CN110995828B - 一种网络资源缓存方法、装置及系统 - Google Patents
一种网络资源缓存方法、装置及系统 Download PDFInfo
- Publication number
- CN110995828B CN110995828B CN201911204374.4A CN201911204374A CN110995828B CN 110995828 B CN110995828 B CN 110995828B CN 201911204374 A CN201911204374 A CN 201911204374A CN 110995828 B CN110995828 B CN 110995828B
- Authority
- CN
- China
- Prior art keywords
- user terminal
- network resource
- base station
- small base
- network resources
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000004891 communication Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 16
- 238000013526 transfer learning Methods 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 208000000649 small cell carcinoma Diseases 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- 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
- H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
-
- 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
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/10—Flow control between communication endpoints
- H04W28/14—Flow control between communication endpoints using intermediate storage
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例提供了一种网络资源缓存方法、装置及系统,当达到预设周期时,多个小基站中的第一小基站,向宏基站发送覆盖范围内的第一用户终端对预设网络资源的评分、每两个第一用户终端之间的信任值,以及上一周期内第一用户终端请求待选网络资源的次数,宏基站确定第一用户终端对待选网络资源的评分,以及当前周期内待选网络资源的流行度,并发送至第一小基站,第一小基站基于第一用户终端对待选网络资源的评分、当前周期内待选网络资源的流行度,以及第一用户终端与第一小基站之间的物理距离,确定待选网络资源的缓存概率,并基于确定出的缓存概率和待选网络资源,进行网络资源的缓存。基于上述处理,小基站缓存至本地的网络资源的有效性较高。
Description
技术领域
本发明涉及无线通信技术领域,特别是涉及一种网络资源缓存方法、装置及系统。
背景技术
随着移动互联网和无线通信技术的飞速发展,移动多媒体服务得到快速发展,互联网为用户提供了大量的网络资源。用户可以通过用户终端向小基站(Small-cell basestation)请求网络资源,然而,由于不同用户终端可能会请求同一网络资源,如果小基站本地未缓存该网络资源,则需要多次向宏基站(Macro base station)请求该网络资源,并向用户终端转发,可能会造成传输链路拥堵。
现有技术中,为了解决上述问题,小基站可以提前将用户终端可能请求的网络资源缓存至本地,例如,小基站可以将上一周期用户终端请求次数较多的网络资源缓存至本地,进而,在当前周期根据已缓存的网络资源为用户终端提供服务。
然而,上一周期内用户终端请求网络资源的次数,并不能有效体现用户对于该网络资源的喜好程度,因此,仅根据用户终端请求网络资源的次数,可能会导致小基站当前周期已缓存的网络资源的有效性较低。
发明内容
本发明实施例的目的在于提供一种网络资源缓存方法、装置及系统,可以提高小基站缓存至本地的网络资源的有效性。具体技术方案如下:
第一方面,为了达到上述目的,本发明实施例提供了一种网络资源缓存系统,所述系统包括宏基站、多个小基站,其中:
所述多个小基站中的第一小基站,用于当达到预设周期时,向所述宏基站发送覆盖范围内的第一用户终端对预设网络资源的评分、每两个所述第一用户终端之间的信任值,以及上一周期内所述第一用户终端请求待选网络资源的次数,其中,所述预设网络资源属于所述待选网络资源,所述待选网络资源包括所述网络资源缓存系统允许用户终端请求的网络资源,每两个所述第一用户终端之间的信任值表示登录该两个第一用户终端的用户的关联程度;
所述宏基站,用于基于所述多个小基站各自的覆盖范围内的用户终端对所述预设网络资源的评分、所述多个小基站各自的覆盖范围内的每两个用户终端之间的信任值,以及上一周期内所述多个小基站各自的覆盖范围内的用户终端请求所述待选网络资源的次数,确定所述第一用户终端对所述待选网络资源的评分,以及当前周期内所述待选网络资源的流行度,并发送至所述第一小基站,其中,所述流行度表示用户对所述待选网络资源感兴趣的程度;
所述第一小基站,还用于基于所述第一用户终端对所述待选网络资源的评分、当前周期内所述待选网络资源的流行度,以及所述第一用户终端与所述第一小基站之间的物理距离,确定所述待选网络资源的缓存概率,并基于确定出的缓存概率和所述待选网络资源,进行网络资源的缓存。
第二方面,为了达到上述目的,本发明实施例提供了一种网络资源缓存方法,所述方法应用于第一小基站,所述第一小基站所属的系统还包括宏基站,所述方法包括:
当达到预设周期时,向所述宏基站发送覆盖范围内的第一用户终端对预设网络资源的评分、每两个所述第一用户终端之间的信任值,以及上一周期内所述第一用户终端请求待选网络资源的次数,其中,所述预设网络资源属于所述待选网络资源,所述待选网络资源包括所述系统允许用户终端请求的网络资源,每两个所述第一用户终端之间的信任值表示登录该两个第一用户终端的用户的关联程度;
当接收到所述宏基站发送的所述第一用户终端对所述待选网络资源的评分,以及当前周期内所述待选网络资源的流行度时,基于所述第一用户终端对所述待选网络资源的评分、当前周期内所述待选网络资源的流行度,以及所述第一用户终端与所述第一小基站之间的物理距离,确定所述待选网络资源的缓存概率,并基于确定出的缓存概率和所述待选网络资源,进行网络资源的缓存。
可选的,所述方法还包括:
当达到预设周期时,向所述第一用户终端发送提醒消息,以使所述第一用户终端向所述第一小基站发送对所述预设网络资源的评分。
可选的,所述基于所述第一用户终端对所述待选网络资源的评分、当前周期内所述待选网络资源的流行度,以及所述第一用户终端与所述第一小基站之间的物理距离,确定所述待选网络资源的缓存概率,包括:
按照所述第一用户终端对所述待选网络资源的评分由大到小的顺序,对所述待选网络资源进行排序;
针对每一待选网络资源,基于所述第一用户终端对所述待选网络资源的评分、当前周期内所述待选网络资源的流行度,以及第一预设公式,确定该待选网络资源的请求概率,其中,所述第一预设公式为:
基于离散广义追踪算法、所述待选网络资源的请求概率、当前周期内所述待选网络资源的流行度,以及所述第一用户终端与所述第一小基站之间的距离,对所述待选网络资源的初始缓存概率进行迭代计算;
当达到预设收敛条件时,将本次迭代计算得到的概率作为所述待选网络资源的缓存概率。
可选的,所述基于确定出的缓存概率和所述待选网络资源,进行网络资源的缓存,包括:
基于确定出的缓存概率,将所述待选网络资源中的目标网络资源缓存至本地,其中,所述目标网络资源的缓存概率大于所述待选网络资源中其他网络资源的缓存概率。
第三方面,为了达到上述目的,本发明实施例提供了一种网络资源缓存方法,所述方法应用于宏基站,所述宏基站所属的系统还包括多个小基站,所述方法包括:
接收所述多个小基站发送的各自的覆盖范围内的用户终端对所述预设网络资源的评分、所述多个小基站各自的覆盖范围内的每两个用户终端之间的信任值,以及上一周期内所述多个小基站各自的覆盖范围内的用户终端请求所述待选网络资源的次数;
基于接收到的所述多个小基站发送的信息,确定所述多个小基站中的第一小基站覆盖范围内的第一用户终端对所述待选网络资源的评分,以及当前周期内所述待选网络资源的流行度,并发送至所述第一小基站,其中,所述流行度表示用户对所述待选网络资源感兴趣的程度,以使所述第一小基站基于所述第一用户终端对所述待选网络资源的评分、当前周期内所述待选网络资源的流行度,以及所述第一用户终端与所述第一小基站之间的物理距离,确定所述待选网络资源的缓存概率,并基于确定出的缓存概率和所述待选网络资源,进行网络资源的缓存。
可选的,所述基于接收到的所述多个小基站发送的信息,确定所述多个小基站中的第一小基站覆盖范围内的第一用户终端对所述待选网络资源的评分,以及当前周期内所述待选网络资源的流行度,包括:
基于所述多个小基站各自的覆盖范围内的用户终端对所述预设网络资源的评分、所述多个小基站各自的覆盖范围内的每两个用户终端之间的信任值,以及第二预设公式,确定所述多个小基站中的第一小基站覆盖范围内的第一用户对所述待选网络资源的评分,其中,所述第二预设公式为:
rui表示用户终端u对第i个待选网络资源的评分,b表示基准偏移量,qi表示网络资源因素矢量,T表示转置运算符号,pu表示用户终端因素矢量,I(u)表示用户终端u所有隐式偏好的网络资源的集合,|I(u)|表示用户终端u隐式偏好的网络资源的集合的大小,yj表示其他用户终端对第j个预设网络资源的评分,α表示第一预设系数,A(u)表示用户终端u信任的用户终端的集合,|A(u)|表示用户终端u信任的用户终端的集合的大小,wc表示用户终端u信任的用户终端c的特征向量,Ai(u)表示与用户终端u存在隐式信任关系的用户终端的集合,|Ai(u)|表示与用户终端u存在隐式信任关系的用户终端的集合的大小,mv表示与用户终端u存在隐式信任关系的用户终端v的特征向量;
基于上一周期内所述多个小基站各自的覆盖范围内的用户终端请求所述待选网络资源的次数,以及迁移学习算法,确定所述待选网络资源的流行度。
在本发明实施例的另一方面,为了达到上述目的,本发明实施例提供了一种网络资源缓存装置,所述装置应用于第一小基站,所述第一小基站所属的系统还包括宏基站,所述装置包括:
发送模块,用于当达到预设周期时,向所述宏基站发送覆盖范围内的第一用户终端对预设网络资源的评分、每两个所述第一用户终端之间的信任值,以及上一周期内所述第一用户终端请求待选网络资源的次数,其中,所述预设网络资源属于所述待选网络资源,所述待选网络资源包括所述系统允许用户终端请求的网络资源,每两个所述第一用户终端之间的信任值表示登录该两个第一用户终端的用户的关联程度;
缓存模块,用于当接收到所述宏基站发送的所述第一用户终端对所述待选网络资源的评分,以及当前周期内所述待选网络资源的流行度时,基于所述第一用户终端对所述待选网络资源的评分、当前周期内所述待选网络资源的流行度,以及所述第一用户终端与所述第一小基站之间的物理距离,确定所述待选网络资源的缓存概率,并基于确定出的缓存概率和所述待选网络资源,进行网络资源的缓存。
可选的,所述装置还包括:
获取模块,用于当达到预设周期时,向所述第一用户终端发送提醒消息,以使所述第一用户终端向所述第一小基站发送对所述预设网络资源的评分。
可选的,所述缓存模块,具体用于按照所述第一用户终端对所述待选网络资源的评分由大到小的顺序,对所述待选网络资源进行排序;
针对每一待选网络资源,基于所述第一用户终端对所述待选网络资源的评分、当前周期内所述待选网络资源的流行度,以及第一预设公式,确定该待选网络资源的请求概率,其中,所述第一预设公式为:
基于离散广义追踪算法、所述待选网络资源的请求概率、当前周期内所述待选网络资源的流行度,以及所述第一用户终端与所述第一小基站之间的距离,对所述待选网络资源的初始缓存概率进行迭代计算;
当达到预设收敛条件时,将本次迭代计算得到的概率作为所述待选网络资源的缓存概率。
可选的,所述缓存模块,具体用于基于确定出的缓存概率,将所述待选网络资源中的目标网络资源缓存至本地,其中,所述目标网络资源的缓存概率大于所述待选网络资源中其他网络资源的缓存概率。
在本发明实施例的另一方面,为了达到上述目的,本发明实施例提供了一种网络资源缓存装置,所述装置应用于宏基站,所述宏基站所属的系统还包括多个小基站,所述装置包括:
接收模块,用于接收所述多个小基站发送的各自的覆盖范围内的用户终端对所述预设网络资源的评分、所述多个小基站各自的覆盖范围内的每两个用户终端之间的信任值,以及上一周期内所述多个小基站各自的覆盖范围内的用户终端请求所述待选网络资源的次数;
确定模块,用于基于接收到的所述多个小基站发送的信息,确定所述多个小基站中的第一小基站覆盖范围内的第一用户终端对所述待选网络资源的评分,以及当前周期内所述待选网络资源的流行度,并发送至所述第一小基站,其中,所述流行度表示用户对所述待选网络资源感兴趣的程度,以使所述第一小基站基于所述第一用户终端对所述待选网络资源的评分、当前周期内所述待选网络资源的流行度,以及所述第一用户终端与所述第一小基站之间的物理距离,确定所述待选网络资源的缓存概率,并基于确定出的缓存概率和所述待选网络资源,进行网络资源的缓存。
可选的,所述确定模块,具体用于基于所述多个小基站各自的覆盖范围内的用户终端对所述预设网络资源的评分、所述多个小基站各自的覆盖范围内的每两个用户终端之间的信任值,以及第二预设公式,确定所述多个小基站中的第一小基站覆盖范围内的第一用户对所述待选网络资源的评分,其中,所述第二预设公式为:
rui表示用户终端u对第i个待选网络资源的评分,b表示基准偏移量,qi表示网络资源因素矢量,T表示转置运算符号,pu表示用户终端因素矢量,I(u)表示用户终端u所有隐式偏好的网络资源的集合,|I(u)|表示用户终端u隐式偏好的网络资源的集合的大小,yj表示其他用户终端对第j个预设网络资源的评分,α表示第一预设系数,A(u)表示用户终端u信任的用户终端的集合,|A(u)|表示用户终端u信任的用户终端的集合的大小,wc表示用户终端u信任的用户终端c的特征向量,Ai(u)表示与用户终端u存在隐式信任关系的用户终端的集合,|Ai(u)|表示与用户终端u存在隐式信任关系的用户终端的集合的大小,mv表示与用户终端u存在隐式信任关系的用户终端v的特征向量;
基于上一周期内所述多个小基站各自的覆盖范围内的用户终端请求所述待选网络资源的次数,以及迁移学习算法,确定所述待选网络资源的流行度。
在本发明实施例的另一方面,本发明实施例提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述第二方面所述的网络资源缓存方法的步骤。
在本发明实施例的另一方面,本发明实施例提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述第三方面所述的网络资源缓存方法的步骤。
在本发明实施的又一方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述第二方面所述的网络资源缓存方法的步骤。
在本发明实施的又一方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述第三方面所述的网络资源缓存方法的步骤。
在本发明实施的又一方面,本发明实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述第二方面所述的网络资源缓存方法。
在本发明实施的又一方面,本发明实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述第三方面所述的网络资源缓存方法。
本发明实施例提供的一种网络资源缓存方法,当达到预设周期时,多个小基站中的第一小基站,向宏基站发送覆盖范围内的第一用户终端对预设网络资源的评分、每两个第一用户终端之间的信任值,以及上一周期内第一用户终端请求待选网络资源的次数,宏基站基于接收到的多个小基站发送的信息,确定第一用户终端对待选网络资源的评分,以及当前周期内待选网络资源的流行度,并发送至第一小基站,第一小基站基于第一用户终端对待选网络资源的评分、当前周期内待选网络资源的流行度,以及第一用户终端与第一小基站之间的物理距离,确定待选网络资源的缓存概率,并基于确定出的缓存概率和待选网络资源,进行网络资源的缓存。
基于上述处理,小基站基于用户终端对待选网络资源的评分,确定待选网络资源的缓存概率,并基于确定出的缓存概率,进行网络资源缓存,由于用户终端对待选网络资源的评分,能够体现用户对网络资源的喜好,因此,小基站基于用户终端对待选预设网络资源的评分,确定出的待选网络资源的缓存概率,能够体现用户终端请求网络资源的概率,进而,小基站基于待选网络资源的缓存概率,缓存至本地的网络资源的有效性较高。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种网络资源缓存系统的架构图;
图2为本发明实施例提供的一种网络资源缓存方法的流程图;
图3为本发明实施例提供的一种网络资源缓存方法的流程图;
图4为本发明实施例提供的一种网络资源缓存方法示例的流程图;
图5为本发明实施例提供的一种网络资源缓存装置的结构图;
图6为本发明实施例提供的一种网络资源缓存装置的结构图;
图7为本发明实施例提供的一种电子设备的结构图;
图8为本发明实施例提供的一种电子设备的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,图1为本发明实施例提供的一种网络资源缓存系统的架构图,为一种可能的应用场景。
该网络资源缓存系统可以包括:宏基站、小基站1、小基站2、小基站3。以小基站1为例,当达到预设周期时,小基站1向宏基站发送覆盖范围内的用户终端对预设网络资源的评分、每两个用户终端之间的信任值,以及上一周期内用户终端请求待选网络资源的次数。
宏基站基于接收到的各小基站发送的各自覆盖范围内的用户终端对预设网络资源的评分、各小基站的覆盖范围内的每两个用户终端之间的信任值,以及上一周期内各小基站的覆盖范围内的用户终端请求待选网络资源的次数,确定小基站1覆盖范围内的用户终端对待选网络资源的评分,以及当前周期内待选网络资源的流行度,并发送至小基站1。
小基站1基于覆盖范围内的用户终端对待选网络资源的评分,以及当前周期内待选网络资源的流行度,以及小基站1覆盖范围内的用户终端与小基站1之间的物理距离,确定待选网络资源的缓存概率,并基于确定出的缓存概率和待选网络资源,进行网络资源的缓存。
小基站2、小基站3和宏基站之间的交互过程,与小基站1和宏基站之间的交互过程类似,不再赘述。
可见,基于本申请实施例提供的网络资源缓存系统,由于用户终端对待选网络资源的评分,能够体现用户对网络资源的喜好,因此,小基站基于用户终端对待选预设网络资源的评分,确定出的待选网络资源的缓存概率,能够体现用户终端请求网络资源的概率,进而,小基站基于待选网络资源的缓存概率,缓存至本地的网络资源的有效性较高。
参见图2,图2为本发明实施例提供的一种网络资源缓存方法的流程图,该方法应用于第一小基站,第一小基站所属的系统还包括宏基站,第一小基站可以为网络资源缓存系统中的多个小基站中的任一小基站。
该方法可以包括以下步骤:
S201:当达到预设周期时,向宏基站发送覆盖范围内的第一用户终端对预设网络资源的评分、每两个第一用户终端之间的信任值,以及上一周期内第一用户终端请求待选网络资源的次数。
其中,预设网络资源属于待选网络资源,待选网络资源包括系统允许用户终端请求的网络资源,每两个第一用户终端之间的信任值表示登录该两个第一用户终端的用户的关联程度。预设周期可以由技术人员根据经验设置。
S202:当接收到宏基站发送的第一用户终端对待选网络资源的评分,以及当前周期内待选网络资源的流行度时,基于第一用户终端对待选网络资源的评分、当前周期内待选网络资源的流行度,以及第一用户终端与第一小基站之间的物理距离,确定待选网络资源的缓存概率,并基于确定出的缓存概率和待选网络资源,进行网络资源的缓存。
基于上述处理,由于用户终端对待选网络资源的评分,能够体现用户对网络资源的喜好,因此,小基站基于用户终端对待选预设网络资源的评分,确定出的待选网络资源的缓存概率,能够体现用户终端请求网络资源的概率,进而,小基站基于待选网络资源的缓存概率,缓存至本地的网络资源的有效性较高。
在步骤S201中,第一用户终端为第一小基站覆盖范围内的任一用户终端,第一用户终端对预设网络资源的评分为登录第一用户终端的用户对预设网络资源的评分,第一小基站可以预先获取第一用户终端对预设网络资源的评分。
可选的,在步骤S201之前,当达到预设周期时,第一小基站可以向第一用户终端发送提醒消息,相应的,第一用户终端在接收到第一小基站发送的第一提醒消息时,向第一小基站发送登录第一用户终端的用户对预设网络资源的评分。
然后,第一小基站可以根据登录第一用户终端的用户之间的关联程度,确定每两个第一用户终端之间的信任值。
一种实现方式中,如果登录两个第一用户终端的用户之间的关联程度较高,例如,登录两个第一用户终端的用户之间存在亲属关系、同事关系等,则该两个用户终端之间的信任值可以为1,如果登录两个第一用户终端的用户之间的关联程度较低,例如,登录两个第一用户终端的用户之间不存在亲属关系或者其他社交关系,则该两个用户终端之间的信任值可以为0。
然后,第一小基站可以向宏基站发送覆盖范围内的第一用户终端对预设网络资源的评分、每两个第一用户终端之间的信任值,以及上一周期内第一用户终端请求待选网络资源的次数。
一种实现方式中,第一小基站可以确定表示第一用户终端对预设网络资源的评分的评分矩阵,以及表示第一用户终端之间的信任值的信任值矩阵,然后,第一小基站可以向宏基站发送评分矩阵、信任值矩阵,以及上一周期内第一用户终端请求待选网络资源的次数。
相应的,宏基站可以接收多个小基站各自发送的上述信息,并根据接收到的信息,确定第一用户终端对待选网络资源的评分,以及当前周期内待选网络资源的流行度,并发送至第一小基站,宏基站确定第一用户终端对待选网络资源的评分,以及当前周期内待选网络资源的流行度的方法,将在后续实施例中详细介绍。
在步骤S202中,第一小基站可以根据第一用户终端对待选网络资源的评分,以及当前周期内待选网络资源在第一小基站覆盖范围内的流行度,确定待选网络资源的缓存概率。
可选的,步骤S202可以包括以下步骤:
步骤一,按照第一用户终端对待选网络资源的评分由大到小的顺序,对待选网络资源进行排序。
一种实现方式中,第一小基站可以计算覆盖范围内的各用户终端(即第一用户终端)对待选网络资源的评分的和值,然后,按照计算得到的和值由大到小的顺序,对待选网络资源进行排序。
另一种实现方式中,第一小基站可以计算第一用户终端对待选网络资源的评分的平均值,然后,按照计算得到的平均值由大到小的顺序,对待选网络资源进行排序。
另外,如果待选网络资源中存在评分相同的网络资源,则第一小基站可以按照流行度由大到小的顺序,对评分相同的网络资源进行排序。
步骤二,针对每一待选网络资源,基于第一用户终端对待选网络资源的评分、当前周期内待选网络资源的流行度,以及第一预设公式,确定该待选网络资源的请求概率。
其中,第一预设公式为:
第一小基站可以基于zipf(齐夫)定律(即第一预设公式),确定待选网络资源的请求概率。
步骤三,基于离散广义追踪算法、待选网络资源的请求概率、当前周期内待选网络资源的流行度,以及第一用户终端与第一小基站之间的距离,对待选网络资源的初始缓存概率进行迭代计算。
其中,待选网络资源的初始缓存概率可以由技术人员根据经验设置。
步骤四,当达到预设收敛条件时,将本次迭代计算得到的概率作为待选网络资源的缓存概率。
其中,预设收敛条件可以由技术人员根据经验设置。
一种实现方式中,小基站可以根据第三预设公式确定待选网络资源的反馈值,其中,第三预设公式为:
Ef表示第f个待选网络资源的反馈值,Pf表示第f个待选网络资源的请求概率,du表示用户终端u与第一小基站之间的物理距离,Bf表示第f个待选网络资源在第一小基站覆盖范围内的流行度,τ1表示第一权重,τ2表示第二权重,τ3表示第三权重。
τ1、τ2、τ3可以由技术人员根据经验设置,且τ1、τ2、τ3的和值为1。
然后,第一小基站可以基于离散广义追踪算法和待选网络资源的反馈值,对待选网络资源的初始缓存概率进行迭代计算,当达到预设收敛条件时,将本次迭代计算得到的概率作为待选网络资源的缓存概率。
一种实现方式中,预设收敛条件可以为迭代计算的次数达到预设次数,当当迭代计算的次数达到预设迭代次数时,第一小基站可以将本次迭代计算得到的概率作为待选网络资源的缓存概率。
其中,预设次数可以由技术人员根据经验设置。
然后,第一小基站可以根据确定出的缓存概率,进行网络资源缓存。
可选的,第一小基站进行网络资源缓存的方法可以包括以下步骤:
基于确定出的缓存概率,将待选网络资源中的目标网络资源缓存至本地。
其中,目标网络资源的缓存概率大于待选网络资源中其他网络资源的缓存概率。
一种实现方式中,第一小基站可以按照缓存概率由大到小的顺序对待选网络资源进行排序,然后,选取排列顺序中前预设数目个待选网络资源(即目标网络资源),并将目标网络资源缓存至本地。
其中,预设数目可以由技术人员根据经验设置。
另一种实现方式中,第一小基站可以确定待选网络资源中缓存概率大于缓存概率阈值的网络资源(即目标网络资源),然后,将目标网络资源缓存至本地。
其中,缓存概率阈值可以由技术人员根据经验设置。
参见图3,图3为本发明实施例提供的一种网络资源缓存方法的流程图,该方法应用于宏基站,宏基站所属的系统还包括多个小基站,该方法可以包括以下步骤:
S301:接收多个小基站发送的各自的覆盖范围内的用户终端对预设网络资源的评分、多个小基站各自的覆盖范围内的每两个用户终端之间的信任值,以及上一周期内多个小基站各自的覆盖范围内的用户终端请求待选网络资源的次数。
S302:基于接收到的多个小基站发送的信息,确定多个小基站中的第一小基站覆盖范围内的第一用户终端对待选网络资源的评分,以及当前周期内待选网络资源的流行度,并发送至第一小基站,以使第一小基站基于第一用户终端对待选网络资源的评分、当前周期内待选网络资源的流行度,以及第一用户终端与第一小基站之间的物理距离,确定待选网络资源的缓存概率,并基于确定出的缓存概率和待选网络资源,进行网络资源的缓存。
其中,流行度表示用户对待选网络资源感兴趣的程度。
基于上述处理,由于用户终端对待选网络资源的评分,能够体现用户对网络资源的喜好,因此,小基站基于用户终端对待选预设网络资源的评分,确定出的待选网络资源的缓存概率,能够体现用户终端请求网络资源的概率,进而,小基站基于待选网络资源的缓存概率,缓存至本地的网络资源的有效性较高。
在发明实施例中,小基站可以确定覆盖范围内的用户终端对预设网络资源的评分、每两个用户终端之间的信任值,以及上一周期内用户终端请求待选网络资源的次数之后,并发送至宏基站。
相应的,在步骤S301中,宏基站可以接收多个小基站发送的上述信息。
在步骤S302中,宏基站可以确定多个小基站中的第一小基站的覆盖范围内的第一用户终端对待选网络资源的评分,和待选网络资源的流行度。
可选的,步骤S302可以包括以下步骤:
步骤一,基于多个小基站各自的覆盖范围内的用户终端对预设网络资源的评分、多个小基站各自的覆盖范围内的每两个用户终端之间的信任值,以及第二预设公式,确定第一小基站的覆盖范围内的用户终端对待选网络资源的评分。
其中,第二预设公式为:
rui表示用户终端u对第i个待选网络资源的评分,b表示基准偏移量,qi表示网络资源因素矢量,T表示转置运算符号,pu表示用户终端因素矢量,I(u)表示用户终端u所有隐式偏好的网络资源的集合,|I(u)|表示用户终端u隐式偏好的网络资源的集合的大小,yj表示其他用户终端对第j个预设网络资源的评分,α表示第一预设系数,A(u)表示用户终端u信任的用户终端的集合,|A(u)|表示用户终端u信任的用户终端的集合的大小,wc表示用户终端u信任的用户终端c的特征向量,Ai(u)表示与用户终端u存在隐式信任关系的用户终端的集合,|Ai(u)|表示与用户终端u存在隐式信任关系的用户终端的集合的大小,mv表示与用户终端u存在隐式信任关系的用户终端v的特征向量,α可以由技术人员根据经验设置。
宏基站可以对接收到的评分矩阵进行奇异值分解,可以得到网络资源因素矢量qi和用户终端因素矢量pu。
然后,宏基站可以计算用户终端对预设网络资源评分的平均值(可以称为平均分值),并确定第i个待选网络资源的评分与平均分值的差值(可以称为网络资源评分偏差),以及用户终端u对预设网络资源的评分与平均分值的差值(可以称为用户终端评分偏差),然后,计算平均分值、网络资源评分偏差和用户终端评分偏差的和值,计算得到的和值即为基准偏移量b。
用户终端u的隐式偏好的网络资源可以为,登录用户终端u的用户浏览且没有评分的网络资源,用户终端u信任的用户终端c可以为与用户终端u之间的信任值为1的用户终端,与用户终端u存在隐式信任关系的用户终端v可以为,与用户终端u对预设网络资源的评分的皮尔逊相关系数值,大于预设阈值的用户终端。
其中,预设阈值可以由技术人员根据经验设置。
示例性的,如果用户终端1对网络资源A的评分为1、对网络资源B的评分为3,对网络资源C的评分为1,用户终端2对网络资源A的评分为2、对网络资源B的评分为1、对网络资源C的评分为3。宏基站可以确定用户终端1的评分向量为:X1=[1,3,1],用户终端2的评分向量为:X2=[2,1,3],宏基站可以计算评分向量X1与评分向量X2的皮尔逊相关系数值S,然后,宏基站可以判断计算得到S是否大于预设阈值,如果S大于预设阈值,则可以确定用户终端1与用户终端2存在隐式信任关系。
步骤二,基于上一周期内多个小基站各自的覆盖范围内的用户终端请求待选网络资源的次数,以及迁移学习算法,确定待选网络资源的流行度。
宏基站可以根据K-means(硬聚类)算法,对待选网络资源进行分类,并基于上一周期内多个小基站各自的覆盖范围内的用户终端请求待选网络资源的次数,以及第四预设公式,确定上一周期内待选网络资源的流行度。
其中,第四预设公式为:
Bm,i(t)表示上一周期内第i个待选网络资源在第m个小基站覆盖范围内的流行度,t表示上一周期,nm,i表示上一周期内第m个小基站覆盖范围内的用户终端请求第i个待选网络资源的次数,Nm表示上一周期内第m个小基站覆盖范围内的用户终端请求待选网络资源的总次数。
宏基站可以基于上一周期内每一类型的待选网络资源的流行度,确定迁移学习算法的误差函数。
然后,宏基站可以基于第五预设公式,确定待选网络资源当前周期内的流行度。
其中,第五预设公式为:
Bm,i(t+1)=am·Bm,i(t)+al·Bl,i(t)
Bm,i(t+1)表示当前周期内第i个待选网络资源在第m个小基站覆盖范围内的流行度,t+1表示当前周期,Bm,i(t)表示上一周期内第i个待选网络资源在第m个小基站覆盖范围内的流行度,Bl,i(t)表示上一周期内第i个待选网络资源在第l个小基站覆盖范围内的流行度,am表示第二预设系数,al表示第三预设系数。am、al为基于迁移学习算法的误差函数确定出的。
然后,宏基站可以向第一小基站发送确定出的第一用户终端对待选网络资源的评分,以及待选网络资源在第一小基站覆盖范围内的流行度。
相应的,第一小基站可以基于第一用户终端对待选网络资源的评分,和待选网络资源在第一小基站覆盖范围内的流行度,以及第一用户终端与第一小基站的物理距离,确定待选网络资源的缓存概率,并基于确定出的缓存概率,进行网络资源的缓存。第一小基站确定待选网络资源的缓存概率,并基于确定出的缓存概率,进行网络资源缓存的方法,前述实施例中已有详细介绍,此处不再赘述。
参见图4,图4为本发明实施例提供的一种网络资源缓存方法示例的流程图,可以包括以下步骤:
S401:当达到预设周期时,第一小基站向宏基站发送覆盖范围内的第一用户终端对预设网络资源的评分、每两个第一用户终端之间的信任值,以及上一周期内第一用户终端请求待选网络资源的次数。
其中,预设网络资源属于待选网络资源,待选网络资源包括系统允许用户终端请求的网络资源,每两个第一用户终端之间的信任值表示登录该两个第一用户终端的用户的关联程度。
S402:宏基站基于多个小基站各自的覆盖范围内的用户终端对预设网络资源的评分、多个小基站各自的覆盖范围内的每两个用户终端之间的信任值,以及上一周期内多个小基站各自的覆盖范围内的用户终端请求待选网络资源的次数,确定第一用户终端对待选网络资源的评分,以及当前周期内待选网络资源的流行度。
其中,流行度表示用户对待选网络资源感兴趣的程度。
S403:宏基站向第一小基站发送第一用户终端对待选网络资源的评分,以及当前周期内待选网络资源的流行度。
S404:第一小基站基于第一用户终端对待选网络资源的评分、当前周期内待选网络资源的流行度,以及第一用户终端与第一小基站之间的物理距离,确定待选网络资源的缓存概率,并基于确定出的缓存概率和待选网络资源,进行网络资源的缓存。
与图2的方法实施例相对应,参见图5,图5为本发明实施例提供的一种网络资源缓存装置的结构图,所述装置应用于第一小基站,所述第一小基站所属的系统还包括宏基站,所述装置包括:
发送模块501,用于当达到预设周期时,向所述宏基站发送覆盖范围内的第一用户终端对预设网络资源的评分、每两个所述第一用户终端之间的信任值,以及上一周期内所述第一用户终端请求待选网络资源的次数,其中,所述预设网络资源属于所述待选网络资源,所述待选网络资源包括所述系统允许用户终端请求的网络资源,每两个所述第一用户终端之间的信任值表示登录该两个第一用户终端的用户的关联程度;
缓存模块502,用于当接收到所述宏基站发送的所述第一用户终端对所述待选网络资源的评分,以及当前周期内所述待选网络资源的流行度时,基于所述第一用户终端对所述待选网络资源的评分、当前周期内所述待选网络资源的流行度,以及所述第一用户终端与所述第一小基站之间的物理距离,确定所述待选网络资源的缓存概率,并基于确定出的缓存概率和所述待选网络资源,进行网络资源的缓存。
可选的,所述装置还包括:
获取模块,用于当达到预设周期时,向所述第一用户终端发送提醒消息,以使所述第一用户终端向所述第一小基站发送对所述预设网络资源的评分。
可选的,所述缓存模块502,具体用于按照所述第一用户终端对所述待选网络资源的评分由大到小的顺序,对所述待选网络资源进行排序;
针对每一待选网络资源,基于所述第一用户终端对所述待选网络资源的评分、当前周期内所述待选网络资源的流行度,以及第一预设公式,确定该待选网络资源的请求概率,其中,所述第一预设公式为:
基于离散广义追踪算法、所述待选网络资源的请求概率、当前周期内所述待选网络资源的流行度,以及所述第一用户终端与所述第一小基站之间的距离,对所述待选网络资源的初始缓存概率进行迭代计算;
当达到预设收敛条件时,将本次迭代计算得到的概率作为所述待选网络资源的缓存概率。
可选的,所述缓存模块502,具体用于基于确定出的缓存概率,将所述待选网络资源中的目标网络资源缓存至本地,其中,所述目标网络资源的缓存概率大于所述待选网络资源中其他网络资源的缓存概率。
基于上述处理,由于用户终端对待选网络资源的评分,能够体现用户对网络资源的喜好,因此,小基站基于用户终端对待选预设网络资源的评分,确定出的待选网络资源的缓存概率,能够体现用户终端请求网络资源的概率,进而,小基站基于待选网络资源的缓存概率,缓存至本地的网络资源的有效性较高。
与图3的方法实施例相对应,参见图6,图6为本发明实施例提供的一种网络资源缓存装置的结构图,所述装置应用于宏基站,所述宏基站所属的系统还包括多个小基站,所述装置包括:
接收模块601,用于接收所述多个小基站发送的各自的覆盖范围内的用户终端对所述预设网络资源的评分、所述多个小基站各自的覆盖范围内的每两个用户终端之间的信任值,以及上一周期内所述多个小基站各自的覆盖范围内的用户终端请求所述待选网络资源的次数;
确定模块602,用于基于接收到的所述多个小基站发送的信息,确定所述多个小基站中的第一小基站覆盖范围内的第一用户终端对所述待选网络资源的评分,以及当前周期内所述待选网络资源的流行度,并发送至所述第一小基站,其中,所述流行度表示用户对所述待选网络资源感兴趣的程度,以使所述第一小基站基于所述第一用户终端对所述待选网络资源的评分、当前周期内所述待选网络资源的流行度,以及所述第一用户终端与所述第一小基站之间的物理距离,确定所述待选网络资源的缓存概率,并基于确定出的缓存概率和所述待选网络资源,进行网络资源的缓存。
可选的,所述确定模块602,具体用于基于所述多个小基站各自的覆盖范围内的用户终端对所述预设网络资源的评分、所述多个小基站各自的覆盖范围内的每两个用户终端之间的信任值,以及第二预设公式,确定所述多个小基站中的第一小基站覆盖范围内的第一用户对所述待选网络资源的评分,其中,所述第二预设公式为:
rui表示用户终端u对第i个待选网络资源的评分,b表示基准偏移量,qi表示网络资源因素矢量,T表示转置运算符号,pu表示用户终端因素矢量,I(u)表示用户终端u所有隐式偏好的网络资源的集合,|I(u)|表示用户终端u隐式偏好的网络资源的集合的大小,yj表示其他用户终端对第j个预设网络资源的评分,α表示第一预设系数,A(u)表示用户终端u信任的用户终端的集合,|A(u)|表示用户终端u信任的用户终端的集合的大小,wc表示用户终端u信任的用户终端c的特征向量,Ai(u)表示与用户终端u存在隐式信任关系的用户终端的集合,|Ai(u)|表示与用户终端u存在隐式信任关系的用户终端的集合的大小,mv表示与用户终端u存在隐式信任关系的用户终端v的特征向量;
基于上一周期内所述多个小基站各自的覆盖范围内的用户终端请求所述待选网络资源的次数,以及迁移学习算法,确定所述待选网络资源的流行度。
基于上述处理,由于用户终端对待选网络资源的评分,能够体现用户对网络资源的喜好,因此,小基站基于用户终端对待选预设网络资源的评分,确定出的待选网络资源的缓存概率,能够体现用户终端请求网络资源的概率,进而,小基站基于待选网络资源的缓存概率,缓存至本地的网络资源的有效性较高。
基于同一发明构思,与本发明上述实施例提供的网络资源缓存方法相对应,本发明实施例还提供了一种网络资源缓存系统,所述网络资源缓存系统包括宏基站、多个小基站,其中:
所述多个小基站中的第一小基站,用于当达到预设周期时,向所述宏基站发送覆盖范围内的第一用户终端对预设网络资源的评分、每两个所述第一用户终端之间的信任值,以及上一周期内所述第一用户终端请求待选网络资源的次数,其中,所述预设网络资源属于所述待选网络资源,所述待选网络资源包括所述网络资源缓存系统允许用户终端请求的网络资源,每两个所述第一用户终端之间的信任值表示登录该两个第一用户终端的用户的关联程度;
所述宏基站,用于基于所述多个小基站各自的覆盖范围内的用户终端对所述预设网络资源的评分、所述多个小基站各自的覆盖范围内的每两个用户终端之间的信任值,以及上一周期内所述多个小基站各自的覆盖范围内的用户终端请求所述待选网络资源的次数,确定所述第一用户终端对所述待选网络资源的评分,以及当前周期内所述待选网络资源的流行度,并发送至所述第一小基站,其中,所述流行度表示用户对所述待选网络资源感兴趣的程度;
所述第一小基站,还用于基于所述第一用户终端对所述待选网络资源的评分、当前周期内所述待选网络资源的流行度,以及所述第一用户终端与所述第一小基站之间的物理距离,确定所述待选网络资源的缓存概率,并基于确定出的缓存概率和所述待选网络资源,进行网络资源的缓存。
基于上述处理,由于用户终端对待选网络资源的评分,能够体现用户对网络资源的喜好,因此,小基站基于用户终端对待选预设网络资源的评分,确定出的待选网络资源的缓存概率,能够体现用户终端请求网络资源的概率,进而,小基站基于待选网络资源的缓存概率,缓存至本地的网络资源的有效性较高。
参见图7,图7为本发明实施例提供的一种电子设备的结构图,包括处理器701、通信接口702、存储器703和通信总线704,其中,处理器701,通信接口702,存储器703通过通信总线704完成相互间的通信,
存储器703,用于存放计算机程序;
处理器701,用于执行存储器703上所存放的程序时,实现如下步骤:
当达到预设周期时,向所述宏基站发送覆盖范围内的第一用户终端对预设网络资源的评分、每两个所述第一用户终端之间的信任值,以及上一周期内所述第一用户终端请求待选网络资源的次数,其中,所述预设网络资源属于所述待选网络资源,所述待选网络资源包括所述系统允许用户终端请求的网络资源,每两个所述第一用户终端之间的信任值表示登录该两个第一用户终端的用户的关联程度;
当接收到所述宏基站发送的所述第一用户终端对所述待选网络资源的评分,以及当前周期内所述待选网络资源的流行度时,基于所述第一用户终端对所述待选网络资源的评分、当前周期内所述待选网络资源的流行度,以及所述第一用户终端与所述第一小基站之间的物理距离,确定所述待选网络资源的缓存概率,并基于确定出的缓存概率和所述待选网络资源,进行网络资源的缓存。
参见图8,图8为本发明实施例提供的一种电子设备的结构图,包括处理器801、通信接口802、存储器803和通信总线804,其中,处理器801,通信接口802,存储器803通过通信总线804完成相互间的通信,
存储器803,用于存放计算机程序;
处理器801,用于执行存储器803上所存放的程序时,实现如下步骤:
接收所述多个小基站发送的各自的覆盖范围内的用户终端对所述预设网络资源的评分、所述多个小基站各自的覆盖范围内的每两个用户终端之间的信任值,以及上一周期内所述多个小基站各自的覆盖范围内的用户终端请求所述待选网络资源的次数;
基于接收到的所述多个小基站发送的信息,确定所述多个小基站中的第一小基站覆盖范围内的第一用户终端对所述待选网络资源的评分,以及当前周期内所述待选网络资源的流行度,并发送至所述第一小基站,其中,所述流行度表示用户对所述待选网络资源感兴趣的程度,以使所述第一小基站基于所述第一用户终端对所述待选网络资源的评分、当前周期内所述待选网络资源的流行度,以及所述第一用户终端与所述第一小基站之间的物理距离,确定所述待选网络资源的缓存概率,并基于确定出的缓存概率和所述待选网络资源,进行网络资源的缓存。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一应用于第一小基站的网络资源缓存方法的步骤。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一应用于宏基站的网络资源缓存方法的步骤。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述任一应用于第一小基站的网络资源缓存方法的步骤。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述任一应用于宏基站的网络资源缓存方法的步骤。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备、计算机可读存储介质、计算机程序产品和系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,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、改进等,均包含在本发明的保护范围内。
Claims (9)
1.一种网络资源缓存系统,其特征在于,所述网络资源缓存系统包括宏基站、多个小基站,其中:
所述多个小基站中的第一小基站,用于当达到预设周期时,向所述宏基站发送覆盖范围内的第一用户终端对预设网络资源的评分、每两个所述第一用户终端之间的信任值,以及上一周期内所述第一用户终端请求待选网络资源的次数,其中,所述预设网络资源属于所述待选网络资源,所述待选网络资源包括所述网络资源缓存系统允许用户终端请求的网络资源,每两个所述第一用户终端之间的信任值表示登录该两个第一用户终端的用户的关联程度;
所述宏基站,用于基于所述多个小基站各自的覆盖范围内的用户终端对所述预设网络资源的评分、所述多个小基站各自的覆盖范围内的每两个用户终端之间的信任值,以及上一周期内所述多个小基站各自的覆盖范围内的用户终端请求所述待选网络资源的次数,确定所述第一用户终端对所述待选网络资源的评分,以及当前周期内所述待选网络资源的流行度,并发送至所述第一小基站,其中,所述流行度表示用户对所述待选网络资源感兴趣的程度;
所述第一小基站,还用于基于所述第一用户终端对所述待选网络资源的评分、当前周期内所述待选网络资源的流行度,以及所述第一用户终端与所述第一小基站之间的物理距离,确定所述待选网络资源的缓存概率,并基于确定出的缓存概率和所述待选网络资源,进行网络资源的缓存;
所述宏基站,具体用于基于所述多个小基站各自的覆盖范围内的用户终端对所述预设网络资源的评分、所述多个小基站各自的覆盖范围内的每两个用户终端之间的信任值,以及第二预设公式,确定所述多个小基站中的第一小基站覆盖范围内的第一用户终端对所述待选网络资源的评分,其中,所述第二预设公式为:
rui表示用户终端u对第i个待选网络资源的评分,b表示基准偏移量,qi表示网络资源因素矢量,T表示转置运算符号,pu表示用户终端因素矢量,I(u)表示用户终端u所有隐式偏好的网络资源的集合,|I(u)|表示用户终端u隐式偏好的网络资源的集合的大小,yj表示其他用户终端对第j个预设网络资源的评分,α表示第一预设系数,A(u)表示用户终端u信任的用户终端的集合,|A(u)|表示用户终端u信任的用户终端的集合的大小,wc表示用户终端u信任的用户终端c的特征向量,Ai(u)表示与用户终端u存在隐式信任关系的用户终端的集合,|Ai(u)|表示与用户终端u存在隐式信任关系的用户终端的集合的大小,mv表示与用户终端u存在隐式信任关系的用户终端v的特征向量;
基于上一周期内所述多个小基站各自的覆盖范围内的用户终端请求所述待选网络资源的次数,以及迁移学习算法,确定所述待选网络资源的流行度。
2.一种网络资源缓存方法,其特征在于,所述方法应用于第一小基站,所述第一小基站所属的系统还包括宏基站,所述方法包括:
当达到预设周期时,向所述宏基站发送覆盖范围内的第一用户终端对预设网络资源的评分、每两个所述第一用户终端之间的信任值,以及上一周期内所述第一用户终端请求待选网络资源的次数,其中,所述预设网络资源属于所述待选网络资源,所述待选网络资源包括所述系统允许用户终端请求的网络资源,每两个所述第一用户终端之间的信任值表示登录该两个第一用户终端的用户的关联程度;
当接收到所述宏基站发送的所述第一用户终端对所述待选网络资源的评分,以及当前周期内所述待选网络资源的流行度时,基于所述第一用户终端对所述待选网络资源的评分、当前周期内所述待选网络资源的流行度,以及所述第一用户终端与所述第一小基站之间的物理距离,确定所述待选网络资源的缓存概率,并基于确定出的缓存概率和所述待选网络资源,进行网络资源的缓存;
所述第一用户终端对所述待选网络资源的评分,以及当前周期内所述待选网络资源的流行度为所述宏基站基于如下方式确定出的:
基于多个小基站各自的覆盖范围内的用户终端对所述预设网络资源的评分、所述多个小基站各自的覆盖范围内的每两个用户终端之间的信任值,以及第二预设公式,确定所述多个小基站中的第一小基站覆盖范围内的第一用户终端对所述待选网络资源的评分,其中,所述第二预设公式为:
rui表示用户终端u对第i个待选网络资源的评分,b表示基准偏移量,qi表示网络资源因素矢量,T表示转置运算符号,pu表示用户终端因素矢量,I(u)表示用户终端u所有隐式偏好的网络资源的集合,|I(u)|表示用户终端u隐式偏好的网络资源的集合的大小,yj表示其他用户终端对第j个预设网络资源的评分,α表示第一预设系数,A(u)表示用户终端u信任的用户终端的集合,|A(u)|表示用户终端u信任的用户终端的集合的大小,wc表示用户终端u信任的用户终端c的特征向量,Ai(u)表示与用户终端u存在隐式信任关系的用户终端的集合,|Ai(u)|表示与用户终端u存在隐式信任关系的用户终端的集合的大小,mv表示与用户终端u存在隐式信任关系的用户终端v的特征向量;
基于上一周期内所述多个小基站各自的覆盖范围内的用户终端请求所述待选网络资源的次数,以及迁移学习算法,确定所述待选网络资源的流行度。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
当达到预设周期时,向所述第一用户终端发送提醒消息,以使所述第一用户终端向所述第一小基站发送对所述预设网络资源的评分。
4.根据权利要求2所述的方法,其特征在于,所述基于所述第一用户终端对所述待选网络资源的评分、当前周期内所述待选网络资源的流行度,以及所述第一用户终端与所述第一小基站之间的物理距离,确定所述待选网络资源的缓存概率,包括:
按照所述第一用户终端对所述待选网络资源的评分由大到小的顺序,对所述待选网络资源进行排序;
针对每一待选网络资源,基于所述第一用户终端对所述待选网络资源的评分、当前周期内所述待选网络资源的流行度,以及第一预设公式,确定该待选网络资源的请求概率,其中,所述第一预设公式为:
基于离散广义追踪算法、所述待选网络资源的请求概率、当前周期内所述待选网络资源的流行度,以及所述第一用户终端与所述第一小基站之间的距离,对所述待选网络资源的初始缓存概率进行迭代计算;
当达到预设收敛条件时,将本次迭代计算得到的概率作为所述待选网络资源的缓存概率。
5.根据权利要求2所述的方法,其特征在于,所述基于确定出的缓存概率和所述待选网络资源,进行网络资源的缓存,包括:
基于确定出的缓存概率,将所述待选网络资源中的目标网络资源缓存至本地,其中,所述目标网络资源的缓存概率大于所述待选网络资源中其他网络资源的缓存概率。
6.一种网络资源缓存方法,其特征在于,所述方法应用于宏基站,所述宏基站所属的系统还包括多个小基站,所述方法包括:
接收所述多个小基站发送的各自的覆盖范围内的用户终端对预设网络资源的评分、所述多个小基站各自的覆盖范围内的每两个用户终端之间的信任值,以及上一周期内所述多个小基站各自的覆盖范围内的用户终端请求待选网络资源的次数;其中,每两个用户终端之间的信任值表示登录该用户终端的用户的关联程度;
基于接收到的所述多个小基站发送的信息,确定所述多个小基站中的第一小基站覆盖范围内的第一用户终端对所述待选网络资源的评分,以及当前周期内所述待选网络资源的流行度,并发送至所述第一小基站,其中,所述流行度表示用户对所述待选网络资源感兴趣的程度,以使所述第一小基站基于所述第一用户终端对所述待选网络资源的评分、当前周期内所述待选网络资源的流行度,以及所述第一用户终端与所述第一小基站之间的物理距离,确定所述待选网络资源的缓存概率,并基于确定出的缓存概率和所述待选网络资源,进行网络资源的缓存;
所述基于接收到的所述多个小基站发送的信息,确定所述多个小基站中的第一小基站覆盖范围内的第一用户终端对所述待选网络资源的评分,以及当前周期内所述待选网络资源的流行度,包括:
基于所述多个小基站各自的覆盖范围内的用户终端对所述预设网络资源的评分、所述多个小基站各自的覆盖范围内的每两个用户终端之间的信任值,以及第二预设公式,确定所述多个小基站中的第一小基站覆盖范围内的第一用户终端对所述待选网络资源的评分,其中,所述第二预设公式为:
rui表示用户终端u对第i个待选网络资源的评分,b表示基准偏移量,qi表示网络资源因素矢量,T表示转置运算符号,pu表示用户终端因素矢量,I(u)表示用户终端u所有隐式偏好的网络资源的集合,|I(u)|表示用户终端u隐式偏好的网络资源的集合的大小,yj表示其他用户终端对第j个预设网络资源的评分,α表示第一预设系数,A(u)表示用户终端u信任的用户终端的集合,|A(u)|表示用户终端u信任的用户终端的集合的大小,wc表示用户终端u信任的用户终端c的特征向量,Ai(u)表示与用户终端u存在隐式信任关系的用户终端的集合,|Ai(u)|表示与用户终端u存在隐式信任关系的用户终端的集合的大小,mv表示与用户终端u存在隐式信任关系的用户终端v的特征向量;
基于上一周期内所述多个小基站各自的覆盖范围内的用户终端请求所述待选网络资源的次数,以及迁移学习算法,确定所述待选网络资源的流行度。
7.一种网络资源缓存装置,其特征在于,所述装置应用于第一小基站,所述第一小基站所属的系统还包括宏基站,所述装置包括:
发送模块,用于当达到预设周期时,向所述宏基站发送覆盖范围内的第一用户终端对预设网络资源的评分、每两个所述第一用户终端之间的信任值,以及上一周期内所述第一用户终端请求待选网络资源的次数,其中,所述预设网络资源属于所述待选网络资源,所述待选网络资源包括所述系统允许用户终端请求的网络资源,每两个所述第一用户终端之间的信任值表示登录该两个第一用户终端的用户的关联程度;
缓存模块,用于当接收到所述宏基站发送的所述第一用户终端对所述待选网络资源的评分,以及当前周期内所述待选网络资源的流行度时,基于所述第一用户终端对所述待选网络资源的评分、当前周期内所述待选网络资源的流行度,以及所述第一用户终端与所述第一小基站之间的物理距离,确定所述待选网络资源的缓存概率,并基于确定出的缓存概率和所述待选网络资源,进行网络资源的缓存;
所述第一用户终端对所述待选网络资源的评分,以及当前周期内所述待选网络资源的流行度为所述宏基站基于如下方式确定出的:
基于多个小基站各自的覆盖范围内的用户终端对所述预设网络资源的评分、所述多个小基站各自的覆盖范围内的每两个用户终端之间的信任值,以及第二预设公式,确定所述多个小基站中的第一小基站覆盖范围内的第一用户终端对所述待选网络资源的评分,其中,所述第二预设公式为:
rui表示用户终端u对第i个待选网络资源的评分,b表示基准偏移量,qi表示网络资源因素矢量,T表示转置运算符号,pu表示用户终端因素矢量,I(u)表示用户终端u所有隐式偏好的网络资源的集合,|I(u)|表示用户终端u隐式偏好的网络资源的集合的大小,yj表示其他用户终端对第j个预设网络资源的评分,α表示第一预设系数,A(u)表示用户终端u信任的用户终端的集合,|A(u)|表示用户终端u信任的用户终端的集合的大小,wc表示用户终端u信任的用户终端c的特征向量,Ai(u)表示与用户终端u存在隐式信任关系的用户终端的集合,|Ai(u)|表示与用户终端u存在隐式信任关系的用户终端的集合的大小,mv表示与用户终端u存在隐式信任关系的用户终端v的特征向量;
基于上一周期内所述多个小基站各自的覆盖范围内的用户终端请求所述待选网络资源的次数,以及迁移学习算法,确定所述待选网络资源的流行度。
8.一种网络资源缓存装置,其特征在于,所述装置应用于宏基站,所述宏基站所属的系统还包括多个小基站,所述装置包括:
接收模块,用于接收所述多个小基站发送的各自的覆盖范围内的用户终端对预设网络资源的评分、所述多个小基站各自的覆盖范围内的每两个用户终端之间的信任值,以及上一周期内所述多个小基站各自的覆盖范围内的用户终端请求待选网络资源的次数;其中,每两个用户终端之间的信任值表示登录该用户终端的用户的关联程度;
确定模块,用于基于接收到的所述多个小基站发送的信息,确定所述多个小基站中的第一小基站覆盖范围内的第一用户终端对所述待选网络资源的评分,以及当前周期内所述待选网络资源的流行度,并发送至所述第一小基站,其中,所述流行度表示用户对所述待选网络资源感兴趣的程度,以使所述第一小基站基于所述第一用户终端对所述待选网络资源的评分、当前周期内所述待选网络资源的流行度,以及所述第一用户终端与所述第一小基站之间的物理距离,确定所述待选网络资源的缓存概率,并基于确定出的缓存概率和所述待选网络资源,进行网络资源的缓存;
所述确定模块,具体用于基于所述多个小基站各自的覆盖范围内的用户终端对所述预设网络资源的评分、所述多个小基站各自的覆盖范围内的每两个用户终端之间的信任值,以及第二预设公式,确定所述多个小基站中的第一小基站覆盖范围内的第一用户终端对所述待选网络资源的评分,其中,所述第二预设公式为:
rui表示用户终端u对第i个待选网络资源的评分,b表示基准偏移量,qi表示网络资源因素矢量,T表示转置运算符号,pu表示用户终端因素矢量,I(u)表示用户终端u所有隐式偏好的网络资源的集合,|I(u)|表示用户终端u隐式偏好的网络资源的集合的大小,yj表示其他用户终端对第j个预设网络资源的评分,α表示第一预设系数,A(u)表示用户终端u信任的用户终端的集合,|A(u)|表示用户终端u信任的用户终端的集合的大小,wc表示用户终端u信任的用户终端c的特征向量,Ai(u)表示与用户终端u存在隐式信任关系的用户终端的集合,|Ai(u)|表示与用户终端u存在隐式信任关系的用户终端的集合的大小,mv表示与用户终端u存在隐式信任关系的用户终端v的特征向量;
基于上一周期内所述多个小基站各自的覆盖范围内的用户终端请求所述待选网络资源的次数,以及迁移学习算法,确定所述待选网络资源的流行度。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现如权利要求2-7中任一项所述的网络资源缓存方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911204374.4A CN110995828B (zh) | 2019-11-29 | 2019-11-29 | 一种网络资源缓存方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911204374.4A CN110995828B (zh) | 2019-11-29 | 2019-11-29 | 一种网络资源缓存方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110995828A CN110995828A (zh) | 2020-04-10 |
CN110995828B true CN110995828B (zh) | 2020-11-24 |
Family
ID=70088591
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911204374.4A Active CN110995828B (zh) | 2019-11-29 | 2019-11-29 | 一种网络资源缓存方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110995828B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111552886B (zh) * | 2020-05-19 | 2023-12-22 | 北京邮电大学 | 一种无线网络中的缓存方法、系统及装置 |
CN112528124A (zh) * | 2020-12-18 | 2021-03-19 | 浙江融象数科控股有限公司 | 搜索引擎的搜索和推荐设计系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106210116A (zh) * | 2016-07-29 | 2016-12-07 | 国网山西省电力公司检修分公司 | 一种基于内容中心网络的差异化存储方法及装置 |
CN107404530A (zh) * | 2017-07-27 | 2017-11-28 | 北京邮电大学 | 基于用户兴趣相似度的社交网络协作缓存方法及装置 |
CN107733949A (zh) * | 2016-08-11 | 2018-02-23 | 北京邮电大学 | 一种无线接入网缓存方法及系统 |
CN108901047A (zh) * | 2018-06-15 | 2018-11-27 | 无锡北邮感知技术产业研究院有限公司 | 基于内容流行度变化的基站与终端协作缓存方法及装置 |
CN109873869A (zh) * | 2019-03-05 | 2019-06-11 | 东南大学 | 一种雾无线接入网中基于强化学习的边缘缓存方法 |
CN110138836A (zh) * | 2019-04-15 | 2019-08-16 | 北京邮电大学 | 一种基于优化能量效率的线上协作缓存方法 |
CN110505666A (zh) * | 2019-08-14 | 2019-11-26 | 北京邮电大学 | 一种蜂窝网络中的内容缓存方法及蜂窝网络系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9177072B2 (en) * | 2013-03-14 | 2015-11-03 | Facebook, Inc. | Social cache |
US10397359B2 (en) * | 2016-12-30 | 2019-08-27 | Google Llc | Streaming media cache for media streaming service |
CN106980646A (zh) * | 2017-02-27 | 2017-07-25 | 上海大学 | 基于流行度对用户兴趣的影响机制分析及其在推荐算法中应用的方法 |
US20190079946A1 (en) * | 2017-09-13 | 2019-03-14 | Microsoft Technology Licensing, Llc | Intelligent file recommendation |
CN108132963A (zh) * | 2017-11-23 | 2018-06-08 | 广州优视网络科技有限公司 | 资源推荐方法和装置、计算设备和存储介质 |
CN108900355B (zh) * | 2018-07-24 | 2020-11-24 | 北京邮电大学 | 一种星地多级边缘网络资源分配方法 |
-
2019
- 2019-11-29 CN CN201911204374.4A patent/CN110995828B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106210116A (zh) * | 2016-07-29 | 2016-12-07 | 国网山西省电力公司检修分公司 | 一种基于内容中心网络的差异化存储方法及装置 |
CN107733949A (zh) * | 2016-08-11 | 2018-02-23 | 北京邮电大学 | 一种无线接入网缓存方法及系统 |
CN107404530A (zh) * | 2017-07-27 | 2017-11-28 | 北京邮电大学 | 基于用户兴趣相似度的社交网络协作缓存方法及装置 |
CN108901047A (zh) * | 2018-06-15 | 2018-11-27 | 无锡北邮感知技术产业研究院有限公司 | 基于内容流行度变化的基站与终端协作缓存方法及装置 |
CN109873869A (zh) * | 2019-03-05 | 2019-06-11 | 东南大学 | 一种雾无线接入网中基于强化学习的边缘缓存方法 |
CN110138836A (zh) * | 2019-04-15 | 2019-08-16 | 北京邮电大学 | 一种基于优化能量效率的线上协作缓存方法 |
CN110505666A (zh) * | 2019-08-14 | 2019-11-26 | 北京邮电大学 | 一种蜂窝网络中的内容缓存方法及蜂窝网络系统 |
Non-Patent Citations (1)
Title |
---|
Energy Efficiency Analysis of Heterogeneous Cache-Enabled 5G Hyper Cellular Networks;Jiaxin Zhang;Xing Zhang;Muhammad Ali Imran;《2016 IEEE Global Communications Conference (GLOBECOM)》;20170206;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110995828A (zh) | 2020-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110995828B (zh) | 一种网络资源缓存方法、装置及系统 | |
CN110135978B (zh) | 用户金融风险评估方法、装置、电子设备和可读介质 | |
US11334758B2 (en) | Method and apparatus of data processing using multiple types of non-linear combination processing | |
CN111988168B (zh) | 边缘服务部署方法、装置及电子设备 | |
CN111708942A (zh) | 多媒体资源推送方法、装置、服务器及存储介质 | |
CN112764948A (zh) | 数据发送方法、数据发送装置、计算机设备及存储介质 | |
US20140289334A1 (en) | System and method for recommending multimedia information | |
CN106817296B (zh) | 信息推荐的测试方法、装置以及电子设备 | |
CN113516065B (zh) | 基于区块链的资料权重测算方法、装置、服务器及存储介质 | |
CN111814051B (zh) | 一种资源类型确定方法及装置 | |
US20230029312A1 (en) | Similarity-based search for fraud prevention | |
CN110381168B (zh) | 预测周期确定方法、预测内容推送方法、装置及系统 | |
CN113536138A (zh) | 一种网络资源推荐方法、装置、电子设备及可读存储介质 | |
US20210334316A1 (en) | Deep pagination system | |
CN112104521A (zh) | 请求超时监控方法、装置、计算机设备和存储介质 | |
CN111984867A (zh) | 一种网络资源确定方法及装置 | |
WO2019114481A1 (zh) | 集群类型识别方法、装置、电子设备及存储介质 | |
CN111104582A (zh) | 一种搜索页面容错方法、装置及电子设备 | |
CN112015924A (zh) | 流媒体缓存方法及其装置、计算机可存储介质 | |
CN110784479B (zh) | 一种数据校验方法、装置、电子设备及存储介质 | |
CN109218974B (zh) | 一种协作隐私保护的节点确定方法及装置 | |
CN112073275B (zh) | 一种面向超密集网络udn的内容分发方法及装置 | |
CN116708013B (zh) | 一种DDoS防护方法及装置 | |
CN116321272B (zh) | Af网元中ue地址信息的时效预测方法及装置 | |
CN111861635B (zh) | 一种针对商品分享时的好友推荐方法、装置及设备 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240109 Address after: 3rd Floor, Jialian Times Square, No. 6 Gulou South Street, Changping District, Beijing, 102299 Patentee after: Jialian Artificial Intelligence Technology Development (Beijing) Co.,Ltd. Address before: 100876 Beijing city Haidian District Xitucheng Road No. 10 Patentee before: Beijing University of Posts and Telecommunications |