CN103220697B - 用于无线分析的在线和分布式优化方法和系统 - Google Patents

Abstract

用于无线分析的在线和分布式优化方法和系统。旨在用于无线分析的在线和分布式优化框架的方法、计算机程序产品和计算机系统。无线网络控制器利用多个相似性图来确定多个接收对象中的每个接收对象的排序。无线网络控制器通过协同过滤与多个用户设备和多个接收对象相关联的数据来提取公共结构。分析公共结构以推断时隙内的使用模式。无线网络控制器响应于所述分析而保存所述多个接收对象的排序对象的子集。

Description

用于无线分析的在线和分布式优化方法和系统

技术领域

本公开涉及蜂窝网络，更具体地说，涉及用于无线分析的在线和分布式优化框架。

背景技术

蜂窝网络可跨越较大的地理区域，其中散布的多个基站为网络提供覆盖。大量的数据可从一个节点传送给另一个节点，其中所述节点可包括移动蜂窝设备和可提供资源，比如网页、音频文件、视频文件和其它类型数据的计算系统。由于移动蜂窝设备的无所不在的特性，3G和4G蜂窝网络可能遭受对有限频谱带宽的不断增加的需求。例如，高水平的视频下载和增强的广义增值服务(VAS)会消极地影响蜂窝网络。因而发生的网络拥塞和可能的带宽不足会造成较差的用户体验，因为不能获得所请求的资源。电信公司可以设法优化有限的可用带宽的利用，以使收益最大化并增强用户的体验。

发明内容

在一种实现中，一种由一个或多个计算设备执行的用于无线分析的在线和分布式优化框架的方法包括：无线网络控制器利用多个相似性图来确定多个接收对象中的每个接收对象的排序。无线网络控制器通过协同过滤与多个用户设备和多个接收对象相关联的数据来提取公共结构。分析所述公共结构以推断时隙内的使用模式。响应于所述分析而保存所述多个接收对象的排序对象的子集。

可以包括一个或多个以下特征。所述多个相似性图可包括对象-对象相似性图、基站-基站相似性图、和用户-用户相似性图。所述多个接收对象中的每个接收对象的排序可以至少部分基于多个基站中的每个基站处的需求、付费需求（premium demand）和非付费需求（non-premium demand）的加权因子、和与所述多个接收对象中的每个接收对象相关联的带宽。保存所述多个接收对象的排序对象的子集可包括跨多个基站协作地保存排序较高的对象的子集。所述方法可包括为多个基站生成跨时隙的需求预测。所述方法可包括识别所述多个用户设备和所述多个接收对象中的哪些一起出现。所述方法可包括生成所述多个接收对象和多个用户中的每一个的排序的在线更新。在一些实施例中，协同过滤可以至少部分基于联合聚类。

在另一种实现中，计算机程序产品驻留在计算机可读介质上，所述计算机可读介质具有保存在其上的多个指令。当由处理器执行时，所述指令使处理器执行包括以下的操作：利用多个相似性图来确定多个接收对象中的每个接收对象的排序；通过协同过滤与多个用户设备和多个接收对象相关联的数据来提取公共结构；分析所述公共结构以推断时隙内的使用模式；和响应于所述分析而保存所述多个接收对象的排序对象的子集。

可以包括一个或多个以下特征。所述多个相似性图可包括对象-对象相似性图、基站-基站相似性图、和用户-用户相似性图。所述多个接收对象中的每个接收对象的排序可以至少部分基于多个基站中的每个基站处的需求、付费需求和非付费需求的加权因子、和与所述多个接收对象中的每个接收对象相关联的带宽。保存所述多个接收对象的排序对象的子集还可包括跨多个基站协作地保存排序较高的对象的子集。所述计算机程序产品可包括为多个基站生成跨时隙的需求预测。所述计算机程序产品可包括识别所述多个用户设备和多个接收对象中的哪些一起出现。所述计算机程序产品可包括生成所述多个接收对象和多个用户中的每一个的排序的在线更新。在一些实施例中，协同过滤可以至少部分基于联合聚类。

在另一种实现中，计算系统包括处理器和存储器，被配置成执行包括以下的操作：利用多个相似性图来确定多个接收对象中的每个接收对象的排序；通过协同过滤与多个用户设备和多个接收对象相关联的数据来提取公共结构；分析所述公共结构以推断时隙内的使用模式；和响应于所述分析而保存所述多个接收对象的排序对象的子集。

可以包括一个或多个以下特征。所述多个相似性图可包括对象-对象相似性图、基站-基站相似性图、和用户-用户相似性图。所述多个接收对象中的每个接收对象的排序可以至少部分基于多个基站中的每个基站处的需求、付费需求和非付费需求的加权因子、和与所述多个接收对象中的每个接收对象相关联的带宽。保存所述多个接收对象的排序对象的子集还可包括跨多个基站协作地保存排序较高的对象的子集。所述计算系统可包括为多个基站生成跨时隙的需求预测。所述计算系统可包括识别所述多个用户设备和所述多个接收对象中的哪些一起出现。所述计算系统可包括生成所述多个接收对象和多个用户中的每一个的排序的在线更新。在一些实施例中，协同过滤可以至少部分基于联合聚类。

在附图和下面的说明中，陈述了一种或多种实现的细节。根据所述说明、附图和权利要求书，其它特征和优点将变得明显。

附图说明

图1是与移动通信系统耦接的优化处理的示意图；

图2是与移动通信系统耦接的优化处理的示意图；

图3是图1的优化处理的流程图。

各个附图中的相同附图标记表示相同元件。

具体实施方式

本领域的技术人员会理解，本公开可被具体体现成方法、系统或计算机程序产品。因而，本公开可以采取纯硬件实施例，纯软件实施例(包括固件、驻留软件、微代码等)，或者结合这里通常都可被称为“电路”、“模块”或“系统”的软件和硬件特征的实施例的形式。此外，本公开可以采取计算机可用存储介质上的计算机程序产品的形式，所述计算机可用存储介质具有包含于其中的计算机可用程序代码。

可以利用任何适当的计算机可用或计算机可读介质。计算机可用或计算机可读介质可以是例如(但不限于)电、磁、光、电磁、红外或半导体系统、设备、装置或者传播介质。计算机可读介质的更具体例子(非穷举列表)可包括：具有一条或多条导线的电连接、可移植计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦可编程只读存储器(EPROM或闪速存储器)、光纤、可移植光盘只读存储器(CD-ROM)、光存储装置、诸如支持因特网或企业内部网的传输介质之类的传输介质、或者磁存储装置。注意当可借助例如纸张或者其它介质的光学扫描，电子地记录程序，随后如果需要的话，以适当的方式编译、解释或者以别的方式处理程序，然后保存在计算机存储器中时，计算机可用或计算机可读介质甚至可以是上面打印所述程序的纸张或者另一种适当介质。在本文的上下文中，计算机可用或计算机可读介质可以是能够包含、保存、传递、传播或传送供指令执行系统、设备或装置使用的，或者结合指令执行系统、设备或装置使用的程序的任何介质。计算机可用介质可包括计算机可用程序代码或者在基带中，或者作为载波的一部分包含于其中的传播数据信号。计算机可用程序代码可以利用任何适当的媒体传送，包括(但不限于)因特网、有线、光缆、RF等。

可用诸如Java、Smalltalk、C++之类的面向对象编程语言，编写执行本公开的操作的计算机程序代码。不过，也可用诸如“C”编程语言或类似编程语言之类的常规过程编程语言，编写执行本公开的操作的计算机程序代码。程序代码可完全在用户的计算机上运行，部分在用户的计算机上运行，作为独立的软件包，部分在用户的计算机上运行并且部分在远程计算机上运行，或者完全在远程计算机或服务器上运行。在后一情况下，远程计算机可通过局域网(LAN)或广域网(WAN)，连接到用户的计算机，或者可实现与外部计算机的连接(例如，利用因特网服务提供商，经因特网实现与外部计算机的连接)。

下面参考按照本公开的实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图，说明本公开。要明白流程图和/或方框图的每个方框，以及流程图和/或方框图中的各个方框的组合可用计算机程序指令实现。这些计算机程序指令可被提供给通用计算机，专用计算机或者其它可编程数据处理设备的处理器，从而产生机器，以致借助计算机或其它可编程数据处理设备的处理器运行的指令产生实现在流程图和/或方框图的一个或多个方框中指定的功能/动作的装置。

这些计算机程序指令也可被保存在计算机可读存储器中，所述计算机可读存储器可指令计算机或其它可编程数据处理设备按特定方式运行，以致保存在计算机可读存储器中的指令产生制成品，所述制成品包括实现在示意流程图和/或示意方框图的一个或多个方框中指定的功能/动作的指令装置。

计算机程序指令也可被加载到计算机或其它可编程数据处理设备上，使得在所述计算机或其它可编程设备上执行一系列的操作步骤，从而产生计算机实现的处理，以致在所述计算机或其它可编程设备上执行的指令提供实现在流程图和/或方框图的一个或多个方框中指定的功能/动作的步骤。

在本公开中说明的系统可影响最终用户和电信服务提供商。用户希望传送所请求的资源而没有太多的延迟。为了增强用户体验，系统试图通过可用资源，比如视频文件、音频文件、SMS消息和其它类型数据的有效管理，为所请求的资源提供快速响应时间。电信服务提供商希望通过利用定向广告使收入最大化。系统可提供网络带宽的高效利用，同时使网络影响降至最小。

参见图1，图中示出了可存在于无线网络控制器20上并由无线网络控制器20执行的优化处理10。无线网络控制器20可连接到服务一个或多个地理区域的一个或多个基站30、32、34、36。基站30、32、34、36可在它们各自的服务区内提供服务。基站30、32、34、36可向多个用户设备40、42、46、48、50提供服务，如果多个用户设备40、42、46、48、50在服务区60、62、64、68内的话。内容提供商和用户设备可被统称为节点。通过与无线网络控制器20相关联的蜂窝网络，能够在两个或更多个节点之间传送大量的数据。

无线网络控制器20的例子可包括(但不限于)单个服务器计算机、一系列服务器计算机、单个个人计算机、一系列个人计算机、小型计算机、大型计算机或者计算云。无线网络控制器20的各个组件可以执行一个或多个操作系统，所述操作系统的例子可包括(但不限于)Microsoft Windows Server^tm；Novell Netware^tm；Redhat Linux^tm，Unix，或者定制操作系统。

如下更详细所述，优化处理10可利用多个相似性图来确定多个接收对象中的每个接收对象的排序。优化处理10可通过协同过滤与多个用户设备和多个接收对象相关联的数据来提取公共结构。可分析所述公共结构以推断时隙内的使用模式。可以响应于所述分析而保存多个接收对象的排序对象的子集。

可保存在无线网络控制器20的存储装置140上的优化处理10的指令集和子例程可由包含在无线网络控制器20内的一个或多个处理器(未示出)和一个或多个存储器体系结构(未示出)来执行。

可经由基站30、32、34、36的一个或多个客户端应用70、72、74、76来访问优化处理10。客户端应用的例子可包括(但不限于)标准web浏览器、定制的web浏览器或者定制应用。可保存在分别与客户端基站30、32、34、36耦接的存储装置80、82、84、86上的客户端应用的指令集和子例程可由包含在基站30、32、34、36中的一个或多个处理器(未示出)和一个或多个存储器体系结构(未示出)来执行。

用户设备40、42、44、46、48、50的例子可包括(但不限于)个人计算机38，膝上型计算机44，智能电话机46、50，笔记本计算机(未示出)，服务器(未示出)，启用数据的蜂窝电话机42、48，专用网络装置(未示出)，和平板计算装置40。

一个或多个客户端应用可被配置成实现优化处理10的一些或全部功能。因而，优化处理10可以是纯服务器侧应用、纯客户端侧应用、或者由一个或多个客户端应用和优化处理10协作执行的混合服务器侧/客户端侧应用。

用户88、89、90、92、94、96、98可直接通过蜂窝网络或者通过间接网络来访问无线网络控制器20和优化处理10。此外，无线网络控制器20可通过间接网络连接到蜂窝网络。

各个用户设备可以直接或间接地耦接到蜂窝网络，所述蜂窝网络把它们连接到无线网络控制器20。

本领域中已知，蓝牙是一种允许移动电话机、计算机和智能电话机利用短程无线连接互连的电信行业规范。

用户设备40、42、44、46、48、50都可执行操作系统，该操作系统的例子可包括(但不限于)Apple iOS^tm，Microsoft Windows^tm，Android^tm，Redhat Linux^tm，或者定制的操作系统。

如上所述和参考图2-3所述，优化处理10可包括利用多个相似性图来确定多个接收对象中的每个接收对象的排序的无线网络控制器20。无线网络控制器20可通过协同过滤与多个用户和多个接收对象相关联的数据来提取公共数据结构，下面更详细说明。可以分析所述公共结构以推断时隙内的使用模式。响应于所述分析，保存多个接收对象的排序对象的子集。

现在参见更详细的图2，无线网络控制器20可包括高速缓存204并执行优化处理10。无线网络控制器20可与中央库202通信。无线网络控制器20可与基站30、32、34通信。基站30、32、34分别包括本地高速缓存210、212、214。在该例证实施例中，基站30可通过蜂窝网络与用户设备42通信。虽然图2只描述了用户设备42，但基站30、32、34可与多个用户设备(例如，平板计算机40、蜂窝计算机42、膝上型计算机44、智能电话机46)通信。无线网络控制器20可包括由无线网络控制器20生成的或者从不同源接收的相似性图208。相似性图208可包括指示对象和关系的节点和边。通过比较用户和用户设备、基站、和所请求的对象的相似性图，可以推断和/或识别用户的行为趋势。相似性图208可被用于确定对象的排序和推断用户的行为趋势，如下更详细所述。通过比较用户和用户设备、所请求的对象(例如，新闻文章或音乐文件)和基站以识别例如在特定时间访问基站以请求相似对象的相似用户，可以识别和/或推断用户的行为趋势。

基站30可利用本地高速缓存210来满足从用户设备(例如，蜂窝电话机42)接收的对对象的请求220。在一些实施例中，对象可以是用户通过用户设备请求，然后被用户设备接收的任意数据结构或文件，比如音乐文件、新闻文章、或者其它相似类型的信息。如果所请求的资源或对象并不存在于本地高速缓存210中，那么请求220可被转发给无线网络控制器20，无线网络控制器20可从基站32、高速缓存204或中央库202取得所请求的资源或对象230。

中央库202可包括(但不限于)：硬盘驱动器；闪速驱动器；磁带驱动器；光驱动器、RAID阵列、随机存取存储器(RAM)；和只读存储器(ROM)。

优化处理10可以利用一个或多个相似性图208来确定100每个接收对象的排序。优化处理10可以根据现有或者接收的数据(例如，可保存在这里说明的存储装置任意之一中的与用户、用户设备、基站和/或所请求的对象相关联的历史数据)来生成一个或多个相似性图208。相似性图208可包括对象-对象相似性图110、基站-基站相似性图114、和用户-用户相似性图112。对象-对象相似性图110可代表来自一个或多个基站的被请求对象。基站-基站相似性图114可代表所述一个或多个基站和所请求的信息的类型以及访问基站的用户。用户-用户相似性图112可代表用户和用户设备，并且可以指示用户请求什么类型的信息或对象以及用户访问哪些基站。相似性图208可被用于确定100接收的对象的排序。相似性图208可被用于获得反映用户行为的有益见解以及提供优化和识别机会。所述见解可包括例如识别始终如一地访问某个基站而不管所请求的对象的一种用户设备，或者如果用户在某个时间访问某个基站，那么他们可能请求某个对象而不管可能涉及的用户设备的类型。所述机会可包括根据用户行为，预先高速缓存对象和定向广告的网络优化的范围。

在一个例子中，优化处理10可以生成对象-对象相似性图112。对象-对象相似性图112的每个节点可对应于对对象或资源的请求。任意一对节点之间的边可表示所代表的对象之间的相似性。相似性可以通过利用例如两个对象的需求向量的点积来确定(其中，每个分量代表基站处的对对象的需求)。相似性可以利用在相同时隙内请求这两个对象的客户的数目来确定。优化处理10可以利用类似的方法和技术来生成和/或获得用户-用户相似性图110和基站-基站相似性图114。相似性图208可由无线网络控制器20保存。在一些实施例中，相似性图208可以保存在无线网络控制器20或者中央库202上。

优化处理10可以至少部分根据每个基站处的需求、付费需求和非付费需求的加权因子(例如，其中付费需求优先于非付费需求的需求分类)、和与多个接收对象中的每个接收对象相关联的带宽，来确定100每个接收对象的排序。在一些实施例中，用户可被指定为付费用户和非付费用户(例如，可以根据不同的标准，比如关于电信提供商的账户类型、访问基站的设备的类型、和其它因素，把用户指定为付费用户和非付费用户)。

在一个实施例中，可以利用以下数学公式来计算接收对象的排序：

$\underset{f\∈R^n}{\min }\frac{1}{2}{f}^T\mathrm{Lf}+M\underset{i,j}{\mathrm{\Σ}}{\mathrm{\η}}_{i,j}\underset{l}{\mathrm{\Σ}}(\mathrm{\ζ}\frac{D_{\mathrm{il}}}{\underset{k}{\mathrm{\Σ}}{D}_{\mathrm{kl}}}+\frac{D_{\mathrm{il}}^{\′}}{\underset{k}{\mathrm{\Σ}}{D}_{\mathrm{kl}}^{\′}})W_i{C}_{\mathrm{il}}-(\mathrm{\ζ}\frac{D_{\mathrm{jl}}}{\underset{k}{\mathrm{\Σ}}{D}_{\mathrm{kl}}}+\frac{D_{\mathrm{jl}}^{\′}}{\underset{k}{\mathrm{\Σ}}{D}_{\mathrm{kl}}^{\′}})W_i{C}_{\mathrm{jl}}$

在下列条件下：

(1)f_i-f_j≥1-η_ij、 $\left(2\right){\mathrm{\η}}_{\mathrm{ij}}\≥0\∀i,j$

其中，每个对象I_i具有带宽W_i；C_il单位成本与项目I_i从无线网络控制器(RNC)到基站B_l的单位传送相关联；基站B_l处存在对I_i的付费需求D′_il和非付费需求D_il；ζ>1代表分配给付费需求的权重；n_ij代表对应的拉格朗日系数；L代表图的拉普拉斯矩阵；以及M是正则化(regulizer)系数，引入它是为了避免过度拟合。

优化处理10可通过协同过滤与用户和接收对象相关联的数据来提取102公共结构。在一些实施例中，协同过滤可以是利用涉及多个代理、视点、数据源等之间的协同的技术来过滤信息或模式的处理。在一些实施例中，协同过滤可以是通过收集与用户相关联的喜好或者数据来进行关于一个或多个用户的兴趣的自动预测的方法。在一些实施例中，协同过滤可以至少部分基于联合聚类。在一些实施例中，联合聚类可以是允许矩阵的各行和各列的同时聚类的数据挖掘技术。

与用户和用户装置相关联的数据可由基站30、32、34、36收集并传送给无线网络控制器20。在一些实施例中，与用户和用户装置相关联的数据可包括用户装置的类型、关于用户的人口统计信息、用户的连接的持续时间、用户装置所使用的连接的类型、以及其它类似信息。与接收对象相关联的数据可由基站30、32、34、36收集并传送给无线网络控制器20。所述数据可包括关于对象的来源、对象的类型、对象的更新频率的信息，以及其它类似信息。

优化处理10可选择排序对象的子集，并利用与用户的子集相关联的数据来协同过滤排序对象。在一些实施例中，优化处理10可以根据管理员指定的标准或者电信提供商指定的标准来选择排序对象的子集。在一些实施例中，优化处理10可以利用所有的排序对象，并利用与用户相关联的数据来协同过滤排序对象。协同过滤的结果可被保存到公共数据结构。优化处理10可对于基站的每个时隙，获得和/或生成与对象、基站和用户相对应的相似性图208。在一些实施例中，电信提供商可识别特定时间增量的时隙(例如，准点开始的1小时长的时隙，使得一天有24次)。在一些实施例中，对于相同类型(例如，对象)的图，可以利用各种技术，比如链接矩阵分解（Link MatrixFactorization）来进行聚类，以提取102和/或生成公共结构。

优化处理10可分析104所述公共数据结构，以推断一个或多个基站的时隙内的使用模式。优化处理10可通过至少部分根据协同过滤而生成对象和用户的配对预测来分析104所述公共数据结构。预测可由优化处理10利用协同过滤器，比如可能请求相似对象的用户来生成。通过利用对象和用户的协同过滤，可为不同基站生成用户行为的综合观点，这可产生基站的不同时隙的个人化分段。优化处理10可以识别用户和排序对象中的哪些一起出现。通过识别和/或推断一个或多个基站的时隙的客户行为，优化处理10可便于用户的个人化定向。例如，电信提供商可以利用识别和/或推断的一个或多个基站的时隙的客户行为来创建定向激励计划，以及通过把相关或者有关对象保存在基站的本地高速缓存中而使机会变得更容易。定向激励计划可包括利用关于客户行为而识别和/或推断的数据来识别适合于特定个人的机会。例如，如果一组用户在早上8点和9点之间访问新闻网站，那么电信提供商可以向新闻提供者提供在该时间内向所述一组识别的用户做广告的能力。

在一些实施例中，识别和/或推断一个或多个基站的时隙的用户行为可有助于建立用于识别并向用户推荐对象的有效系统。协同过滤还可识别哪些基站服务相同类型的需求，并且可帮助了解在未来应当引入或者专注于什么类型的对象。例如，协同过滤可帮助根据通过协同过滤识别的用户行为的分析来生成高优先级对象的预取时间表。在一些实施例中，优化处理10可以为一个或多个基站生成跨时隙的需求预测。在一些实施例中，优化处理10可以生成接收对象和用户的排序的在线更新，这可以基于协同过滤。

在一些实施例中，识别和/或推断一个或多个基站的时隙的用户行为可便于高效的时空挖掘。时空数据可以包括与用户和对象的空间和时间有关的数据。在一些实施例中，系统可被用于跨多个时隙挖掘数据并找出在其中显现的模式。在一些实施例中，可以在非高峰时间内实施或进行时空挖掘分析，这可降低由分析引起的对网络的任何负面影响。时空挖掘可向电信提供商提供对跨时隙的用户行为的了解，这可为定向分段提供更好的机会。时空数据的例子可包括从用户设备接收的用户数据，所述数据可以是作为用户从一个地理位置移动到另一个地理位置的结果(例如，用户设备与基站30通信，随后当用户从服务区60移动到服务区62时，用户设备与基站32通信)而从多个基站接收的。利用优化处理10的时空数据挖掘可揭示可供电信提供商用于向用户提供额外服务或者进一步优化网络的进一步用户行为。

优化处理10可以响应于公共数据结构的分析而保存106排序对象的子集。在一些实施例中，优化处理10可把排序对象保存106在基站30的本地高速缓存210中。在一些实施例中，优化处理10可把排序对象保存106在无线网络控制器20的高速缓存204中。在一些实施例中，优化处理10可把排序对象保存106在与无线网络控制器20相关联的中央库202中。在一些实施例中，优化处理10可把排序对象协作地保存106在基站30、32、34和36的本地高速缓存210中。在一些实施例中，边缘处的在线排序聚合导致高速缓存的命中率的提高和/或可确定排名在前的项目。

优化处理10可保存106排序对象的子集，以改善关于不同对象类型的高速缓存，在这种情况下，把最相关的数据或者排序较高的对象保持在高速缓存中可以最小化把请求的对象传送给用户的响应时间和通信开销，从而可以增强用户的体验。

在一些实施例中，对于随后的时隙的需求预测可被用于把对象预取到高速缓存中以及从高速缓存中逐出对象。这可提高基站的高速缓存的命中率。

在一些实施例中，边缘-核心组合可以合并边缘和核心的正面方面。边缘可以提供实时在线和分布式处理。核心可以充分利用大量的计算资源和存储器来捕获长期行为。

附图中的流程图和方框图图解说明按照本公开的各个实施例的系统、方法和计算机程序产品的各种可能实现的体系结构、功能和操作。在这方面，流程图或方框图中的每个方框可代表包含实现指定逻辑功能的一个或多个可执行指令的模块、程序段或一部分代码。另外应注意，在一些备选实现中，在方框中表示的功能可不按照附图中所示的顺序发生。例如，接连表示的两个方框事实上可以基本同时地执行，或者各个块有时可按照相反的顺序执行，取决于所涉及的功能。另外要注意，方框图和/或流程图中的每个方框，以及方框图和/或流程图中的各个方框的组合可用实现指定功能或动作的基于专用硬件的系统，或者专用硬件和计算机指令的组合来实现。

这里使用的术语只是用于说明具体的实施例，并不意图限制本公开。这里使用的单数形式意图还包括复数形式，除非上下文明确地另有所示。另外要明白当用在本说明书中时，术语“包含”指定所陈述的特征、整数、步骤、操作、部件和/或组件的存在，不过并不排除一个或多个其它特征、整数、步骤、操作、部件、组件和/或它们的组合的存在或增加。

以下权利要求中的所有装置或步骤加功能要素的对应结构、材料、动作和等同物意图包括与明确主张的其它要求保护的要素结合地实现功能的任何结构、材料或动作。本公开的描述是出于举例说明的目的给出的，而不是穷尽的，也不意图把本公开局限于披露的形式。对本领域的普通技术人员来说，许多修改和变化是显而易见的，而不脱离本公开的范围和精神。选择和说明实施例是为了更好地解释本公开的原理和实际应用，和使本领域的其他普通技术人员能够关于具有适合于预期的特定应用的各种修改的各个实施例，理解本公开。

上面参考本申请的实施例，详细说明了本申请的公开内容，显然各种修改和变化都是可能的，而不脱离在附加权利要求中定义的本公开的范围。

Claims (14)

1.一种用于无线分析的在线和分布式优化的方法，包括：

利用多个相似性图来确定多个接收对象中的每个接收对象的排序，其中所述多个接收对象包括用户请求的数据文件；

通过协同过滤与多个用户设备和所述多个接收对象相关联的数据来提取公共结构；

分析所述公共结构以推断时隙内的使用模式；

为多个基站生成跨时隙的需求预测；

响应于所述分析和需求预测，而保存所述多个接收对象的排序对象的子集，其中包括将所述多个接收对象的排序对象的子集预取在所述多个基站的一个基站的本地高速缓存，以减少访问所述多个接收对象的响应时间；以及

根据基站的时隙的需求预测，将所述多个接收对象的排序对象的子集中的一个或者多个预取的排序对象从所述多个基站的一个基站的本地高速缓存中逐出。

2.按照权利要求1所述的方法，其中，所述多个相似性图包括对象-对象相似性图、基站-基站相似性图、和用户-用户相似性图。

3.按照权利要求1所述的方法，其中，所述多个接收对象中的每个接收对象的排序至少部分基于多个基站中的每个基站处的需求、付费需求和非付费需求的加权因子、以及与所述多个接收对象中的每个接收对象相关联的带宽。

4.按照权利要求1所述的方法，其中，保存所述多个接收对象的排序对象的子集进一步包括：跨多个基站协作地保存排序较高的对象的子集。

5.按照权利要求1所述的方法，进一步包括：识别所述多个用户设备和多个接收对象中的哪些一起出现在所述多个相似性图中。

6.按照权利要求1所述的方法，进一步包括：生成所述多个接收对象和多个用户中的每一个的排序的在线更新。

7.按照权利要求1所述的方法，其中，所述协同过滤至少部分基于联合聚类。

8.一种用于无线分析的在线和分布式优化的系统，包括：

用于利用多个相似性图来确定多个接收对象中的每个接收对象的排序的装置，其中所述多个接收对象包括用户请求的数据文件；

用于通过协同过滤与多个用户设备和所述多个接收对象相关联的数据来提取公共结构的装置；

用于分析所述公共结构以推断时隙内的使用模式的装置；

用于为多个基站生成跨时隙的需求预测的装置；

用于响应于所述分析和需求预测，而保存所述多个接收对象的排序对象的子集的装置，其中包括将所述多个接收对象的排序对象的子集预取在所述多个基站的一个基站的本地高速缓存，以减少访问所述多个接收对象的响应时间；以及

用于根据基站的时隙的需求预测，将所述多个接收对象的排序对象的子集中的一个或者多个预取的排序对象从所述多个基站的一个基站的本地高速缓存中逐出的装置。

9.按照权利要求8所述的系统，其中，所述多个相似性图包括对象-对象相似性图、基站-基站相似性图、和用户-用户相似性图。

10.按照权利要求8所述的系统，其中，所述多个接收对象中的每个接收对象的排序至少部分基于多个基站中的每个基站处的需求、付费需求和非付费需求的加权因子、以及与所述多个接收对象中的每个接收对象相关联的带宽。

11.按照权利要求8所述的系统，其中用于响应于所述分析和需求预测，而保存所述多个接收对象的排序对象的子集的装置进一步包括：用于跨多个基站协作地保存排序较高的对象的子集的装置。

12.按照权利要求8所述的系统，进一步包括：用于识别所述多个用户设备和多个接收对象中的哪些一起出现在所述多个相似性图中的装置。

13.按照权利要求8所述的系统，进一步包括：用于生成所述多个接收对象和多个用户中的每一个的排序的在线更新的装置。

14.按照权利要求8所述的系统，其中，所述协同过滤至少部分基于联合聚类。