CN105246101A - 一种面向次等移动内容分发系统的内容推荐装置及其方法 - Google Patents

Abstract

本发明一种面向次等内容分发系统的内容推荐装置及其方法，基于用户的相关信息分析用户特征获取用户兴趣点，同时采集网络流量数据实时感知区域内基站流量特征获取网络的冗余容量，向用户推荐和用户兴趣点及冗余容量匹配的本地缓存内容的表单，在用户浏览表单并选择感兴趣的内容后，利用网络的冗余容量将用户选择的内容分发到用户终端；本发明把网络流量感知、本地缓存内容推荐与分发这两个要素结合成一个整体，能够在保证用户体验的情况下引导用户根据本地冗余容量的大小进行自适应内容消费；优先保证移动网络里常规流量的传输，只有存在冗余容量的情况下才会分发本地缓存内容。

Description

一种面向次等移动内容分发系统的内容推荐装置及其方法

技术领域

本发明涉及无线通信技术领域，涉及一种基于流量感知的面向次等内容分发系统的内容推荐装置及其方法。

背景技术

现阶段的移动通信网络普遍存在着网络容量（特别是无线接入网容量）总体利用率不高的问题，累计了大量的冗余容量。在一个区域内，用户的流量需求在时间上分布不均衡，使得高峰期的流量需求远高于平均的流量需求。而移动通信网络在规划建设中，为了满足接通率等可靠性指标，需要以高峰期的流量需求作为主要参考来部署网络容量。因此，网络的容量往往大幅超出其实际承载的平均流量，造成大量的冗余容量，如图1所示。另一方面，在移动互联应用、智能终端的普及下，网络热点和盲点亟需灵活的部署方案来完善覆盖。而鉴于越来越难的基站选址以及工程施工难度和成本的提高，未来的基站在形态上，将朝着更高性能和集成度的宏基站、体积更小的微基站、更灵活的分布式基站三种方向发展，给运营商网络建设带来了更多的选择和更大的灵活性。密集部署的基站小型化在进一步提升网络容量的同时，也意味将为移动通信网络带来更多的网络冗余容量。

目前可用于减小冗余容量的方法主要有三类。第一类方法着眼于根据需求调整网络容量，统称为弹性容量技术,如基站的快速休眠与启动技术或软件定义移动网络（softwaredefinedmobilenetwork）技术。此类方法没能从根本上提升流量需求，也是对网络固定投资（频谱资源、基础设施等的成本）的浪费。第二类方法是计费差异化方法和定向流量方法，即针对某些特定的时段或特定的内容，以较优惠的资费推动流量需求，但可控性低、适用面小。第三类方法统称为无线基础设施云或移动边缘计算（mobileedgecomputing），即在无线接入网或承载网等网络基础设施上直接部署云服务器，就近为本地用户提供除了通信以外的计算和存储等服务。此方案需要大规模的基站改造，而且本质上并未能针对流量在时间上分布不平衡的状况有效地提高流量需求。综上，现有方法都不能有效地解决当前移动网络容量，特别是接入网容量利用率不高的问题。

从用户流量使用行为的角度上看，用户的内容消费存在巨大的弹性空间。首先，很多情况下，用户的内容需求不是既定的，而是可塑的，可以通过推荐系统进行引导。例如，当用户想获取娱乐内容时，系统可以推荐20KB的图文或是20MB的视频。尽管二者的流量差异巨大，给用户带来的娱乐体验却在一定程度上是可比的。其次，同样内容的流量负载也是弹性的，如同样内容的视频可以有不同清晰度的编码和不同的文件大小。

发明内容

本发明的目的在于提供一种面向次等移动内容分发系统的内容推荐装置及其方法，将缓存在次等移动内容分发系统的区域缓存单元的内容推荐并分发到用户个人，通过动态地引导用户的流量需求来提高移动通信网络容量（特别是无线接入网容量）的总体利用率。

本发明一种面向次等移动内容分发系统的内容推荐装置，包括流量感知模块和内容推荐模块，该流量感知模块包括流量实时监测单元和流量分析与预测单元，该内容推荐模块包括用户特征分析单元和用户内容推荐单元，其中，

该流量实时监测单元：对监测区域内基站的流量强度和类别的流量特性进行实时监测并记录，并将采集的实时流量特性数据发送至流量分析与预测单元；

该流量分析与预测单元：对区域内基站的实时流量特性数据进行建模分析,得到区域内基站的实时流量特征及趋势预测，并发送至内容推荐模块的用户内容推荐单元；

该用户特征分析单元：根据用户个人包括注册信息、浏览历史、用户个性定制的相关信息，对用户个人进行特征分析并建模，得到用户特征模型并发送给用户内容推荐单元；

该用户内容推荐单元：收到用户终端模块发出的请求后，关联用户与用户所在基站，找到对应的次等移动内容分发系统的区域缓存单元，向其获取本地缓存内容目录，综合考虑区域内基站的实时流量特征、本地缓存内容目录、用户特征模型三个因素，通过预置的推荐算法从本地缓存内容中筛选出符合用户特征且匹配于区域内基站冗余容量状态的内容，并以此生成用户浏览目录发送给用户终端模块，该用户浏览目录是本地缓存内容目录的子集，列出当前适合该用户获取的本地缓存内容；上述区域缓存单元存储有可以分发给用户的本地缓存内容及目录；该用户对本地缓存内容的选择信息返回至内容推荐模块中的用户内容推荐单元，用于更新用户特征模型。

进一步，一种面向次等内容分发系统的内容推荐方法，基于用户相关信息分析用户特征获取用户兴趣点，采集网络流量数据实时感知区域内基站流量特征，向用户推荐和用户兴趣点及冗余容量匹配的本地缓存内容的表单，在用户浏览表单并选择感兴趣的内容后，利用网络的冗余容量将用户选择的内容分发到用户终端。

具体包括如下步骤：

步骤1.用户特征分析：

内容推荐模块中的用户特征分析单元基于用户个人包括注册信息、浏览历史和用户个性定制的相关信息对用户特征进行分析并建模，得到用户特征模型，提供给用户内容推荐单元；

步骤2.流量监测与分析：

步骤2-1.流量监测:流量感知模块中的流量实时监测单元对区域内基站的流量强度和类别等流量特性进行实时监测并记录，并将采集的实时流量特性数据发送至流量分析与预测单元；

步骤2-2.流量分析与预测：流量分析与预测单元对实时流量特性数据进行建模分析，得到区域内基站的实时流量特征及趋势预测，并发送至内容推荐模块的用户内容推荐单元；

步骤3.用户请求：

当用户通过用户终端模块向用户内容推荐单元发出请求消息时，同时向用户内容推荐单元提供用户IP或其它可以用来关联用户所在基站的信息；

步骤4.本地缓存内容推荐：

用户内容推荐单元收到来自用户终端模块的请求后，关联用户与用户所在基站，找到对应的次等移动内容分发系统的区域缓存单元，向其获取本地缓存内容目录，综合考虑本地缓存内容、用户特征模型、对应区域内基站的流量特征三个因素，通过预置的推荐算法从本地缓存内容中筛选出符合用户特征且匹配于冗余容量的内容，并以此生成用户浏览目录提供给用户终端模块；

步骤5.内容传输与反馈

步骤5-1.用户选择反馈：用户从用户内容推荐单元推送给用户终端模块的用户浏览目录中选择所需资源并反馈给用户内容推荐单元；

步骤5-2.本地缓存内容分发：用户内容推荐单元通知区域缓存单元向用户传输用户选择的本地缓存内容；

步骤5-3.用户特征更新：基于用户内容推荐单元与用户终端模块交互所产生的历史记录，作为用户个人浏览历史发送给用户特征分析单元，更新相应的用户特征模型。

本发明是在感知移动网络冗余容量的基础上，机会性地向用户推荐和用户兴趣及冗余容量匹配的本地缓存内容的表单，在用户浏览表单并点击感兴趣的内容后，利用网络空闲的冗余容量提供内容分发服务到用户个人。

本发明的特点在于：

1．把网络流量感知、本地缓存内容推荐与分发这两个要素结合成一个整体，能够在保证用户体验的情况下引导用户根据本地冗余容量的大小进行自适应内容消费；

2．实行信令（包括用户请求与内容表单推荐）与数据（内容分发）分离的设计，从而能够保障信令的可靠传输并实现灵活的部署；

3.优先保证移动网络里常规流量的传输，只有当常规流量不足（即存在冗余容量）的情况下才会分发本地缓存内容。

附图说明

图1是网络冗余容量示意图。

图2是本发明内容推荐装置的工作原理图；

图3是本发明内容推荐装置部署方式一示意图；

图4是本发明内容推荐装置部署方式二示意图。

以下结合附图和实施例对本发明做进一步详述。

具体实施方式

如图2所示，本发明一种面向次等移动内容分发系统的内容推荐装置，包括流量感知模块1和内容推荐模块2，该流量感知模块1包括流量实时监测单元11和流量分析与预测单元12，该内容推荐模块2包括用户特征分析单元21和用户内容推荐单元22，其中，

该流量实时监测单11：对监测区域内基站的流量强度和类别等流量特性进行实时监测并记录，并将采集的实时流量特性数据发送至流量分析与预测单元12；

该流量分析与预测单元12：对次等内容分发系统的服务区域内基站的实时流量特性数据进行建模分析，得到区域内基站的实时流量特征和趋势预测，并发送至内容推荐模块2的用户内容推荐单元22，此实时流量特征可表明接下来一段时间内区域内基站与用户之间接入网可用的冗余容量；

该用户特征分析单元21：根据用户个人包括注册信息、浏览历史的相关信息，对用户个人进行特征分析并建模，得到用户特征模型并发送给用户内容推荐单元22；

该用户内容推荐单元22：收到用户终端模块4发出的请求后，通过关联IP或其他方法关联用户与所在基站，找到对应的次等移动内容分发系统的区域缓存单元3，向其获取本地缓存内容目录，综合考虑区域内基站的实时流量特征、本地缓存内容目录、用户特征模型三个因素，通过预置的推荐算法从本地缓存内容中筛选出符合用户特征且匹配于冗余容量状态的内容，并以此生成用户浏览目录发送给用户终端模块4，该用户浏览目录是本地缓存内容目录的子集，列出当前适合该用户获取的本地缓存内容；上述区域缓存单元3存储有可以分发给用户的本地缓存内容及目录；该用户对本地缓存内容的选择信息返回至内容推荐模块2中的用户内容推荐单元22，用于更新用户特征模型。

上述用户个人浏览历史，即该用户在本服务中所浏览的本地缓存内容的信息，来源于内容推荐模块2与用户终端模块4交互产生的信息，用户特征模型可以采用多种模型表示方法，同时以一定的周期更新模型。

上述用户个人浏览历史应该包括但不限于：用户浏览的内容链接、浏览内容的主题、浏览时的停留时间、用户的cookie等信息。上述用户浏览行为仅为举例，其他现有的或今后可能出现的获取用户浏览行为的技术如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

上述用户个人的相关信息也包括但不限于用户的注册信息，如年龄、性别、职业甚至偏好等信息。

上述用户个人的相关信息也包括但不限于有关用户对服务内容的定制或者要求的信息，如果用户对所需内容提出了具体的描述和要求，那么将其作为用户个人的相关信息之一。

上述用户个人的相关信息也包括但不限于拥有与目标用户相似浏览行为的其他用户的用户个人的相关信息。显然，兴趣度相近的用户会有较大的概率浏览属性相近的内容，因此与某用户浏览行为相近的另一个用户个人的相关信息或模型都可以作为该用户个人的相关信息。通过如协同过滤等方法产生或改进目标用户的用户特征模型。

上述用户个人的相关信息仅为举例，其他现有的或今后可能出现的可用用户信息如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。更优选地，用户相关信息可采用上述用户相关信息的组合，以达到更好的效果。

如图2所示，本发明一种面向次等内容分发系统的内容推荐方法，基于用户相关信息分析用户特征获取用户兴趣点，采集网络流量数据实时感知区域内基站流量特征，向用户推荐和用户兴趣点及冗余容量匹配的本地缓存内容的表单，在用户浏览表单并选择感兴趣的内容后，利用网络的冗余容量将用户选择的内容分发到用户终端；具体包括如下步骤：

步骤1.用户特征分析：

内容推荐模块2中，用户特征分析单元21基于用户个人的相关信息对用户的特征进行分析并建模，得到用户特征模型，提供给用户内容推荐单元22，其中用户个人的相关信息包括注册信息、浏览历史，该浏览历史指的是用户在本服务中所浏览的本地缓存内容的信息，来源于内容推荐模块2与用户终端模块4交互产生的信息；

上述用户个人的相关信息也应该包括但不限于用户的上网行为历史、用户的注册信息、用户对服务内容的特殊定制信息等：用户的上网行为历包括用户浏览的内容链接、浏览内容的主题、浏览时的停留时间、用户的cookie等信息；用户的注册信息包括用户年龄、性别、职业甚至偏好等信息。

上述用户个人的相关信息也包括但不限于拥有与目标用户相似特征的其他用户的用户相关信息。显然，兴趣度相近的用户会有较大的概率浏览属性相近的内容，因此与某用户浏览行为相近的另一个用户的相关信息或模型都可以作为该用户的相关信息。通过如协同过滤等方法产生或改进目标用户的用户特征或这特征模型。

上述用户相关信息仅为举例，其他现有的或今后可能出现的可用用户信息如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。更优选地，用户相关信息可采用上述用户相关信息的组合，以达到更好的效果。

步骤2-1.流量监测:

流量感知模块1中的流量实时监测单元11对区域内基站流量的强度和类别等流量特性进行实时监测并记录，并将采集的实时流量特性数据发送至流量分析与预测单元12；

上述对移动网络的流量监测有多种方式。实时流量监测单元11可以部署在核心网的流量汇聚接口上，例如可以对LTE核心网的S1接口的数据进行采集用来监测接入网的流量强度信息；实时流量监测单元11也可以部署在关键网络节点基站上，通过监测分析基站信令来监测基站流量强度状态，或者通过在基站上部署特定的设备来实现流量强度监测功能；另外实时流量监测单元11也可以部署在设备提供商的网管平台，统一采集并记录基站群的流量强度，分析基站流量特征。

上述可用流量监测方法仅为举例，其他现有的或今后可能出现的可用流量监测技术如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。更优选地，监测方式可以采用上述方式的组合以达到更优的效果。

步骤2-2.流量分析与预测：

流量分析与预测单元12对区域内基站的实时流量特性数据进行建模分析，得到区域内基站的流量特征，并发送至内容推荐模块2的用户内容推荐单元22；

上述流量分析与预测单元12分析得到实时流量特征所采用的方式可以有多种，如可以基于实时流量特性和历史流量特征分析预测得到实时流量特征。更优选地可以实时检测当前基站与用户之间信道状况，进一步考虑信道情况对基站到用户数据传输产生的影响来进行分析预测。上述流量分析与预测方法仅为举例，其他现有的或今后可能出现的流量分析与预测方法如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

步骤3.用户请求：

当用户通过用户终端模块4向用户内容推荐单元22发出请求消息时，同时向用户内容推荐单元22提供用户IP或其它可以用来关联用户与所在基站的信息；

上述用户终端模块4与用户的交互有多种方式，如采用终端APP的形式，或与现有浏览器相结合的方式。

步骤4.本地缓存内容推荐：

用户内容推荐单元22收到来自用户终端模块4的请求后，通过关联IP或其他方法关联用户与所在基站，找到对应的次等移动内容分发系统的区域缓存单元3，向其获取本地缓存内容目录，综合考虑本地缓存内容、用户特征模型、对应区域内基站的实时流量特征、多用户资源竞争情况等因素，通过预置的推荐算法从本地缓存内容中筛选出符合用户特征且匹配于冗余容量情况（包括冗余容量资源的多用户分配）的内容，并以此生成用户浏览目录提供给用户终端模块4。

用户特征模型含有目标用户个人对内容源目录上的每项内容的喜好度信息，而实时流量特征可以用来分析内容源目录上每项内容在接入网流量状态下传输的适合度，包括可传输性、接入网流量利用率等指标。上述推荐算法的功能是从区域缓存单元3的本地缓存内容目录中选取最适合该区域内基站提供给所服务用户于当前下载的内容组合。

步骤5-1.用户选择反馈：

用户从用户内容推荐单元22推送给用户终端模块4的用户浏览目录中选择所需资源并反馈给用户内容推荐单元22。

步骤5-2.本地缓存内容分发：

用户内容推荐单元22通知区域缓存单元3向用户传输用户选择的本地缓存内容。上述区域缓存单元3将所缓存的本地缓存内容传输到用户终端时，即次等移动内容分发系统传输本地缓存内容时所产生的流量以常规流量的方式进行传输。由于充分考虑了用户与区域内基站之间的流量状况，根据网络冗余容量所允许传输的数据大小产生用户浏览目录供用户选择本地缓存内容，所以当以常规流量传输次等移动内容分发系统所提供内容数据时，该流量不会对正常用户所使用的常规流量造成影响。

步骤5-3.用户特征更新：

基于用户内容推荐单元22与用户终端模块4交互所产生的历史记录，作为用户个人浏览历史发送给用户特征分析单元11，更新相应的用户特征模型。

本发明将模块的部署区域划分为无线接入网和移动核心网两个部分。

本发明各模块单元有多种部署方式，下面对部署方式进行说明:

用户终端模块4：部署在用户终端上。

区域缓存单元3：本地缓存内容的来源处，位于无线接入网。

内容推荐模块2：可以采用边缘化部署，即分布式地部署在每个基站上，也可以采用集中式部署，即在移动核心网或外网中部署一个或少数几个中心服务器进行统筹式处理调度。

流量感知模块1：可以采用边缘化部署，即分布式地部署在每个基站上，通过监测分析基站信令来或在基站上部署特定设备来采集该基站的流量强度信息，分析区域内基站流量特征；也可以采用集中式部署，即在移动核心网中部署特定的流量监测设备，通过从核心网的流量汇聚接口（如Gn口、LTE核心网的S1-U接口）或者从运营商的网管平台统一采集接入网流量强度信息，分析区域内基站的流量特征。

下面结合附图图3、图4对本发明两种典型部署方式进行介绍：

部署方式1：图3为本发明在现有网络架构上的一种分布式的部署方式，用户终端模块4部署于用户终端上，区域缓存单元3、内容推荐模块2和流量感知模块1分布式地部署在每个基站上，即在每个基站上部署一个集成的内容推荐与分发装置，将具有计算处理和缓存功能的模块单元分布式地下沉到网络边缘。本部署方式采用用户终端模块4与基站上的内容推荐与分发装置直接交互的方式提供服务。

本部署方式的特点在于将基于流量感知的内容推荐与分发装置分布式地部署在每个基站上，即将具有计算处理和缓存的模块部署于网络边缘基站上，属于边缘化的分布式部署。其优缺点在于：安全性高，避免了由于单个节点的故障而导致整个系统的崩溃，但是成本较高，在每个基站上都建立和维护一个功能较多的服务器需要较大的运营成本。

部署方式2：图4为本发明在现有网络架构上的另一种集中式的部署方式，用户终端模块4部署于用户终端，区域缓存单元3部署在每个基站上，而内容推荐模块2和流量感知模块1集成为一个或少数几个内容推荐与分发装置作为中心节点部署在核心网中，即将具有计算处理和信令交互功能的模块单元集中到核心网。本部署方式采用用户终端模块与部署在核心网中的中心节点进行交互的方式提供服务。

本部署方式的特点在于，将具有计算处理和信令交互功能的模块单元集中部署核心网，对数据进行统筹式管理，属于集中式部署。其优缺点在于：集中式管理易于实现数据的实时共享和信息扁平化管理、另外集中式管理成本低（只要保证服务器的运行稳定和定期备份，就解决了整个系统的维护问题），但是这样的部署方式稳定性低，单点故障容易造成整个系统的崩溃。

以上所述仅为本发明的较佳实施用例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换以及改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种面向次等移动内容分发系统的内容推荐装置，其特征在于包括流量感知模块和内容推荐模块，该流量感知模块包括流量实时监测单元和流量分析与预测单元，该内容推荐模块包括用户特征分析单元和用户内容推荐单元，其中，

该流量实时监测单元：对区域内基站的流量强度和类别的流量特性进行实时监测并记录，并将采集的实时流量特性数据发送至流量分析与预测单元；

该流量分析与预测单元：对区域内基站的实时流量特性数据进行建模分析，得到区域内基站的实时流量特征和趋势预测，并发送至内容推荐模块的用户内容推荐单元；

该用户特征分析单元：根据用户个人包括注册信息、浏览历史、用户个性定制的相关信息，对用户个人进行特征分析并建模，得到用户特征模型并发送给用户内容推荐单元；

该用户内容推荐单元：收到用户终端模块发出的请求后，通过关联IP或其他方法关联用户与所在基站，找到对应的次等移动内容分发系统的区域缓存单元，向其获取本地缓存内容目录，综合考虑区域内基站的实时流量特征、本地缓存内容目录、用户特征模型的因素，通过预置的推荐算法从本地缓存内容中筛选出符合用户特征且匹配于冗余容量状态的内容，并以此生成用户浏览目录发送给用户终端模块，该用户浏览目录是本地缓存内容目录的子集，列出当前适合该用户获取的本地缓存内容；上述区域缓存单元存储有可以分发给用户的本地缓存内容及目录；该用户对本地缓存内容的选择信息返回至内容推荐模块中的用户内容推荐单元，用于更新用户特征模型。

2.一种面向次等内容分发系统的内容推荐方法，其特征在于：基于用户的相关信息分析用户特征并获取用户兴趣点，采集网络流量数据实时感知区域内基站流量特征，向用户推荐和用户兴趣点及冗余容量匹配的本地缓存内容的表单，在用户浏览表单并选择感兴趣的内容后，利用网络的冗余容量将用户选择的内容分发到用户终端。

3.根据权利要求2所述的一种面向次等内容分发系统的内容推荐方法，其特征在于具体包括如下步骤：

步骤1.用户特征分析：

内容推荐模块中的用户特征分析单元基于用户个人包括注册信息、浏览历史和用户个性定制的相关信息对用户特征进行分析并建模，得到用户特征模型，提供给用户内容推荐单元；

步骤2-1.流量监测:

流量感知模块中的流量实时监测单元对区域内基站的流量强度和类别等流量特性进行实时监测并记录，并将采集的实时流量特性数据发送至流量分析与预测单元；

步骤2-2.流量分析与预测：

流量分析与预测单元对区域内基站的实时流量特性数据进行建模分析，得到区域内基站的实时流量特征及趋势预测，并发送至内容推荐模块的用户内容推荐单元；

步骤3.用户请求：

当用户通过用户终端模块向用户内容推荐单元发出请求消息时，同时向用户内容推荐单元提供用户IP或其它可以用来关联用户所在基站的信息；

步骤4.本地缓存内容推荐：

用户内容推荐单元收到来自用户终端模块的请求后，通过关联IP或其他方法关联用户与所在基站，找到对应的次等移动内容分发系统的区域缓存单元，向其获取本地缓存内容目录，综合考虑本地缓存内容、用户特征模型、对应区域内基站的实时流量特征的因素，通过预置的推荐算法从本地缓存内容中筛选出符合用户特征且匹配于冗余容量情况的内容，并以此生成用户浏览目录提供给用户终端模块；

步骤5-1.用户选择反馈：

用户从用户内容推荐单元推送给用户终端模块的用户浏览目录中选择所需资源并反馈给用户内容推荐单元；

步骤5-2.本地缓存内容分发：

用户内容推荐单元调度区域缓存单元向用户传输用户选择的本地缓存内容；

步骤5-3.用户特征更新：

基于用户内容推荐单元与用户终端模块交互所产生的历史记录，作为用户个人浏览历史发送给用户特征分析单元，更新相应的用户特征模型。