[发明专利]基于深度学习神经网络的用户行为预测的基站缓存方法

摘要

本发明公开了一种基于深度学习神经网络的用户行为预测的基站缓存算法，包括如下步骤：记录一段时间基站服务用户的需求，对需求进行整理、预处理后确定神经网络的训练集U；利用深度学习中的神经网络算法，包括DNN以及RNN，对训练集数据U进行训练拟合，建立用户需求行为模型。使用用户需求行为模型，对用户下一时间的需求进行预测。使用基站缓存策略，将模型预测所得的数据预缓存在基站的缓存之中，以保证在用户需求时，可以直接从基站缓存中获取。记录用户真实的需求与预测数据对比，不断完善模型并继续步骤3‑5，使得对用户的需求行为模型不断完善，预测精准度提高。

主权项

1.一种基于深度学习神经网络的用户行为预测的基站缓存算法，其特征在于：包括如下步骤：S1.假设基站为K个用户提供服务，对服务的每个用户，记录用户向该基站提出的需求，对需求进行整理、并对文件进行编号，同时记录每个被需求的文件的编号的预处理方法后确定神经网络的训练集U；S2.利用深度学习中的神经网络算法，包括DNN以及RNN，对任意用户的训练集数据，将用户的前段时间的需求作为输入，下一时刻的需求作为输出；利用梯度下降法拟合，损失函数为预测与真实之间的差值；在多次训练拟合后，建立用户需求行为模型；S3.运用建立的用户需求行为模型，输入前一段时间的用户需求，对用户下一时间的需求进行预测；获得用户下一时刻的需求；S4.将所得的需求预缓存在j基站缓存中，使用基站缓存策略，将多个用户的需求合理的缓存在基站中，以保证在用户需求时，可以直接从基站缓存中获取；S5.当用户真实需求时，记录用户真实的需求与预测数据对比，更新数据集，继续训练，不断完善模型并继续步骤S3‑S5，使得对用户的需求行为模型不断完善，预测精准度提高。