The search result changed since you submitted your search request. Documents might be displayed in a different sort order.
  • search hit 11743 of 12470
Back to Result List

Analysis and implementation of web caching strategies using machine learning techniques

  • In this paper, we propose cache replacement strategies based on the machine learning methods. As part of this work, we analyse the data provided for caching, design, and train Random Forest Regression and Gradient Boosting Decision Trees to predict the popularity of web objects. Finally we compare the proposed strategies with policies traditionally used for cache replacement to evaluate their applicability.
  • In dieser Arbeit werden Cache-Ersetzungsstrategien vorgeschlagen, die auf den Methoden des maschinellen Lernens basieren. Im Rahmen dieser Arbeit werden die bereitgestellten Cache-Daten analysiert. Um die Beliebtheit der Cache-Ressourcen vorherzusagen, werden Random Forests und Gradient-Boosting-Entscheidungsbäume vorgeschlagen. Abschließend werden die vorgeschlagenen Strategien mit traditionellen Richtlinien verglichen.

Export metadata

Additional Services

Metadaten
Author:Bektur Toktosunov
Title Additional (German):Analyse und Implementierung der Webcaching-Strategien mit Verwendung von Methoden des maschinellen Lernens
Advisor:Mario NeugebauerGND, Chris Becker
Document Type:Master's Thesis
Language:English
Name:forcont business technology GmbH
Nonnenschtraße 39, 04229 Leipzig
Year of first Publication:2019
Publishing Institution:Westsächsische Hochschule Zwickau
Tag:Entscheidungsbäume; Gradient Boosting; Maschinelles Lernen; Random Forests; Webcaching; decision trees; gradient boosting; machine learning; random forests; web caching
Page Number:59 Seiten, 16 Abb., 10 Tab., 19 Lit.
Faculty:Westsächsische Hochschule Zwickau / Physikalische Technik, Informatik
Release Date:2019/10/30