KR20100095444A - 사용자들에 의한 콘텐츠로의 액세스를 최적화하기 위한 디바이스 및 방법 - Google Patents
사용자들에 의한 콘텐츠로의 액세스를 최적화하기 위한 디바이스 및 방법 Download PDFInfo
- Publication number
- KR20100095444A KR20100095444A KR1020107012807A KR20107012807A KR20100095444A KR 20100095444 A KR20100095444 A KR 20100095444A KR 1020107012807 A KR1020107012807 A KR 1020107012807A KR 20107012807 A KR20107012807 A KR 20107012807A KR 20100095444 A KR20100095444 A KR 20100095444A
- Authority
- KR
- South Korea
- Prior art keywords
- content
- user
- users
- communication
- control device
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 45
- 238000004891 communication Methods 0.000 claims abstract description 61
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 238000013459 approach Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000005192 partition Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000013179 statistical model Methods 0.000 claims description 4
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 230000011664 signaling Effects 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 239000013598 vector Substances 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000002716 delivery method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/16—Analogue secrecy systems; Analogue subscription systems
- H04N7/173—Analogue secrecy systems; Analogue subscription systems with two-way working, e.g. subscriber sending a programme selection signal
- H04N7/17309—Transmission or handling of upstream communications
- H04N7/17318—Direct or substantially direct transmission and handling of requests
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/21—Server components or server architectures
- H04N21/218—Source of audio or video content, e.g. local disk arrays
- H04N21/2181—Source of audio or video content, e.g. local disk arrays comprising remotely distributed storage units, e.g. when movies are replicated over a plurality of video servers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/231—Content storage operation, e.g. caching movies for short term storage, replicating data over plural servers, prioritizing data for deletion
- H04N21/23103—Content storage operation, e.g. caching movies for short term storage, replicating data over plural servers, prioritizing data for deletion using load balancing strategies, e.g. by placing or distributing content on different disks, different memories or different servers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/231—Content storage operation, e.g. caching movies for short term storage, replicating data over plural servers, prioritizing data for deletion
- H04N21/2312—Data placement on disk arrays
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/252—Processing of multiple end-users' preferences to derive collaborative data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client
- H04N21/65—Transmission of management data between client and server
- H04N21/658—Transmission by the client directed to the server
- H04N21/6582—Data stored in the client, e.g. viewing habits, hardware capabilities, credit card number
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/02—Details
- H04L12/16—Arrangements for providing special services to substations
- H04L12/18—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast
- H04L12/1859—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast adapted to provide push services, e.g. data channels
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Tourism & Hospitality (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Transfer Between Computers (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
제어 디바이스(D)는 콘텐츠를 저장할 수 있는 사용자들의 통신 장비(CE)들이 결합되는 통신 네트워크에 연결된 네트워크 장비(CS)에 속한다. 이 제어 디바이스(D)는 ⅰ) 적어도 사용자 정보로부터의 집합체의 콘텐츠의 각각의 인기도를 결정하고, 적어도 그것의 결정된 콘텐츠 인기도로부터 이러한 집합체의 각 콘텐츠에 대한 복사물의 개수를 결정하기 위해 배치된 제 1 분석 수단(A1), 및/또는 ⅱ) 콘텐츠 등급으로부터 사용자들의 콘텐츠 선호도(들)를 결정하기 위해 배치된 제 2 분석 수단(A2), 및 ⅲ) 사용자들에 의한 이들 콘텐츠로의 액세스를 최적화하기 위해, 결정된 콘텐츠 복사물 개수 및/또는 결정된 사용자의 콘텐츠 선호도로부터, 각 콘텐츠의 복사물(들)을 저장하기 위한 위치(들)를 결정하기 위해 배치된 계산 수단(CM)을 포함한다.
Description
본 발명은, 예컨대 주문형 비디오(VOD: Video-on-demand) 서비스와 같은 콘텐츠 분배 서비스에 관한 것이다.
본 명세서에서 "콘텐츠 분배 서비스"란 통신 네트워크를 통해 서비스 제공자에 의해 제공되는 콘텐츠(들)를 클라이언트가 다운로드하는 것을 허용하는 서비스를 의미한다.
당업자에게 공지된 바와 같이, 인터넷 연결된 사용자들에 대한 VOD 서비스와 같이, 콘텐츠 분배 서비스를 제공하기 위한 통상적인 아키텍처는, 사용자들(클라이언트들)이 서비스 제공자에 의해 관리되고 통신 네트워크에 연결되는 서버 관리자로부터 바라는 콘텐츠(들)를 다운로드하는 클라이언트-서버 아키텍처이다.
더 최근에는, P2P(peer-to-peer) 접근에 기초한 해결책들이 개발되었다. 그러한 P2P 해결책들의 제 1 세대에서는 사용자들이 일시적으로 그들 자신의 사용을 위해 그들이 다운로드하는 콘텐츠(들)를 저장하는 것만이 인가되었다. 그 결과, 사용자들은 관심 콘텐츠를 오직 동일한 콘텐츠를 현재 소비하는 다른 사용자들로부터 또는 콘텐츠 서버들로부터 다운로드할 수 있었다.
최근의 수년 동안에는, 좀더 강력한 P2P 아키텍처가 제안되었다. 이 아키텍처에서는 사용자들이 즉시 흥미를 갖지는 않지만 미래에 다른 흥미가 있는 사용자들에 제공할 수 있는 콘텐츠(들)를 사전에 다운로드할 수 있다. 이 아키텍처는 목표로 하는 서비스 품질을 만족시키기 위해 요구되는 기초구조(infrastructure)(서버) 자원의 양을 감소시키고 따라서 기초구조 전개의 전반적인 비용을 감소시키기 위해 의도된다.
이 기초 구조는, 예컨대 다음의 2가지 특별한 상황에서 사용될 수 있다.
"개방 인터넷(open internet)"(또는 개방된 제어되지 않는 환경)에서는 사용자들이 서로 상호 작용하고, 인터넷에 연결되는 사용자들의 개인용 컴퓨터들(또는 더 일반적으로는 통신 장비들)을 통해 기초구조 서버들과 상호 작용한다. 따라서, 사용자 자신들에 의해 관리된 콘텐츠(들)의 사전 저장은, 사용자의 개인용 컴퓨터(또는 장비)의 하드 디스크에서 쉽게 행해질 수 있다.
"엣지 디바이스 네트워크(edge device network)" 상황에서는, 상호 작용하는 구성 성분들이 홈 게이트웨이들(home gateway)(DSL이나 케이블을 통해 연결된)이거나 사용자의 구내 장비에 위치하는 셋톱 박스들(STBs)이다. 이러한 상황에서, 모든 엣지 디바이스는 사용자가 가입하는 인터넷 서비스 제공자(들)(ISP들)에 의해 제어될 수 있다. 따라서, 이들 엣지 디바이스들의 하드 디스크에서 콘텐츠(들)의 사전 저장이 행해질 수 있다.
마지막으로 언급된 P2P 기초구조의 모든 혜택을 거둬들이기 위해, 사전에 저장할 콘텐츠와 그 콘텐츠를 저장할 장소에 관한 적당한 결정을 내리는 것이 중요하다. 이러한 문제는 2007년 12월 통신시 선택된 영역들에서의 IEEE 잡지에 K. Suh 등에 의해 실린 "Push-to-Peer Video-on-Demand system: design and evaluation"이라는 기사에서 명료하게 고려되었다. 이 기사에서는 2가지 전략, 즉 "풀 스트라이핑(full striping)"과 "코딩 기반의(coding based)" 배치 전략이 제안되었다. 이들 전략은 동일한 양의 데이터가 각 콘텐츠에 대해 저장되고 사용자의 선호도에 관한 어떠한 정보도 이용 가능하지 않을 때에만 최적의 성능을 달성한다.
종래 기술의 문서 WO 2007/080345(톰슨 라이센싱)호는 멀티미디어 콘텐츠 전달 방법 및 시스템을 개시한다. 이 종래 기술의 PCT 특허 출원에서 개시된 방법은
·부분적인 방식으로 콘텐츠 서버로부터 제 1 클라이언트 디바이스로 멀티미디어 콘텐츠의 "푸시(push)" 모드에서의 다운로드를 포함하는 제 1 단계와,
·제 2 클라이언트 디바이스로부터 "P2P(peer to peer)" 메커니즘을 통해 "풀(pull)" 모드에서 상기 멀티미디어 콘텐츠의 잃어버리는 요소들을 다운로드하는 것을 포함하는 제 2 단계를
포함한다.
따라서 본 발명의 목적은 그러한 상황을 개선하는 것이다.
이러한 목적을 위해, 본 발명은 콘텐츠를 저장할 수 있는 사용자들의 통신 장비들이 결합되는 통신 네트워크에 연결된 네트워크 장비를 위한 제어 디바이스를 제공하는데, 상기 제어 디바이스는
- 적어도 사용자 정보로부터의 집합체(collection)의 콘텐츠의 각각의 인기도를 결정하고, 적어도 그것의 결정된 콘텐츠 인기도로부터 상기 집합체의 각각의 콘텐츠에 대한 복사물의 개수를 결정하기 위해 배치된 제 1 분석 수단,
- 및/또는 콘텐츠 등급(rating)으로부터 사용자들의 콘텐츠 선호도(들)를 결정하기 위해 배치된 제 2 분석 수단, 및
- 사용자들에 의해 이들 콘텐츠에 대한 액세스를 최적화하기 위해, 결정된 콘텐츠 복사물 개수 및/또는 결정된 사용자의 콘텐츠 선호도로부터 각각의 콘텐츠의 복사물(들)을 저장하기 위한 위치(들)를 결정하기 위해 배치된 계산 수단(computation means)을
포함한다.
본 발명에 따른 제어 디바이스는 분리되거나 결합되어 고려된 추가 특징들을 포함할 수 있고, 특히
- 제어 디바이스의 제 1 분석 수단은 사용자들에 의한 콘텐츠의 과거 사용, 사용자들에 의한 콘텐츠의 예측 사용(forecast use), 및 이전에 액세스된 콘텐츠에 관한 사용자들의 평가 중 적어도 하나를 포함하는 정보 그룹에서 선택된 사용자 정보로부터 콘텐츠 집합체의 각각의 인기도를 결정하기 위해 배치될 수 있다.
≫ 사용자의 콘텐츠의 과거 사용 및/또는 사용자의 이전에 액세스된 콘텐츠의 평가에 관한 사용자 정보를 포함하는 사용자의 보고를 수신하기 위해 배치될 수 있다.
- 제어 디바이스의 제 1 분석 수단은 또한 네트워크 토폴로지(topology)에 관한 추가 정보로부터의 콘텐츠의 집합체의 각각의 인기도를 결정하기 위해 배치될 수 있다.
≫ 네트워크 토폴로지 정보는 적어도 상기 사용자 통신 장비의 통신 능력과 저장 능력에 관한 정보를 포함할 수 있다.
- 제어 디바이스의 제 1 분석 수단은 결정된 콘텐츠 인기도로부터 집합체의 각각의 콘텐츠에 대해 상기 사용자들로부터 예상되는 동시에 발생하는 콘텐츠 요청들의 개수를 결정하고, 동시에 발생하는 콘텐츠 요청들의 결정된 개수와 사용자 통신 장비(CE)의 통신 능력과 저장 능력으로부터 선택된 개수의 그룹으로의 콘텐츠의 분할(partition)을 결정하기 위해 배치될 수 있다.
≫ 제어 디바이스의 제 1 분석 수단은, 적어도 하나의 선택된 사용자 그룹의 각 사용자의 통신 장비들로 저장되어야 하는 복사물을 갖는 콘텐츠를 포함하는 제 1 그룹, 적어도 하나의 선택된 사용자 그룹의 한 사용자의 통신 장비로 저장되어야 하는 복사물을 갖는 콘텐츠를 포함하는 제 2 그룹, 및 적어도 하나의 선택된 네트워크 장비로 저장되어야 하는 복사물을 갖는 콘텐츠를 포함하는 제 3 그룹의 3개의 그룹으로의 콘텐츠의 분할을 결정하기 위해 배치될 수 있다.
- 일 변형예에서, 제어 디바이스의 제 1 분석 수단은 사용자 통신 장비(CE)의 통신 능력과 저장 능력으로부터, 그리고 상기 집합체의 상기 콘텐츠 각각에 대한 상기 사용자들로부터 예상되는 동시에 발생하는 콘텐츠 요청 개수의 평균값과 분산으로부터, 가변 개수의 그룹들로의 상기 콘텐츠의 분할을 결정하기 위해 배치될 수 있다.
- 제어 디바이스의 제 2 분석 수단은 사용자 콘텐츠 등급으로부터 클러스터(cluster)들로의 사용자들의 분할을 결정하고, 클러스터들 각각에 대한 사용자 선호도(들)의 모델을 결정하며, 그것의 결정된 사용자 선호도 모델로부터 각 클러스터의 각 사용자에게 관심이 있을 것 같은 콘텐츠(들)를 결정하기 위해 배치될 수 있다.
≫ 제어 디바이스의 제 2 분석 수단은 최대 가능성 접근을 사용자 콘텐츠 등급들에 적용함으로써, 각 클러스터의 사용자 선호도 모델을 결정하기 위해 배치될 수 있다.
·제어 디바이스의 제 2 분석 수단은 통계적 모델들의 부류{예컨대, "트리-구조의 마르코프 랜덤 필드들(tree-structured Markov random fields)"이라고 불리는 것}로 각 클러스터의 각각의 사용자 선호도 모델을 결정하기 위해 배치될 수 있다.
- 제어 디바이스의 계산 수단은 사용자들 중 적어도 일부를 위해 저장될 권고안(recommendation) 시그널링(signaling) 콘텐츠(들)를 생성하고, 그것의 네트워크 장비로부터 대응하는 사용자들의 통신 장비들로의 상기 권고안들의 송신을 요구하기 위해 배치될 수 있다.
- 제어 디바이스의 계산 수단은 그것의 네트워크 장비로부터 각 콘텐츠의 복사물의 대응하는 결정된 위치들에 각 콘텐츠의 복사물의 송신을 요구하기 위해 배치될 수 있다.
본 발명은 또한 콘텐츠를 저장할 수 있는 사용자들의 통신 장비들이 결합되고 위에서 소개된 것과 같은 제어 디바이스를 포함하는 통신 네트워크를 위한 네트워크 장비를 제공한다.
본 발명은 또한 통신 네트워크에 결합된 통신 장비를 포함하는 사용자들에 의한 콘텐츠로의 액세스를 최적화하기 위해 의도된 방법을 제공하고, 이 방법은
- 적어도 사용자 정보로부터의 집합체의 콘텐츠 각각의 인기도를 결정하고, 적어도 결정된 콘텐츠 인기도로부터 이 집합체의 각 콘텐츠에 대한 복사물의 개수를 결정하는 단계,
- 및/또는 콘텐츠 등급으로부터 사용자들의 콘텐츠 선호도(들)를 결정하는 단계, 및
- 결정된 콘텐츠 복사물 개수들 및/또는 결정된 사용자의 콘텐츠 선호도로부터 각 콘텐츠의 복사물(들)을 저장하기 위한 위치(들)를 결정하는 단계를
포함한다.
본 발명의 다른 특징 및 장점은 이후의 상세한 설명과 부록, 및 첨부된 도면을 검사함으로써 분명해진다.
본 발명은 주문형 비디오(VOD) 서비스와 같이, 통신 네트워크를 통해 서비스 제공자에 의해 제공되는 콘텐츠(들)를 클라이언트가 다운로드하는 것을 허용하는 콘텐츠 분배 서비스에 이용 가능하다.
도 1은 본 발명에 따른 제어 디바이스의 실시예의 일 예를 포함하고, 또한 사용자들의 통신 장비와 콘텐츠 서버가 결합되는 통신 네트워크에 연결되는 제어 서버를 개략적으로 예시하는 도면.
첨부된 도면은 본 발명은 완성할 뿐만 아니라, 필요하다면 본 발명의 정의에 기여하는 역할을 할 수 있다.
본 발명은 통신 네트워크(CN)에 결합되는 통신 장비(CE)를 구비하는 사용자들에 의해 콘텐츠로의 액세스를 최적화하기 위해 의도된 제어 디바이스와 연관된 방법을 제공하는 것을 목표로 한다.
후속하는 설명부에서, 콘텐츠는 적어도 하나의 DSL(또는 광섬유 또는 케이블) 통신 네트워크(CN)를 통해 인터넷에 연결되는 사용자 통신 장비들(CE)에 송신될 수 있는 비디오(또는 영화)라고 간주될 것이다. 하지만 본 발명은 이러한 응용예에 제한되지 않는다. 실제로, 본 발명은 임의의 타입의 디지털 콘텐츠와 특히 오디오(또는 음악) 파일들과 데이터 파일들에 관한 것이다.
게다가, 사용자 통신 장비들(CE)은 한편으로는 콘텐츠를 저장하기 위해 의도된 메모리 수단(MM)을 포함하거나 그러한 메모리 수단(MM)에 결합되고, 다른 한편으로는 P2P 모드에서 그것들 사이에서 통신을 확립할 수 있는 한, 임의의 타입일 수 있다. 따라서 사용자 통신 장비(CE)는 통신 모뎀(또는 임의의 등가 통신 수단)을 포함한다는 전제하에 고정된 개인용 컴퓨터, 랩톱, 콘텐츠 수신기{예컨대, 홈 게이트웨이 또는 사용자의 가정 내에 위치한 셋톱 박스(STB)}, 모바일 또는 셀룰러 전화기, 또는 PDA(personal digital assistant)일 수 있다. 따라서, 사용자 통신 장비들(CE)이 연결되는 통신 네트워크(들)(CN)는, 그것이 예컨대 주문형 비디오(VOD: video-on-demand) 서비스와 같은 콘텐츠 배분 서비스들을 제공할 수 있다는 전제 하에, 임의의 타입(고정 또는 무선)의 것일 수 있다.
후속하는 설명부에서, 사용자 통신 장비(CE)는 통신 네트워크(CN)에 결합된 적어도 하나의 콘텐츠 서버(CTS)를 포함하는 콘텐츠 제공자의 클라이언트들인 사용자들의 홈 게이트웨이들이라고 간주될 것이다.
도 1에 개략적으로 예시되어 있는 것처럼, 본 발명에 따른 제어 디바이스(D)는 적어도 하나의 계산 모듈(CM)과 제 1 분석 모듈(A1) 및/또는 제 2 분석 모듈(A2)을 포함한다. 즉, 제어 디바이스(D)는 계산 모듈(CM), 제 1 분석 모듈(A1), 및 제 2 분석 모듈(A2)을 포함하거나, 계산 모듈(CM)과 제 1 분석 모듈(A1) 또는 계산 모듈(CM)과 제 2 분석 모듈(A2)을 포함한다.
비-제한적인 예에서 예시된 것처럼, 제어 디바이스(D)는 통신 네트워크(CN)에 연결된(또는 결합된) 제어 서버와 같은 네트워크 장비(CS)에 국부화될 수 있다. 하지만, 그러한 제어 디바이스(D)는 또한 네트워크 장비(CS)에 결합될 수 있다.
게다가, 제어 디바이스(D)는 바람직하게는 적어도 부분적으로 소프트웨어 모듈들로 이루어진다. 하지만, 전자 회로(들) 또는 하드웨어 모듈, 또는 하드웨어 모듈과 소프트웨어 모듈의 결합물{이 경우 제어 디바이스(D)는 하드웨어 모듈과 소프트웨어 모듈 사이의 상호작용을 허용하는 소프트웨어 인터페이스를 또한 포함한다}로 또한 이루어질 수 있다. 전적으로 소프트웨어 모듈로만 이루어지는 경우에는, 예컨대 네트워크 장비에 의해 판독될 수 있는 CD-ROM과 같은 임의의 컴퓨터 소프트웨어 제품이나 네트워크 장비의 메모리에 저장될 수 있다.
후속하는 설명부에서, 제어 디바이스(D)는 하나의 콘텐츠 제공자에만 "속하는(belongs)" 콘텐츠의 단일 집합체로의 액세스의 최적화에 전용된다고 간주된다. 하지만, 제어 디바이스(D)는 수 개의 콘텐츠 제공자들에 속하는 콘텐츠의 수 개의 집합체로의 액세스의 최적화에 전용일 수 있다.
제 1 분석 모듈(A1){제어 디바이스(D)의}은 특히 적어도 사용자 정보로부터의 집합체의 콘텐츠의 각각의 인기도를 결정하기 위해 의도된다.
본 명세서에서 "사용자 정보"란 콘텐츠와 사용자 사이의 관계를 한정하는 정보를 의미한다. 따라서, 그것은 사용자에 의한 콘텐츠의 과거 사용, 이전에 액세스된 콘텐츠에 관한 사용자 평가 또는 사용자에 의한 콘텐츠의 예측 사용일 수 있다.
사용자 정보의 적어도 일부는, 보고를 통해 사용자 자신들에 의해 제어 디바이스(D){또는 그것의 제어 서버(CS)}에 제공될 수 있다는 점을 주목하는 것이 중요하다. 예컨대, 사용자 보고는 콘텐츠의 과거 사용 및/또는 이전에 액세스된 콘텐츠의 평가에 관한 사용자 정보를 포함할 수 있다. 그러한 사용자 보고는 사용자 (통신) 장비(CE)에 의해, 자발적으로(예컨대, 주기적으로) 또는 제어 디바이스(D)의 요청시 제어 디바이스(D){또는 그것의 제어 서버(CS)}에 송신될 수 있다. 하지만, 사용자 정보의 적어도 일부는 또한 아마도 자체 네트워크 장비들 가까이에서 및/또는 임의의 다른 네트워크 액세스 제공자 가까이에서 수집한 클라이언트들의 콘텐츠 소비에 관한 데이터의 분석 후, 서비스 제공자에 의해 제공될 수 있다. 이 마지막 사용자 정보는 콘텐츠를 추가 정보에 기초한 사용자의 처분에 두기 전에 콘텐츠 제공자에 의해 결정될 수 있는 사용자들에 의한 콘텐츠의 예측 사용일 수 있다.
또한 제 1 분석 모듈(A1)은 사용자 정보로부터 뿐만 아니라, 예컨대 사용자 장비(CE)의 통신 능력과 저장 능력과 같은 네트워크 토폴로지에 관한 추가 정보로부터도 콘텐츠 인기도를 결정할 수 있다는 점을 주목하는 것이 중요하다.
제 1 분석 모듈(A1)이 집합체의 콘텐츠 인기도를 결정하였을 때, 적어도 그것 자체의 결정된 콘텐츠 인기도로부터 집합체의 각 콘텐츠에 대한 복사물의 개수를 결정하도록 조정된다.
이러한 목적을 위해, 제 1 분석 모듈(A1)은 예컨대 먼저 그것 자체의 결정된 콘텐츠 인기도를 고려하여, 집합체의 각 콘텐츠에 대해 사용자들로부터 예상되는 동시에 발생하는 콘텐츠 요청들의 개수를 결정할 수 있다. 그런 다음, 동시 발생하는 콘텐츠 요청들의 결정된 개수로부터 및 사용자 장비(CE)의 통신 능력과 저장 능력으로부터, 선택된 개수의 그룹으로 이들 콘텐츠를 분할하는 것을 결정할 수 있다.
이러한 첫 번째 방법에서, 콘텐츠의 분할은 3개의 그룹으로 실행될 수 있다. 제 1 그룹은 "핫(hot)" 콘텐츠 전용일 수 있다. 이 제 1 그룹은 적어도 하나의 선택된 사용자 그룹의 각 사용자의 장비(CE)들로 복사물이 저장되어야 하는 콘텐츠를 포함한다. 제 2 그룹은 "웜(warm)" 콘텐츠 전용일 수 있다. 이 제 2 그룹은 복사물이 적어도 하나의 선택된 사용자 그룹의 한 사용자의 장비(CE)로 저장되어야 하는 콘텐츠를 포함한다. 제 3 그룹은 "콜드(cold)" 콘텐츠에 전용일 수 있다. 이 제 3 그룹은 복사물이 사용자 구내에 저장될 필요가 없고, 따라서 콘텐츠 서버(CTS)와 같은 적어도 하나의 선택된 네트워크 장비에 저장되며, 적어도 제 1 액세스에 대해 오직 콘텐츠 서버(CTS) 가까이에서 얻어질 수 있는 콘텐츠를 포함한다.
전술한 제 1 방법은 각 콘텐츠에 대한 동시 발생 요청들의 개수 예측이 정확할 때 최적이다. 그렇지 않을 경우에는 제 1 분석 모듈(A1)이 제 2 방법을 구현해야 한다. 예컨대, 사용자 장비(CE)들의 통신 능력과 저장 능력으로부터, 그리고 각 콘텐츠의 사용자들로부터 예상되는 동시 발생 콘텐츠 요청들의 개수의 평균값과 분산으로부터, 개수가 변할 수 있는 그룹으로의 콘텐츠의 분할을 결정할 수 있다.
2가지 전술한 방법의 구현예의 더 상세한 예가 부록 1에서 설명된다.
콘텐츠 등급(rating)들로부터 사용자들의 콘텐츠 선호도(들)를 결정하기 위해 제 2 분석 모듈(A2){제어 디바이스(D)의}이 배치된다. 각각 이전에 액세스된 콘텐츠의 사용자 평가를 대표하는 이들 콘텐츠 등급은, 사용자 장비들(CE){자발적으로(예컨대 주기적으로) 또는 제어 디바이스(D)의 요청시}이나 서비스 제공자에 의해 제어 디바이스(D){또는 그것의 제어 서버(CS)}에 송신될 수 있다.
사용자 콘텐츠 선호도(들)를 결정하기 위해, 제 2 분석 모듈(A2)이 예컨대 사용자 콘텐츠 등급으로부터 사용자들의 클러스터(cluster)들로의 분할을 먼저 결정할 수 있다.
이러한 목적을 위해, 사용자들에 의한 콘텐츠의 수집된 등급에 기초하여, 제 2 분석 모듈(A2)이 예컨대 "충돌 가장자리(conflict edge)"에 의해 링크되는 동일한 콘텐츠에 현저하게 다른 등급을 준 2명의 사용자에서 "충돌 그래프"를 형성할 수 있다. 그런 다음 이 그래프는 사용자들을 다른 사용자 프로필들을 획득하기 위해 의도되는 해체된 클러스터(cluster)들로 분할하도록 처리된다.
이러한 클러스터화(clustering)는, 충돌 그래프의 스펙트럼 특징들(고유값들과 연관된 고유벡터들)과, 더 정확하게는 충돌 그래프와 연관되는 소위 라플라시안(Laplacian) 매트릭스의 추출에 기초한 새로운 "스펙트럼 클러스터화(spectral clustering)" 알고리즘을 사용함으로써 행해질 수 있다.
클러스터화가 결정되면, 제 2 분석 모듈(A2)이 예컨대 각 클러스터에 대한 사용자 선호도(들)의 모델을 결정할 수 있다.
각 클러스터의 사용자 선호도 모델의 마지막 결정은, 예컨대 사용자 콘텐츠 등급들에 대한 최대 가능성 접근의 적용예에 기초할 수 있다. 이는 어떤 점에서는 통계적 모델들의 특정 부류의 가장 가능성이 있는 모델이다. 예컨대, 소위 "트리-구조의 마르코프 랜덤 필드들 부류(tree-structured Markov random fields class)"로의 각각의 사용자 선호도 모델을 선택할 수 있다.
일단 주어진 클러스터에 대한 모델이 결정되면, 제 2 분석 모듈(A2)이 예컨대 그것의 사용자들 각각에 가장 흥미가 있을 것 같은 콘텐츠를 결정하기 위해 주어진 클러스터에 대한 모델을 사용할 수 있다.
사용자 콘텐츠 선호도(들)를 결정하기 위한 전술한 방법의 더 상세한 것은 부록 2에 주어진다.
콘텐츠 복사물 개수들{제 1 분석 모듈(A1)에 의해 결정된} 및/또는 사용자의 콘텐츠 선호도{제 2 분석 모듈(A2)에 의해 결정된}로부터, 각 콘텐츠의 복사물(들)을 저장하기 위한 위치(들)를 결정하도록, 계산 모듈(CM){제어 디바이스(D)의}이 배치된다. 이러한 마지막 결정은 그것을 평가하기로 예상되는 사용자의 장비(CE)에 주어진 콘텐츠가 저장되는 횟수를 최대화하는 것을 목표로 하고, 따라서 사용자들에 의한 콘텐츠로의 액세스를 최적화하는 것을 목표로 한다.
계산 모듈(CM)이 각 콘텐츠 복사물의 각 저장 위치를 결정하였다면, 사용자들의 적어도 일부를 위해 저장될 콘텐츠(들)를 신호로 알리는 권고안들을 생성하기 위해 바람직하게 배치된다는 점을 주목하는 것이 중요하다. 이 경우, 또한 통신 네트워크(CN)를 통해 그것의 네트워크 장비(CS)로부터 대응하는 사용자들의 장비(CE)이 이들 권고안들을 송신하는 것을 요구하기 위해 배치된다.
그런 다음 사용자 장비(CE)는 적어도 또 다른 사용자 장비(CE)(권고안에서 지정된)로부터 또는 적어도 하나의 콘텐츠 서버(CTS)(권고안에서 지정된)로부터 그러한 콘텐츠(들)를 다운로드함으로써 콘텐츠(들)의 전용 권고안을 따를 수 있다. 이러한 다운로딩은 아마도 사용자의 권한 부여를 필요로 할 수 있다.
하지만, 계산 모듈(CM)은 또한 그것의 네트워크 장비(CS)로부터 그것들의 대응하는 위치들에서 각 콘텐츠의 복사물의 송신을 요구하기 위해 배치될 수 있다. 즉, 콘텐츠 복사물 송신은 사용자 장비들(CE)에게 알리지 않고도 자동으로 행해질 수 있다.
하지만, 이러한 자동 송신(콘텐츠의 적어도 일부의)을 그것의 장비(CE)의 메모리에 "사전 행동식으로(proactively)"(자동으로) 저장된 콘텐츠를 신호로 알리기 위해 의도된 사용자에 대한 명시적 권고안과 결부시키는 것이 관심거리이다.
본 발명은 또한 통신 네트워크(CN)에 결합된 통신 장비들(CE)을 포함하는 사용자들에 의한 콘텐츠로의 액세스를 최적화하기 위해 의도된 방법의 관점에서 고려될 수 있다.
그러한 방법은 도 1을 참조하여 위에서 설명된 것과 같은 디바이스(D)에 의해 구현될 수 있다. 그러므로, 그것의 주된 특징들만이 이후 언급될 것이다.
본 발명에 따른 방법은 주된 후속하는 단계들, 즉
- 적어도 사용자 정보로부터의 집합체의 콘텐츠 각각의 인기도를 결정한 다음, 적어도 그것의 결정된 콘텐츠 인기도로부터의 이러한 집합체의 각 콘텐츠에 대한 복사물의 개수를 결정하는 단계,
- 및/또는 콘텐츠 등급들로부터 사용자의 콘텐츠 선호도(들)를 결정하는 단계,
- 및 결정된 콘텐츠 복사물 개수 및/또는 결정된 사용자의 콘텐츠 선호도로부터 각 콘텐츠의 복사물(들)을 저장하기 위한 위치(들)을 결정하는 단계를
포함한다.
본 발명은 단지 예로서 전술한 방법 및 제어 디바이스의 실시예들에 제한되지 않고, 이후 청구항의 범주 내에서 당업자에 의해 고려될 수 있는 모든 대안적인 실시예를 포함한다.
부록(ANNEX) 1
Ｉ- 가정 및 표시법(
Assumptions
and
notations
)
P개의 피어 노드들{또는 사용자 장비들(CE)}과 I개의 기초구조 노드들 또는, 사용자들이 F개의 다른 콘텐츠(영화들과 같은)(f=1 내지 F)에 액세스하는 것을 허용하도록 의도된 콘텐츠 분배 노드들(CDN){또는 콘텐츠 서버들(CTS)}을 포함하는 시스템을 고려한다. 영화(f)는 Tf초 동안 지속하는 것으로 가정되고, 일부 고정된 속도(Bf)로 인코딩되는 것으로 가정된다. 지속 기간과 인코딩 속도는 영화에 관계없다고 가정한다. 따라서, 그것들은 각각 T와 B로 표시된다.
각각의 피어 노드(CS)는 크기가 M인 저장 공간과 업링크 대역폭 용량(BP)을 시스템에 제공한다. 각각의 기초구조 노드(CTS)는 업링크 대역폭 용량(BI)을 제공한다. 게다가, 각각의 기초구조 노드(CTS)는 모든 F개의 영화의 복사본을 유지하기에 충분한 저장 능력을 가진다고 가정한다.
영화(f)에 전용된 메모리의 양은 Mf로 표시된다. 이는 피어(사용자)와는 관계없는 것이라고 가정한다. 이는 어느 피어 노드(CS)가 F개의 콘텐츠(영화) 중 하나를 볼 가능성이 더 있는지에 대한 이용 가능한 지식이 없는 시나리오에 의해 유발된다. 이 상황에서, 영화(f)의 Nf개의 동시 발생 뷰잉(viewing)(또는 요청들)이 모든 f=1,...,F에 대해 개시되는 플래시-크라우드(flash-crowd) 시나리오를 고려한다.
Ⅱ-결과들
Ⅱ-1. 제 1 방법에서, 즉 Nf개의 동시 발생 콘텐츠 요청이 미리 알려지고, 내림 차순
으로 정리될 때, 메모리의 최적의 사용은 영화들을 3개의 그룹, 즉 가장 인기 있는 영화들(f≤f1), 중간 인기도를 지닌 영화들(f∈{f1+1,...,f2}), 및 인기도가 가장 낮은 영화들(f>f2)로 분할하는 것으로 이루어진다. 가장 인기 있는 영화들은 전부 캐싱(cached)되는데, 즉 모든 f≤f1에 대해 Mf = BT이다. 중간 인기도를 지닌 영화들을 최소로 캐싱되는데, 즉 f∈{f1+1,...,f2}에 대해 Mf = (BT)/P이다. 마지막으로, 인기도가 가장 낮은 영화들은 전혀 캐싱되지 않는데, 즉 f>f2에 대해 Mf = 0이다. 숫자 f1과 f2는 각 피어의 메모리 사용이 정확히 M이 되고, 중간 인기도를 지닌 영화들이 그것들 전용의 업링크 대역폭(BP)을 사용하여 다른 피어 노드들(CS)로부터 공급될 수 있도록 결정된다.
그러므로, 이러한 보수적인 시나리오에서,
시스템이 자급할 수 있는(self-sufficient), 즉 CDN 노드 지원에 의존하지 않는 충분 조건은
인기도의 좀더 현실적인 모델들을 사용하여, 일부 양의 파라미터들(f0와 α)에 대해 파레토-집프(Pareto-Zipf) 분포(
)를 가정하면, 시스템이 자급할 수 있을 조건은 α가 클 때
이는 비대칭(skewed) 인기도 분포로 인해 절감된 것을 질적으로 획득한다.
Ⅱ-2. 제 2 방법에서, 즉 Nf개의 콘텐츠 요청이 사전이 알려져 있지 않지만, 알려진 기대값(μf)과 분산(
)으로 랜덤한 변수로 각각 한정될 때, 최적의 콘텐츠 분할이 상이한 인기도를 지닌 3개의 그룹으로의 고정된 분할에 의해 더 이상 결정되지 않는다는 것을 보여줄 수 있다. 대신, 이제 최적의 메모리 배치(Mf)는
로서 한정될 수 있는 요청들의 확률(stochastic) 파라미터들의 함수이고, a와 b는 영화(f)에 의존하지 않는 2개의 양의 파라미터이다. 이는 임의의 영화(f)를 완전히 또는 최소로 캐싱할 필요가 있는 제 1 방법(완벽하게 알려진 Nf개의 콘텐츠 요청들)과는 상당히 상이하다. 여기서, 캐싱의 최적의 양은 평균 인기도(μf)와, 분산(
)으로 반영된 그것들의 인기도의 휘발도(volatility)에 따라 계속해서 변할 수 있다.
부록(ANNEX) 2
n명의 사용자들의 세트(u∈U)와 m개의 항목들(콘텐츠)의 세트(i∈I)가 존재한다고 가정한다. 각각의 사용자(u)는 1부터 k까지 몇몇 항목들(i)에 마크(mark){또는 등급(rating)}를 한다. 이러한 등급 정보에 기초하여, 미래의 사용자 선호도를 추론하기를 원한다. 더 구체적으로, "모든 사용자의 이전 등급이 알려진다면, 어느 등급(또는 마크)를 사용자(u)가 항목(i)에 할당할까?"와 같은 질문들에 대답하기를 원한다. 이러한 등급(또는 마크)의 실제 값을 Mu(i)으로 표시한다.
I-해체된(
disjoint
) 클러스터들의 가변적인 개수를 한정하기 위한 기술
사용자(u)들을 해체된 클러스터들로 분리하기 위한 기술이 아래에 설명된다. 적합한 매트릭스의 공간 특성에 의존하는 수 개의 방법이 과거에 개발되어 왔다. 현재의 기술에 가장 가까운 것은 "Eigenvalues and Graph Bisection: An Average-case Analysis"라는 제목의 Proc.FOCS 1987, 페이지 280 내지 285에 R.B.Boppana에 의해 설명된 것이다.
충돌 매트릭스(A)는 주어진다고 가정한다. 매트릭스(A)는 대칭적이라고 가정되고, 각각의 엔트리(Aij)는 음의 것이 아닌(non-negative) 것이라고 가정되며, 본 "협력(collaborative) 필터링" 상황에서의 2명의 사용자(i와 j) 사이의 콘텐츠 등급에 대한 불일치 측정값으로서 해석된다. 대각 엔트리들(Aii)는 모두 0과 같다. 예컨대, 2명의 사용자가 일부 임계값(T)에 대해 적어도 T개의 상이한 항목들(영화들)에 대해서 별개의 등급들을 매기게 된다면, Aij는 1이 되게 설정될 수 있다. 대안적으로, Aij는 모두 등급이 매겨진 영화들의 집합물에 대해 사용자(i와 j)에 의해 만들어진 별개의 등급의 단편(fraction)을 셀 수 있고, 이 경우 Aij가 0과 1 사이의 임의의 값을 취할 수 있다.
목표는 대부분의 충돌이 별개의 클러스터들로부터의 지수(index)들 사이에 있도록 지수 세트를 클러스터들로 분할하는 것이다. 이러한 상황에서,
에 의해 한정된 충돌 매트릭스(A)의 라플라시안(Laplacian)(L)을 고려한다.
라플라시안 매트릭스(L)는 음이 아닌 한정된 값이라고 공지되어 있는데, 이는 임의의 벡터(x)에 대해 
가 성립하기 때문이다.
1. 각각의 지수(n=1,...,N)에 고유값들{z(1),...,z(K-1)}의 대응하는 좌표들로 이루어지는 대응하는 (K-1)-차원 벡터인 
을 연관시킨다.
2. 일부 적합한 M에 대해 {1,...,N}으로부터 무작위로 균일하게 M개의 지수{n(1),...,n(M)}를 고른다.
3. 반복한다.
4. 모든 M개의 지수 중에서 가장 작은 유클리드 거리(Euclidean distance)()를 달성하는 2개의 지수인 n(i)과 n(j)을 식별한다.
5. n(j)을 제거하고, M을 M-1로 설정한다.
6. M=K일 때까지.
7. 이제 나머지 K개의 지수, 가령 n(1),...,n(k)이 클러스터 대표 역할을 한다. 임의의 다른 지수(n)를 
에서 최소값을 달성하는 대표값으로 할당한다.
이제 이러한 알고리즘이 특정 통계적 가정 하에 일부 숨겨진 클러스터 구조를 성공적으로 복구한다는 것을 보여주게 된다. 즉, 전술한 Boppana의 문서와 A.Condon 등의 제목이 "Altorithms for Graph Partitioning on the Planted Partition Model"인 문서(Proc. 3rd Int. Workshop on Approx. Algorithms for Comb. Opt. Prob.: RANDOM-APPROX'99)에서 고려된 모델의 일반론(generalization)인 "이식된 분할(planted partition)" 모델을 고려한다.
이식된 분할 모델은 다음과 같다. 지수들은 K개의 별개의 클러스터(C1,...,CK)로 분할된다. 충돌 값들(Aij)은 [0,1]에 있는 값들로 랜덤한 값이라고 가정되고, 모든 지수 쌍들(i,j)(i<j)에 대해 독립적이라고 가정된다. 게다가, 모든 i<j에 대해, 이들 변수는 다음의 내용, 즉
을 입증하기 위해 가정되고, p는 클러스터-내부(inter-cluster) 충돌을 가리키며, q는 클러스터간(inter-cluster) 평균 충돌을 가리키고, 통상적으로 q>p이다.
이러한 상황에서, 다음과 같은 정리를 가진다. 즉, "위 이식된 분할 모델에 따라 분산된 충돌 매트릭스 A를 고려한다". 클러스터들(K)의 개수가 고정되고, 지수들(N)의 초기 개수가 크며, 클러스터(Ck)의 크기가 일부 고정된 양의 파라미터들(αk)에 대해 minkαk>0이 되도록 
를 입증한다. 파라미터인 p와 q가 q>p, q-p=Ω(p) (6), 
, 여기서 
이고, 
(7)이 성립하도록 정해진다고 가정한다.
후보 클러스터 대표의 초기 개수(M)가 고정되게 한다. 그런 다음 확률인 
로, 대부분의 o(N) 잘못 분류된(mis-classified) 지수들에서를 제외하고, 위 알고리즘이 지수들을 최초의 클러스터들로 분할한다.
Ⅱ - 각 클러스터에 대한 사용자의 선호도(들)의 확률 모델을 결정하기 위한 기술
등급 공간인 R*={1,...,k}에 미치고, 실제 사용자 선호도(들)를 설명하는 항목들{X1,...,Xm}과 연관된 m개의 랜덤한 변수들의 집합이 존재한다고 가정하는 확률적 접근을 채용한다. 각 사용자(u)에 대해, 등급 벡터인 
의 형태로 그것의 등급을 고려한다. 이러한 등급 벡터는 모든 항목인 X=(X1,...,Xm)~P(·)의 다변량(multivariate) 법칙의 샘플로서 간주된다. 즉 이 법칙을 샘플링함으로써, 사용자 등급 항목들(영화들)을 가정한다.
이 스테이지(stage)에서는, 관찰된 등급 벡터들이 불완전하다는 것을 주목하는 것이 중요하다. 따라서, 본 방법의 한 가지 목표는 잃어버리는 사용자 평가를 예측하는 것이다. 제 2 해결책(workaround)으로서, 등급 공간에서 여분의 상태, 즉 관찰되지 않은(unobserved) 상태인 0을 도입하는 것을 선택한다. 등급 공간은 R=R*∪{0}이 된다. H(u)를 사용자에 의해 등급이 매겨진 항목들의 집합이라고 표시한다. 즉, H(u)={i∈I:ri(u)>0}. 따라서, H(u)는 사용자(u)의 히스토리로서 고려될 수 있다.
해결할 문제는 후속하는 형태를 취한다. 즉, 일부 사용자(u)에 대해서는 불완전한 등급 벡터(ru)가 주어지면 마크(또는 등급)인 l∈R*을 얻는 관찰되지 않는 항목(i)의 확률을 찾아야 한다. 이 확률은
에 의해 표시된다.
이제 Mu(i)에 대한 제안된 예측의 형태인 
을 제공한다. 
가 σui의 추정(estimation)이고, 
를 그것의 확률 분포 함수로서 가지는 랜덤한 변수인 
라고 간주한다. 그런 다음 그것의 기대값인 
은 사용자(u)에 의해 항목(i)에 할당된 마크(등급)의 예측으로서 고려될 수 있다. 이러한 추정기는 2차(quadratic) 에러 함수(즉 RMSE)를 최소화한다.
관찰된 등급 벡터들을 사용하여, 
를 추정하는 경험적(empirical) 확률인 
를, 
인 
를 추정하는 결합(joint) 확률인 
과 함께 구축한다. 등급이 매겨지지 않은 항목(i)의 확률을 고려한다는 점을 주목하라. 이제 누군가가 등급 벡터들{r1,...,rn}을 입력으로 하여 초우-리우(Chow-Liu) 알고리즘과 같은 알고리즘을 실행한다면, 최상의 트리 법칙 추정(T)을 찾게 된다.
그 다음, 일부 사용자(u)와 일부 등급이 매겨지지 않은 항목(i)에 대해 
를 찾아야 한다. I에서의 A의 보수(complementary)를 표시하기 위해 표시법인 
을 사용하고, 
를 표시하기 위해 vA를 사용하여,
를 설정한다.
하지만, 
은 공간(R)에 걸친 확률 분포를 설명한다. 따라서 그것의 관찰되지 않은 상태를 제거하고 
를 찾을 필요가 있다. 이는 0을 "회피하는(avoiding)" 랜덤 변수를 고려함으로써 쉽게 행해질 수 있다. 즉
을 찾는다.
이는 
를 한정하는 자연스러운 방법인데, 이는 
가 수학식 1의 형태를 가지기 때문이다. 이러한 방법의 완전한 설명을 제공하기 위해, 수학식 2를 계산하는 효율적인 방법이 아래에 제공된다.
관심 항목(i)을 배제하고 사용자(u)에 의해 관찰되지 않는 항목들의 집합에 관해 트리 법칙을 주변화(marginalise)할 필요가 있다. 그렇게 하기 위해, 트리의 주위에서 시작한다. 관찰되지 않은 항목(j)이 T에서의 잎(leaf)이라면, 그것은 T의 공식인
에서의 인자인 
에서만 등장하고, 여기서 π(v)는 트리(T)에서의 노드(v)의 부모(parent)를 표시한다. 그러므로, xj에 관해 쉽게 T를 적분할 수 있다. 주변 결합(marginal joint) 법칙들의 일관성(consistency property)인 
(5)로 인해, 
의 결과 주변 법칙은 수학식 4와 동일한 형태를 가지게 되고, 유일한 차이점은 의존 함수(dependency function)인 
를 가지를 친 트리(pruned Tree)인 T-{j}에 대응하는 것으로 대체한다는 점이다. 이러한 가지 치기 과정을 반복함으로써, H(u)에 속하는 항목들의 세트에 의해 "둘러싸인(surrounded)" 항목(i)을 포함하는 서브트리(subtree)가 남는다. 하지만 이러한 서브트리는 특별한 경우를 보여주는데, 이는 이러한 서브트리의 "내부(interior)"(즉 잎들이 아닌 노드들)가 관찰되지 않는 항목들을 포함하지만, 또한 등급이 매겨진 항목들을 포함할 수 있기 때문이다. 일단 이러한 트리를 얻었으면, 실제 주변화(marginalisation)를 계속하는 것이 어려워진다. 분석적 접근은 일반적인 수학식 4에 대해 실행 가능한 것으로 보이지 않는다. 따라서, 상이한 방식으로 이 문제에 접근하기 위한 새로운 기술이 사용된다.
이러한 새로운 기술은 상당히 간단하다. 누군가가 
을 찾기를 바라므로, T에서의 항목들의 주변 및 짝(marginal and pairwise) 결합 법칙들이, 등급이 매겨진 항목들에 관해 반복적인 절차로 한 번에 하나의 항목이 등급이 매겨지도록 조절된다. 각각의 단계에서 트리를 통한 "조절(conditioning)"이 전파된다. 하지만, 마르코프(Markov) 성질로 인해, 이러한 절차를 전체 트리에 적용할 필요는 없다. 잎들로서 등급이 매겨진 항목들을 가지고 그것의 "내부(interior)" 내에 임의의 등급이 매겨진 항목을 포함하지 않는 관심 항목(i)을 포함하는 서브트리에 대해서만 그렇게 할 필요가 있다.
이러한 서브트리를 특징화하는 또 다른 방법은 등급이 매겨진 항목(반드시 잎인)으로부터 관심 항목(i)까지의 임의의 경로가 임의의 다른 등급이 매겨진 항목을 포함하지 않는 것이다. 이러한 트리를 찾는 것은 어렵지 않다. 단지 i에 대응하는 노드로부터 시작하여 트리 검색을 행하고, 등급이 매겨진 노드와 마주치자마자 이 트리를 조사하는 것을 중단하기만 하면 된다. 이러한 서브트리를 
라고 표시하자. 이러한 절차의 끝에서, 정확히 검색된 조건부 확률을 찾았다. 단일 노드 대신 f로부터 가장 긴 체인(chain) 상에서 관찰되지 않은 노드들을 모두 제거하는 것과 같이, 이러한 알고리즘에 약간의 개선을 가져오는 것이 가능하다. 하지만 항목들의 개수에 있어서의 2차이고, 마크들(또는 등급들)의 개수에 있어서의 1차인 최악의 경우의 복잡성이 대충 동일하게 남게 된다.
반복할 때마다 하나 더 많은 잎에 관한 조건부 법칙을 찾으므로, 
인 
을 쓰는 것이 이치에 맞다. 
를 1로 초기화하고, 주 루프에서 현재 잎에 현재 법칙을 곱함으로써 계속해서 갱신을 하게 된다.
사용자 선호도(들)의 확률적 모델은 사용자들의 각 클러스트(I에서 설명된 기술에 따라 결정된)에 관해 결정될 수 있다.
CN:통신 네트워크 CE: 사용자 통신 장비
MM: 메모리 수단 CTS: 콘텐츠 서버
CM: 계산 모듈 D: 제어 디바이스
A1: 제 1 분석 모듈 A2: 제 2 분석 모듈
MM: 메모리 수단 CTS: 콘텐츠 서버
CM: 계산 모듈 D: 제어 디바이스
A1: 제 1 분석 모듈 A2: 제 2 분석 모듈
Claims (16)
- 콘텐츠를 저장할 수 있는 사용자들의 통신 장비(CE: communication equipment)가 결합되는 통신 네트워크에 연결된 네트워크 장비(CS)를 위한 제어 디바이스(D)로서,
ⅰ) 적어도 사용자 정보로부터의 집합체(collection)의 콘텐츠의 각각의 인기도를 결정하고, 적어도 그것의 결정된 콘텐츠 인기도로부터 상기 집합체의 각각의 콘텐츠에 대한 복사물의 개수를 결정하기 위해 배치된 제 1 분석 수단(A1), 및/또는
ⅱ) 콘텐츠 등급으로부터 사용자들의 콘텐츠 선호도(들)를 결정하기 위해 배치된 제 2 분석 수단(A2), 및
ⅲ) 상기 사용자들에 의해 이들 콘텐츠에 대한 액세스를 최적화하기 위해, 상기 결정된 콘텐츠 복사물 개수로부터 각각의 콘텐츠의 상기 복사물(들) 및/또는 상기 결정된 사용자의 콘텐츠 선호도를 저장하기 위한 위치(들)를 결정하기 위해 배치된 계산 수단(CM: computation means)을
포함하는 것을 특징으로 하는, 네트워크 장비를 위한 제어 디바이스. - 제 1항에 있어서,
상기 분석 수단(A1)은 사용자들에 의한 콘텐츠의 과거 사용, 사용자들에 의한 콘텐츠의 예측 사용(forecast use), 및 이전에 액세스된 콘텐츠에 관한 사용자들의 평가 중 적어도 하나를 포함하는 정보 그룹에서 선택된 사용자 정보로부터 콘텐츠 집합체의 각각의 인기도를 결정하기 위해 배치되는 것을 특징으로 하는, 네트워크 장비를 위한 제어 디바이스. - 제 2항에 있어서,
사용자의 콘텐츠의 과거 사용 및/또는 사용자의 이전에 액세스된 콘텐츠의 평가를 포함하는 사용자의 보고를 수신하기 위해 배치되는 것을 특징으로 하는, 네트워크 장비를 위한 제어 디바이스. - 제 1항 내지 제 3항 중 어느 한 항에 있어서,
상기 제 1 분석 수단(A1)은 또한 네트워크 토폴로지(topology)에 관한 추가 정보로부터의 콘텐츠의 집합체의 각각의 인기도를 결정하기 위해 배치되는 것을 특징으로 하는, 네트워크 장비를 위한 제어 디바이스. - 제 4항에 있어서,
상기 네트워크 토폴로지 정보는 적어도 상기 사용자 통신 장비(CE)의 통신 능력과 저장 능력에 관한 정보를 포함하는 것을 특징으로 하는, 네트워크 장비를 위한 제어 디바이스. - 제 1항 내지 제 5항 중 어느 한 항에 있어서,
상기 제 1 분석 수단(A1)은 결정된 콘텐츠 인기도로부터 상기 집합체의 각각의 콘텐츠에 대해 상기 사용자들로부터 예상되는 동시에 발생하는 콘텐츠 요청들의 개수를 결정하고, 동시에 발생하는 콘텐츠 요청들의 상기 결정된 개수와 상기 사용자 통신 장비(CE)의 통신 능력과 저장 능력으로부터 선택된 개수의 그룹으로의 상기 콘텐츠의 분할(partition)을 결정하기 위해 배치되는 것을 특징으로 하는, 네트워크 장비를 위한 제어 디바이스. - 제 6항에 있어서,
상기 제 1 분석 수단(A1)은, 적어도 하나의 선택된 사용자 그룹의 각 사용자의 통신 장비(CE)들로 저장되어야 하는 복사물을 갖는 콘텐츠를 포함하는 제 1 그룹, 적어도 하나의 선택된 사용자 그룹의 한 사용자의 통신 장비(CE)로 저장되어야 하는 복사물을 갖는 콘텐츠를 포함하는 제 2 그룹, 및 적어도 하나의 선택된 네트워크 장비(CTS)로 저장되어야 하는 복사물을 갖는 콘텐츠를 포함하는 제 3 그룹의 3개의 그룹으로의 상기 콘텐츠의 분할을 결정하기 위해 배치되는 것을 특징으로 하는, 네트워크 장비를 위한 제어 디바이스. - 제 1항 내지 제 5항 중 어느 한 항에 있어서,
상기 제 1 분석 수단(A1)은 상기 사용자 통신 장비(CE)의 통신 능력과 저장 능력으로부터, 그리고 상기 집합체의 상기 콘텐츠 각각에 대한 상기 사용자들로부터 예상되는 동시에 발생하는 콘텐츠 요청 개수의 평균값과 분산으로부터, 가변 개수의 그룹들로의 상기 콘텐츠의 분할을 결정하기 위해 배치되는 것을 특징으로 하는, 네트워크 장비를 위한 제어 디바이스. - 제 1항 내지 제 8항 중 어느 한 항에 있어서,
상기 제 2 분석 수단(A2)은 상기 사용자 콘텐츠 등급으로부터 클러스터(cluster)로의 상기 사용자들의 분할을 결정하고, 상기 클러스터들 각각에 대한 사용자 선호도(들)의 모델을 결정하며, 그것의 결정된 사용자 선호도 모델로부터 각 클러스터의 각 사용자에게 관심이 있을 것 같은 콘텐츠(들)를 결정하기 위해 배치되는 것을 특징으로 하는, 네트워크 장비를 위한 제어 디바이스. - 제 9항에 있어서,
상기 제 2 분석 수단(A2)은 최대 가능성 접근을 상기 사용자 콘텐츠 등급들에 적용함으로써, 각 클러스터의 상기 사용자 선호도 모델을 결정하기 위해 배치되는 것을 특징으로 하는, 네트워크 장비를 위한 제어 디바이스. - 제 10항에 있어서,
상기 제 2 분석 수단(A2)은 통계적 모델들의 부류로 각 클러스터의 각각의 사용자 선호도 모델을 결정하기 위해 배치되는 것을 특징으로 하는, 네트워크 장비를 위한 제어 디바이스. - 제 11항에 있어서,
통계적 모델들의 상기 부류는 "트리-구조의 마르코프 랜덤 필드들(tree-structured Markov random fields)"이라고 불리는 것을 특징으로 하는, 네트워크 장비를 위한 제어 디바이스. - 제 1항 내지 제 12항 중 어느 한 항에 있어서,
상기 계산 수단(CM)은 상기 사용자들 중 적어도 일부를 위해 저장될 권고안(recommendation) 시그널링(signaling) 콘텐츠(들)를 생성하고, 그것의 네트워크 장비(CS)로부터 대응하는 사용자들의 통신 장비들(CE)로의 상기 권고안들의 송신을 요구하기 위해 배치되는 것을 특징으로 하는, 네트워크 장비를 위한 제어 디바이스. - 제 1항 내지 제 13항 중 어느 한 항에 있어서,
상기 계산 수단(CM)은 그것의 네트워크 장비(CS)로부터 각 콘텐츠의 대응하는 결정된 위치들에서 각 콘텐츠의 복사물의 송신을 요구하기 위해 배치되는 것을 특징으로 하는, 네트워크 장비를 위한 제어 디바이스. - 콘텐츠를 저장할 수 있는 사용자들의 통신 장비들이 결합되는 통신 네트워크를 위한 네트워크 장비(CS)로서,
제 1항 내지 제 14항 중 어느 한 항에 따른 제어 디바이스(D)를 포함하는 것을 특징으로 하는, 통신 네트워크를 위한 네트워크 장비. - 통신 네트워크에 결합된 통신 장비(CE)를 포함하는 사용자들에 의한 콘텐츠로의 액세스를 최적화하기 위한 방법으로서,
- 적어도 사용자 정보로부터의 집합체의 콘텐츠 각각의 인기도를 결정하고, 적어도 결정된 콘텐츠 인기도로부터 상기 집합체의 각 콘텐츠에 대한 복사물의 개수를 결정하는 단계,
- 및/또는 콘텐츠 등급으로부터 사용자들의 콘텐츠 선호도(들)를 결정하는 단계, 및
- 상기 결정된 콘텐츠 복사물 개수들 및/또는 상기 결정된 사용자의 콘텐츠 선호도로부터 각 콘텐츠의 상기 복사물(들)을 저장하기 위한 위치(들)를 결정하는 단계를
포함하는 것을 특징으로 하는, 콘텐츠로의 액세스를 최적화하기 위한 방법.
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP07301657 | 2007-12-11 | ||
| EP07301657.8 | 2007-12-11 | ||
| EP08305196A EP2124441A1 (en) | 2008-05-23 | 2008-05-23 | Device and method for optimizing access to contents by users |
| EP08305196.1 | 2008-05-23 | ||
| PCT/EP2008/067080 WO2009074558A2 (en) | 2007-12-11 | 2008-12-09 | Device and method for optimizing access to contents by users |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20100095444A true KR20100095444A (ko) | 2010-08-30 |
| KR101665542B1 KR101665542B1 (ko) | 2016-10-12 |
Family
ID=40651148
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020107012807A KR101665542B1 (ko) | 2007-12-11 | 2008-12-09 | 사용자들에 의한 콘텐츠로의 액세스를 최적화하기 위한 디바이스 및 방법 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US9473743B2 (ko) |
| EP (1) | EP2229778A2 (ko) |
| JP (1) | JP5542688B2 (ko) |
| KR (1) | KR101665542B1 (ko) |
| CN (1) | CN101897184B (ko) |
| WO (1) | WO2009074558A2 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013073866A1 (ko) * | 2011-11-15 | 2013-05-23 | 삼성전자 주식회사 | 통신 시스템에서 캐쉬 메모리 관리 방법 및 장치 |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5640430B2 (ja) * | 2010-03-31 | 2014-12-17 | ソニー株式会社 | 画像配信管理サーバ及び画像配信管理システム |
| CN102136998B (zh) * | 2010-08-30 | 2014-06-04 | 华为技术有限公司 | 流量工程和服务器选择的联合优化方法、系统及相关设备 |
| US8635638B2 (en) * | 2010-09-24 | 2014-01-21 | Intel Corporation | Method of determining profiles for widget channel viewers |
| WO2012050913A1 (en) * | 2010-09-28 | 2012-04-19 | The Ohio State University | Predictive network system and method |
| CN102137141B (zh) | 2010-10-11 | 2014-01-01 | 华为技术有限公司 | 一种数据存储控制方法及数据存储控制装置 |
| US9037700B2 (en) * | 2011-04-29 | 2015-05-19 | International Business Machines Corporation | Predictive placement of content through network analysis |
| US9053067B2 (en) | 2011-09-30 | 2015-06-09 | International Business Machines Corporation | Distributed data scalable adaptive map-reduce framework |
| US9602208B2 (en) * | 2013-07-12 | 2017-03-21 | Broadcom Corporation | Content distribution system |
| US10237366B2 (en) | 2016-09-07 | 2019-03-19 | Nokia Of America Corporation | System and method for library compressed cache-aided coded multicast |
| US20190222668A1 (en) * | 2016-09-07 | 2019-07-18 | Nokia Of America Corporation | System and method for correlation-aware cache-aided coded multicast (ca-cacm) |
| CN108234180B (zh) * | 2016-12-21 | 2021-07-23 | 北京酷我科技有限公司 | 一种种子用户分配优化方法及系统 |
| US11860942B1 (en) * | 2017-05-15 | 2024-01-02 | Amazon Technologies, Inc. | Predictive loading and unloading of customer data in memory |
| CN110992708B (zh) * | 2019-12-20 | 2021-10-01 | 斑马网络技术有限公司 | 实时通行速度预测方法、装置及电子设备 |
| KR102323163B1 (ko) * | 2020-02-26 | 2021-11-08 | 한양대학교 산학협력단 | 무선 캐싱 기반 컨텐츠 제공 방법 및 장치 |
| CN111901425B (zh) * | 2020-07-28 | 2021-05-28 | 平安科技（深圳）有限公司 | 基于Pareto算法的CDN调度方法、装置、计算机设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060012633A (ko) * | 2003-05-19 | 2006-02-08 | 휴렛-팩커드 디벨롭먼트 컴퍼니, 엘 피 | 스트리밍 미디어를 위한 서비스 위치 관리 방법 |
| KR20060090139A (ko) * | 2005-02-07 | 2006-08-10 | 삼성전자주식회사 | 브로드캐스트 채널을 위한 사용 규칙 정보 생성 방법 |
| KR20070022335A (ko) * | 2004-06-28 | 2007-02-26 | 노키아 코포레이션 | 선호 정보 수집 |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6003030A (en) | 1995-06-07 | 1999-12-14 | Intervu, Inc. | System and method for optimized storage and retrieval of data on a distributed computer network |
| US6067565A (en) * | 1998-01-15 | 2000-05-23 | Microsoft Corporation | Technique for prefetching a web page of potential future interest in lieu of continuing a current information download |
| EP1110363A2 (en) | 1998-08-31 | 2001-06-27 | Adero, Inc. | Method and apparatus for load management on a computer network |
| US6466980B1 (en) | 1999-06-17 | 2002-10-15 | International Business Machines Corporation | System and method for capacity shaping in an internet environment |
| JP2003256310A (ja) | 2002-03-05 | 2003-09-12 | Nec Corp | サーバ負荷分散システム、サーバ負荷分散装置、コンテンツ管理装置、及びサーバ負荷分散プログラム |
| JP2004005309A (ja) | 2002-06-03 | 2004-01-08 | Matsushita Electric Ind Co Ltd | コンテンツ配信システムおよびそれに関する方法または記録媒体またはプログラム |
| GB2389479B (en) * | 2002-06-07 | 2005-12-28 | Hewlett Packard Co | Method of serving out video over a network of video servers |
| JP2005010970A (ja) | 2003-06-18 | 2005-01-13 | Hitachi Ltd | 分散キャッシュ制御方法、ネットワークシステムおよび当該ネットワークに用いられる制御サーバないしルータ |
| JP4586203B2 (ja) * | 2004-12-01 | 2010-11-24 | ブラザー工業株式会社 | データ共有システム、及び複製コンテンツデータ保存制御装置等 |
| US20080162685A1 (en) * | 2004-12-31 | 2008-07-03 | Emc Corporation | Information management architecture |
| JP4635682B2 (ja) * | 2005-03-29 | 2011-02-23 | ブラザー工業株式会社 | 情報処理装置、情報処理方法及び情報処理用プログラム |
| US20060271972A1 (en) * | 2005-05-31 | 2006-11-30 | Microsoft Corporation | Popularity-based on-demand media distribution |
| WO2007106185A2 (en) * | 2005-11-22 | 2007-09-20 | Mashlogic, Inc. | Personalized content control |
| US20070124781A1 (en) * | 2005-11-30 | 2007-05-31 | Qwest Communications International Inc. | Networked content storage |
| PL1972092T3 (pl) | 2006-01-09 | 2013-11-29 | Thomson Licensing | Sposób i system dystrybucji treści multimedialnej |
| US8549150B1 (en) * | 2007-03-30 | 2013-10-01 | Amazon Technologies, Inc. | Fractional redundant distribution of media content |
| EP2043329A1 (en) * | 2007-09-28 | 2009-04-01 | Alcatel Lucent | A media-on-demand network, and a method of storing a media asset in a streaming node of the network |
-
2008
- 2008-12-09 WO PCT/EP2008/067080 patent/WO2009074558A2/en active Application Filing
- 2008-12-09 EP EP08860025A patent/EP2229778A2/en not_active Ceased
- 2008-12-09 US US12/735,027 patent/US9473743B2/en not_active Expired - Fee Related
- 2008-12-09 KR KR1020107012807A patent/KR101665542B1/ko active IP Right Grant
- 2008-12-09 CN CN2008801201621A patent/CN101897184B/zh not_active Expired - Fee Related
- 2008-12-09 JP JP2010537415A patent/JP5542688B2/ja not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060012633A (ko) * | 2003-05-19 | 2006-02-08 | 휴렛-팩커드 디벨롭먼트 컴퍼니, 엘 피 | 스트리밍 미디어를 위한 서비스 위치 관리 방법 |
| KR20070022335A (ko) * | 2004-06-28 | 2007-02-26 | 노키아 코포레이션 | 선호 정보 수집 |
| KR20060090139A (ko) * | 2005-02-07 | 2006-08-10 | 삼성전자주식회사 | 브로드캐스트 채널을 위한 사용 규칙 정보 생성 방법 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013073866A1 (ko) * | 2011-11-15 | 2013-05-23 | 삼성전자 주식회사 | 통신 시스템에서 캐쉬 메모리 관리 방법 및 장치 |
| US9767033B2 (en) | 2011-11-15 | 2017-09-19 | Samsung Electronics Co., Ltd. | Method and apparatus for managing cache memory in communication system |
Also Published As
| Publication number | Publication date |
|---|---|
| JP5542688B2 (ja) | 2014-07-09 |
| JP2011507375A (ja) | 2011-03-03 |
| CN101897184A (zh) | 2010-11-24 |
| US9473743B2 (en) | 2016-10-18 |
| EP2229778A2 (en) | 2010-09-22 |
| CN101897184B (zh) | 2012-10-10 |
| US20100274760A1 (en) | 2010-10-28 |
| KR101665542B1 (ko) | 2016-10-12 |
| WO2009074558A2 (en) | 2009-06-18 |
| WO2009074558A3 (en) | 2009-08-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101665542B1 (ko) | 사용자들에 의한 콘텐츠로의 액세스를 최적화하기 위한 디바이스 및 방법 | |
| Zhong et al. | A deep reinforcement learning-based framework for content caching | |
| He et al. | QoE-driven content-centric caching with deep reinforcement learning in edge-enabled IoT | |
| US9942313B2 (en) | Method and apparatus for distributing media content | |
| US9582767B2 (en) | Media recommendation using internet media stream modeling | |
| US8799973B2 (en) | Methods and apparatus for selecting and pushing customized electronic media content | |
| US9479552B2 (en) | Recommender system for content delivery networks | |
| CN105915602B (zh) | 基于社区检测算法p2p网络的调度方法及其系统 | |
| CN111629052B (zh) | 基于mec的内容缓存方法、节点、设备及存储介质 | |
| Pan et al. | Multimodal meta-learning for cold-start sequential recommendation | |
| Charles et al. | Federated select: A primitive for communication-and memory-efficient federated learning | |
| CN113472420B (zh) | 一种基于区域用户兴趣感知的卫星网络缓存放置方法 | |
| Ma et al. | APRank: Joint mobility and preference-based mobile video prefetching | |
| Thouin et al. | Video-on-demand equipment allocation | |
| EP2124441A1 (en) | Device and method for optimizing access to contents by users | |
| US10893312B2 (en) | Digital content provision | |
| CN105868435A (zh) | 一种基于线性相关性分析实现光网络建设的高效控制方法 | |
| Khan et al. | Ultra-HD Video Streaming in 5G Fixed Wireless Access Bottlenecks. | |
| Taghizade Firouzjaee et al. | A novel user preference-aware content caching algorithm in mobile edge networks | |
| Wei et al. | Video personalization in resource-constrained multimedia environments | |
| CN115051996B (zh) | 一种多接入边缘计算下基于本地视频效用值的视频缓存管理方法 | |
| Peng et al. | Dynamic caching strategy for multi-bitrate videos based on popularity prediction | |
| Teng et al. | Rating prediction algorithm and recommendation based on user beahavior in IPTV | |
| CN114640861B (zh) | 一种基于视频流行度先验预测的边缘缓存优化方法 | |
| Lall et al. | Will They or Won't They?: Toward Effective Prediction of Watch Behavior for Time-Shifted Edge-Caching of Netflix Series Videos |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |