發(fā)布時間：2020-09-08 17:27

　　 近年來,全球移動流量呈現(xiàn)爆炸式增長,視頻流量在其中占了很大的比重,在高峰時段人們對于視頻的請求會造成網(wǎng)絡的擁堵,為了減輕高峰時段網(wǎng)絡中的壓力,減少視頻傳輸對于帶寬的占用是一個亟待解決的問題。隨著單位存儲容量硬件成本的降低,將視頻的一部分或者全部提前緩存到用戶本地,在高峰時段用戶就可以從本地客戶端當中獲取請求的視頻文件,這對于減輕網(wǎng)絡中的擁堵將會是一個非常有前景的辦法。如果結(jié)合多播的技術(shù)將多個用戶請求的視頻文件在只占用一份頻譜資源的情況下發(fā)送給這些用戶,那么就可以大大減輕視頻對于網(wǎng)絡傳輸?shù)膲毫�。用戶要想在高峰時段從本地客戶端當中獲取請求的文件,就需要對用戶的請求作出提前的預測,將用戶喜歡的視頻文件緩存到用戶端。利用推薦算法預測用戶對于視頻文件的喜好是緩存得以發(fā)揮作用的重要基礎。本論文首先以分布式編碼緩存算法為理論依據(jù),用USRP(Universal Software Radio Peripheral)硬件平臺以及GNU Radio軟件工具搭建了視頻緩存多播系統(tǒng)探究該算法在無線信道當中能夠給視頻傳輸帶來的增益,相比于過去的系統(tǒng),該系統(tǒng)設計了新型的數(shù)據(jù)包結(jié)構(gòu)能夠使視頻多播在物理層上實現(xiàn),實驗結(jié)果表明分布式編碼緩存算法能夠在很大程度上減輕視頻傳輸對于網(wǎng)絡中的壓力,我們搭建的系統(tǒng)的實際增益很接近理論增益。接下來本論文針對那些完全沒有得到評分的電影基于文本分析的方法對于電影的文本情節(jié)進行處理,從電影本身而不是用戶對于電影的評分矩陣當中獲取電影的特征。接下來采用協(xié)同過濾的方法對于這些電影進行評分預測,實驗結(jié)果表明該算法相比于其他一些算法能夠在一定程度上提高預測的精準性。
【學位單位】：上海交通大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TN929.5
【部分圖文】：

1.2 論文的研究背景1.2.1 緩存與多播的研究背景目前全球移動數(shù)據(jù)的流量正在急速增長，如圖1 1所示，全球每年的移動數(shù)據(jù)流量將會以 47% 的比例持續(xù)增長，預計到 2021 年視頻將會占據(jù)超過四分之三的移動數(shù)據(jù)流— 1 —

Fig 1 2 Caching strategy for N = 2 files and K = 2 users with cache size M = 1[2]法在無線視頻傳輸中對于性能的提高作用。圖1 2是分布式編碼緩存算法原理的基本闡釋，在服務器當中有 A，B 兩個文件，每個文件被分為前后兩個部分，在緩存放置階段左邊的用戶緩存了 A 文件的前半部分1以及 B 文件的前半部分1; 右邊的用戶緩存了A 文件的后半部分2以及 B 文件的后半部分2。在內(nèi)容發(fā)送階段，左邊的用戶請求文件 B，右邊的用戶請求文件 A，由于在緩存放置階段，左邊的用戶已經(jīng)緩存了1, 只需要從服務器獲取2就可以了，同理，右邊的用戶只要從服務器獲取1就可以了。傳統(tǒng)的方式是服務器分別把2以及1發(fā)送給這兩個用戶

Fig 1 2 Caching strategy for N = 2 files and K = 2 users with cache size M = 1[2]法在無線視頻傳輸中對于性能的提高作用。圖1 2是分布式編碼緩存算法原理的基本闡釋，在服務器當中有 A，B 兩個文件，每個文件被分為前后兩個部分，在緩存放置階段左邊的用戶緩存了 A 文件的前半部分1以及 B 文件的前半部分1; 右邊的用戶緩存了A 文件的后半部分2以及 B 文件的后半部分2。在內(nèi)容發(fā)送階段，左邊的用戶請求文件 B，右邊的用戶請求文件 A，由于在緩存放置階段，左邊的用戶已經(jīng)緩存了1, 只需要從服務器獲取2就可以了，同理，右邊的用戶只要從服務器獲取1就可以了。傳統(tǒng)的方式是服務器分別把2以及1發(fā)送給這兩個用戶

【相似文獻】

相關(guān)期刊論文 前10條

1 許媛萍;;基于內(nèi)容的推薦與協(xié)同過濾融合的新聞推薦分析與探究[J];新聞研究導刊;2018年13期

2 李改;鄒小青;;基于隱式反饋的協(xié)同過濾算法研究綜述[J];福建電腦;2018年11期

3 胡致杰;胡羽沫;;協(xié)同過濾推薦瓶頸問題研究[J];無線互聯(lián)科技;2016年09期

4 鄭婕;鮑海琴;;基于協(xié)同過濾推薦技術(shù)的個性化網(wǎng)絡教學平臺研究[J];科技風;2012年06期

5 張家鑫;劉志勇;張琳;張倩;莎仁;;基于協(xié)同過濾的多維度電影推薦方法研究[J];長春理工大學學報(自然科學版);2019年02期

6 楊莉;;基于時間因子的協(xié)同過濾算法研究[J];電腦知識與技術(shù);2019年09期

7 章宗杰;陳瑋;;基于標簽擴展的協(xié)同過濾算法在音樂推薦中的應用[J];軟件導刊;2018年01期

8 王嬋;;一種基于加權(quán)因子的混合協(xié)同過濾算法[J];電腦知識與技術(shù);2018年09期

9 劉文佳;張駿;;改進的協(xié)同過濾算法在電影推薦系統(tǒng)中的應用[J];現(xiàn)代商貿(mào)工業(yè);2018年17期

10 吳佳婧;賀嘉楠;王越群;董立巖;;基于項目屬性分類的協(xié)同過濾算法研究[J];吉林大學學報(信息科學版);2018年04期

相關(guān)會議論文 前10條

1 孫見山;徐東;姜元春;;融合人格信息的單分類協(xié)同過濾方法研究[A];第十二屆（2017）中國管理學年會論文集[C];2017年

2 沈杰峰;杜亞軍;唐俊;;一種基于項目分類的協(xié)同過濾算法[A];第二十二屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2005年

3 陳曦;;基于二階定時修正協(xié)同過濾系統(tǒng)的信息推薦算法[A];2019年第二屆鋼鐵工業(yè)智能制造發(fā)展論壇會議論文集[C];2019年

4 駱正清;鄭濤;;基于標簽聚類的協(xié)同過濾推薦算法[A];第十三屆（2018）中國管理學年會論文集[C];2018年

5 胡必云;李舟軍;王君;;基于心理測量學的協(xié)同過濾相似度方法(英文)[A];NDBC2010第27屆中國數(shù)據(jù)庫學術(shù)會議論文集(B輯)[C];2010年

6 孫鐵利;楊焱;邱春艷;;基于內(nèi)容預測的協(xié)同過濾推薦[A];2005年全國理論計算機科學學術(shù)年會論文集[C];2005年

7 劉牧;楊智強;王衡;;基于普適計算的日程發(fā)現(xiàn)方法探討[A];第七屆和諧人機環(huán)境聯(lián)合學術(shù)會議（HHME2011)論文集【poster】[C];2011年

8 潘崇倫;張弛;;協(xié)同過濾的自服務模式在水務信息基礎架構(gòu)管理中的研究[A];大數(shù)據(jù)時代的信息化建設——2015（第三屆）中國水利信息化與數(shù)字水利技術(shù)論壇論文集[C];2015年

9 陶紅亮;王明文;曹瑛;;基于項目平滑和聚類的協(xié)同過濾推薦算法[A];第二十三屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2006年

10 易們;楊成;柴智;;基于重排序的新用戶TOPN推薦方法研究[A];第十九屆中國科協(xié)年會——分4信息新技術(shù) 東北新工業(yè)論壇論文集[C];2017年

相關(guān)重要報紙文章 前3條

1 林嘉澍;從搜索到發(fā)現(xiàn)[N];經(jīng)濟觀察報;2007年

2 本報記者 沈佳;數(shù)據(jù)大了 決策準了[N];山西日報;2014年

3 林嘉澍;若鄰網(wǎng)絡：發(fā)掘網(wǎng)上的真實人脈[N];經(jīng)濟觀察報;2007年

相關(guān)博士學位論文 前10條

1 符明晟;基于深度學習的智能推薦技術(shù)研究[D];電子科技大學;2019年

2 顧梁;播存結(jié)構(gòu)中基于協(xié)同過濾的內(nèi)容推薦技術(shù)研究[D];東南大學;2017年

3 袁衛(wèi)華;面向稀疏數(shù)據(jù)的多視圖個性化推薦方法研究[D];山東師范大學;2018年

4 孫小華;協(xié)同過濾系統(tǒng)的稀疏性與冷啟動問題研究[D];浙江大學;2005年

5 薛福亮;電子商務協(xié)同過濾推薦質(zhì)量影響因素及其改進機制研究[D];天津大學;2012年

6 段銳;融合文本內(nèi)容與情境信息的協(xié)同過濾推薦方法研究[D];合肥工業(yè)大學;2017年

7 郭艷紅;推薦系統(tǒng)的協(xié)同過濾算法與應用研究[D];大連理工大學;2008年

8 張雪潔;基于QoS的個性化云服務推薦方法研究[D];南京航空航天大學;2015年

9 姜邵巍;基于競爭關(guān)系的推薦技術(shù)研究[D];北京郵電大學;2014年

10 王立才;上下文感知推薦系統(tǒng)若干關(guān)鍵技術(shù)研究[D];北京郵電大學;2012年

相關(guān)碩士學位論文 前10條

1 章琦;基于協(xié)同過濾的全球AI挑戰(zhàn)賽社區(qū)的設計與實現(xiàn)[D];北京交通大學;2019年

2 劉運沖;基于改進的時間與用戶影響的協(xié)同過濾算法[D];安徽理工大學;2019年

3 任德源;基于用戶分層結(jié)構(gòu)的個性化推薦方法[D];合肥工業(yè)大學;2019年

4 李啟序;基于協(xié)同過濾的個性化推薦系統(tǒng)的研究[D];安徽理工大學;2019年

5 鄭濤;一種改進的協(xié)同過濾算法及其在推薦系統(tǒng)中的應用[D];合肥工業(yè)大學;2019年

6 張楊;基于領域知識圖譜實體消歧的協(xié)同過濾推薦算法研究[D];天津師范大學;2019年

7 王茹玉;基于信息推薦的中藥適應癥發(fā)現(xiàn)方法研究[D];北京交通大學;2019年

8 張翔;個性化小說推薦系統(tǒng)的設計與實現(xiàn)[D];北京交通大學;2019年

9 祝月芳;基于協(xié)同過濾的電影票務系統(tǒng)設計與實現(xiàn)[D];北京交通大學;2019年

10 周安琪;個性化推薦的協(xié)同過濾算法探究[D];上海交通大學;2017年

本文編號：2814437