利用使用形態叢集增強點對點網路中的資源搜尋效能

Abstract

叢集策略是解決在點對點網路上盲目搜尋(blind search)的良好方法；然而目前點對點網路上眾多的興趣叢集方法都是建構在語義分析的基礎上，將內容相似的節點歸到同一個既定的分類樹底下。這種方法容易缺乏能符合使用者真正需求的適應性，並且依賴語言分析的支援。在此論文中研究如何藉由使用者興趣與需求而產生的資源使用形態(usage pattern)去反推出興趣叢集架構的方法。研究目的有三：一、產生能因使用者資料存取行為改變而自我調整的興趣叢集架構；二、藉由此興趣叢集來控制查詢訊息流(query message flow)，以減少網路負載；三、加快原本網路上的平均搜尋速度。 為達成此目標，此論文中的研究課題包含：一、從檔案傳輸記錄的原始資料(raw data)粹取出分散式的使用者關聯資訊，產生與使用形態對應的有向關係圖；二、提出Asynchronous Spontaneous Clustering Scheme(ASC) – 一個適合在點對點網路中運作的分散式連接導向(connectivity based)叢集方法；三、適當的增效搜尋模型。 最後，透過OMNET++的離散事件模擬器，展示ASC演算法的效用以及對搜尋效率的明顯提升。

Clustering strategy is useful to improve blind search problem in peer-to-peer network. However most clustering in peer-to-peer network focus on comparing semantic content, but analyzing transaction behavior – download and upload in file sharing system – called usage pattern. Usage Pattern shows grouping behavior ascribed to users’ interest. Our work is to design a resource discovery flow with clusters constructed by usage pattern in the p2p environment, including usage frequency model (data transform work), clustering scheme, and search model. A connectivity-based distributed clustering algorithm called Asynchronous Spontaneous Clustering Scheme (ASC) is proposed to cope with the problem.