講演抄録/キーワード |
講演名 |
2023-03-02 10:00
深層学習による予測需要を用いたD2Dキャッシュ制御方式の性能評価 ○常清睦与(福岡大)・上山憲昭(立命館大) NS2022-175 |
抄録 |
(和) |
移動端末で動画を視聴する形態が一般化したことで,セルラネットワーク(CN: cellular network)のバックホールのトラヒック負荷の急激な増大が懸念されている.バックホールの負荷を低減するため,基地局に設けられたキャッシュから動画コンテンツを配信するモバイルエッジコンピューティングが注目されているが,さらに負荷を軽減する方式として,移動端末(MT: mobile terminal)でコンテンツをキャッシュしてD2D(device-to-device)通信で配信することが有効である.しかしMTのキャッシュ容量は有限であるためMTの移動経路上で高い需要が見込めるコンテンツを優先的にキャッシュすることが有効である.そこで筆者らは,深層学習を用いたコンテンツの需要推定をD2Dキャッシュ配信に応用し,深層学習のアルゴリズムの一つである長短期記憶(LSTM: long short-term memory)ニューラルネットワークを用いて,移動経路上の他のMTが要求する可能性の高いコンテンツを推測し,MT にキャッシュするコンテンツを選択する方式を提案した.そして著名映画10タイトルに関するキーワード検索回数を視聴回数とみなして作成した時系列データを用いて,提案方式の需要推定部分の有効性と学習モデルの汎用性を確認した.そして移動前に予測値を用いてキャッシュを作成したときの,移動後のキャッシュヒット率を評価し,LRUと比較して提案方式はキャッシュヒット率を向上させることを確認した.本稿では,より現実的な状況を反映するため,シミュレーションに用いるコンテンツの人気の偏りを考慮し,コンテンツ数を増加させた時のキャッシュヒット率を評価する.そして提案方式の有効性を確認する. |
(英) |
As video viewing on mobile terminals becomes more common, there is concern that the backhaul traffic load on cellular networks (CN) will increase dramatically. To reduce the backhaul load, mobile edge computing, which distributes video content from a cache at the base station, has been attracting attention, but another effective method to further reduce the load is to cache the content at the mobile terminal and distribute it via D2D(device-to-device)communication. However, since the cache capacity of the MT is limited, it is effective to preferentially cache content that is expected to be in high demand along the MT's route of travel.
Therefore, we proposed content demand estimation using deep learning to D2D cache delivery. We proposed a method to select contents to be cached on MTs by estimating contents that were likely to be demanded by other MTs on the travel route using a long-short term memory (LSTM) neural network, which was one of the algorithms of deep learning.
First, we generated time-series data based on the number of keyword searches (number of viewings) for 10 well-known movie titles to confirm the effectiveness of the demand estimation part of the proposed method and the generality of the learning model. Next, a cache was created by making delivery requests based on the pre-movement demand distribution using the predicted values, and the hit rate with the content in the cache was calculated when delivery requests were made based on the post-movement demand distribution. Then, we compared the total number of requests per content measured and predicted for California (CA) and New York (NY) in the U.S. with the cache hit rate of LRU and the proposed method, and we confirmed that high-demand content can be predicted at the destination where the MT moved. In this paper, to reflect more realistic environment, the cache hit rate is evaluated with and without considering the popularity bias of the content used in the simulation, and when the number of content is increased. The effectiveness of the proposed method is confirmed. |
キーワード |
(和) |
D2D / LSTM / キャッシュ / / / / / |
(英) |
D2D / LSTM / cache / / / / / |
文献情報 |
信学技報, vol. 122, no. 406, NS2022-175, pp. 47-52, 2023年3月. |
資料番号 |
NS2022-175 |
発行日 |
2023-02-23 (NS) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
NS2022-175 |
研究会情報 |
研究会 |
IN NS |
開催期間 |
2023-03-02 - 2023-03-03 |
開催地(和) |
沖縄コンベンションセンター + オンライン開催 |
開催地(英) |
Okinawa Convention Centre + Online |
テーマ(和) |
一般 |
テーマ(英) |
General |
講演論文情報の詳細 |
申込み研究会 |
NS |
会議コード |
2023-03-IN-NS |
本文の言語 |
日本語 |
タイトル(和) |
深層学習による予測需要を用いたD2Dキャッシュ制御方式の性能評価 |
サブタイトル(和) |
|
タイトル(英) |
Performance Evaluation of D2D Caching Method Using LSTM |
サブタイトル(英) |
|
キーワード(1)(和/英) |
D2D / D2D |
キーワード(2)(和/英) |
LSTM / LSTM |
キーワード(3)(和/英) |
キャッシュ / cache |
キーワード(4)(和/英) |
/ |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
常清 睦与 / Makoto Tsunekiyo / ツネキヨ マコト |
第1著者 所属(和/英) |
福岡大学 (略称: 福岡大)
Fukuoka University (略称: Fukuoka Univ.) |
第2著者 氏名(和/英/ヨミ) |
上山 憲昭 / Noriaki Kamiyama / カミヤマ ノリアキ |
第2著者 所属(和/英) |
立命館大学 (略称: 立命館大)
Ritsumeikan University (略称: Ritsumeikan Univ.) |
第3著者 氏名(和/英/ヨミ) |
/ / |
第3著者 所属(和/英) |
(略称: )
(略称: ) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2023-03-02 10:00:00 |
発表時間 |
20分 |
申込先研究会 |
NS |
資料番号 |
NS2022-175 |
巻番号(vol) |
vol.122 |
号番号(no) |
no.406 |
ページ範囲 |
pp.47-52 |
ページ数 |
6 |
発行日 |
2023-02-23 (NS) |
|