針對蜂窩網絡中的緩存問題,考慮用戶內容請求的空間異構性及時間波動性,提出了一種基于單個用戶內容偏好預測的蜂窩網中無人機位置部署及緩存內容部署方案。首先基于用戶的歷史上下文信息,利用文件相似性及用戶相似性來預測每個用戶的內容偏好特性,并使用一種基于線性回歸的方法來預測用戶未來發(fā)起內容請求時的位置和時間;然后根據預測的地理位置、請求時間和內容偏好,分別利用基于自組織映射神經網絡（SOM）的聚類算法和基于凝聚嵌套（AGNES）的分簇算法設計無人機的部署位置,并根據相應的無人機位置設計內容部署方案。仿真結果表明,所提算法在緩存命中率和時延性能上均優(yōu)于對比算法。對真實數(shù)據集的分析結果表明,不同的用戶特征對內容偏好影響權重不等,因此需要對不同的用戶特征賦予合理的權值。 

【文章來源】：通信學報. 2020年06期 北大核心

【文章頁數(shù)】：13 頁

【部分圖文】：

無人機緩存系統(tǒng)模型

SOM結構

不同特征的用戶之間內容偏好的相似性如圖3(b)所示，由此可分析出內容偏好預測模型中用戶特征的影響。仿真中分別計算了不同年齡差用戶之間的流行度余弦相似性值，以及某個職業(yè)用戶與其他非該職業(yè)用戶流行度余弦相似性值�？梢钥闯�，年齡差距越大，不同年齡段用戶的內容流行度相似度越低，也就是內容偏好差異越大。另一方面，相比較年齡差距，不同職業(yè)用戶群體之間的內容偏好差異較大。也就是說職業(yè)類型與用戶偏好間的相關性較年齡差距的相關性大。因此在利用用戶相似性預測單個用戶的內容偏好時，相比于年齡差距特征對用戶偏好的影響程度，應該為職業(yè)類型特征賦予更大的影響權值。由于MovieLens數(shù)據集中的時間信息和位置信息不適合驗證本文提出的針對請求時間和位置的預測算法的合理性，故本文采用Brightkite數(shù)據集[46]，其數(shù)據舉例如表3所示，其中每行數(shù)據分別為用戶ID、check-in時間及當時所處位置的經緯度。由于篇幅限制，本文僅列舉了ID為0的用戶的4天數(shù)據，其余的大量數(shù)據所呈現(xiàn)的規(guī)律與表3數(shù)據相似。從表3可以看出，用戶的check-in時間較為固定，前后相差不超過2個小時。相對于緩存部署的時間尺度，這對算法設計造成的影響很小。此外，在同一時間用戶的check-in經緯度也幾乎相同，這些現(xiàn)象都證實了基于線性回歸的預測算法的合理性。

【參考文獻】：
期刊論文
[1]6G移動通信技術展望[J]. 張平,牛凱,田輝,聶高峰,秦曉琦,戚琦,張嬌.  通信學報. 2019(01)
[2]5G若干關鍵技術評述[J]. 張平,陶運錚,張治.  通信學報. 2016(07)



本文編號：2952143