MétaCan
Menu
Retour à la cohorte
Enregistrement W2000475884 · doi:10.1109/iccnc.2012.6167539

P2P streaming; Impact of bandwidth throttling on QoS

2012· article· en· W2000475884 sur OpenAlexaff
Jalal Almhana, Zikuan Liu

Notice bibliographique

Revue2012 International Conference on Computing, Networking and Communications (ICNC) · 2012
Typearticle
Langueen
DomaineComputer Science
ThématiquePeer-to-Peer Network Technologies
Établissements canadiensUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésBandwidth throttlingComputer scienceComputer networkBandwidth (computing)Quality of serviceThe InternetInternet trafficProvisioningMobile QoSBandwidth allocationInternet accessService (business)Service providerWorld Wide WebEngineeringBusiness

Résumé

récupéré en direct d'OpenAlex

Internet subscribers and services have grown even during the recent recession. As a result, Internet traffic volume and content are changing constantly. These changes increase pressure on Internet Service Providers (ISPs) by making bandwidth provisioning and management difficult, especially to maintain required Quality of Service (QoS) levels. Peer to Peer (P2P) traffic associated with File Sharing Applications (FSA) is the most influential factor in changing Internet traffic content and volume. Traffic data for 900 subscribers to an ISP was collected over two months in a period before the rapid growth of P2P. In this paper we study the potential effect of P2P video streaming, under both restricted (Bandwidth Throttling) and unrestricted conditions, on the QoS experienced by subscribers without high P2P usage. Under unrestricted conditions, our results show that QoS for these subscribers will be substantially degraded by this kind of P2P traffic; however, when ISPs exercise bandwidth throttling to shape traffic, the QoS can be considerably improved.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,090
Tête enseignante GPT0,359
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2012 International Conference on Computing, Networking and Communications (ICNC)Même sujetPeer-to-Peer Network TechnologiesTravaux en français237 207