[論文レビュー] A Dynamic Web Page Prediction Model Based on Access Patterns to Offer Better User Latency

Debajyoti Mukhopadhyay, Priyanka Mishra+2 more|arXiv (Cornell University)|Feb 3, 2011

Caching and Content Delivery参考文献 8被引用数 5

ひとこと要約

本稿では、アクセスパターンに基づいてページをクラスタリングし、ページランクを統合することで、ユーザーの待機時間を短縮する動的ウェブページ予測モデルを提案する。大規模なログデータベースへの依存を減らすために、アクセスパターンクラスタリングと初期ページランクを用いることで、変化するサイト構造を伴う動的環境において、静的プリフェッチング手法を凌駝する。

ABSTRACT

The growth of the World Wide Web has emphasized the need for improvement in user latency. One of the techniques that are used for improving user latency is Caching and another is Web Prefetching. Approaches that bank solely on caching offer limited performance improvement because it is difficult for caching to handle the large number of increasingly diverse files. Studies have been conducted on prefetching models based on decision trees, Markov chains, and path analysis. However, the increased uses of dynamic pages, frequent changes in site structure and user access patterns have limited the efficacy of these static techniques. In this paper, we have proposed a methodology to cluster related pages into different categories based on the access patterns. Additionally we use page ranking to build up our prediction model at the initial stages when users haven't already started sending requests. This way we have tried to overcome the problems of maintaining huge databases which is needed in case of log based techniques.

研究の動機と目的

• 変化するコンテンツやユーザー行動を伴う動的ウェブ環境における静的プリフェッチングモデルの限界を解決すること。
• ユーザーのアクセスパターン分析に大規模なログベースのデータベースに依存するのを減らすこと。
• 頻繁にアクセスされるウェブページの動的予測により、ユーザーの待機時間を短縮すること。
• アクセス履歴が少ない初期ユーザーセッションにおける予測精度を向上させること。
• 進化するサイト構造とユーザーのアクセスパターンに適応可能なスケーラブルなソリューションを開発すること。

提案手法

• ユーザーのアクセスパターンに基づいて、意味的または行動的に類似したページをクラスタリングする。
• ユーザーのアクセス履歴が不足している場合に、ページランクアルゴリズムを用いて予測を初期化する。
• アクセスパターンクラスタリングとページランクを統合し、ハイブリッド予測モデルを構築する。
• ユーザーのセッション中に新たなアクセスパターンが出現するにつれて、予測モデルを動的に更新する。
• 完全なリクエストログ記録ではなく、アクセスパターンの類似性に焦点を当てることで、大規模なログ保存の必要性を減らす。
• ユーザーのリクエストを行う前に対象となる次なるページを予測することで、待機時間を短縮する。

実験結果

リサーチクエスチョン

• RQ1 頻繁に構造的・行動的変化が生じる動的ウェブ環境において、ウェブページ予測をどのように改善できるか？
• RQ2 アクセスパターンクラスタリングは、プリフェッチングシステムにおいて、大規模なログデータベースの必要性をどの程度減らせるか？
• RQ3 アクセス履歴が限られた初期ユーザーセッションにおいて、ページランクが予測を効果的に初期化できるか？
• RQ4 クラスタリングとランクの統合は、静的モデルと比較して予測精度をどのように向上させるか？
• RQ5 動的モデルの適応は、ユーザー待機時間の短縮にどのような影響を与えるか？

主な発見

• 提案されたモデルは、完全なリクエストログ記録ではなくアクセスパターンクラスタリングに焦点を当てることで、大規模なログ保存の必要性を顕著に削減する。
• アクセス履歴が少ない初期ユーザーセッションにおいて、ページランクが効果的な初期予測を提供する。
• クラスタリングとランクの組み合わせにより、進化するコンテンツを伴う動的ウェブ環境における予測精度が向上する。
• 静的プリフェッチング技術と比較して、変化するサイト構造とユーザー行動に優れた適応性を示す。
• 予測されたアクセスパターンに基づく能動的ページプリフェッチにより、ユーザー待機時間が短縮される。
• 動的シナリオにおいて、従来のログベースおよび静的モデル手法と比較して、優れたパフォーマンスを達成する。