Resumen

El Microaprendizaje Móvil, una novedosa forma de fusión de Internet móvil, computación en la nube y microaprendizaje, se ha vuelto más prevalente en los últimos años. Sin embargo, sus altos costos de implementación y operativos hacen que el ahorro de energía en la nube se convierta en un tema preocupante. En este artículo, se propone un enfoque de implementación de recursos para la provisión de servicios en la nube para el Microaprendizaje Móvil, con el objetivo de ahorrar energía. Se adopta un Sistema de Análisis Léxico Chino y la Frecuencia de Término-Inversa de Frecuencia de Documento Dinámica (D-TF-IDF) para llevar a cabo la clasificación de recursos. Los recursos se despliegan en la arquitectura de nube de 2 niveles de acuerdo con los resultados de la clasificación. Se utiliza el algoritmo de Optimización del Lobo Gris (GWO) para predecir el consumo de energía en tiempo real por byte. Los resultados de la simulación muestr

• Materias:Dispositivos móviles Programación centralizada Redes heterogéneas Cooperación de retransmisión Antenas inteligentes
• Subjects:Mobile devices Centralized scheduling Heterogeneous networks Relay cooperation Smart antennas
• Palabras claves:Microaprendizaje móvil; Computación en la nube; Ahorro de energía; Despliegue de recursos; Sistema chino de análisis léxico; Optimización del lobo gris
• Keywords:Mobile microlearning; Cloud computing; Energy saving; Resource deployment; Chinese lexical analysis system; Grey wolf optimization