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:
其中,在观测时间内,X
n代表用户u
i、u
j第n次交互持续时间,N
ij表示用户交互次数。因此,用户交互持续时间分布
其交互持续时间概率密度函数如下:
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:
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w
ij,预测用户未来建立通信的概率;2)设定一个阈值w
th,当w
ij≥w
th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
为目标函数,其中N
c表示网络中社团的数目,M表示网络中连接的总数,m
c表示社团c内节点之间的连接数,d
c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:
其中,||L
ij||
1是用户i与j共同兴趣数,
l
i和l
j分别代表用户i,j兴趣数,
表示社团
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:
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=K
0+K
+,K
0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π
k表示内容k被请求的概率,其服从β分布,即
用户i独立请求内容k的过程服从参数为π
K的伯努利分布,即z
nπ
k~Bernoulli(π
k),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
的泊松分布
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:
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:
其中,
表示用户请求内容的总数目,谐波数
m
k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
用影响度因子
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
设定贡献度阈值I
th当
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
和影响度因子
Step4:
①缓存策略实施过程
用影响度因子
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
设定贡献度阈值I
th,当
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
(其中d
ij表示两用户通信距离,α为权值系数因子)根据C
ij将集合J用户进行排序
设定一定的时间窗TW,在TW内首先选择C
ij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。