申请/专利权人：武汉大学;武汉烽火技术服务有限公司

申请日：2021-08-09

公开（公告）日：2024-03-22

公开（公告）号：CN113709816B

主分类号：H04W28/084

分类号：H04W28/084;H04W84/08

优先权：["20210604 CN 202110623157X"]

专利状态码：有效-授权

法律状态：2024.03.22#授权;2021.12.14#实质审查的生效;2021.11.26#公开

摘要：本发明提出了一种基于多特征用户群体的基站协作缓存方法。本发明通过分析移动互联网的基站数据集构建多个用户特征相似矩阵；将多个用户特征相似矩阵结合优化目标进行相似矩阵融合，得到最终融合后相似矩阵；将最终融合后相似矩阵通过社区发现得到多个用户群体；统计用户群体访问各基站的次数，其中最多访问次数为同一用户群体的基站将建立基站集群协作缓存；根据每个基站集群，构建命中率函数以及传输代价函数，构建约束条件，进一步使用MCMC算法求解得到缓存矩阵。本发明优点在于，使用基于零范数的特征相似矩阵融合算法能充分利用用户的多种特征划分用户群体，结合优化目标，使基站缓存具有更强的针对性、更高的缓存利用率和更小的传输成本。

主权项：1.一种基于多特征用户群体的基站协作缓存方法，其特征在于，具体步骤如下：步骤1，通过分析移动互联网的基站数据集构建多个用户特征相似矩阵；步骤2，将多个用户特征相似矩阵结合优化目标进行相似矩阵融合，得到最终融合后相似矩阵；步骤3，将最终融合后相似矩阵通过Louvain算法进行社区发现，从而得到多个用户群体；步骤4，待集群的基站分别统计具有相同uid字段记录项的次数，根据步骤3的群体划分结果，找到该uid字段对应的用户群体成员persond，e，则该uid字段记录项的次数表示为numd，e；从而得到用户群体groupd访问本基站次数NUM_Gd＝∑enumd，e；每个基站中访问次数最多的用户群体为该基站的主要服务对象；主要服务对象是同一用户群体的基站将建立合作关系，搭建与U个用户群体一一对应的基站集群BS1，BS2…BSU；步骤5，根据步骤4得到的每个基站集群，构建命中率函数以及传输代价函数，构建约束条件，进一步使用MCMC算法求解得到缓存矩阵；步骤1所述多个用户特征相似矩阵为：S1，S2...SH其中，St表示第t个用户特征相似矩阵，H表示用户特征相似矩阵的数量；步骤2所述将多个用户特征相似矩阵结合优化目标进行相似矩阵融合，具体为：步骤2所述优化目标为：其中，Sb表示第b个用户特征相似矩阵，S代表待优化求解的融合后相似矩阵，||S||0是融合后相似矩阵的零范数，αb是第b个用户特征相似矩阵的权重因子；λ＞0，是正则化项||S||0的参数，代表待优化式子中稀疏度的比重；使用快速PIHT算法求解优化目标从而得到最终融合后相似矩阵S*；步骤3所述多个用户群体为：group1，group2…groupUgroupd＝{persond，1，persond，2...persond，e}其中，U表示用户群体的数量，groupd代表第d个用户群体，persond，e代表属于第d个用户群体的第e个用户，每个用户在基站访问记录里都有唯一的uid字段标识；步骤5所述命中率函数为： 其中，M表示本基站群中基站的数量，N表示系统中拥有的内容的数量，φi代表基站Ri所属的集群，k∈φi且k≠i表示在基站集群φi中除了本基站Ri的其他基站；Pi，j是用户请求矩阵P的第i行第j列元素，表示用户向基站Ri请求内容Cj的概率，满足Qi，j是缓存矩阵Q的第i行第j列元素，表示基站Ri上是否缓存了内容Cj，Qi，j＝1时表示基站Ri上缓存了内容Cj，Qi，j＝0时表示基站Ri上没有缓存内容Cj；步骤5所述传输代价函数为： 其中，0＜γ＜1，表示基站相对于直接从互联网获取内容，而从合作基站中获取内容的代价系数；其余符号与命中率函数中定义一致；步骤5所述约束条件为： 其中，Sj表示内容Cj的大小，所有内容大小的集合为S＝{S1，S2，...，SN}；Vi表示基站Ri的缓存空间大小，每个基站的缓存空间集合为V＝{V1，V2，...，VM}。

全文数据：

权利要求：

百度查询： 武汉大学;武汉烽火技术服务有限公司 一种基于多特征用户群体的基站协作缓存方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD