1

PROACTIVE CACHING OF ONLINE VIDEO BY MINING MAINSTREAM

MEDIA出處： 2013 IEEE International Conference on Multimedia

and Expo (ICME)作者： Alex Lobzhanidze and Wenjun Zeng

講者：陳彥賓

2

Outline1. Introduction2. Method 3. Performance Evaluation4. Conclusion

3

1. Introduction隨著行動設備和網際網路的發展，人們使用網路瀏覽影片的比例大幅增加。根據全球行動寬頻流量報告，所有網路流量中 42%來自於影片串流，而最大的影片瀏覽網站又佔了其中 57%的流量。

使用者上傳影片的數量龐大，需要大量的儲存空間和網路資源，為影片建立緩存是減少影片伺服器和使用者終端之間延遲時間的一個有效方式。

4

1. Introduction

如何更有效的緩存1. What to cache2. When to cache3. Where to cache

5

1. Introduction跨平台主動緩存架構

6

2. Method熱門趨勢檢測

LDA(Latent Dirichlet Allocation)主題模型

7

2. Method影片查詢關鍵字的選擇

frequent pattern mining 頻繁樣式的探勘 Apriori 演算法：一種挖掘關聯規則的頻繁樣式演算法，過程分為兩個步驟：第一步通過反覆運算，檢索出交易資料庫中的所有頻繁項集，即支持度不低於設定的閾值的項集；第二步利用頻繁項集構造出滿足使用者最小信任度的規則。

8

2. Method緩存影片的選擇

本論文以 Youtube作為緩存候選的例子：一但關鍵字被選中進行查詢，會從搜索結果選中前 5名的影片。然後透過信譽系統來重新排列這 5個影片

其中 Ri為頻道 i的信譽得分Si是相同頻道的訂閱者數目。

9

2. Method篩選流程

10

3. Performance Evaluation實驗環境

NS- 3：模擬全球網路架構

11

3. Performance Evaluation數據蒐集

CNN and BBC on average post 171 RSS feeds per day.

local scope newspapers produce up to 25 feeds per day.

12

3. Performance Evaluation關鍵字選擇方案的性能比較

LDA and Frequent Pattern mining (LDA+FP)

Online LDA (OLDA)

13

3. Performance Evaluation候選影片的選擇方法比較

LDA+FP with rep(信譽系統 )LDA+FP without rep

14

4. Conclusion本文論述了現代網絡影片服務系統所面臨的挑戰。主動緩存方案可以提高影片串流系統的用戶體驗。本論文提出的新方法利用媒體的交叉關聯性找出主流媒體中的熱門的話題，並把相關影片緩存在預計會產生大量流量的地區。

實驗中，本論文使用真實世界數據和設計模擬的場景模仿全球網路。主動緩存演算法有效的改善傳統方法。