[發明專利]霧無線接入網中基于貝葉斯學習的內容流行度預測方法在審

申請號：	202110634698.2	申請日：	2021-06-08
公開（公告）號：	CN113381886A	公開（公告）日：	2021-09-10
發明（設計）人：	蔣雁翔;陶云蔚	申請（專利權）人：	東南大學
主分類號：	H04L12/24	分類號：	H04L12/24;H04W28/14;H04L29/08;G06N20/00
代理公司：	南京瑞弘專利商標事務所(普通合伙) 32249	代理人：	孫建朋
地址：	211102 江***	國省代碼：	江蘇;32
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	無線接入基于貝葉斯學習內容流行預測方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【權利要求書】：

1.一種霧無線接入網中基于貝葉斯學習的內容流行度預測方法，其特征在于，包括以下步驟：

步驟1、根據內容請求的到達方式，第f個內容在第n個時隙的請求數滿足泊松分布并建立多層的概率模型，其中表示第f個內容在第n個時隙的請求數，λ_f(x_f)表示所服從泊松分布的到達率是Q維內容特征向量x_f的函數；

步驟2、記錄內容庫里已有內容的每個歷史時隙的請求數量及對應的Q維內容特征向量[x₁，x₂，…，x_f]^T；

步驟3、根據多層概率模型和獲得的統計數據，通過應用貝葉斯公式，得到非歸一化的參數后驗分布函數其中，λ和β是所有模型參數的集合；

步驟4、利用基于隨機方差減小梯度的哈密頓蒙特卡洛方法對后驗分布進行采樣，得到平穩分布的樣本

步驟5、根據要預測流行度的內容是否存在于內容庫內進行分類，對于已存在于內容庫中的內容，計算其流行度表示在給定內容觀察的情況下，計算內容庫中所有內容在下一時隙的流行度的期望，其中，對于不存在于內容庫當中的、即將到來的新內容，計算其流行度E(r_F+1[N+1]|x_F+1)，表示基于其Q維內容特征向量，計算該內容在下一時隙流行度的期望。

2.根據權利要求1所述的霧無線接入網中基于貝葉斯學習的內容流行度預測方法，其特征在于，所述步驟1具體包括以下步驟：

步驟1.1、根據內容請求的到達方式，第f個內容在第n個時隙的請求數滿足泊松分布其中，泊松分布的到達率是內容特征x_f的函數；

步驟1.2、對于到達率，為了允許具有相同特征的內容有不同的流行度，每個內容的到達率滿足高斯分布λ_f(x_f)|g(x_f)，其中，高斯分布的均值g(x_f)是內容特征x_f的函數，β₀是高斯分布的方差；

步驟1.3、對于高斯分布的均值，每個g(x_f)都是高斯過程的一個實現，其中，K(x_i，x_j)代表高斯過程的核函數：

步驟1.4、高斯過程中的核函數的參數β_q滿足Gamma分布：

3.根據權利要求2所述的霧無線接入網中基于貝葉斯學習的內容流行度預測方法，其特征在于，所述步驟3具體包括以下步驟：

步驟3.1、根據貝葉斯公式，推導出模型中未知參數的后驗分布：

其中，H是歸一化常數；

步驟3.2、作對數變換ρ_q＝log(β_q)使β_q從大于0的變量變為無約束變量，定義τ＝[λ^T，ρ₀，…，ρ_Q+1]^T，其中，λ^T＝[λ₁(x₁)，λ₂(x₂)，…，λ_f(x_f)]^T為泊松分布到達率的集合；基于已構建的概率模型和已知的內容請求先驗知識，得出具體的模型中未知參數的后驗分布φ(τ)。