CN108876646B - 一种基于节点社交特性的d2d缓存方法 - Google Patents

一种基于节点社交特性的d2d缓存方法 Download PDF

Info

Publication number
CN108876646B
CN108876646B CN201810645589.9A CN201810645589A CN108876646B CN 108876646 B CN108876646 B CN 108876646B CN 201810645589 A CN201810645589 A CN 201810645589A CN 108876646 B CN108876646 B CN 108876646B
Authority
CN
China
Prior art keywords
user
content
users
community
communication
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810645589.9A
Other languages
English (en)
Other versions
CN108876646A (zh
Inventor
蔡君
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Lingrenle Technology Co.,Ltd.
Guangdong Polytechnic Normal University
Original Assignee
Guangdong Polytechnic Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong Polytechnic Normal University filed Critical Guangdong Polytechnic Normal University
Priority to CN201810645589.9A priority Critical patent/CN108876646B/zh
Publication of CN108876646A publication Critical patent/CN108876646A/zh
Application granted granted Critical
Publication of CN108876646B publication Critical patent/CN108876646B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/56—Provisioning of proxy services
    • H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

一种基于节点社交特性的D2D缓存方法，本发明属于计算机软件的技术领域，应用在通信技术方面。提出了基于节点社交特性的设备到设备(Device‑to‑Device,D2D)缓存决策策略。由于通信设备大多被用户携带，其设备在地理位置上的分布特性受用户社交关系影响。为此，本发明从D2D网络终端的离线社交特性出发，将节点进行社团分配，并考虑社团内用户在线社交特性，计算用户影响度因子，在基于印度自助餐过程(Indian buffet process,IBP)内容请求过程中实施内容缓存决策与内容获取机制。更进一步地优化D2D网络中缓存内容的时空分布，提升缓存命中率与网络的传输效率。

Description

一种基于节点社交特性的D2D缓存方法
技术领域
本发明属于计算机软件的技术领域，应用在通信技术方面。
背景技术
D2D(Device-to-Device)通信是指终端用户在进行信息交互时，不以基站等作为中继节点直连通信的过程，为下一代移动通信网络(5G)的关键技术之一，能缓解高峰时段大批用户请求所带来的网络拥塞，降低传输时延，提高传输吞吐量和空口资源利用率。其中，每个终端都增添了内置缓存，好的缓存策略能更进一步地提高系统增益，达到事半功倍的收效。
在D2D通信网络中，由于各种终端设备是由用户所携带，设备与设备之间能够根据用户关系，构建一定的社交网络。社交网络的形成分为离线(offline)方式和在线(online)方式。离线方式根据移动用户在地理位置上的特性来形成相应的离线社交网络层；在线方式根据分析用户的一些在线社交平台上内容兴趣方面的属性确定用户关系，如：微博、微信等，形成在线社交网络层。分析用户离线社交层特性可知：由于设备大多为用户所携带，其设备在地理位置上的分布特性受用户日常活动所影响。在一定的观测时间内，用户集中分布并常活跃于相对固定的公共场合如:商业场所、办公场所、学校等。而在一些空旷的地方，其用户密集度较低。因此，基站所承载的数据量主要来源于用户密集度较高的区域。分析密集区域中用户地理位置上的社交特性可知，用户能形成社团，且在同一社团内用户之间交互频率较高，而在不同社团之间，用户之间的交互相对较少；此外，在用户的在线社交层中，用户之间的兴趣特性能够反映用户对不同内容请求上的同质性与差异性。而目前，国内外学者在对D2D缓存策略的研究中，较少考虑用户之间的社交特性、社团性以及其在社团中的影响度对缓存策略与内容获取所带来的影响。
相关工作
近年来研究者们对D2D缓存策略进行了广泛的研究，其代表成果如下：
Golrezaei N等人[1]在附带缓存帮助器基站的无线网络架构中，将缓存功能也引入了终端用户，以此建立D2D网络，实现内容共享，提升整个网络吞吐量。随后，该团队[2]比较了确定性缓存和随机缓存两种D2D缓存策略，为最大化分簇内D2D通信链路数目，在提高同一分簇内获取请求文件概率与提高频谱资源复用之间的折中，寻求最优协作距离，其结果显示随机缓存策略更适合实际应用场景。Krishnan S等人[3]将流行度高的内容分块随机缓存于终端设备中，形成分布式的D2D的缓存网络，以此提升内容在网络中的时空分布和降低传输时延。Ji M等人[4]提出两种D2D编码多播的缓存策略：确定性随机缓存和随机编码缓存。从理论上分析了这两种策略的适应环境和局限性，如：确定性随机缓存不适合用户位置变化的场景，而随机编码缓存对用户的移动性的适应能力较强等。Wang R等人[5]以最大化数据卸载率为目标，将D2D缓存问题建模，提出一种移动感知缓存放置策略。结果显示，移动速度较快或者较慢的终端缓存流行度最高的文件，移动速度中等的节点应该缓存流行度较低的文件，避免重复。
[1]Golrezaei N,Molisch AF,Dimakis AG,et al.Femtocaching and device-to-device collaboration:A new architecture for wireless video distribution[J].IEEE Communications Magazine,2013,51(4):142-149.
[2]Golrezaei N,Mansourifard P,Molisch A F,et al.Base-station assisteddevice-to-device communications for high-throughput wireless video networks[J].IEEE Transactions on Wireless Communications,2014,13(7):3665-3676.
[3]Krishnan S,Dhillon H S.Distributed caching in device-to-devicenetworks:A stochastic geometry perspective[C]//Signals,Systems and Computers,2015 49th Asilomar Conference on.IEEE,2015:1280-1284.
[4]Ji M,Caire G,Molisch A F.Fundamental limits of caching in wirelessD2D networks[J].IEEE Transactions on Information Theory,2016,62(2):849-869.
[5]Wang R,Zhang J,Song S H,et al.Mobility-aware caching in D2Dnetworks[J].IEEE Transactions on Wireless Communications,2017,16(8):5001-5015.
发明内容
本发明的目的是提出了一种基于节点社交特性的D2D缓存方法。主要通过考虑用户的离线社交层特性构建离线社交社团，然后根据在线社交层上用户间的兴趣相似度计算用户影响度因子，并在基于IBP内容请求过程中实施内容缓存决策与内容获取机制。更进一步地优化D2D网络中缓存内容的时空分布，提升缓存命中率与网络的传输效率。
本发明方法主要从D2D网络终端的离线社交特性出发，将节点进行社团分配，并考虑社团内用户在线社交特性，计算用户影响度因子，在基于IBP内容请求过程中实施内容缓存决策与内容获取机制。
本发明根据用户节点社交特性，提出一种基于节点社交特性的D2D缓存机制，从而提高内容缓存多样性以及缓存命中率，优化D2D通信系统性能。
一种基于节点社交特性的D2D缓存方法,技术方案包括：定义节点社交亲密度、D2D复杂网络构建、用户影响度因子计算等方面：
一、分析离线社交层用户特性，定义亲密度因子
在本发明中，首先对用户离线社交层用户特性进行分析，具体如下：
基站能对D2D用户进行集中控制并获得其所在的地理位置信息，当用户ui与uj分别在其D2D传输范围内时，我们认为两用户具有潜在的D2D通信可能。因此，当其在彼此的范围内时，代表用户之间建立一次交互，其持续时间代表交互时长。通过一定的观测时间分析，用户交互持续时间符合γ(k,θ)分布，其中k为该分布的形状参数，θ为尺度参数。为求得参量k与θ，可分别根据用户交互历史记录求得用户交互持续时间的期望与方差。如下：
Figure BDA0001703431880000031
Figure BDA0001703431880000032
其中,在观测时间内，Xn代表用户ui、uj第n次交互持续时间，Nij表示用户交互次数。因此，用户交互持续时间分布
Figure BDA0001703431880000033
其交互持续时间概率密度函数如下：
Figure BDA0001703431880000034
其中，
Figure BDA0001703431880000035
定义离线社交网络亲密度因子wij＝[0,1]，表示用户ui、uj建立成功通信的概率，其表示如下：
Figure BDA0001703431880000041
其中，Xmin为随机变量，表示成功传输数据包所需的最小通信持续时间，其受到通信链路状态和传输的内容大小影响。wij越大，表示用户ui、uj未来建立通信的可能性越高。
二、根据离线社交层亲密度因子，划分社团
G＝(V,E)是指由一个点集V(G)和一个边集E(G)组成的一个图，以用户的终端映射为V(G)，边的映射方法如下：1)计算用户之间的亲密度因子wij，预测用户未来建立通信的概率；2)设定一个阈值wth，当wij≥wth时，连接两个终端的边被赋予权重“1”，否则为“0”。以网络社团量化指标——模块度
Figure BDA0001703431880000042
为目标函数，其中Nc表示网络中社团的数目，M表示网络中连接的总数，mc表示社团c内节点之间的连接数，dc表示社团c内所有节点度数之和，应用优化算法将网络划分为不同的社团，同一社团内用户建立成功D2D通信的概率较高，不同社团内用户间建立成功通信的概率较低。
三、计算社团用户兴趣相似度，定义在线社交用户影响度因子
对于每个社团内用户，在保证社团内用户具有较高的D2D通信可能的基础上，计算社团内用户间的兴趣相似度，可获得在线社交用户影响度因子。用余弦相似度(cosinesimilarity)计算用户的兴趣相似度得：
Figure BDA0001703431880000043
其中,||Lij||1是用户i与j共同兴趣数，
Figure BDA0001703431880000044
li和lj分别代表用户i,j兴趣数，
Figure BDA0001703431880000045
表示社团
Figure BDA0001703431880000046
根据社团用户兴趣相似度，定义用户i影响度因子,其表示如下：
Figure BDA0001703431880000051
四、基于印度自助餐过程的内容缓存策略
应用印度自助餐过程实现用户请求文件过程，假定网络中N个用户对K个内容请求过程建模为IBP过程，具体如下：
假设缓存内容库中有无穷个文件内容(即K→∞)，K＝K0+K+,K0表示未被用户请求的新内容，K+表示已有请求记录的内容。用πk表示内容k被请求的概率，其服从β分布，即
Figure BDA0001703431880000052
用户i独立请求内容k的过程服从参数为πK的伯努利分布，即znπk～Bernoulli(πk)，由于K→∞，其请求服从参数为α的泊松分布Possion(α),即用户请求已有请求记录内容数目服从参数为α的泊松分布Possion(α)。请求新的内容数目服从参数为
Figure BDA0001703431880000053
的泊松分布
Figure BDA0001703431880000054
对每个用户进行影响度标记，并按降序排序，用户i请求内容k的概率只受比其影响力更高的用户影响。其请求概率如下：
Figure BDA0001703431880000055
其中k+为具有请求记录的内容，k0为无请求记录内容。m-i,k为除用户i外，内容k的历史请求用户数目，zik＝1表示第i个用户请求内容k，Z-i,k表示除用户i外，请求内容k的用户集合。用一个N×K维矩阵Z表示所有用户对内容的请求结果，zik表示第i个用户对内容k的请求结果，当zik＝1时，用户i请求内容k。获得该内容请求矩阵的概率如下：
Figure BDA0001703431880000056
其中，
Figure BDA0001703431880000057
表示用户请求内容的总数目，谐波数
Figure BDA0001703431880000058
mk表示内容k被请求的总次数。
对于每一个社团内用户，当用户i请求内容k时，实行缓存决策策略，用户是否缓存内容k取决于缓存该内容后，对其他请求该内容用户的平均贡献度
Figure BDA0001703431880000061
用影响度因子
Figure BDA0001703431880000062
标记每一个请求用户，计算用户i在请求内容k时缓存该内容对其他用户的平均贡献度
Figure BDA0001703431880000063
Figure BDA0001703431880000064
设定贡献度阈值Ith当
Figure BDA0001703431880000065
时，用户i缓存该请求内容，否则不存。当缓存空间不足时候采用LRU的缓存内容替换方式，剔除相应的内容。
附图说明
图1是本发明的缓存策略实施过程图；
图2是本发明的内容获取过程图。
具体实施方式
缓存策略在D2D通信中实施过程。
Step1：设定观测时间T，基站BS根据移动用户地理位置信息，记录用户交互时长与交互次数，计算的离线社交层(OffSN)中用户之间亲密度因子wij。
Step2：设定一个阈值wth，构建D2D网络图G＝(V,E)。当wij≥wth时，连接两个终端的边被赋予权重“1”，否则为“0”。应用优化算法将网络划分为不同的社团
Step3：根据社团内用户在线社交层(OnSN)特性，计算用户之间的兴趣相似度
Figure BDA0001703431880000066
和影响度因子
Figure BDA0001703431880000067
Step4：
①缓存策略实施过程
用影响度因子
Figure BDA0001703431880000068
标记每一个请求用户，当i请求内容k时，实行缓存决策策略来决定是否缓存请求内容，此时计算用户的平均贡献度
Figure BDA0001703431880000069
设定贡献度阈值Ith，当
Figure BDA00017034318800000610
时，用户i缓存该请求内容，否则不存。当缓存空间不足时候采用LRU的缓存内容替换方式，剔除相应的内容以提高内容缓存的多样性，降低冗余度。
②内容获取过程
当社团内用户i请求内容k时，若请求内容未缓存在自身社团内,则直接建立B2D的通信；若请求内容已缓存在自身社团内，假设缓存该内容的用户集合为J，计算用户i与J集合用户中j的通信概率
Figure BDA0001703431880000071
(其中dij表示两用户通信距离，α为权值系数因子)根据Cij将集合J用户进行排序
Figure BDA0001703431880000072
设定一定的时间窗TW，在TW内首先选择Cij值最大的用户建立D2D通信，若通信中断，用户i选择次级用户进行通信，以此类推，直到时间窗到达。若在规定的时间窗TW内无法获得该请求内容，则建立B2D通信。

Claims (2)

1.一种基于节点社交特性的D2D缓存方法,包括：定义节点社交亲密度、D2D复杂网络构建、用户影响度因子计算方面，其特征是：
一、分析离线社交层用户特性，定义亲密度因子
在本发明中，首先对用户离线社交层用户特性进行分析，具体如下：
基站能对D2D用户进行集中控制并获得其所在的地理位置信息，当用户ui与uj分别在其D2D传输范围内时，我们认为两用户具有潜在的D2D通信可能，因此，当其在彼此的范围内时，代表用户之间建立一次交互，其持续时间代表交互时长，通过一定的观测时间分析，用户交互持续时间符合γ(k,θ)分布，其中k为该分布的形状参数，θ为尺度参数，为求得参量k与θ，可分别根据用户交互历史记录求得用户交互持续时间的期望与方差，如下：
Figure FDA0003217324570000011
Figure FDA0003217324570000012
其中,Mij与Iij分别为通过基站对用户交互的历史观测的用户交互持续时间的期望与方差，在观测时间内，Xn代表用户ui、uj第n次交互持续时间，Nij表示用户交互次数，因此，用户交互持续时间分布
Figure FDA0003217324570000013
其交互持续时间概率密度函数如下：
Figure FDA0003217324570000014
其中，
Figure FDA0003217324570000015
t为观测时间；
定义离线社交网络亲密度因子wij＝[0,1]，表示用户ui、uj建立成功通信的概率，其表示如下：
Figure FDA0003217324570000016
其中，Xmin为随机变量，表示成功传输数据包所需的最小通信持续时间，其受到通信链路状态和传输的内容大小影响，wij越大，表示用户ui、uj未来建立通信的可能性越高；
二、根据离线社交层亲密度因子，划分社团
G＝(V,E)是指由一个点集V(G)和一个边集E(G)组成的一个图，以用户的终端映射为V(G)，边的映射方法如下：1)计算用户之间的亲密度因子wij，预测用户未来建立通信的概率；2)设定一个阈值wth，当wij≥wth时，连接两个终端的边被赋予权重“1”，否则为“0”，以网络社团量化指标——模块度
Figure FDA0003217324570000021
为目标函数，其中Nc表示网络中社团的数目，M表示网络中连接的总数，mc表示社团c内节点之间的连接数，dc表示社团c内所有节点度数之和，应用优化算法将网络划分为不同的社团，同一社团内用户建立成功D2D通信的概率较高，不同社团内用户间建立成功通信的概率较低；
三、计算社团用户兴趣相似度，定义在线社交用户影响度因子
对于每个社团内用户，在保证社团内用户具有较高的D2D通信可能的基础上，计算社团内用户间的兴趣相似度，可获得在线社交用户影响度因子，用余弦相似度(cosinesimilarity)计算用户的兴趣相似度得：
Figure FDA0003217324570000022
其中,||Lij||1是用户i与j共同兴趣数，
Figure FDA0003217324570000023
li和lj分别代表用户i,j兴趣数，
Figure FDA0003217324570000024
表示社团
Figure FDA0003217324570000025
根据社团用户兴趣相似度，定义用户i影响度因子,其表示如下：
Figure FDA0003217324570000026
四、基于印度自助餐过程的内容缓存策略
应用印度自助餐过程实现用户请求文件过程，假定网络中N个用户对K个内容请求过程建模为IBP过程，具体如下：
假设缓存内容库中有无穷个文件内容(即K→∞)，K＝K0+K+,K0表示未被用户请求的新内容，K+表示已有请求记录的内容，用πk表示内容k被请求的概率，其服从β分布，即
Figure FDA0003217324570000031
用户i独立请求内容k的过程服从参数为πK的伯努利分布，即zn|πk～Bernoulli(πk)，由于K→∞，其请求服从参数为α的泊松分布Possion(α),即用户请求已有请求记录内容数目服从参数为α的泊松分布Possion(α)，请求新的内容数目服从参数为
Figure FDA0003217324570000032
的泊松分布
Figure FDA0003217324570000033
对每个用户进行影响度标记，并按降序排序，用户i请求内容k的概率只受比其影响力更高的用户影响，其请求概率如下：
Figure FDA0003217324570000034
其中k+为具有请求记录的内容，k0为无请求记录内容，mn-1为除用户i外，内容k的历史请求用户数目,α为当文件内容数趋向无穷大时，其用户请求内容的数目，zik＝1表示第i个用户请求内容k，z-i,k表示除用户i外，请求内容k的用户集合，用一个N×K维矩阵Z表示所有用户对内容的请求结果，zik表示第i个用户对内容k的请求结果，当zik＝1时，用户i请求内容k，获得该内容请求矩阵的概率如下：
Figure FDA0003217324570000035
其中，
Figure FDA0003217324570000036
表示用户请求内容的总数目，谐波数
Figure FDA0003217324570000037
mk表示内容k被请求的总次数；
对于每一个社团内用户，当用户i请求内容k时，实行缓存决策策略，用户是否缓存内容k取决于缓存该内容后，对其他请求该内容用户的平均贡献度
Figure FDA0003217324570000038
用影响度因子
Figure FDA0003217324570000039
标记每一个请求用户，计算用户i在请求内容k时缓存该内容对其他用户的平均贡献度
Figure FDA0003217324570000041
Figure FDA0003217324570000042
其中，Z-j,k表示除了用户j以外，排名在用户j之前的所有请求内容k的用户集合，设定贡献度阈值Ith当
Figure FDA0003217324570000043
时，用户i缓存该请求内容，否则不存，当缓存空间不足时候采用LRU的缓存内容替换方式，剔除相应的内容。
2.根据权利要求1所述的基于节点社交特性的D2D缓存方法,其特征是：
Step1：设定观测时间T，基站BS根据移动用户地理位置信息，记录用户交互时长与交互次数，计算的离线社交层(OffSN)中用户之间亲密度因子wij；
Step2：设定一个阈值wth，构建D2D网络图G＝(V,E)，当wij≥wth时，连接两个终端的边被赋予权重“1”，否则为“0”，应用优化算法将网络划分为不同的社团；
Step3：根据社团内用户在线社交层(OnSN)特性，计算用户之间的兴趣相似度
Figure FDA0003217324570000044
和影响度因子
Figure FDA0003217324570000045
Step4：
①存策略实施过程
用影响度因子
Figure FDA0003217324570000046
标记每一个请求用户，当i请求内容k时，实行缓存决策策略来决定是否缓存请求内容，此时计算用户的平均贡献度
Figure FDA0003217324570000047
设定贡献度阈值Ith，当
Figure FDA0003217324570000048
时，用户i缓存该请求内容，否则不存，当缓存空间不足时候采用LRU的缓存内容替换方式，剔除相应的内容以提高内容缓存的多样性，降低冗余度；
②内容获取过程
当社团内用户i请求内容k时，若请求内容未缓存在自身社团内,则直接建立基站(Basestation)与设备通信(Device)B2D的通信；若请求内容已缓存在自身社团内，假设缓存该内容的用户集合为J，计算用户i与J集合用户中j的通信概率
Figure FDA0003217324570000051
其中dij表示两用户通信距离，ζ为权值系数因子,根据Cij将集合J用户进行排序
Figure FDA0003217324570000052
其中，
Figure FDA0003217324570000053
代表社团J中排序为j的用户，设定一定的时间窗TW，在TW内首先选择Cij值最大的用户建立D2D通信，若通信中断，用户i选择次级用户进行通信，以此类推，直到时间窗到达，若在规定的时间窗TW内无法获得该请求内容，则建立B2D通信。
CN201810645589.9A 2018-06-21 2018-06-21 一种基于节点社交特性的d2d缓存方法 Active CN108876646B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810645589.9A CN108876646B (zh) 2018-06-21 2018-06-21 一种基于节点社交特性的d2d缓存方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810645589.9A CN108876646B (zh) 2018-06-21 2018-06-21 一种基于节点社交特性的d2d缓存方法

Publications (2)

Publication Number Publication Date
CN108876646A CN108876646A (zh) 2018-11-23
CN108876646B true CN108876646B (zh) 2021-09-17

Family

ID=64340561

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810645589.9A Active CN108876646B (zh) 2018-06-21 2018-06-21 一种基于节点社交特性的d2d缓存方法

Country Status (1)

Country Link
CN (1) CN108876646B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109803245B (zh) * 2019-03-12 2022-01-28 南京邮电大学 一种基于d2d通信的缓存节点选择方法
CN110059882B (zh) * 2019-04-19 2021-06-29 金陵科技学院 一种基于移动社交网络的内容流行度预测方法和装置
CN110225572B (zh) * 2019-05-30 2021-01-22 华南师范大学 一种基于社交社区的d2d通信用户配对方法
CN112887943B (zh) * 2021-01-27 2022-07-08 福州大学 一种基于中心度的缓存资源分配方法及系统
CN114205791A (zh) * 2021-12-13 2022-03-18 西安电子科技大学 一种基于深度q学习的社交感知d2d协同缓存方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104581837A (zh) * 2015-01-15 2015-04-29 浙江工业大学 一种等数据块传输时间下利用d2d协作通信的带有节能效果的数据分发方法
CN106303927A (zh) * 2016-08-31 2017-01-04 电子科技大学 一种用于d2d无线缓存网络中的缓存分配方法
CN107484105A (zh) * 2017-07-03 2017-12-15 南京理工大学 一种基于社交网络的文件多对多分配方法
CN107889082A (zh) * 2017-11-01 2018-04-06 南京邮电大学 一种利用用户之间社交关系的d2d设备发现方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0620955D0 (en) * 2006-10-20 2006-11-29 Speakman Stuart P Methods and apparatus for the manufacture of microstructures
US20140278915A1 (en) * 2013-03-15 2014-09-18 Cellco Partnership D/B/A Verizon Wireless Providing promotional content

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104581837A (zh) * 2015-01-15 2015-04-29 浙江工业大学 一种等数据块传输时间下利用d2d协作通信的带有节能效果的数据分发方法
CN106303927A (zh) * 2016-08-31 2017-01-04 电子科技大学 一种用于d2d无线缓存网络中的缓存分配方法
CN107484105A (zh) * 2017-07-03 2017-12-15 南京理工大学 一种基于社交网络的文件多对多分配方法
CN107889082A (zh) * 2017-11-01 2018-04-06 南京邮电大学 一种利用用户之间社交关系的d2d设备发现方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
D2D 中基于社交关系的按需用户发现策略;王磊等;《信号处理》;20150930;第1173-1179页 *

Also Published As

Publication number Publication date
CN108876646A (zh) 2018-11-23

Similar Documents

Publication Publication Date Title
CN108876646B (zh) 一种基于节点社交特性的d2d缓存方法
Huang et al. A queuing delay utilization scheme for on-path service aggregation in services-oriented computing networks
Fadlullah et al. HCP: Heterogeneous computing platform for federated learning based collaborative content caching towards 6G networks
Zhou et al. When collaboration hugs intelligence: Content delivery over ultra-dense networks
Huang et al. A services routing based caching scheme for cloud assisted CRNs
CN113435472A (zh) 车载算力网络用户需求预测方法、系统、设备、介质
CN108093435B (zh) 基于缓存流行内容的蜂窝下行链路网络能效优化系统及方法
Chen et al. A computing and content delivery network in the smart city: Scenario, framework, and analysis
He et al. QoE-based cooperative task offloading with deep reinforcement learning in mobile edge networks
CN111475274A (zh) 云协同多任务调度方法及装置
CN108600998B (zh) 超密度蜂窝与d2d异构融合网络缓存优化决策方法
CN113220364A (zh) 一种基于车联网移动边缘计算系统模型的任务卸载方法
Jiang et al. Efficient D2D content caching using multi-agent reinforcement learning
CN113407249B (zh) 一种面向位置隐私保护的任务卸载方法
CN114205791A (zh) 一种基于深度q学习的社交感知d2d协同缓存方法
Liu et al. Deep Dyna-reinforcement learning based on random access control in LEO satellite IoT networks
CN108521640B (zh) 一种蜂窝网络中的内容分发方法
CN108541025B (zh) 一种面向无线异构网络的基站与d2d共同缓存方法
Qiu et al. Subchannel assignment and power allocation for time-varying fog radio access network with NOMA
Qin et al. Content delivery in cache-enabled wireless evolving social networks
Chen et al. DDPG-based computation offloading and service caching in mobile edge computing
Cai et al. Network coding-based socially-aware caching strategy in D2D
Kuo et al. Quality-aware joint caching, computing and communication optimization for video delivery in vehicular networks
CN112867092A (zh) 一种面向移动边缘计算网络的数据智能路由方法
CN110764833B (zh) 一种基于边缘计算的任务卸载方法、装置及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: No. 293, Zhongshan Avenue West, Tianhe District, Guangzhou, Guangdong 510000

Patentee after: GUANGDONG POLYTECHNIC NORMAL University

Address before: 510665 No. 293, Zhongshan Avenue, Tianhe District, Guangdong, Guangzhou

Patentee before: GUANGDONG POLYTECHNIC NORMAL University

CP03 Change of name, title or address
TR01 Transfer of patent right

Effective date of registration: 20230810

Address after: Room 405-2, Building 16, Tian'an Headquarters Center, No. 555 North Panyu Avenue, Donghuan Street, Panyu District, Guangzhou City, Guangdong Province, 510000

Patentee after: Guangzhou Lingrenle Technology Co.,Ltd.

Address before: No. 293, Zhongshan Avenue West, Tianhe District, Guangzhou, Guangdong 510000

Patentee before: GUANGDONG POLYTECHNIC NORMAL University

TR01 Transfer of patent right