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.
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 |