基于用戶偏好預(yù)測的無人機部署和緩存策略
發(fā)布時間:2021-01-01 22:58
針對蜂窩網(wǎng)絡(luò)中的緩存問題,考慮用戶內(nèi)容請求的空間異構(gòu)性及時間波動性,提出了一種基于單個用戶內(nèi)容偏好預(yù)測的蜂窩網(wǎng)中無人機位置部署及緩存內(nèi)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(yù)測每個用戶的內(nèi)容偏好特性,并使用一種基于線性回歸的方法來預(yù)測用戶未來發(fā)起內(nèi)容請求時的位置和時間;然后根據(jù)預(yù)測的地理位置、請求時間和內(nèi)容偏好,分別利用基于自組織映射神經(jīng)網(wǎng)絡(luò)(SOM)的聚類算法和基于凝聚嵌套(AGNES)的分簇算法設(shè)計無人機的部署位置,并根據(jù)相應(yīng)的無人機位置設(shè)計內(nèi)容部署方案。仿真結(jié)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(jù)集的分析結(jié)果表明,不同的用戶特征對內(nèi)容偏好影響權(quán)重不等,因此需要對不同的用戶特征賦予合理的權(quán)值。
【文章來源】:通信學(xué)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(jié)構(gòu)
不同特征的用戶之間內(nèi)容偏好的相似性如圖3(b)所示,由此可分析出內(nèi)容偏好預(yù)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(nèi)容流行度相似度越低,也就是內(nèi)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(nèi)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(guān)性較年齡差距的相關(guān)性大。因此在利用用戶相似性預(yù)測單個用戶的內(nèi)容偏好時,相比于年齡差距特征對用戶偏好的影響程度,應(yīng)該為職業(yè)類型特征賦予更大的影響權(quán)值。由于MovieLens數(shù)據(jù)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(yù)測算法的合理性,故本文采用Brightkite數(shù)據(jù)集[46],其數(shù)據(jù)舉例如表3所示,其中每行數(shù)據(jù)分別為用戶ID、check-in時間及當(dāng)時所處位置的經(jīng)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(jù),其余的大量數(shù)據(jù)所呈現(xiàn)的規(guī)律與表3數(shù)據(jù)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(shè)計造成的影響很小。此外,在同一時間用戶的check-in經(jīng)緯度也幾乎相同,這些現(xiàn)象都證實了基于線性回歸的預(yù)測算法的合理性。
【參考文獻】:
期刊論文
[1]6G移動通信技術(shù)展望[J]. 張平,牛凱,田輝,聶高峰,秦曉琦,戚琦,張嬌. 通信學(xué)報. 2019(01)
[2]5G若干關(guān)鍵技術(shù)評述[J]. 張平,陶運錚,張治. 通信學(xué)報. 2016(07)
本文編號:2952143
【文章來源】:通信學(xué)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(jié)構(gòu)
不同特征的用戶之間內(nèi)容偏好的相似性如圖3(b)所示,由此可分析出內(nèi)容偏好預(yù)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(nèi)容流行度相似度越低,也就是內(nèi)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(nèi)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(guān)性較年齡差距的相關(guān)性大。因此在利用用戶相似性預(yù)測單個用戶的內(nèi)容偏好時,相比于年齡差距特征對用戶偏好的影響程度,應(yīng)該為職業(yè)類型特征賦予更大的影響權(quán)值。由于MovieLens數(shù)據(jù)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(yù)測算法的合理性,故本文采用Brightkite數(shù)據(jù)集[46],其數(shù)據(jù)舉例如表3所示,其中每行數(shù)據(jù)分別為用戶ID、check-in時間及當(dāng)時所處位置的經(jīng)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(jù),其余的大量數(shù)據(jù)所呈現(xiàn)的規(guī)律與表3數(shù)據(jù)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(shè)計造成的影響很小。此外,在同一時間用戶的check-in經(jīng)緯度也幾乎相同,這些現(xiàn)象都證實了基于線性回歸的預(yù)測算法的合理性。
【參考文獻】:
期刊論文
[1]6G移動通信技術(shù)展望[J]. 張平,牛凱,田輝,聶高峰,秦曉琦,戚琦,張嬌. 通信學(xué)報. 2019(01)
[2]5G若干關(guān)鍵技術(shù)評述[J]. 張平,陶運錚,張治. 通信學(xué)報. 2016(07)
本文編號:2952143
本文鏈接:http://www.sikaile.net/kejilunwen/xinxigongchenglunwen/2952143.html
最近更新
教材專著