Deep Learning-Based View Count Prediction for Content Caching Services
Yongmoon Park, Yeongjin Kim · 한국통신학회논문지 · 2023
미디어 데이터의 소비가 늘어나면서 저지연 서비스를 위한 콘텐츠 캐싱 기술이 중요해지고 있다. 콘텐츠 캐싱의 효과를 극대화하기 위해서는 향후 높은 조회수를 가질 것으로 예상되는 콘텐츠를 찾을 수 있어야 한다. 하지만, 콘텐츠별 조회수는 시간대에 따라 변화하며 유행의 변화, 콘텐츠 간 상관관계 등과 복잡하게 얽혀있기 때문에 정확한 예측이 쉽지 않다. 본 연구에서는 향후 콘텐츠들의 조회수를 높은 정확도로 예측하기 위한 딥러닝 기반의 학습 기법을 제안한다. 특히, 학습모델 전후에 데이터 매핑/역매핑 방법을 새롭게 제안하여, 학습모델이 콘텐츠 조회수의 크기를 제외한 트렌드 학습에 집중할 수 있게 한다. 또한, 1DCNN-LSTM-Dense 계층 기반의 딥러닝 모델을 제안하여 다중 속성 데이터 간의 상관관계, 시간 축에서의 데이터의 상관관계를 학습할 수 있도록 한다. YouTube 데이터셋에 기반하여 제안 학습 기법과 기존에 제안되었던 다양한 휴리스틱 알고리즘, 정규화 기법, 데이터 매핑 기법 등과 성능을 비교 평가한다. 평가 결과, 제안 학습 기법은 어떠한 미래 정보를 사전에 필요로 하지 않으면서도 가장 높은 캐싱 정답률을 달성하는 것을 확인한다.