[發明專利]在基于多點協作的小蜂窩網絡中利用機器學習的主動緩存方法

在審

• 申請號: 201910864461.6
• 申請日: 2019-09-12
• 公開（公告）號: CN112020081A
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 樸弘植;崔埈均;樸智用
• 申請（專利權）人: 韓國高等科學技術學院
• 主分類號: H04W24/02
• 分類號: H04W24/02;G06N20/00
• 代理公司: 上海晨皓知識產權代理事務所(普通合伙) 31260
• 代理人: 成麗杰

1.一種主動緩存方法，其特征在于，包括：

形成將每個用戶均具有一個社區的小蜂窩網絡內的用戶及小型基站包括在內的基于等級的小蜂窩網絡的步驟；

通過社區意識非負矩陣分解計算部執行社區意識非負矩陣分解來計算用戶的內容請求概率的步驟；以及

各個小型基站接收并比較針對用戶計算的內容請求概率來確定所要向小蜂窩節點緩存的內容的步驟。

2.根據權利要求1所述的主動緩存方法，其特征在于，小型基站具有緩存功能，并具有相關用戶集、協同相關用戶集、各個用戶的社區信息，上述相關用戶集為與當前小型基站相聯接的用戶集，上述協同相關用戶集為與周圍小型基站相聯接并因位于小型基站的覆蓋范圍內而能夠進行協同通信的用戶集。

3.根據權利要求1所述的主動緩存方法，其特征在于，在通過社區意識非負矩陣分解計算部執行社區意識非負矩陣分解來計算用戶的內容請求概率的步驟中，在移動核心端存在內容請求概率學習服務器，因此，在相應服務器中執行社區意識非負矩陣分解來計算用戶的內容請求概率。

4.根據權利要求1所述的主動緩存方法，其特征在于，在通過社區意識非負矩陣分解計算部執行社區意識非負矩陣分解來計算用戶的內容請求概率的步驟中，通過社區意識非負矩陣分解計算部向非負矩陣分解添加用戶的社區信息和內容請求歷史來預測用戶的內容請求概率，以防止發生偏向于特定用戶的緩存。

5.根據權利要求4所述的主動緩存方法，其特征在于，通過利用用戶的規范化社交社區規模和與小型基站中的各個內容有關的請求歷史信息，以此將內容的等級信息轉換為內容請求概率來進行預測。

6.根據權利要求1所述的主動緩存方法，其特征在于，在各個小型基站接收并比較針對用戶計算的內容請求概率來確定所要向小蜂窩節點緩存的內容的步驟中，以能夠利用在周圍小型基站緩存的內容的方式利用多點協作方式來確定所要向小蜂窩節點緩存的內容，從而解決緩存規模的局限性。

7.根據權利要求1所述的主動緩存方法，其特征在于，在各個小型基站接收并比較針對用戶計算的內容請求概率來確定所要向小蜂窩節點緩存的內容的步驟中，根據所計算的各個用戶的內容請求概率并通過基于多點協作的內容配置部，在小型基站中確定與自身緩存規模相當的所要緩存的內容。

8.根據權利要求1所述的主動緩存方法，其特征在于，在各個小型基站接收并比較針對用戶計算的內容請求概率來確定所要向小蜂窩節點緩存的內容的步驟中，小型基站接收自身相關用戶集和協同相關用戶集中所屬用戶的內容請求概率，來根據預定的基準對各個集進行分類，通過基于社區意識非負矩陣分解的預測緩存算法的優先順序比較規則來確定所要向小蜂窩節點緩存的內容。

9.根據權利要求8所述的主動緩存方法，其特征在于，在能夠協同通信的小型基站內，在根據預定的基準分類的集中，對于熱門內容重復緩存并通過聯合傳輸來傳輸內容。

10.根據權利要求9所述的主動緩存方法，其特征在于，在對于熱門內容重復緩存并通過聯合傳輸來傳輸后，對于剩余內容，根據內容請求概率執行以多樣性為基礎的緩存，通過動態點選擇來傳輸內容。