The data set that we use to study m

The data set that we use to study mobile apps is signifi-
cantly more diverse geographically and in user base than
previous studies. It covers hundreds of thousands of smartphones
throughout the U.S. in a tier-1 cellular network. This
allows us to make more generalizable conclusions about smartphone
usage patterns.
• We find that a considerable number of popular apps (20%)
are local, in particular, radio and news apps. In terms of traf-
fic volume, these apps are accountable for 2% of the traffic in
the smartphone apps category (i.e., all the marketplace apps
that can be identified by User-Agent) – that is, their user
base is limited to a few U.S. states. This suggests significant
potential for content optimization in such access networks as
LTE and WiFi where content can be placed on servers closer
to clients. Furthermore, it suggests that network operators
need to understand the impact of different app mixes in different
geographical areas to best optimize their network for
user experience.
• Despite this diversity in locality, we also find that there are
similarities across apps in terms of geographic coverage, diurnal
usage patterns, etc. For example, we find that some
apps have a high likelihood of co-occurrence on smartphones
– that is, when a user uses one app, he or she is also likely
to use another one. Users also use several alternatives for the
same type of app (e.g., multiple news apps). These findings
suggest that some apps can be treated as a “bundle” when trying
to optimize for their user experience and that there may
be opportunities for integration.
• We also find that the diurnal patterns of different genres of
apps can be remarkably different. For example, news apps
are much more frequently used in the early morning, sports
apps are more frequently used in the evening, while other
apps have diurnal patterns less visible and their usage is more
flat during a day. These findings suggest that cloud platforms
that host mobile application servers can leverage distinct usage
patterns in classes of apps to maximize the utilization
of their resources. Furthermore, network operators may be
able to leverage these results by optimizing their network for
different apps during different times of the day.
• Mobility patterns can be inferred from network access patterns.
Some apps are more frequently used when users are
moving around; some of them are used more often when
users are stationary. Mobility affects connectivity and performance,
so bandwidth sensitive apps that are mobile may need
to consider techniques to compensate for bandwidth variability.
We find that there is a significant degree of diversity in
the mobility of apps.
The rest of this paper is organized as follows: Related work is
discussed in §2, §3 describes our data set, §4 presents our measurement
results, §5 outlines some implications, and we conclude
our study in §6.

ผลลัพธ์ (ไทย) 1:

ชุดข้อมูลที่เราใช้ศึกษาแอปมือถือเป็นพลาดหรือมากขึ้นทางภูมิศาสตร์ ในผู้ใช้ฐาน และกว่าการศึกษาก่อนหน้านี้ ครอบคลุมของสมาร์ทโฟนทั่วสหรัฐในชั้นที่ 1 เครือข่ายเซลลูลาร์ นี้ช่วยให้เราสามารถหาข้อสรุป generalizable เพิ่มเติมเกี่ยวกับสมาร์ทโฟนรูปแบบการใช้งาน•เราพบว่าจำนวนมากของปพลิเคชันยอดนิยม (20%)อยู่ภายใน โดยเฉพาะ วิทยุและข่าวแอ ในแง่ของ traf-fic เสียง แอปเหล่านี้จะรับผิดชอบต่อ 2% ของการจราจรในสมาร์ทโฟนแอประเภท (เช่น ตลาดแอที่สามารถระบุได้ โดยตัวแทนผู้ใช้) – คือ ผู้ใช้ของพวกเขาฐานจำกัดสหรัฐอเมริกาไม่ นี้แนะนำอย่างมีนัยสำคัญศักยภาพการเพิ่มเนื้อหาในเครือข่ายดังกล่าวเข้าเป็นLTE และ WiFi ที่สามารถวางเนื้อหาบนเซิร์ฟเวอร์ใกล้ให้กับลูกค้า นอกจากนี้ มันแนะนำเครือข่ายผู้ประกอบการต้องเข้าใจผลกระทบของ app ต่าง ๆ ผสมผสานแตกต่างกันพื้นที่ทางภูมิศาสตร์ให้เพิ่มประสิทธิภาพของเครือข่ายสำหรับประสบการณ์ของผู้ใช้•แม้ มีความหลากหลายในท้องถิ่นนี้ เรายังพบว่า มีความคล้ายคลึงกันผ่าน apps apps ในแง่ภูมิศาสตร์ รายรูปแบบการใช้ ฯลฯ ตัวอย่างเช่น เราพบที่บางแอมีโอกาสสูงของการเกิดร่วมบนสมาร์ทโฟน– ที่ เมื่อผู้ใช้หนึ่งแอ เขาหรือเธอยังมีแนวโน้มใช้อีกหนึ่ง ผู้ใช้หลายทางเลือกสำหรับการชนิดเดียวกันของแอป (เช่น แอปข่าวหลายที่) ประเด็นเหล่านี้แนะนำว่า บาง apps สามารถใช้เป็น "กลุ่ม" เมื่อพยายามการปรับปรุงประสบการณ์ของผู้ใช้และที่มีอาจเป็นโอกาสสำหรับการรวม•เรายังพบว่ารูปแบบการรายของประเภทต่าง ๆแอสามารถแตกต่างกันอย่างน่าทึ่ง ตัวอย่างเช่น ข่าวแอใช้บ่อยมากในตอนเช้า กีฬาแอมากมักใช้ในตอนเย็น ในขณะที่อื่น ๆแอปที่มีรายรูปแบบมองเห็นได้น้อย และการใช้งานเพิ่มเติมแบนในระหว่างวัน ผลการวิจัยเหล่านี้แนะนำให้เมฆที่แพลตฟอร์มว่า เซิร์ฟเวอร์ที่โฮสต์แอพพลิเคชั่นสามารถใช้ประโยชน์จากการใช้งานที่แตกต่างกันรูปแบบในชั้นเรียนของปพลิเคชันเพื่อเพิ่มการใช้ประโยชน์ทรัพยากรของพวกเขา นอกจากนี้ ผู้ประกอบการเครือข่ายอาจสามารถใช้ประโยชน์จากผลลัพธ์เหล่านี้ โดยการเพิ่มประสิทธิภาพของเครือข่ายสำหรับแอปที่แตกต่างกันในช่วงเวลาอื่นของวันรูปแบบการเคลื่อนไหว•สามารถได้ข้อสรุปจากรูปแบบการเข้าถึงเครือข่ายบางแอมักใช้เมื่อผู้ใช้ย้ายไปรอบ ๆ บางคนใช้บ่อยเมื่อผู้ไม่อยู่นิ่ง เคลื่อนไหวมีผลต่อการเชื่อมต่อและประสิทธิภาพการทำงานดังนั้น อาจต้องแอสำคัญแบนด์วิธที่มีมือถือพิจารณาเทคนิคการชดเชยความแปรปรวนของแบนด์วิธเราพบว่า มีความหลากหลายในระดับที่สำคัญการเคลื่อนไหวของปพลิเคชันส่วนเหลือของเอกสารนี้ถูกจัดเป็นดังนี้: เป็นงานที่เกี่ยวข้องกล่าวถึงใน §2, §3 อธิบายชุดข้อมูลของเรา §4 แสดงการวัดของเราผล §5 สรุปผลบาง และเราสรุปศึกษาของเราใน §6

ผลลัพธ์ (ไทย) 2:

ชุดข้อมูลที่เราใช้ในการศึกษาปพลิเคชันมือถือเป็น signifi- อย่างมีความหลากหลายมากขึ้นในทางภูมิศาสตร์และฐานผู้ใช้กว่าการศึกษาก่อนหน้า มันครอบคลุมหลายร้อยหลายพันมาร์ทโฟนทั่วสหรัฐอเมริกาในชั้น 1 เครือข่ายโทรศัพท์เคลื่อนที่ นี้ช่วยให้เราสามารถให้ข้อสรุป generalizable เพิ่มเติมเกี่ยวกับมาร์ทโฟนรูปแบบการใช้. •เราพบว่าจำนวนมากของปพลิเคชันที่เป็นที่นิยม (20%) มีในท้องถิ่นโดยเฉพาะวิทยุและปพลิเคชันข่าว ในแง่ของการ traf- ปริมาณ FIC ปพลิเคชันเหล่านี้มีความรับผิดชอบสำหรับ 2% ของการจราจรในมาร์ทโฟนแอพพลิเคหมวดหมู่(เช่นปพลิเคชันทั้งหมดตลาดที่สามารถระบุ User-Agent) - นั่นคือผู้ใช้ฐานจำกัด ไม่กี่รัฐของสหรัฐอเมริกา นี้แสดงให้เห็นอย่างมีนัยสำคัญที่มีศักยภาพสำหรับการเพิ่มประสิทธิภาพเนื้อหาในการเข้าถึงเครือข่ายเช่นLTE และ WiFi ที่มีเนื้อหาที่สามารถวางบนเซิร์ฟเวอร์ที่ใกล้ชิดกับลูกค้า นอกจากนี้ยังแสดงให้เห็นว่าผู้ประกอบการเครือข่ายต้องเข้าใจผลกระทบของการตรวจสอบที่แตกต่างกันผสมในที่แตกต่างกันพื้นที่ทางภูมิศาสตร์ที่จะดีที่สุดเพิ่มประสิทธิภาพเครือข่ายของพวกเขาสำหรับประสบการณ์การใช้งาน. •แม้จะมีความหลากหลายในท้องที่นี้เรายังพบว่ามีความคล้ายคลึงกันทั่วปพลิเคชันในแง่ของความคุ้มครองทางภูมิศาสตร์, รายวันรูปแบบการใช้ฯลฯ ตัวอย่างเช่นเราพบว่าบางปพลิเคชันมีโอกาสสูงที่เกิดขึ้นร่วมมาร์ทโฟน- นั่นคือเมื่อผู้ใช้ใช้ app ที่เขาหรือเธอยังมีแนวโน้มที่จะใช้อีกคนหนึ่ง ผู้ใช้ยังใช้หลายทางเลือกสำหรับชนิดเดียวกันของ app (เช่นปพลิเคชันข่าวหลาย) การค้นพบนี้ชี้ให้เห็นว่าแอพพลิเคบางคนอาจได้รับการปฏิบัติในฐานะ "กำ" เมื่อพยายามที่จะเพิ่มประสิทธิภาพสำหรับประสบการณ์การใช้งานของพวกเขาและว่าอาจจะเป็นโอกาสสำหรับการรวม. •นอกจากนี้เรายังพบว่ารูปแบบรายวันประเภทที่แตกต่างกันของปพลิเคชันสามารถแตกต่างกันอย่างน่าทึ่ง ยกตัวอย่างเช่นแอพพลิเคข่าวที่มีมากที่ใช้บ่อยในตอนเช้า, กีฬาทางปพลิเคชันที่ใช้บ่อยมากขึ้นในตอนเย็นขณะที่อื่นๆปพลิเคชันมีรูปแบบรายวันน้อยที่มองเห็นได้และการใช้งานของพวกเขามากขึ้นแบนในระหว่างวัน การค้นพบนี้ชี้ให้เห็นว่าแพลตฟอร์มคลาวด์ที่โฮสต์เซิร์ฟเวอร์โปรแกรมมือถือสามารถใช้ประโยชน์จากการใช้งานที่แตกต่างกันรูปแบบในชั้นเรียนปพลิเคชันเพื่อเพิ่มการใช้ประโยชน์จากทรัพยากรของพวกเขา นอกจากนี้ผู้ประกอบการเครือข่ายอาจจะสามารถใช้ประโยชน์จากผลลัพธ์เหล่านี้โดยการเพิ่มประสิทธิภาพเครือข่ายของพวกเขาสำหรับปพลิเคชันที่แตกต่างกันในช่วงเวลาที่ต่างกันของวัน. •รูปแบบการเคลื่อนไหวจะสามารถสรุปจากรูปแบบการเข้าถึงเครือข่าย. ปพลิเคชันบางคนมักมีการใช้มากขึ้นเมื่อผู้ใช้จะย้ายไปรอบ ๆ ; บางส่วนของพวกเขาถูกนำมาใช้บ่อยขึ้นเมื่อผู้ใช้จะนิ่ง การเคลื่อนไหวมีผลต่อการเชื่อมต่อและการปฏิบัติงานแบนด์วิดธ์เพื่อให้ปพลิเคชันที่มีความสำคัญที่มีโทรศัพท์มือถืออาจต้อง. ที่จะต้องพิจารณาเทคนิคเพื่อชดเชยความแปรปรวนของแบนด์วิดธ์เราพบว่ามีระดับที่มีนัยสำคัญของความหลากหลายในการเคลื่อนย้ายแอพพลิเค. ส่วนที่เหลือของบทความนี้มีการจัดระเบียบดังต่อไปนี้: งานที่เกี่ยวข้องมีการกล่าวถึงในวรรค2 วรรค 3 อธิบายถึงชุดข้อมูลของเรา§4นำเสนอการวัดของเราผล§5แสดงความหมายบางอย่างและเราสรุปการศึกษาของเราใน§ 6

ผลลัพธ์ (ไทย) 3:

ชุดข้อมูลที่เราใช้ศึกษา signifi - ปพลิเคชันบนมือถือคือมีความหลากหลายทางภูมิศาสตร์และลดลงอย่างมีนัยสําคัญเมื่อเพิ่มฐานผู้ใช้กว่าการศึกษาก่อนหน้านี้ . มันครอบคลุมหลายร้อยหลายพันของมาร์ทโฟนทั่วสหรัฐอเมริกาใน 1 เครือข่ายมือถือ . นี้ช่วยให้เราเพื่อให้ generalizable สรุปเกี่ยวกับมาร์ทโฟนรูปแบบการใช้งาน- เราพบว่าจํานวนมากของปพลิเคชันที่นิยม ( 20 % )เป็นท้องถิ่นโดยเฉพาะวิทยุและข่าวปพลิเคชัน ในแง่ของการสร้าง -ฟิคเล่ม , ปพลิเคชันเหล่านี้จะรับผิดชอบสำหรับ 2% ของการจราจรประเภทมาร์ทโฟนแอพลิเคชัน ( เช่น ตลาดปพลิเคชันทั้งหมดที่สามารถระบุได้ โดยตัวแทนของผู้ใช้และผู้ใช้ที่เป็นฐานจำกัดอยู่เพียงไม่กี่ของสหรัฐอเมริกา นี้แสดงให้เห็นอย่างมีนัยสำคัญที่มีศักยภาพสำหรับการเพิ่มประสิทธิภาพของเนื้อหาในการเข้าถึงเครือข่าย เช่นระบบ WiFi ที่เนื้อหาสามารถวางบนเซิร์ฟเวอร์ใกล้ให้กับลูกค้า นอกจากนี้ ยังพบว่าผู้ประกอบการเครือข่ายต้องการที่จะเข้าใจผลกระทบของการผสมที่แตกต่างกันแตกต่างกัน appพื้นที่ทางภูมิศาสตร์ที่ดีที่สุดเพิ่มประสิทธิภาพของเครือข่ายของพวกเขาสำหรับประสบการณ์ผู้ใช้แม้จะมีความหลากหลายในแต่ละท้องถิ่น นอกจากนี้เรายังพบว่ามีความคล้ายคลึงกันในแง่ของความคุ้มครองในปพลิเคชันในทางภูมิศาสตร์รูปแบบการใช้งาน ฯลฯ ตัวอย่างเช่น เราพบว่าปพลิเคชันมีความเป็นไปได้สูงในการมาร์ทโฟนและนั่นคือเมื่อผู้ใช้ใช้หนึ่ง App , ที่เขาหรือเธอนอกจากนี้ยังมีโอกาสใช้อีกหนึ่ง ผู้ใช้ยังใช้หลายทางเลือกสำหรับประเภทของ app เดียวกัน ( เช่นหลายข่าวปพลิเคชัน ) ผลนี้พบว่า บางปพลิเคชันที่สามารถจะถือว่าเป็น " ปก " เมื่อพยายามการเพิ่มประสิทธิภาพสำหรับประสบการณ์ของผู้ใช้ของพวกเขาและที่อาจมีเป็นโอกาสสำหรับการรวม- เรายังพบว่าในรูปแบบของประเภทที่แตกต่างกันของปพลิเคชันที่สามารถแตกต่างกันมาก ตัวอย่างเช่น ข่าวปพลิเคชันมีมากใช้มากในตอนเช้า , กีฬาปพลิเคชันจะใช้บ่อยในตอนเย็นในขณะที่อื่น ๆปพลิเคชันมีรูปแบบที่มองเห็นได้น้อยลงและการใช้งานของพวกเขาในมากขึ้นแบนในระหว่างวัน จากการศึกษาครั้งนี้มีข้อเสนอแนะว่า แพลตฟอร์มคลาวด์ที่โฮสต์เซิร์ฟเวอร์ที่สามารถใช้ประโยชน์จากการใช้งานที่แตกต่างกันมือถือรูปแบบการเรียนของปพลิเคชันเพื่อเพิ่มการใช้ประโยชน์ของทรัพยากรของพวกเขา นอกจากนี้ ผู้ประกอบการเครือข่ายอาจจะสามารถใช้ประโยชน์จากผลเหล่านี้โดยการเพิ่มประสิทธิภาพเครือข่ายสำหรับปพลิเคชันที่แตกต่างกันในเวลาที่แตกต่างกันของวัน- การเคลื่อนย้ายรูปแบบสามารถ inferred จากรูปแบบการเข้าถึงเครือข่ายบาง apps บ่อยใช้เมื่อผู้ใช้เป็นย้ายไปรอบ ๆ บางส่วนของพวกเขาจะใช้บ่อย เมื่อผู้ใช้คือเครื่องเขียน การเคลื่อนไหวที่มีผลต่อการเชื่อมต่อและประสิทธิภาพดังนั้นปพลิเคชันที่มีแบนด์วิดธ์ที่โทรศัพท์มือถืออาจต้องการการพิจารณาเทคนิคเพื่อชดเชยความแปรปรวนของแบนด์วิดธ์เราพบว่า มีความสําคัญของความหลากหลายในการเคลื่อนไหวของปพลิเคชันส่วนที่เหลือของบทความนี้คือการจัด ดังนี้ งานที่เกี่ยวข้อง คือกล่าวใน§ 2 , § 3 อธิบายข้อมูลชุด § 4 แสดงการวัดของเราผล§ 5 สรุปความหมายบางอย่าง และ เรา สรุปการศึกษาของเราใน§ 6