論文の概要: DeepCP: Deep Learning Driven Cascade Prediction Based Autonomous Content
Placement in Closed Social Network
- arxiv url: http://arxiv.org/abs/2003.03971v1
- Date: Mon, 9 Mar 2020 08:52:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-25 09:37:31.825794
- Title: DeepCP: Deep Learning Driven Cascade Prediction Based Autonomous Content
Placement in Closed Social Network
- Title（参考訳）: DeepCP: 閉鎖型ソーシャルネットワークにおけるディープラーニング駆動カスケード予測に基づく自律的コンテンツ配置
- Authors: Qiong Wu and Muhong Wu and Xu Chen and Zhi Zhou and Kaiwen He and
Liang Chen
- Abstract要約: オンラインソーシャルネットワーク(OSN)は、コンテンツカスケード拡散の主流プラットフォームとして最も人気がある。
本稿では,データ駆動型総合的深層学習フレームワークであるDeepCPを提案する。
WeChat Momentにおけるカスケード拡散トレースを用いた広範囲な実験を行った。
- 参考スコア（独自算出の注目度）: 22.37673245574061
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Online social networks (OSNs) are emerging as the most popular mainstream
platform for content cascade diffusion. In order to provide satisfactory
quality of experience (QoE) for users in OSNs, much research dedicates to
proactive content placement by using the propagation pattern, user's personal
profiles and social relationships in open social network scenarios (e.g.,
Twitter and Weibo). In this paper, we take a new direction of popularity-aware
content placement in a closed social network (e.g., WeChat Moment) where user's
privacy is highly enhanced. We propose a novel data-driven holistic deep
learning framework, namely DeepCP, for joint diffusion-aware cascade prediction
and autonomous content placement without utilizing users' personal and social
information. We first devise a time-window LSTM model for content popularity
prediction and cascade geo-distribution estimation. Accordingly, we further
propose a novel autonomous content placement mechanism CP-GAN which adopts the
generative adversarial network (GAN) for agile placement decision making to
reduce the content access latency and enhance users' QoE. We conduct extensive
experiments using cascade diffusion traces in WeChat Moment (WM). Evaluation
results corroborate that the proposed DeepCP framework can predict the content
popularity with a high accuracy, generate efficient placement decision in a
real-time manner, and achieve significant content access latency reduction over
existing schemes.
- Abstract（参考訳）: オンラインソーシャルネットワーク(OSN)は、コンテンツカスケード拡散の主流プラットフォームとして最も人気がある。
osnsのユーザに対してqoe(quality of experience)を提供するため、オープンなソーシャルネットワークシナリオ(例えばtwitterやweibo)において、伝播パターン、個人のプロフィール、社会的関係を用いて、積極的なコンテンツ配置に多くの研究が費やされている。
本稿では,ユーザのプライバシーが高度に向上した閉鎖型ソーシャルネットワーク(WeChat Momentなど)における人気コンテンツ配置の新たな方向性について述べる。
本稿では,ユーザの個人情報やソーシャル情報を活用することなく,共用拡散認識型カスケード予測と自律コンテンツ配置のための,データ駆動型総合的ディープラーニングフレームワークであるDeepCPを提案する。
まず,コンテンツ人気予測とカスケード地理分布推定のための時間ウィンドウLSTMモデルを考案する。
そこで本研究では, コンテンツアクセス遅延を低減し, ユーザのQoEを向上させるために, GAN(Generative Adversarial Network)をアジャイル配置決定に適用した, 新規なコンテンツ配置機構CP-GANを提案する。
WeChat Moment (WM) におけるカスケード拡散トレースを用いた広範囲な実験を行った。
評価結果は,提案するDeepCPフレームワークがコンテンツ人気を高い精度で予測し,効率的な配置決定をリアルタイムに生成し,既存の方式よりもコンテンツアクセス遅延を大幅に低減できることを示す。
関連論文リスト
- Unveiling User Satisfaction and Creator Productivity Trade-Offs in Recommendation Platforms [68.51708490104687]
調査力の低い純粋に関連性の高い政策は、短期的ユーザの満足度を高めるが、コンテンツプールの長期的豊かさを損なうことを示す。
調査の結果,プラットフォーム上でのユーザの即時満足度と全体のコンテンツ生産との間には,根本的なトレードオフがあることが判明した。
論文 参考訳（メタデータ） (2024-10-31T07:19:22Z) - Cooperative Edge Caching Based on Elastic Federated and Multi-Agent Deep Reinforcement Learning in Next-Generation Network [24.731109535151568]
エッジキャッシュは、小型セルベースステーション(SBS)におけるキャッシュユニットの強化により、次世代ネットワークにとって有望なソリューションである
SBSは,ユーザの個人情報を保護しながら,学習を通じて正確な人気コンテンツを予測することが重要である。
従来のフェデレーション学習(FL)はユーザのプライバシを保護することができるが、UE間のデータ格差はモデル品質の低下につながる。
ネットワークのコストを最適化するために, 弾性フェデレーションとマルチエージェント深部強化学習(CEFMR)に基づく協調エッジキャッシュ方式を提案する。
論文 参考訳（メタデータ） (2024-01-18T10:59:18Z) - CLSA: Contrastive Learning-based Survival Analysis for Popularity
Prediction in MEC Networks [36.01752474571776]
ディープニューラルネットワーク(DNN)と統合されたモバイルエッジキャッシング(MEC)は、将来の次世代無線ネットワークにとって大きな可能性を秘めている革新的な技術である。
MECネットワークの有効性は、最も人気のあるコンテンツでキャッシュノードのストレージを予測し、動的に更新する能力に大きく依存している。
有効にするためには、DNNベースの人気予測モデルには、コンテンツの歴史的要求パターンを理解する能力が必要である。
論文 参考訳（メタデータ） (2023-03-21T15:57:46Z) - Cross-Network Social User Embedding with Hybrid Differential Privacy
Guarantees [81.6471440778355]
プライバシー保護方式でユーザを包括的に表現するために,ネットワーク横断型ソーシャルユーザ埋め込みフレームワークDP-CroSUEを提案する。
特に、各異種ソーシャルネットワークに対して、異種データ型に対するプライバシー期待の変化を捉えるために、まずハイブリッドな差分プライバシーの概念を導入する。
ユーザ埋め込みをさらに強化するため、新しいネットワーク間GCN埋め込みモデルは、それらの整列したユーザを介して、ネットワーク間で知識を伝達するように設計されている。
論文 参考訳（メタデータ） (2022-09-04T06:22:37Z) - Content Popularity Prediction in Fog-RANs: A Clustered Federated
Learning Based Approach [66.31587753595291]
本稿では,ローカルユーザとモバイルユーザの両面からコンテンツの人気度を統合した,モビリティに配慮した新しい人気予測ポリシーを提案する。
ローカルユーザにとって、コンテンツの人気は、ローカルユーザやコンテンツの隠された表現を学習することによって予測される。
モバイルユーザーにとって、コンテンツの人気はユーザー好みの学習によって予測される。
論文 参考訳（メタデータ） (2022-06-13T03:34:00Z) - Preference Enhanced Social Influence Modeling for Network-Aware Cascade
Prediction [59.221668173521884]
本稿では,ユーザの嗜好モデルを強化することで,カスケードサイズ予測を促進する新しいフレームワークを提案する。
エンド・ツー・エンドの手法により,ユーザの情報拡散プロセスがより適応的で正確になる。
論文 参考訳（メタデータ） (2022-04-18T09:25:06Z) - Federated Social Recommendation with Graph Neural Network [69.36135187771929]
本稿では,ソーシャル情報とユーザ・イテムの相互作用を融合させることにより,ソーシャル・レコメンデーションの問題であるソーシャル・リコメンデーションの緩和を提案する。
我々は textbfGraph Neural Network (FeSoG) を用いた textbfFedrated textbfSocial 推薦フレームワークを考案した。
論文 参考訳（メタデータ） (2021-11-21T09:41:39Z) - CSRN: Collaborative Sequential Recommendation Networks for News
Retrieval [26.852710435482997]
ニュースアプリが紙ベースのメディアの人気を引き継ぎ、パーソナライゼーションの絶好の機会となった。
リカレントニューラルネットワーク(RNN)ベースのシーケンシャルレコメンデーションは、ユーザの最近のブラウジング履歴を利用して将来のアイテムを予測する一般的なアプローチである。
本稿では、RNNに基づくシーケンシャルレコメンデーションとUserCFのキーアイデアを統合するためのディープニューラルネットワークのフレームワークを提案する。
論文 参考訳（メタデータ） (2020-04-07T13:25:21Z) - DiffNet++: A Neural Influence and Interest Diffusion Network for Social
Recommendation [50.08581302050378]
ソーシャルレコメンデーションは、ユーザの未知の嗜好を予測するために、ユーザ間のソーシャルコネクションを活用するために現れている。
ソーシャルレコメンデーションのための神経影響拡散ネットワーク(DiffNet)の予備研究を提案する(Diffnet)。
本稿では,Diffnetの改良アルゴリズムであるDiffNet++を提案する。
論文 参考訳（メタデータ） (2020-01-15T08:45:34Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。