| 1 |
1
컨텐츠 제공이 필요한 적어도 하나 이상의 사용자 단말; 상기 하나 이상의 사용자 단말의 컨텐츠 요청 정보를 기반으로 컨텐츠 특성 정보에 따라 1차 클러스터링하고, 상기 컨텐츠의 사용 로그를 분석하여 사용자별 요청 컨텐츠의 반복도 및 다양성에 따라 2차 클러스터링하여 캐시(Cache)에 저장하는 MEC(Multi-access Edge Computing) 서버;상기 MEC 서버를 적어도 하나 이상으로 관리하는 기지국; 및다양한 컨텐츠를 보유하고 있으며, 상기 기지국으로부터 요청받은 컨텐츠를 제공하는 데이터 센터를 포함하고, 상기 MEC 서버는, 상기 사용자 단말로부터 요청받은 컨텐츠가 상기 캐시에 없는 경우, 협동(Cooperative) MEC 환경으로 확장하여 상기 기지국을 통하여 상기 사용자 단말로부터 요청받은 컨텐츠를 보유하고 있는 MEC 서버로부터 전송받아 상기 사용자 단말에 제공하는, 사용자 유사도 기반 컨텐츠 분배 시스템
|
| 2 |
2
제 1 항에 있어서,상기 컨텐츠 특성 정보는, 상기 컨텐츠의 제작년도 및 상기 컨텐츠의 장르를 포함하는, 사용자 유사도 기반 컨텐츠 분배 시스템
|
| 3 |
3
제 2 항에 있어서,상기 MEC 서버는, 상기 컨텐츠의 장르에 대한 코사인 유사도(Cosine similarity) 연산을 통해 컨텐츠 간 유사도를 계산하고, 컨텐츠 간 유사도를 활용한 구상(Spherical) K-평균 클러스터링(k-means clustering)을 통하여 컨텐츠 클러스터링을 수행하고, 상기 컨텐츠 클러스터링의 결과를 활용한 컨텐츠 요청 다양성 및 반복도를 이용하여 사용자 클러스터링을 수행하고, 상기 컨텐츠 클러스터링 및 상기 사용자 클러스터링에 근거하여 상기 사용자 단말이 요청하는 컨텐츠에 대한 컨텐츠 소비 패턴을 분석하는, 사용자 유사도 기반 컨텐츠 분배 시스템
|
| 4 |
4
제 3 항에 있어서,상기 MEC 서버는, 상기 사용자 클러스터링에 대하여 하이라키컬 클러스터링(Hierarchical Clustering)을 수행하는, 사용자 유사도 기반 컨텐츠 분배 시스템
|
| 5 |
5
제 4 항에 있어서,상기 하이라키컬 클러스터링은, 상기 컨텐츠 클러스터링 및 상기 사용자 클러스터링에 따라 생성된 각 클러스터의 크기에 비례하도록 상기 캐시를 분할하여 각 클러스터에 분배하는, 사용자 유사도 기반 컨텐츠 분배 시스템
|
| 6 |
6
제 5 항에 있어서,상기 하이라키컬 클러스터링은, 상기 MEC 서버를 이용하는 모든 사용자 단말의 요청 컨텐츠에 대한 클러스터 종류, 요청 반복도에 대한 값을 가지고 있는 하나의 클러스터로 지정되고, 각각의 클러스터가 가지고 있는 요청 컨텐츠에 대한 클러스터 종류, 요청 반복도 값에 대한 거리 계산을 통해 가장 가까운 두 개의 클러스터가 병합되는 과정을 반복하며, Minimax 방법을 통해 결정된 최적 군집의 수가 되면 클러스터 병합을 중지하며, 이러한 과정을 거쳐 최종 클러스터의 개수, 각 클러스터에 속한 사용자의 수가 정해지는, 사용자 유사도 기반 컨텐츠 분배 시스템
|
| 7 |
7
제 3 항에 있어서,상기 MEC 서버는, 상기 컨텐츠 클러스터링 및 상기 사용자 클러스터링에 근거하여 상기 사용자 단말이 요청하는 컨텐츠에 대한 컨텐츠 소비 패턴을 분석한 결과, 소비 패턴이 유사하다고 판단되는 사용자 그룹을 사용자 유사도가 높은 그룹으로 설정하는, 사용자 유사도 기반 컨텐츠 분배 시스템
|
| 8 |
8
삭제
|
| 9 |
9
삭제
|
| 10 |
10
제 1 항에 있어서,상기 기지국은, 상기 사용자 단말로부터 요청받은 컨텐츠가 상기 협동 MEC 환경에 있는 다른 MEC 서버들에도 없는 경우에 상기 데이터 센터로 요청하여, 상기 데이터 센터로부터 상기 사용자 단말로부터 요청받은 컨텐츠를 전송받아 상기 MEC 서버를 통해 상기 사용자 단말로 제공하는, 사용자 유사도 기반 컨텐츠 분배 시스템
|
| 11 |
11
적어도 하나 이상의 사용자 단말; 캐시가 구비된 MEC 서버; 하나 이상의 MEC 서버를 관리하는 기지국; 및 다양한 컨텐츠를 제공하는 데이터 센터를 포함하는 시스템의 사용자 유사도 기반 컨텐츠 분배 방법으로서,(a) 상기 MEC 서버가, 컨텐츠 장르 및 제작 년도에 따라 1차 컨텐츠 클러스터링을 수행하는 단계;(b) 상기 MEC 서버가, 상기 하나 이상의 사용자 단말의 컨텐츠 요청에 따른 반복성 및 다양성을 계산하는 단계;(c) 상기 MEC 서버가, 상기 계산된 반복성 및 다양성을 기반으로 사용자 유사도를 계산하는 단계;(d) 상기 MEC 서버가, 상기 계산된 사용자 유사도를 기반으로 2차 사용자 클러스터링을 수행하는 단계;(e) 상기 MEC 서버가, 클러스터의 사용자들 수에 비례하게 각 클러스터의 크기를 설정하고, 캐시를 해당 영역의 사용자 클러스터들의 수로 분할하는 단계;(f) 상기 MEC 서버가, 상기 해당 영역에 있는 상기 사용자 단말로부터 컨텐츠 요청을 수신하는 단계;(g) 상기 MEC 서버가, 상기 요청된 컨텐츠가 상기 캐시의 클러스터에 있는 경우, 상기 캐시 내에서 우선순위를 랭크하고 상기 사용자 단말로 제공하는 단계;(h) 상기 MEC 서버가, 요청된 컨텐츠와 제공된 컨텐츠 간의 불일치율(mismatch rate)을 계산하는 단계;(i) 상기 MEC 서버가, 상기 불일치율이 제한(Limit) 값 이상인 경우 상기 1차 컨텐츠 클러스터링을 다시 수행하는 단계; 및(j) 상기 MEC 서버가, 상기 요청된 컨텐츠가 협동 MEC 캐시에도 없는 경우 협동(Cooperative) MEC 환경으로 확장하여 상기 기지국을 통하여 상기 사용자 단말로부터 요청받은 컨텐츠를 보유하고 있는 MEC 서버로부터 전송받아 상기 사용자 단말에 제공하는 단계;를 포함하는 사용자 유사도 기반 컨텐츠 분배 방법
|
| 12 |
12
제 11 항에 있어서,상기 (a) 단계에서 상기 MEC 서버는, 상기 컨텐츠 장르에 대한 코사인 유사도(Cosine similarity) 연산을 통해 컨텐츠 간 유사도를 계산하고, 컨텐츠 간 유사도를 활용한 구상(Spherical) K-평균 클러스터링(k-means clustering)을 통하여 상기 1차 컨텐츠 클러스터링을 수행하고, 상기 (d) 단계에서 상기 MEC 서버는, 상기 1차 컨텐츠 클러스터링의 결과를 활용한 컨텐츠 요청 다양성 및 반복도를 이용하여 2차 사용자 클러스터링을 수행하는, 사용자 유사도 기반 컨텐츠 분배 방법
|
| 13 |
13
제 11 항에 있어서,상기 (e) 단계에서 상기 MEC 서버는, 각 클러스터에 들어있는 컨텐츠의 크기에 비례하게 가변적으로 캐시의 크기를 할당하여 상기 캐시를 분할하는, 사용자 유사도 기반 컨텐츠 분배 방법
|
| 14 |
14
제 11 항에 있어서,상기 (e) 단계에서 상기 MEC 서버는, 각각의 클러스터가 가지고 있는 요청 컨텐츠에 대한 클러스터 종류, 요청 반복도 값에 대한 거리 계산을 통해 가장 가까운 두 개의 클러스터를 병합하는 과정을 반복하며, Minimax 방법을 통해 클러스터의 개수를 결정하는, 사용자 유사도 기반 컨텐츠 분배 방법
|
| 15 |
15
제 11 항에 있어서,상기 (j) 단계에서 상기 MEC 서버는, 상기 요청된 컨텐츠에 대한 상기 캐시 내 우선순위를 랭크하고 상기 사용자 단말로 제공하는, 사용자 유사도 기반 컨텐츠 분배 방법
|
