[發明專利]文件緩存方法、裝置、電子設備及存儲介質

有效

• 申請號: 202011506661.3
• 申請日: 2020-12-18
• 公開（公告）號: CN112579544B
• 公開（公告）日: 2023-10-13
• 發明（設計）人: 劉楊;熊萬凌;黨甜;彭木根
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06F16/172
• 分類號: G06F16/172;H04N21/231
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 聶俊偉

1.一種文件緩存方法，其特征在于，包括：

接收用戶設備發出的目標文件請求信息；

基于自身的緩存情況及所述目標文件請求信息，確定未緩存目標文件，則向服務器發送所述目標文件請求信息；

獲取所述目標文件，其中，所述目標文件是所述服務器基于所述目標文件請求信息計算獲得的；

若確定需要對目標文件進行緩存，則緩存所述目標文件。

2.根據權利要求1所述的文件緩存方法，其特征在于，所述若確定需要對目標文件進行緩存，則緩存所述目標文件，包括：

若確定緩存空間未超過預設閾值，則緩存所述目標文件；

若確定緩存空間超過預設閾值，則基于聯邦深度學習模型，確定需要對目標文件進行緩存，則緩存所述目標文件。

3.根據權利要求2所述的文件緩存方法，其特征在于，所述方法還包括：

基于預設周期，獲取經驗樣本數據；

基于所述經驗樣本數據，進行深度強化學習，獲得本地神經網絡模型；

在每一次迭代更新過程中，迭代更新所述本地神經網絡模型；

確定所述迭代更新過程結束后，獲得聯邦深度學習模型；

其中，所述確定所述迭代更新過程結束，包括：

迭代更新次數達到預設次數，或，所述本地神經網絡模型收斂。

4.根據權利要求3所述的文件緩存方法，其特征在于，所述迭代更新過程包括：

傳輸所述本地神經網絡模型的參數至服務器；

接收服務器傳輸的全局神經網絡模型的參數，所述服務器傳輸的全局神經網絡模型的參數是所述服務器基于所述接入節點的本地神經網絡模型的參數進行全局聯邦學習獲得的；

基于所述全局神經網絡模型的參數更新所述本地神經網絡模型。

5.根據權利要求1所述的文件緩存方法，其特征在于，所述目標文件請求信息包括目標文件的文件標識以及目標信道信息，其中目標信道是承載所述目標文件請求信息的信道。

6.一種文件緩存方法，其特征在于，包括：

服務器接收接入節點發送的目標文件請求信息；

基于所述目標文件請求信息計算獲得所述目標文件；

傳輸所述目標文件至接入節點，以使所述接入節點確定需要對目標文件進行緩存時緩存所述目標文件；

其中，所述目標文件請求信息是所述接入節點從用戶設備接收到，且基于自身的緩存情況及所述目標文件請求信息，確定未緩存所述目標文件后，向所述服務器發送的。

7.根據權利要求6所述的文件緩存方法，其特征在于，所述方法還包括：

接收至少一個接入節點傳輸的本地神經網絡模型的參數；

基于所述至少一個接入節點的本地神經網絡模型的參數，進行全局聯邦學習，獲得全局神經網絡模型；

傳輸所述全局神經網絡模型的參數至所述接入節點，以使所述接入節點基于所述全局神經網絡模型的參數更新所述本地神經網絡模型。

8.一種文件緩存裝置，其特征在于，包括：

接收模塊，用于接收用戶設備發出的目標文件請求信息；

發送模塊，用于基于自身的緩存情況及所述目標文件請求信息，確定未緩存目標文件，則向服務器發送所述目標文件請求信息；

獲取模塊，用于獲取所述目標文件，其中，所述目標文件是所述服務器基于所述目標文件請求信息計算獲得的；

緩存模塊，用于若確定需要對目標文件進行緩存，則緩存所述目標文件。

9.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1至7任一項所述文件緩存方法的步驟。

10.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述文件緩存方法的步驟。