[发明专利]一种基于多特征用户群体的基站协作缓存方法

说明书

本发明提出了一种基于多特征用户群体的基站协作缓存方法。本发明通过分析移动互联网的基站数据集构建多个用户特征相似矩阵；将多个用户特征相似矩阵结合优化目标进行相似矩阵融合，得到最终融合后相似矩阵；将最终融合后相似矩阵通过社区发现得到多个用户群体；统计用户群体访问各基站的次数，其中最多访问次数为同一用户群体的基站将建立基站集群协作缓存；根据每个基站集群，构建命中率函数以及传输代价函数，构建约束条件，进一步使用MCMC算法求解得到缓存矩阵。本发明优点在于，使用基于零范数的特征相似矩阵融合算法能充分利用用户的多种特征划分用户群体，结合优化目标，使基站缓存具有更强的针对性、更高的缓存利用率和更小的传输成本。

技术领域

本发明属于移动互联网技术领域，具体涉及一种基于多特征用户群体的基站协作缓存方法。

背景技术

网络信息时代终端用户数量不断增加，尤其是在万物互联的背景下，具有定位等各种数据采集的传感器无时无刻在向网络传递着信息，网络边缘的数据量正经历着爆炸式增长，这给传输链路带来了巨大的压力。超负荷的网络流量会导致传输链路拥塞，数据传输效率降低，从而影响用户体验。在第五代移动通信中，蜂窝面积的缩小和无线接入点的密集部署为更快的数据传输提供了新机会。然而，移动网络架构的集中化特性以及无线回程链路所带来的有限传输容量使得这种方法无法跟上飞速增长的流量，而为每个基站部署理想的回程会因为成本过高变得不切实际，这还可能会导致回程拥堵和性能降低。

因此，核心网功能下沉到网络边缘已经成为趋势，一些服务也可以由网络边缘提供。在移动边缘计算(MEC)中，可以在基站侧缓存部分流行的网络资源，这样已缓存的网络内容就可以通过基站间的多点协作直接传送到请求用户，而无需回程或核心网络传输。用户获取该资源的传输时延将得到很大改善，同时还能降低传输过程中的资源消耗。但基站的缓存空间是有限的，因此基站协同缓存，共享空间的思想应运而生。协作缓存间接扩展了单个基站的缓存空间，扩大了原本由单个基站存储的缓存文件集，这使得由多个基站服务的用户能够利用空间的缓存多样性。当用户发出请求时，被请求基站及其合作基站可以共同为用户提供服务。如何高效的缓存网络内容，提高用户请求命中率，从而更好的利用有限的缓存空间，在哪些基站缓存哪些内容，这是协作缓存首先考虑的问题，同时基站协作缓存还应考虑哪些基站建立合作关系。很容易想到，如果协作基站的数量越多，那么它们一起共享的缓存空间也就越大，用户请求命中率也就越高。但需要注意的是，基站之间保持合作关系并相互通信是需要一定的控制转移和资源调度开销，以及链路的传输成本。而且大范围的基站集群，缓存方法制定时考虑了大范围的用户，不同用户群体在访问行为上的差异性就会被平均，导致基站缓存内容没有针对性，共享缓存空间利用率不高。

因此需要挖掘和分析基站所服务的用户访问行为特征，使得协作基站群主要服务于具有相似访问行为的人群，这样基站协作缓存就能针对不同的用户群体。通过分析移动互联网的基站数据集，可以获得每个访问用户不同维度的描述，比如用户的访问位置、访问时间、访问频次、访问内容和持续时间等行为特征。如果融合用户的多种特征，我们将会更好的描述用户行为。

发明内容

本发明为了更好的解决基于多用户特征描述下的基站协作缓存，提出了一种基于多特征用户群体的基站协作缓存方法。该策略通过划分多种特征下具有相似访问行为的用户群体，继而围绕不同用户群体搭建一对一缓存优化的基站集群，使得基站协作缓存更具有针对性。缓存方法优化以内容命中率和传输代价作为优化函数来确定缓存空间的内容放置。

一种基于多特征用户群体的基站协作缓存方法，其特征在于，具体步骤如下：

步骤1，通过分析移动互联网的基站数据集构建多个用户特征相似矩阵；

步骤2，将多个用户特征相似矩阵结合优化目标进行相似矩阵融合，得到最终融合后相似矩阵；

步骤3，将最终融合后相似矩阵通过Louvain算法进行社区发现，从而得到多个用户群体；