[发明专利]基于神经网络的命名数据网内容存储池

摘要

本发明提供一种基于神经网络的命名数据网内容存储池，包括：片内存储单元和片外存储单元，所述片内存储单元使用高速存储器，片内部署一个神经网络模型以实现对数据名称的均匀映射，并部署一个改进型位图，用以将包含相同名称前缀的数据包映射到同一桶中；片外存储单元使用低速存储器，其上部署多个与改进型位图的动态索引单元的槽slot对应的动态存储器，来存储每个名称前缀的跳表信息，用于指导相同名称前缀Data包在双向跳表中的下一次查找，以提高数据检索速度；另部署一个双向跳表结构，以存放数据包在学习位图内容存储池中的存储位置信息，且每个双向跳表节点中存有先入先出队列FIFO单指针和最近最少使用LRU双指针。

主权项

1.一种基于神经网络的命名数据网内容存储池，包括：片内存储单元和片外存储单元，所述片内存储单元使用高速存储器，片内部署一个神经网络模型以实现对数据名称的均匀映射，并部署一个改进型位图(D‑bitmap)，用以将包含相同名称前缀的数据包映射到同一桶(bucket)中；片外存储单元使用低速存储器，其上部署多个与改进型位图的动态索引单元的槽slot对应的动态存储器，来存储每个名称前缀的跳表信息，用于指导相同名称前缀Data包在双向跳表中的下一次查找，以提高数据检索速度；另部署一个双向跳表结构，以存放数据包在学习位图内容存储池中的存储位置信息，且每个双向跳表节点中存有先入先出队列FIFO单指针和最近最少使用LRU双指针。神经网络模型以实现对数据名称的均匀映射过程如下：首先，神经网络采集样本进行训练，与命名数据网名称数据格式类似的大量统一资源定位符URL作为样本数据；其次，计算样本数据的累积分布函数F(x)值作为标签；然后，训练反向传播神经网络，学习出能反映索引数据分布情况的神经网络模型，最后，将数据名称的名称字符串作为输入，输入训练出神经网络模型，得到一个0～1之间的实数值，该数值乘以改进型位图的槽总数，得到映射标号，即实现对数据名称的均匀映射；双向跳表数据结构设计如下：双向跳表采用多层结构，且每层由一条双向链表构成，其跳表节点按照名称前缀的ID号增序排列；跳表节点间用FIFO单指针和LRU双指针相连，每个节点中存储有ID、指向前向节点指针(prev)和后向节点的指针(next)信息。