Algorithms and Cooperation Models in Caching and Recommendation Systems - Archive ouverte HAL Access content directly
Theses Year : 2022

Algorithms and Cooperation Models in Caching and Recommendation Systems

Algorithmes et modèles de coopération pour les systèmes de mise en cache et de recommandation

(1)
1
Dimitra Tsigkari
  • Function : Author
  • PersonId : 1174288
  • IdRef : 264978463

Abstract

In the context of on-demand video streaming services, both the caching allocation and the recommendation policy have an impact on the user satisfaction, and financial implications for the Content Provider (CP) and the Content Delivery Network (CDN). Although caching and recommendations are traditionally decided independently of each other, the idea of co-designing these decisions can lead to lower delivery costs and to less traffic at the backbone Internet. This thesis follows this direction of exploiting the interplay of caching and recommendations in the setting of streaming services. It approaches the subject through the perspective of the users, and then from a network-economical point of view. First, we study the problem of jointly optimizing caching and recommendations with the goal of maximizing the overall experience of the users. This joint optimization is possible for CPs that simultaneously act as CDN owners in today’s or future architectures. Although we show that this problem is NP-hard, through a careful analysis, we provide the first approximation algorithm for the joint problem. We then study the case where recommendations and caching are decided by two separate entities (the CP and the CDN, respectively) who want to maximize their individual profits. Based on tools from game theory and optimization theory, we propose a novel cooperation mechanism between the two entities on the grounds of recommendations. This cooperation allows them to design a cache-friendly recommendation policy that ensures a fair split of the resulting gains.
Dans le contexte des services de streaming vidéo à la demande, la mise en cache et la politique de recommandation ont un impact sur la satisfaction des utilisateurs, ainsi que des implications financières pour le fournisseur de contenu (CP) et le fournisseur du réseau de diffusion de contenu (CDN). Bien que la mise en cache et les recommandations soient traditionnellement décidées indépendamment les unes des autres, l'idée de concevoir ensemble ces décisions pourrait minimiser les coûts de distribution et le trafic Internet. Cette thèse suit cette direction d'exploitation de la codépendance de la mise en cache et des recommandations. Dans un premier temps, nous étudions le problème de l'optimisation simultanée de la mise en cache et des recommandations dans le but de maximiser l'expérience globale des utilisateurs. Cette optimisation simultanée est possible pour les CPs qui possèdent leur propre CDN dans les architectures d’aujourd’hui et du futur. Bien que nous montrions que ce problème est NP-difficile, notre analyse nous permet de fournir un algorithme d'approximation. Nous étudions ensuite le cas où les recommandations et la mise en cache sont décidées par deux entités distinctes (le CP et le CDN, respectivement) qui veulent maximiser leurs profits individuels. Sur la base d'outils de la théorie des jeux et de la théorie de l'optimisation, nous proposons un nouveau mécanisme de coopération entre les deux entités sur la base de recommandations. Cette coopération leur permet de concevoir une politique de recommandation qui favorise les contenus en cache et qui assure une répartition équitable des gains qui en résultent.
Fichier principal
Vignette du fichier
TSIGKARI_Dimitra_these_2022.pdf (5.92 Mo) Télécharger le fichier
Origin : Version validated by the jury (STAR)

Dates and versions

tel-03813730 , version 1 (13-10-2022)

Identifiers

  • HAL Id : tel-03813730 , version 1

Cite

Dimitra Tsigkari. Algorithms and Cooperation Models in Caching and Recommendation Systems. Computer Aided Engineering. Sorbonne Université, 2022. English. ⟨NNT : 2022SORUS210⟩. ⟨tel-03813730⟩
29 View
9 Download

Share

Gmail Facebook Twitter LinkedIn More