| 1 |
1
컨텐츠 제공이 필요한 객체; 및할당된 영역 내의 상기 객체로부터 상기 컨텐츠가 요청될 확률과 상기 컨텐츠의 예측 등급(rating)을 포함하는 제1 예측값에 기반하여 캐싱 컨텐츠를 결정하고, 상기 결정된 캐싱 컨텐츠를 컨텐츠 공급자로부터 다운로드하여 캐싱하는 MEC(Multi-access Edge Computing) 서버를 포함하고,상기 객체는상기 제1 예측값 및 상기 객체의 사용자의 특성에 대한 예측값인 제2 예측값에 대하여 k-means 알고리즘 및 바이너리 분류(binary classification)를 적용하여 상기 캐싱 컨텐츠 중에서 추천 컨텐츠를 식별 및 추천하는 추천 모듈; 및상기 객체의 이동 경로 상에 이용가능한 MEC 서버를 조회하고, 상기 이용가능한 MEC 서버 중에서 상기 추천 컨텐츠를 다운로드할 최적의 MEC 서버를 선택하고, 상기 최적의 MEC 서버로부터 상기 추천 컨텐츠를 다운로드하여 캐싱하는 딥러닝 기반 캐싱 모듈을 포함하는 캐싱 시스템
|
| 2 |
2
제1항에 있어서,컨텐츠 뷰어에 대한 데이터셋을 수집하고, 상기 데이터셋을 입력으로 하는 MLP(Multi-Layer Perceptron)를 이용하여 상기 제1 예측값을 생성하고, 상기 생성된 제1 예측값을 상기 MEC 서버에 전달하는 데이터 센터를 더 포함하는 캐싱 시스템
|
| 3 |
3
제2항에 있어서,상기 MEC 서버는상기 데이터 센터로부터 상기 제1 예측값을 다운로드하는 예측 수집 모듈;상기 컨텐츠 중에서 상기 제1 예측값이 기 설정된 임계값 이상인 컨텐츠를 캐싱 컨텐츠로 결정하고, 상기 결정된 캐싱 컨텐츠를 컨텐츠 공급자로부터 다운로드하여 캐싱하는 위치기반 캐싱 모듈; 및상기 캐싱 컨텐츠를 저장하는 MEC 캐싱 저장 모듈을 포함하는 캐싱 시스템
|
| 4 |
4
제3항에 있어서,상기 위치기반 캐싱 모듈은 상기 MEC 캐싱 저장 모듈의 저장 공간이 가득 찬 경우, 상기 MEC 캐싱 저장 모듈에 기 저장된 컨텐츠에 대한 제1 예측값과 상기 캐싱 컨텐츠에 대한 제1 예측값을 비교하고, 상기 캐싱 컨텐츠에 대한 제1 예측값이 상기 MEC 캐싱 저장 모듈에 기 저장된 컨텐츠에 대한 제1 예측값 이상인 경우 상기 기 저장된 컨텐츠를 상기 캐싱 컨텐츠로 대체하는 캐싱 시스템
|
| 5 |
5
제1항에 있어서,상기 객체는상기 객체의 위치에 기반하여 상기 객체로부터 가장 가까운 거리에 위치한 MEC 서버로부터 상기 제1 예측값을 다운받는 객체 예측 수집 모듈;CNN(Convolutional Neural Network)을 이용하여 상기 제2 예측값을 생성하는 프로파일링 모듈; 및상기 추천 컨텐츠를 저장하는 객체 캐싱 저장 모듈을 더 포함하는 캐싱 시스템
|
| 6 |
6
제5항에 있어서,상기 추천 모듈은 상기 제1 예측값에 대하여 k-means 알고리즘을 적용하여 컨텐츠 뷰어를 나이별로 그룹핑하여 제1 뷰어 그룹을 생성하고, 상기 제1 예측값에 대하여 바이너리 분류를 적용하여 상기 제1 뷰어 그룹 내에 속한 컨텐츠 뷰어를 성별로 그룹핑하여 제2 뷰어 그룹을 생성하고, 상기 제1 예측값에 대하여 k-means 알고리즘을 적용하여 상기 제2 뷰어 그룹 내에 속한 컨텐츠 뷰어가 이용하는 컨텐츠를 컨텐츠 타입별로 그룹핑하여 컨텐츠 타입 그룹을 생성하는 캐싱 시스템
|
| 7 |
7
제6항에 있어서,상기 추천 모듈은 상기 제2 예측값에 대하여 k-means 알고리즘을 적용하여 상기 사용자를 나이별로 그룹핑하여 제1 사용자 그룹을 생성하고, 상기 제2 예측값에 대하여 바이너리 분류를 적용하여 상기 제1 사용자 그룹 내에 속한 사용자를 성별로 그룹핑하여 제2 사용자 그룹을 생성하고, 상기 제2 예측값에 대하여 k-means 알고리즘을 적용하여 상기 제2 사용자 그룹 내에 속한 사용자를 감정(emotion)별로 그룹핑하여 제3 사용자 그룹을 생성하고,상기 제1 뷰어 그룹 및 상기 제2 뷰어 그룹과 상기 제1 사용자 그룹 및 제2 사용자 그룹을 각각 매칭하고, 나이, 성별 및 감정에 기반하여 상기 추천 컨텐츠를 식별 및 추천하는 캐싱 시스템
|
| 8 |
8
제5항에 있어서,상기 딥러닝 기반 캐싱 모듈은 상기 객체가 상기 MEC 서버의 영역에 도착하는데 걸리는 시간, 상기 MEC 서버의 영역을 빠져나가는데 걸리는 시간 및 상기 추천 컨텐츠를 다운로드하는데 필요한 시간을 계산하고, 상기 객체가 상기 MEC 서버의 영역에 도착하는데 걸리는 시간, 상기 MEC 서버의 영역을 빠져나가는데 걸리는 시간 및 상기 추천 컨텐츠를 다운로드하는데 필요한 시간을 이용하여 상기 최적의 MEC 서버를 선택하는 캐싱 시스템
|
| 9 |
9
제8항에 있어서,상기 딥러닝 기반 캐싱 모듈은 상기 객체 캐싱 저장 모듈이 가득 찬 경우, 상기 객체 캐싱 저장 모듈에 기 저장된 컨텐츠에 대한 제1 예측값과 상기 추천 컨텐츠에 대한 제1 예측값을 비교하고, 상기 추천 컨텐츠에 대한 제1 예측값이 상기 객체 캐싱 저장 모듈에 기 저장된 컨텐츠에 대한 제1 예측값 이상인 경우 상기 기 저장된 컨텐츠를 상기 추천 컨텐츠로 대체하는 캐싱 시스템
|
| 10 |
10
캐싱 시스템에 의해 수행되는 캐싱 방법으로서,할당된 영역 내의 객체로부터 컨텐츠가 요청될 확률과 상기 컨텐츠의 예측 등급(rating)을 포함하는 제1 예측값에 기반하여 캐싱 컨텐츠를 결정하는 단계;상기 결정된 캐싱 컨텐츠를 컨텐츠 공급자로부터 다운로드하여 캐싱하는 단계;상기 제1 예측값 및 상기 객체의 사용자의 특성에 대한 예측값인 제2 예측값에 대하여 k-means 알고리즘 및 바이너리 분류(binary classification)를 적용하여 상기 캐싱 컨텐츠 중에서 추천 컨텐츠를 식별 및 추천하는 단계;상기 객체의 이동 경로 상에 이용가능한 MEC 서버를 조회하고, 상기 이용가능한 MEC 서버 중에서 상기 추천 컨텐츠를 다운로드할 최적의 MEC 서버를 선택하는 단계; 및상기 최적의 MEC 서버로부터 상기 추천 컨텐츠를 다운로드하여 캐싱하는 단계를 포함하는 캐싱 방법
|
| 11 |
11
제10항에 있어서,상기 캐싱 컨텐츠를 결정하는 단계 이전에컨텐츠 뷰어에 대한 데이터셋을 수집하는 단계;상기 데이터셋을 입력으로 하는 MLP(Multi-Layer Perceptron)를 이용하여 상기 제1 예측값을 생성하는 단계; 및상기 생성된 제1 예측값을 상기 MEC 서버에 전달하는 단계를 더 포함하는 캐싱 방법
|
