeichert werden soffen. Der Computer 12 kann ein Client-Computer oder ein Proxy-Server oder irgendein anderer Computer, der einen Cache-Speicher einsetzt, sein. Der Computer 12 kann in irgendeinem verteilten Netzwerk, wie beispielsweise einem Intranet oder dem Internet (wie dies in 1 dargestellt ist), arbeiten. Benutzer 40 greifen auf den Computer 12 und das Empfehlungssystem 16 über das Internet 30 zu, wie dies durch durchgezogenen Linien 31 angegeben ist. (Einige Benutzer 40 können auf den Computer 12 und das Empfehlungssystem 16 über eine bestimmte andere Form einer Kommunikation, wie durch die durchgezogene Linie 33 angezeigt, zugreifen.)
  • Der Computer 12 kann mit dem Wert-Modul 14 oder dem Empfehlungssystem 16 entweder direkt (dargestellt durch unterbrochene Linien 23 und 29, jeweils) oder indirekt über das Internet 30 (dargestellt durch durchgezogene Linien 21, 25 und 27) kommunizie ren. Das Wert-Modul 14 kann statistische Informationen, wie beispielsweise die Zahl von einzigartigen Benutzerbesuchern auf einer bestimmten Web-Stelle oder Web-Seite, bereitstellen.
  • Das Empfehlungssystem 16 kann Benutzerbewertungen oder einen Wert in irgendeinem oder mehreren der folgenden Punkte bereitstellen: eine Sternbewertung, die sich auf den Inhalt des Dokuments (URL's) bezieht, einen Vorgang aufgrund des Dokuments, ein Ablaufdatum von Informationen, die in dem Dokument enthalten sind, eine Expertenoption oder -bewertung über das Dokument (Web-Seite oder Web-Stelle) oder eine Bewertung von einer unabhängigen Organisation. Empfehlungen bestehen gewöhnlich aus numerischen Bewertungen, die manuell durch Benutzer eingegeben sind, allerdings können sie auch von einem Benutzerverhalten (z.B. Zeit, die beim Lesen eines Dokuments verbraucht wird, Aktionen, wie beispielsweise Drucken, Sichern oder Löschen eines Dokuments) abgeleitet werden. Die Prämisse solcher Systeme ist diejenige, dass ein Benutzer ein Element bevorzugt, das ähnlich zu anderen Elementen, ausgewählt durch den Benutzer oder andere Benutzer, ist.
  • Das System und das Verfahren der Erfindung werden in größerem Detail nachfolgend unter Bezugnahme auf die nachfolgenden, bevorzugten Verfahren zum Bereitstellen von Wertempfehlungen beschrieben:
    (1) implizite Stellenempfehlungen über eine statistische Analyse der Stellenbesuche; und (2) explizite URL-Empfehlungen über ein Empfehlungssystem. Das Verfahren wird auch in Bezug auf ein Modifizieren des Cache-Speichers beschrieben werden, um Wertempfehlungen zu berücksichtigen, und insbesondere wird ein Beispiel einer Caching-Methode, die den vorhergesagten Wert ebenso wie Neuheit und Häufigkeit eines Zugriffs berücksichtigt, beschrieben.
  • Eine dynamische Theorie von Empfehlungen, die Stellenbesuche durch Benutzer des World Wide Web vorhersagt, ist in neuerer Zeit durch einen Teil der Erfinder (Huberman, B. A. and Adamic, L. A. Novelty and Social Search in the World Wide Web. 1998), entwickelt worden. Huberman und Adamic zeigen, dass die Anzahl von Benutzern, die gegebene Stellen über Zeitperioden besuchen, ein universelles Gesetz mit einem Exponenten, der sich auf die Rate bezieht, unter der Benutzer neue Stellen selbst entdecken, ist. Eine umfangreiche, empirische Studie eines Benutzerverhaltens in dem Web, durchgeführt von Huberman und Adamic, bestätigte dieses Gesetz. Diese Ergebnisse können direkt verwendet werden, um effektive und faire Caching-Policen aufzubauen, die gegenüber einem Spamming oder einer umfangreichen Benutzung einer Stelle durch ein paar Einzelpersonen diskriminieren. Da die Anzahl von einzigartigen Stellenbesuchern einem skalierenden Gesetz folgt, bietet sich an, dass ein Caching entsprechend diesem Potenzgesetz durchgeführt werden sollte. Demzufolge werden die populärsten Stellen (für eine große Ansammlung von Benutzern) solche mit der größten Zahl von Treffern aufgrund nur ein paar Benutzern in dem Rang höher stellen.
  • In dem System der 1 wird das System 10 berücksichtigt, in dem ein Modul 14 für einen implizierten Wert in Verbindung mit einem Proxy-Server 12 arbeitet. Das Modul 14 analysiert das Log von Client (Benutzer 40) Zugriffen auf Web-Stellen des Internets 30. Zuerst extrahiert es die Anzahl von einzigartigen Benutzern zu der Stelle durch Entfernen von Mehrfachbesuchen durch denselben Benutzer. Dann ordnet es eine prozentuale Bewertung jeder Stelle zu. Zum Beispiel besitzt eine Stelle mit einem prozentualen Rating von 75% viele oder mehr eindeutige Benutzer als 75% der Stellen, aufgestellt durch das Proxy. Diese prozentuale Bewertung wird zu dem Modul 14 als ein Maß des Werts einer Stelle und/oder irgendeiner URL, zugeordnet zu der Stelle, zurückgeführt. (Der Proxy-Server 12 speichert URL-Adressen in dem Cache-Speicher 24 entsprechend dieser perzentilen bzw. prozentualen Bewertung.)
  • Das Modul 14 zum Berechnen implizierter Stellenempfehlungen kann getrennt vorhanden sein, wie dies in 1 dargestellt ist, oder es kann innerhalb des Proxy-Servers 12 (oder des Cache-Speichers 24) vorhanden sein und ist als Modul 28 in 1 dargestellt. Das Modul 14 oder 28 bildet eine Anwendungsprogrammschnittstelle (API), die dem Prozessor 22 ermöglicht, den Cache-Speicher 24 für den vorhergesagten Wert irgendeiner URL, einer Liste von URLs, an irgendeiner Stelle oder einer Liste von Stellen, abzufragen. Zusätzlich ermöglicht die API dem Prozessor 22, das Modul 14 oder 28 nach dem Bereich möglicher Werte, zurückgeführt durch das Modul, abzufragen.
  • Ein allgemeines Empfehlungssystem umfasst typischerweise drei Module: einen Datenspeicher, eine Wertvorhersage und -Bestellung. 4 zeigt ein Empfehlungssystem 16 für einen Datenspeicher 52, ein Wert-Vorhersagemodul 54 und ein Präsentations- und Bestellungsmodul 56. Für URLs umfasst das Datenspeichermodul 52, minimal, das Datum eines Eintritts, Benutzer-IDs und Benutzerbewertungen (oder Präferenz-Bewertungen) der URLs. Das Wert-Vorhersagemodul 54 umfasst einen Algorithmus für die Vorhersage des Werts, oder einen relativen Rang, des URL für einen Benutzer. Das Präsentation- und Bestellungsmodul 56 bestellt die Präsentation der empfohlenen URLs entsprechend der vorhergesagten Werte, oder vorhergesagter relativer Ränge.
  • Das Empfehlungssystem 50 umfasst auch eine Wertvorhersage 58, die den Wert der URL für einen allgemeinen Benutzer vorhersagt. Allgemein nimmt das Modul 58 diese Vorhersage in Bezug auf eine gewichtete Summe von Bewertungen für Benutzer für eine URL vor. In dem einfachsten Fall wird diese Vorhersage einfach der Durchschnitt aller Bewertungen, die für eine URL empfangen sind, sein. Alternativ könnten die Gewichtungen zu Bewertungen von Benutzern hin gewichtet werden, deren Meinung objektiv höher durch andere Benutzer bewertet ist. Eine solche objektive Funktion für die Berücksichtigung des Werts der Meinung eines Benutzer könnte eine Funktion der Summe der Korrelation des Benutzers mit allen anderen Benutzern sein; alternativ (oder zusätzlich) könnte sie die Anzahl von Treffern von Empfehlungen eines Benutzer, die empfangen sind, berücksichtigen.
  • Das Modul 58 liefert eine API, die ermöglicht, den Cache-Speicher 24 nach dem vorhergesagten Wert für eine oder eine Liste von URLs, vorgesehen als Parameter, abzufragen, ermöglicht, den Cache-Speicher 24 nach einer Liste von URLs und vorhergesagten Werten abzufragen, unter Weiterführen als einen optionalen Parameter eines Datum-Werts. In dem letzteren Fall führt, wenn ein Datum-Wert vorgesehen ist, das Modul 58 nur URLs zurück, deren Datum eines Eintritts in den Datenraum des Empfehlungssystems größer als das Datum, spezifiziert durch den Cache-Speicher, ist. Schließlich ermöglicht die API dem Cache-Speicher 24, das Modul 58 nach dem Bereich möglicher Werte, zurückgeführt durch das Modul, abzufragen. Die < URL, Wert > Paare, zurückgeführt durch das Modul 58, können so erweitert werden, um zusätzliche Informationen über die URLs, gespeichert in dem Datenraum, zu umfassen. Ein Beispiel von Informationen einer potentiellen Benutzung zu dem Cache-Speicher sind Benutzer-Eingabe-Ablauf-Daten oder eine Modifikations-Periodizität. Der Cache-Speicher 24 kann dann diese Werte verwenden, um effizienter URLs zu löschen und eine Validierung durchzuführen.
  • Es wird angenommen, dass der Proxy-Server 12 erneut eine Caching-Priorität zu jeder URL, gespeichert in dem Cache-Speicher 24, periodisch zuführt. Wenn der Cache-Speicher 24 voll ist, gibt er dann die Elemente mit niedrigster Priorität frei, bis genug Speicher vorhanden ist, um das neue Element in dem Cache-Speicher zu speichern. Der Proxy-Server 12 kann auch den Cache-Speicher 24 in Verbindung mit den zwei Modulen (Wert-Modul 14 und Empfehlungssystem 16) betreiben, was implizite und explizite Empfehlungen liefert. Indem die Flexibilität der API für die zwei Module gegeben ist, sind zahlreiche Variationen möglich.
  • Ein Flussdiagramm, das ein Verfahren zum Zuweisen einer Prioritäts-Gewichtung zu einer URL darstellt, ist in 2 gezeigt. Wenn der Prozessor 22 erneut die Priorität einer URL evaluiert, fragt er zuerst das explizite Empfehlungsmodul 16 nach seinem vorhergesagten Wert der URL ab (Schritt 62). Wenn das explizite Empfehlungsmodul in der Lage ist, eine Empfehlung vorzunehmen (Schritt 64), dann geht der Prozessor dazu über, die Priorität, unter Verwendung dieses Wertes zu berechnen (Schritt 68), wie dies nachfolgend unter Bezugnahme auf 3 beschrieben ist. Ansonsten fragt er das implizite Empfehlungsmodul 14 nach seinem vorhergesagten Wert der URL ab (Schritt 66) und verwendet dann diesen Wert, um die Priorität der URL zu berechnen. Der Grund zum Durchführen des Werts, vorhergesagt durch die explizite Empfehlung, gegenüber einer impliziten Empfehlung, ist derjenige, dass der erstere spezifisch für die URL ist, während der letztere über die gesamte Stelle generalisiert. Es ist allerdings anzumerken, dass gerade im Fall einer impliziten Empfehlung die Caching-Prioritäts-Berechnung URL spezifisch sein wird, da sie die Neuheit und die Häufigkeit eines Zugangs für die bestimmte URL berücksichtigt.
  • Reddy, M. und G. P. Fletcher „An Adaptive Mechanism for Web Browser Cache Management", IEEE Computing Jan./Feb. 1998, beschreibt einen Caching-Prioriät-Algorithmus, der eine Gesamthäufigkeit einer Benutzung, ebenso wie Neuheit, unabhängig einer Dateigröße, berücksichtigt. In einem Modul 54/58 des Empfehlungssystems 16 wird der Algorithmus von Reddy und Fletcher modifiziert, um den aufgesuchten Wert der URL zu berücksichtigen. Reddy und Fletcher schätzen die Durchschnittszeit der nächsten Anforderung (MTNR) für eine URL durch Anwenden exponentieller Glättungstechniken ab, um vorherige Anforderungen aufzuzeichnen, ebenso wie die momentane Transaktion: MTNRi = αti + (1 – α)MTNRi-1, wobei ti die Zeit seit der letzten Referenz ist, MTNRi-1 der vorherige Wert ist, und α der exponentielle Dämpfungskoeffizient ist (sie ergeben betriebsmäßige Werte zwischen 0,1 und 0,3 an). Die Gewichtungsmetrik zum Bestimmen der Priorität eines Dokuments in dem Cache-Speicher ist die wahrscheinliche Häufigkeit von Dokumentenanforderungen, die umgekehrt proportional zu MTNR:
    Figure 00140001
    ist. Hohe Werte von α heben die Neuheit von Dokumentenanforderungen hervor (α = 1 reduziert auf priorisierende URLs durch das letzte Datum eines Zugriffs), während niedrige Werte von α vergangene Werte einer Neuheit weit mehr als momentane solche hervorheben.
  • In dem demokratischen Cache-Speicher kann man solche Gewichtungskriterien anwenden, allerdings modifiziert durch den abgeschätzten Wert der URL, um den Cache-Speiche zu Dokumenten eines hohen Werts hin zu gewichten. Zum Beispiel könnte man den Dämpfungskoeffizienten, α, von dem Wert abhängig machen:
  • Figure 00140002
  • Hierbei ist νi der Wert eines Dokuments i, wie er durch das Empfehlungssystem bereitgestellt wird, und f(νi) ist eine monoton steigende Funktion der Nutzbarkeit. Auf diese Art und Weise werden hoch bewertete Dokumente für relativ längere Zeitperioden als niedriger bewertete Dokumente cachemäßig gespeichert, wobei die Häufigkeit und die Neuheit ansonsten dieselben sind. Allerdings wird es auftreten, dass sich ein Dokument mit niedrigerem Wert mit häufigerem und neuerem Zugriff höher in der Priorität als ein höher bewertetes Dokument mit einem weniger häufigen und weniger neuen Zugriff bewegen wird. Es ist sehr wichtig, dass der Cache-Speicher dieses Verhalten anzeigt. Es ist daran zu erinnern, dass, zum Beispiel die Priorität eine einfache Funktion eines wahrgenommenen Werts war: Über der Zeit würde der Cache-Speicher mit den am stärksten bewerteten Dokumenten in Abhängigkeit davon gefüllt werden, ob auf sie noch zugegriffen wird oder nicht.
  • Diese drei Gleichungen nun zusammen ermöglichen dem Prozessor 22, die Priorität einer URL in einer Art und Weise zu bestimmen, die nicht nur die Neuheit und Häufigkeit eines Zugriffs berücksichtigt, sondern auch den abgeschätzten Wert der URL. Allerdings weist eine URL oftmals auch auf eine Seite hin, die das Herunterladen einer zusätzlichen URL an derselben Stelle mit sich bringt (z.B. URLs mit Einzelbildern und/oder gif Bildern). Wenn der abgeschätzte Wert durch das implizite Empfehlungsmodul bereitgestellt wurde, dann hat man dies getan, da dieses Modul denselben Empfehlungswerten für alle URLs von derselben Stelle bereitgestellt wird, und es wird möglich sein, die Prioritäten jeder der eingesetzten URLs separat zu berechnen. Es ist möglich, dass die URL sogar URLs an externen Stellen einsetzen kann. Um diesen Fall abzudecken, kann das Verfahren, das vorstehend beschrieben ist, so erweitert werden, um URLs mit impliziten, auf einer Stelle basierenden Empfehlungen ebenso abzudecken.
  • Allerdings wird, wenn der abgeschätzte Wert von dem expliziten Empfehlungsmodul kommt, die Situation komplexer. Während die explizite Empfehlung für die parent-URL existiert, existiert sie immer sicher nicht für die eingesetzten URLs, die auch cachemäßig gespeichert werden können. Demzufolge muss jede URL analysiert werden, um die eingesetzten URLs zu extrahieren. Alle eingesetzten URLs übernehmen dann den vorhergesagten Wert, der durch die explizite Empfehlung für die parent-URL zurückgeführt ist. Dieser Wert wird dann in den Prioritätsberechnungen für die eingesetzten URLs verwendet. Wenn der eingesetzten URL zuvor eine Prioritätsgewichtung innerhalb derselben Prioritäts-Umvaluierung-Periode zugeordnet worden ist (da, zum Beispiel, dieselbe URL durch mehr als eine parent-URL eingesetzt ist), erhält sie dann das Maximum der vorherigen Zuweisung der Momentanen. Dieser Vorgang wird anhand des Flussdiagramms der 3 beschrieben.
  • Wie 3 zeigt, ist, im Schritt 72, die URL mit dem expliziten Empfehlungswert versehen. Im Schritt 74 werden URL-Inhalte analysiert, um die eingesetzten URLs zu extrahieren. Im Schritt 76 wird, für jede URL, die Prioritätsgewichtung Wc der eingesetzten URL, im Schritt 78, berechnet. Wenn die vorherige Gewichtung Wp für die Umevaluierungsperiode im Schritt 80 existiert, wird eine Prüfung vorgenommen, ob sie größer (Schritt 84) oder kleiner (Schritt 82) ist. Es erfolgt eine Aktualisierung des Cache-Index mit dem Cache-Index im Cache-Speicher 24 mit der URL, einer Gewichtung und einem Zeitstempel.
  • In der Praxis wird das Verhalten des demokratischen Cache-Speichers eng mit dem Empfehlungssystem verknüpft sein. Neuere Empfehlungen werden cachemäßig gespeichert werden, was demzufolge die Funktionsweise des Empfehlungssystems für seine Benutzer durch Verringern der Zugriffszeit auf die empfohlenen Elemente verbessert. Vergangene Empfehlungen werden dazu tendieren, von dem Cache-Speicher zu verschwinden, obwohl ein Wiederaufleben eines Interesses bewirken wird, dass die URL wieder für eine bestimmte Zeit in dem Cache-Speicher vorhanden ist.
  • Weiterhin kann das Empfehlungssystem den demokratischen Cache-Speicher mit zusätzlichen Informationen, wie beispielsweise dem Ablaufdatum der URL und/oder einer Wiederabrufrate (auch potentiell verfügbar als Meta-Daten innerhalb der HTML), bereitstellen. Für URLs, die als solche eines kurzzeitigen Interesses in dem Empfehlungssystem erklärt sind (Wiederabrufrate = 0), kann der Cache-Speicher dann die URL nach dem Ablaufdatum, zum Beispiel, löschen. Andererseits kann, für URLs mit Nicht-Null-Wiederabrufraten (täglich, wöchentlich, usw.), der Cache-Speicher ein Vorab-Abrufen der URL unter festgelegten Intervallen für URLs, die sich momentan in dem Cache-Speicher befinden, durchführen. Das Vorab-Abrufen kann während Perioden niedriger Belastung durchgeführt werden.
  • Es wird ersichtlich werden, dass die vorliegende Erfindung leicht in einer Software unter Verwendung von Software-Entwicklungs-Umgebungen ausgeführt werden kann, um einen portablen Quellen-Code bereitzustellen, der auf einer Vielzahl von Hardware-Plattformen verwendet werden kann. Alternativ kann das offenbarte System teilweise oder vollständig in einer Hardware unter Verwendung von Standard-Logik-Schaltungen ausgeführt werden. Ob eine Software oder eine Hardware verwendet wird, um das System auszuführen, variiert in Abhängigkeit von den Geschwindigkeits- und Effektivitäts-Anforderungen des Systems und auch der bestimmten Funktion und der bestimmten Software oder den Hardwaresystemen und dem bestimmten Mikroprozessor oder den Mikrocomputersystemen, die verwendet werden.

Claims (3)

  1. Verfahren zum Bestimmen, welche Elemente in einem Cache-Speicher zu speichern sind, das aufweist: Erhalten (62) von Wert-Daten für jedes Element, um in dem Cache-Speicher gespeichert zu werden, wobei die Wert-Daten ein Maß des Werts der Elemente aufweisen; Priorisieren (68) der Elemente, die in dem Cache-Speicher gespeichert werden sollen, entsprechend zu Gewichtungsmetriken, bestimmt für jedes Element, wobei die Gewichtungsmetriken von den Wert-Daten jedes Elements abgeleitet sind; und Speichern (68) solcher Elemente, die die höchste Gewichtungsmetrik haben, in dem Cache-Speicher, wobei die Elemente Web-Seiten aufweisen und wobei die Wert-Daten eine gewichtete Kombination von statistischen Informationen, die sich auf die Anzahl von eindeutigen Benutzern beziehen, die die Web-Seite, oder die Web-Stelle, die der Web-Seite zugeordnet ist, besuchen, und von Empfehlungs-Daten für ein Empfehlungssystem, das einen Wert für ein Element entsprechend zu Benutzer-Empfehlungen der Web-Seite oder der zugeordneten Web-Stelle bereitstellt, aufweisen, dadurch gekennzeichnet, dass der Priorisierungsschritt (68) ein Evaluieren der Gewichtungsmetrik W(ti) für ein spezifisches Element (i) aufweist, wobei
    Figure 00170001
    wobei MTNRi = α'ti + (1 –α')MTNRi-1 und
    Figure 00170002
    MTNRi die Durchschnittszeit bis zu der nächsten Anforderung für Element i ist, ti die Zeit seit der letzten Anforderung für Element i ist, MTNRi-1 die vorherigen Wert-Daten sind, α' der exponentielle Dämpfungskoeffizient ist, νi die Wert-Daten von Element i sind, wie dies durch das Empfehlungssystem bereitgestellt ist, α ein Dämpfungskoeffizient ist und f(νi) eine monoton ansteigende Funktion der Wert-Daten ist.
  2. System für ein Cache-Speichern von Elementen auf einem verteilten Netzwerk, das aufweist: einen Computer (12) zum Speichern und zum Aufsuchen von Elementen von dem Netzwerk, wobei der Computer einen Prozessor (22) und einen Cache-Speicher (24) zum Speichern von Elementen, aufgesucht von dem Netzwerk; und ein Wert-Modul (14) zum Bereitstellen von Wert-Daten für Elemente, die in dem Cache-Speicher gespeichert werden sollen; umfasst; wobei jedes Element, gespeichert in dem Cache-Speicher, Wert-Daten umfasst, die ein Maß des Werts der Elemente aufweisen; wobei der Prozessor (22), auf eine Anforderung für ein bestimmtes Element hin, bestimmt, ob das Element in dem Cache-Speicher (24) gespeichert ist, und falls nicht, das Element von dem Netzwerk aufsucht; wobei der Prozessor (22), für jedes aufgesuchte Element, auf eine Gewichtungsmetrik, abgeleitet von den Wert-Daten des aufgesuchten Elements, ansprechend, das aufgesuchte Element und die Elemente, gespeichert in dem Cache-Speicher, entsprechend der Gewichtungsmetrik jedes Elements priorisiert; und solche Elemente, die die höchste Gewichtungsmetrik haben, in dem Cache-Speicher speichert, wobei die Elemente Web-Seiten aufweisen und wobei die Wert-Daten eine gewichtete Kombination von statistischen Informationen, die sich auf die Anzahl von eindeutigen Benutzern, die die Web-Seite oder die Web-Stelle, zugeordnet zu der Web-Seite, besuchen, und von Empfehlungs-Daten von einem Empfehlungssystem aufweisen, das einen Wert für ein Element entsprechend zu Benutzer-Empfehlungen der Web-Seite oder der zugeordneten Web-Stelle bereitstellt, wobei der Prozessor (22) so angepasst ist, um die Evaluierung der Gewichtungsmetrik w(ti) für ein spezifisches Element (i) auszuführen, wobei
    Figure 00180001
    wobei MTNRi = α'ti + (1 – α')MTNRi-1 und
    Figure 00180002
    MTNRi die Durchschnittszeit bis zu der nächsten Anforderung für Element i ist, ti die Zeit seit der letzten Anforderung für das Element i ist, MTNRi-1 der vorherige Wert für MTNR für Element i ist, α' der exponentielle Dämpfungskoeffizient ist, νi die Wert-Daten von Element i sind, wie dies durch das Empfehlungssystem bereitgestellt ist, α ein Dämpfungskoeffizient ist und f(νi) eine monoton ansteigende Funktion der Wert-Daten ist.
  3. System nach Anspruch 2, wobei das Wert-Modul (14) das Empfehlungssystem (16) zum Bereitstellen von Wert-Daten für ein Element entsprechend zu Benutzer-Empfehlungen oder zum Bereitstellen von Empfehlungs-Daten als eine Funktion der Qualität und der Quantität von Empfehlungen von Benutzern des Elements aufweist.
DE60029914T 1999-12-22 2000-12-15 System und Verfahren zum Zwischenspeichern Expired - Lifetime DE60029914T2 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US09/470,126 US6415368B1 (en) 1999-12-22 1999-12-22 System and method for caching
US470126 1999-12-22

Publications (2)

Publication Number Publication Date
DE60029914D1 DE60029914D1 (de) 2006-09-21
DE60029914T2 true DE60029914T2 (de) 2007-01-18

Family

ID=23866374

Family Applications (1)

Application Number Title Priority Date Filing Date
DE60029914T Expired - Lifetime DE60029914T2 (de) 1999-12-22 2000-12-15 System und Verfahren zum Zwischenspeichern

Country Status (4)

Country Link
US (2) US6415368B1 (de)
EP (1) EP1111517B1 (de)
JP (1) JP4662618B2 (de)
DE (1) DE60029914T2 (de)

Families Citing this family (137)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4081175B2 (ja) * 1998-03-19 2008-04-23 富士通株式会社 検索処理装置および記憶媒体
US8054746B2 (en) * 1998-12-24 2011-11-08 Alcatel Lucent Resource usage measurement technique for pricing in a communications network
US7082407B1 (en) * 1999-04-09 2006-07-25 Amazon.Com, Inc. Purchase notification service for assisting users in selecting items from an electronic catalog
US7461058B1 (en) 1999-09-24 2008-12-02 Thalveg Data Flow Llc Optimized rule based constraints for collaborative filtering systems
JP4603660B2 (ja) * 1999-12-03 2010-12-22 キヤノン株式会社 放送受信装置及び放送受信装置の制御方法
US6415368B1 (en) * 1999-12-22 2002-07-02 Xerox Corporation System and method for caching
JP2001222491A (ja) * 2000-02-09 2001-08-17 Nec Corp 情報提供システム、情報提供方法およびクライアント
US20030236961A1 (en) * 2000-11-07 2003-12-25 Qiu Chaoxin C. Systems and methods for management of memory in information delivery environments
US6697850B1 (en) * 2000-05-09 2004-02-24 Northrop Grumman Corporation Satellite-based communications system having an on-board internet web proxy cache
US7788123B1 (en) 2000-06-23 2010-08-31 Ekhaus Michael A Method and system for high performance model-based personalization
US7020709B1 (en) 2000-06-30 2006-03-28 Intel Corporation System and method for fault tolerant stream splitting
US7318107B1 (en) 2000-06-30 2008-01-08 Intel Corporation System and method for automatic stream fail-over
US6766313B1 (en) * 2000-07-12 2004-07-20 Microsoft Corporation System and method for caching and retrieving information
US7650304B1 (en) 2000-09-08 2010-01-19 Capital One Financial Corporation Solicitation to web marketing loop process
US7567916B1 (en) * 2000-09-12 2009-07-28 Capital One Financial Corporation System and method for performing Web based in-view monitoring
US6772199B1 (en) * 2000-09-14 2004-08-03 International Business Machines Corporation Method and system for enhanced cache efficiency utilizing selective replacement exemption
US7039683B1 (en) 2000-09-25 2006-05-02 America Online, Inc. Electronic information caching
US7113935B2 (en) * 2000-12-06 2006-09-26 Epicrealm Operating Inc. Method and system for adaptive prefetching
US6651141B2 (en) * 2000-12-29 2003-11-18 Intel Corporation System and method for populating cache servers with popular media contents
US20020107835A1 (en) * 2001-02-08 2002-08-08 Coram Michael T. System and method for adaptive result set caching
US8214501B1 (en) 2001-03-02 2012-07-03 At&T Intellectual Property I, L.P. Methods and systems for electronic data exchange utilizing centralized management technology
US7975042B2 (en) * 2001-05-01 2011-07-05 International Business Machines Corporation Method for adapting an internet web server to short-term changes in demand
US6546473B2 (en) * 2001-05-29 2003-04-08 Hewlett-Packard Company Method for cache replacement of web documents
US7716332B1 (en) * 2001-06-20 2010-05-11 At&T Intellectual Property I, L.P. System and method for server-based predictive caching of back-end system data
US20030115421A1 (en) * 2001-12-13 2003-06-19 Mchenry Stephen T. Centralized bounded domain caching control system for network edge servers
US7089299B2 (en) * 2002-01-15 2006-08-08 International Business Machines Corporation Distributed application deployment using program characteristics and environment characteristics
US7174377B2 (en) * 2002-01-16 2007-02-06 Xerox Corporation Method and apparatus for collaborative document versioning of networked documents
US9167036B2 (en) 2002-02-14 2015-10-20 Level 3 Communications, Llc Managed object replication and delivery
GB2386293B (en) * 2002-03-04 2006-02-01 Sendo Int Ltd Retrieving information from an information database
JP4118580B2 (ja) * 2002-03-20 2008-07-16 富士通株式会社 配置情報推薦装置、その方法、プログラム
US8078615B2 (en) * 2002-04-12 2011-12-13 Stumbleupon, Inc. Method and system for single-action personalized recommendation and display of internet content
US7016883B2 (en) * 2002-04-23 2006-03-21 Sprint Communications Company L.P. Reverse caching for residential end-users to reduce usage of access links to a core communication network
US7478407B2 (en) * 2002-07-11 2009-01-13 Oracle International Corporation Supporting multiple application program interfaces
US7447701B2 (en) 2002-07-11 2008-11-04 Oracle International Corporation Automatic configuration of attribute sets
US7206851B2 (en) * 2002-07-11 2007-04-17 Oracle International Corporation Identifying dynamic groups
US8375113B2 (en) 2002-07-11 2013-02-12 Oracle International Corporation Employing wrapper profiles
US7428523B2 (en) * 2002-07-11 2008-09-23 Oracle International Corporation Portal bridge
US7428592B2 (en) * 2002-07-11 2008-09-23 Oracle International Corporation Securely persisting network resource identifiers
US7467142B2 (en) * 2002-07-11 2008-12-16 Oracle International Corporation Rule based data management
US7512585B2 (en) 2002-07-11 2009-03-31 Oracle International Corporation Support for multiple mechanisms for accessing data stores
US7542908B2 (en) * 2002-10-18 2009-06-02 Xerox Corporation System for learning a language
US8176186B2 (en) 2002-10-30 2012-05-08 Riverbed Technology, Inc. Transaction accelerator for client-server communications systems
US8069225B2 (en) * 2003-04-14 2011-11-29 Riverbed Technology, Inc. Transparent client-server transaction accelerator
US8364815B2 (en) 2005-03-18 2013-01-29 Riverbed Technology, Inc. Reliability and availability of distributed servers
US20040107319A1 (en) * 2002-12-03 2004-06-03 D'orto David M. Cache management system and method
US7917483B2 (en) * 2003-04-24 2011-03-29 Affini, Inc. Search engine and method with improved relevancy, scope, and timeliness
JP4433372B2 (ja) * 2003-06-18 2010-03-17 株式会社日立製作所 データアクセスシステム及び方法
US7331038B1 (en) * 2003-07-02 2008-02-12 Amazon.Com, Inc. Predictive prefetching to improve parallelization of document generation subtasks
US7082573B2 (en) * 2003-07-30 2006-07-25 America Online, Inc. Method and system for managing digital assets
WO2005017775A1 (en) * 2003-08-19 2005-02-24 Koninklijke Philips Electronics N.V. Method of caching data assets
EP1669878A4 (de) * 2003-09-30 2007-07-11 Sony Corp Informations-wiedergabeeinrichtung und -verfahren und programm
US7904487B2 (en) 2003-10-09 2011-03-08 Oracle International Corporation Translating data access requests
US7882132B2 (en) 2003-10-09 2011-02-01 Oracle International Corporation Support for RDBMS in LDAP system
US7340447B2 (en) * 2003-10-09 2008-03-04 Oracle International Corporation Partitioning data access requests
GB0400569D0 (en) * 2004-01-12 2004-02-11 Lightfoot Solutions Ltd System & methodology for identifying statistically signifcant events in monitored process
US9268831B2 (en) * 2004-01-12 2016-02-23 Lightfoot Solutions Group Limited System and method for extracting user selected data from a database
EP1725957A4 (de) * 2004-03-15 2009-06-10 Yahoo Inc Suchsysteme und -verfahren mit integration von benutzerannotation
US8788492B2 (en) 2004-03-15 2014-07-22 Yahoo!, Inc. Search system and methods with integration of user annotations from a trust network
CA2465155C (en) * 2004-04-21 2008-12-09 Ibm Canada Limited-Ibm Canada Limitee Recommendations for intelligent data caching
US8015169B1 (en) * 2004-05-24 2011-09-06 Sonicwall, Inc. Method and an apparatus to request web pages and content rating information thereof
JP2005339198A (ja) * 2004-05-27 2005-12-08 Internatl Business Mach Corp <Ibm> キャッシュヒット率推定装置、キャッシュヒット率推定方法、プログラム及び記録媒体
US7437364B1 (en) 2004-06-30 2008-10-14 Google Inc. System and method of accessing a document efficiently through multi-tier web caching
US8676922B1 (en) 2004-06-30 2014-03-18 Google Inc. Automatic proxy setting modification
US8224964B1 (en) 2004-06-30 2012-07-17 Google Inc. System and method of accessing a document efficiently through multi-tier web caching
US7694135B2 (en) * 2004-07-16 2010-04-06 Geotrust, Inc. Security systems and services to provide identity and uniform resource identifier verification
US7707575B2 (en) 2004-09-20 2010-04-27 Hewlett-Packard Development Company, L.P. System and method for selecting a portfolio of resources in a heterogeneous data center
US20060100997A1 (en) * 2004-10-27 2006-05-11 Wall Gary C Data caching
US8930400B2 (en) * 2004-11-22 2015-01-06 Hewlett-Packard Development Company, L. P. System and method for discovering knowledge communities
US7634430B2 (en) * 2004-12-06 2009-12-15 Hewlett-Packard Development Company, L.P. System and method for allocating resources in a distributed computational system using proportional share auctions
US7703082B2 (en) * 2004-12-07 2010-04-20 International Business Machines Corporation Controlling user intervention in a multi-processing computer system
US7487320B2 (en) * 2004-12-15 2009-02-03 International Business Machines Corporation Apparatus and system for dynamically allocating main memory among a plurality of applications
US20060149710A1 (en) * 2004-12-30 2006-07-06 Ross Koningstein Associating features with entities, such as categories of web page documents, and/or weighting such features
US20060248194A1 (en) 2005-03-18 2006-11-02 Riverbed Technology, Inc. Connection forwarding
US8781977B1 (en) 2005-03-29 2014-07-15 Hewlett-Packard Development Company, L.P. System and method of pricing resources
US7860993B2 (en) * 2005-03-30 2010-12-28 Yahoo! Inc. Streaming media content delivery system and method for delivering streaming content
JP2006344118A (ja) * 2005-06-10 2006-12-21 Fuji Xerox Co Ltd 利用状況通知システム
US8407432B2 (en) * 2005-06-30 2013-03-26 Intel Corporation Cache coherency sequencing implementation and adaptive LLC access priority control for CMP
US8019637B2 (en) * 2005-07-07 2011-09-13 Sermo, Inc. Method and apparatus for conducting an information brokering service
US8898141B1 (en) 2005-12-09 2014-11-25 Hewlett-Packard Development Company, L.P. System and method for information management
CN100486170C (zh) * 2005-12-15 2009-05-06 国际商业机器公司 传送前摄http内容的方法和设备
US7996396B2 (en) * 2006-03-28 2011-08-09 A9.Com, Inc. Identifying the items most relevant to a current query based on user activity with respect to the results of similar queries
US7747749B1 (en) 2006-05-05 2010-06-29 Google Inc. Systems and methods of efficiently preloading documents to client devices
WO2008005629A2 (en) * 2006-05-26 2008-01-10 Riverbed Technology, Inc. Throttling of predictive acks in an accelerated network communication system
US8214272B2 (en) * 2006-09-05 2012-07-03 Rafael A. Sosa Web site valuation
US20080065718A1 (en) * 2006-09-12 2008-03-13 Emc Corporation Configuring a cache prefetch policy that is controllable based on individual requests
US20080126352A1 (en) * 2006-09-27 2008-05-29 Rockwell Automation Technologies, Inc. Client side state cache for industrial control systems
US20080162821A1 (en) * 2006-12-27 2008-07-03 Duran Louis A Hard disk caching with automated discovery of cacheable files
US7634479B2 (en) * 2006-12-29 2009-12-15 Trend Micro Incorporated Pre-populating local URL rating cache
US20080177894A1 (en) * 2007-01-22 2008-07-24 Jennings Raymond B Methods and Apparatus For Improving Interactions Between Multi-Server Web Environments and Web Browsers
US8812651B1 (en) 2007-02-15 2014-08-19 Google Inc. Systems and methods for client cache awareness
US8065275B2 (en) * 2007-02-15 2011-11-22 Google Inc. Systems and methods for cache optimization
EP2176730A4 (de) * 2007-08-08 2011-04-20 Baynote Inc Verfahren und vorrichtung zur inhaltsempfehlung auf kontextbasis
US20090049033A1 (en) * 2007-08-19 2009-02-19 Andrei Sedov Method of user-generated, content-based web-document ranking using client-based ranking module and systematic score calculation
US7921259B2 (en) * 2007-09-07 2011-04-05 Edgecast Networks, Inc. Content network global replacement policy
US8032714B2 (en) 2007-09-28 2011-10-04 Aggregate Knowledge Inc. Methods and systems for caching data using behavioral event correlations
US10083420B2 (en) 2007-11-21 2018-09-25 Sermo, Inc Community moderated information
US8849838B2 (en) 2008-01-15 2014-09-30 Google Inc. Bloom filter for storing file access history
US10924573B2 (en) 2008-04-04 2021-02-16 Level 3 Communications, Llc Handling long-tail content in a content delivery network (CDN)
CN102047244B (zh) 2008-04-04 2013-02-27 第三雷沃通讯有限责任公司 在内容分发网络(cdn)中处理长尾内容
US9762692B2 (en) 2008-04-04 2017-09-12 Level 3 Communications, Llc Handling long-tail content in a content delivery network (CDN)
US7975025B1 (en) 2008-07-08 2011-07-05 F5 Networks, Inc. Smart prefetching of data over a network
US8677018B2 (en) * 2008-08-25 2014-03-18 Google Inc. Parallel, side-effect based DNS pre-caching
US20100054128A1 (en) * 2008-08-29 2010-03-04 O'hern William Near Real-Time Alerting of IP Traffic Flow to Subscribers
US8239482B2 (en) 2008-11-13 2012-08-07 At&T Intellectual Property I, Lp System and method for selectively caching hot content in a content delivery system
US20100145923A1 (en) * 2008-12-04 2010-06-10 Microsoft Corporation Relaxed filter set
JP4980395B2 (ja) * 2009-06-16 2012-07-18 株式会社日立製作所 データ分析システム及び方法
US20120101897A1 (en) * 2009-06-25 2012-04-26 Vital Iii Adam Robust tagging systems and methods
US9213780B2 (en) * 2009-06-26 2015-12-15 Microsoft Technology Licensing Llc Cache and index refreshing strategies for variably dynamic items and accesses
US8516253B1 (en) * 2010-01-18 2013-08-20 Viasat, Inc. Self-keyed protection of anticipatory content
US8880467B1 (en) 2010-03-29 2014-11-04 Google Inc. Smart sync—refreshing application state based on user migration patterns
US8775488B2 (en) 2010-04-14 2014-07-08 Siemens Product Lifecycle Management Software Inc. System and method for data caching
US9367242B2 (en) * 2010-04-30 2016-06-14 D2L Corporation Systems and methods for managing information objects in dynamic data storage based upon relevance of the information objects
US8898324B2 (en) 2010-06-24 2014-11-25 International Business Machines Corporation Data access management in a hybrid memory server
US8954490B2 (en) 2010-06-24 2015-02-10 International Business Machines Corporation Speculative and coordinated data access in a hybrid memory server
US8745128B2 (en) 2010-09-01 2014-06-03 Edgecast Networks, Inc. Optimized content distribution based on metrics derived from the end user
US8639748B2 (en) 2010-09-01 2014-01-28 Edgecast Networks, Inc. Optimized content distribution based on metrics derived from the end user
US8977766B2 (en) 2010-09-21 2015-03-10 Edgecast Networks, Inc. Scalability and redundancy enhancements for content streaming
CN102137139A (zh) * 2010-09-26 2011-07-27 华为技术有限公司 缓存替换策略的选择方法、装置、代理服务器和系统
US20120084155A1 (en) * 2010-10-01 2012-04-05 Yahoo! Inc. Presentation of content based on utility
US8559326B2 (en) 2010-11-16 2013-10-15 Edgecast Networks, Inc. Bandwidth modification for transparent capacity management in a carrier network
US8457010B2 (en) 2010-11-16 2013-06-04 Edgecast Networks, Inc. Request modification for transparent capacity management in a carrier network
US8738736B2 (en) 2010-11-23 2014-05-27 Edgecast Networks, Inc. Scalable content streaming system with server-side archiving
US8849775B2 (en) * 2010-12-15 2014-09-30 Yahoo! Inc. Caching web documents in two or more caches
US9854055B2 (en) * 2011-02-28 2017-12-26 Nokia Technologies Oy Method and apparatus for providing proxy-based content discovery and delivery
EP2555128A1 (de) * 2011-08-02 2013-02-06 Alcatel Lucent Speichercache-Inhaltsmanager und Anordnung
US8745177B1 (en) 2011-11-01 2014-06-03 Edgecast Networks, Inc. End-to-end monitoring and optimization of a content delivery network using anycast routing
US8738766B1 (en) 2011-11-01 2014-05-27 Edgecast Networks, Inc. End-to-end monitoring and optimization of a content delivery network using anycast routing
PL3703403T3 (pl) * 2011-12-13 2022-10-31 Telefonaktiebolaget Lm Ericsson (Publ) Sposób i aparat do zapisywania w pamięci podręcznej
GB2497793A (en) * 2011-12-21 2013-06-26 Ninian Solutions Ltd Pre-emptive caching of potentially relevant content from a collaborative workspace at a client device
US8626910B1 (en) 2012-06-19 2014-01-07 Edgecast Networks, Inc. Systems and methods for performing localized server-side monitoring in a content delivery network
CN103793426A (zh) * 2012-11-01 2014-05-14 腾讯科技（深圳）有限公司 一种网页访问记录保存方法及装置
US10129365B2 (en) 2013-11-13 2018-11-13 Cisco Technology, Inc. Method and apparatus for pre-fetching remote content based on static and dynamic recommendations
US9836765B2 (en) 2014-05-19 2017-12-05 Kibo Software, Inc. System and method for context-aware recommendation through user activity change detection
JP2016048498A (ja) * 2014-08-28 2016-04-07 富士通株式会社 キャッシュ制御装置およびキャッシュ制御方法
US10628079B1 (en) * 2016-05-27 2020-04-21 EMC IP Holding Company LLC Data caching for time-series analysis application
US20220318491A1 (en) * 2021-04-02 2022-10-06 Relativity Oda Llc Systems and methods for contextual highlighting of a document
CN114691541B (zh) * 2022-03-28 2024-07-02 重庆大学 一种基于动态访问的dram-nvm混合内存预测器

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4996642A (en) 1987-10-01 1991-02-26 Neonics, Inc. System and method for recommending items
US5043885A (en) * 1989-08-08 1991-08-27 International Business Machines Corporation Data cache using dynamic frequency based replacement and boundary criteria
US5864854A (en) * 1996-01-05 1999-01-26 Lsi Logic Corporation System and method for maintaining a shared cache look-up table
US5790935A (en) 1996-01-30 1998-08-04 Hughes Aircraft Company Virtual on-demand digital information delivery system and method
US6016475A (en) * 1996-10-08 2000-01-18 The Regents Of The University Of Minnesota System, method, and article of manufacture for generating implicit ratings based on receiver operating curves
US5842199A (en) * 1996-10-18 1998-11-24 Regents Of The University Of Minnesota System, method and article of manufacture for using receiver operating curves to evaluate predictive utility
US6098096A (en) * 1996-12-09 2000-08-01 Sun Microsystems, Inc. Method and apparatus for dynamic cache preloading across a network
US5924116A (en) * 1997-04-02 1999-07-13 International Business Machines Corporation Collaborative caching of a requested object by a lower level node as a function of the caching status of the object at a higher level node
US5956039A (en) * 1997-07-25 1999-09-21 Platinum Technology Ip, Inc. System and method for increasing performance by efficient use of limited resources via incremental fetching, loading and unloading of data assets of three-dimensional worlds based on transient asset priorities
US6085193A (en) * 1997-09-29 2000-07-04 International Business Machines Corporation Method and system for dynamically prefetching information via a server hierarchy
US6098064A (en) * 1998-05-22 2000-08-01 Xerox Corporation Prefetching and caching documents according to probability ranked need S list
US6266649B1 (en) * 1998-09-18 2001-07-24 Amazon.Com, Inc. Collaborative recommendations using item-to-item similarity mappings
US6415368B1 (en) * 1999-12-22 2002-07-02 Xerox Corporation System and method for caching

Also Published As

Publication number Publication date
EP1111517A3 (de) 2002-09-18
DE60029914D1 (de) 2006-09-21
US6631451B2 (en) 2003-10-07
JP2001222459A (ja) 2001-08-17
JP4662618B2 (ja) 2011-03-30
US20020147895A1 (en) 2002-10-10
EP1111517B1 (de) 2006-08-09
EP1111517A2 (de) 2001-06-27
US6415368B1 (en) 2002-07-02

Similar Documents

Publication Publication Date Title
DE60029914T2 (de) System und Verfahren zum Zwischenspeichern
DE102012215665B4 (de) Dynamische Änderung der TTL-Werte in einem Datencache
DE60029863T2 (de) System um einer Gruppe von Benutzern Informationen über Dokumentenänderungen zu übermitteln
EP2100234B1 (de) System und verfahren zur benutzergesteuerten multidimensionalen navigation und/oder themenbasierten aggregation und/oder überwachung von multimediadaten
DE60126798T2 (de) Verfahren zum durchsuchen und analysieren von informationen in datennetzen
EP1877932B1 (de) System und verfahren zur aggregation und überwachung von dezentralisiert gespeicherten multimediadaten
DE202012013432U1 (de) Speichern von Daten auf Speicherknoten
Ali et al. Intelligent Naïve Bayes-based approaches for Web proxy caching
DE202010018478U1 (de) Cachen von Informationen
CN104850627B (zh) 进行分页展示的方法及装置
DE202017105834U1 (de) Verwaltung von Anwendungsaktualisierungen
Baraglia et al. Suggest: A web usage mining system
EP1620810B1 (de) Verfahren und anordnung zur einrichtung und aktualisierung einer benutzeroberfl che zum zugriff auf informationsseiten in ein em datennetz
EP1755049B1 (de) Verfahren zur Übermittlung von Informationen von einem Informationsserver an einen Client
DE19813884B4 (de) System und Verfahren zur Ermittlung und Darstellung von verbindungsbezogenen Leistungsdaten in Netzwerken
DE10304277A1 (de) Verfahren zur Steuerung einer Vermittlungseinrichtung
WO2005057426A1 (de) System und verfahren zur aggregation und analyse von dezentralisiert gespeicherten multimediadaten
DE102013201973A1 (de) Verteilte Anwendung mit Vorwegnahme von Server-Antworten
EP1484696B1 (de) Verfahren zum Optimieren eines auf eine Netzwerkseite verweisenden Verweises
Meira et al. E-representative: a scalability scheme for e-commerce
Betancourt et al. Context aware benchmarking and tuning of a TByte-scale air quality database and web service
Sulaiman et al. An implementation of rough set in optimizing mobile Web caching performance
DE19959142A1 (de) Verfahren und Vorrichtung zum Übermitteln von Inhalten, insbesondere von Werbung
DE102005022351B4 (de) Verfahren zur Bearbeitung einer Folge von Client-Anfragen
WO2010127670A2 (de) Verfahren zum suchenden abgleich zwischen mindestens einer suchdatenmenge mit mindestens einer objektdatenmenge

Legal Events

Date Code Title Description
8364 No opposition during term of opposition
R082 Change of representative

Ref document number: 1111517

Country of ref document: EP

Representative=s name: GRUENECKER, KINKELDEY, STOCKMAIR & SCHWANHAEUS, DE