雾无线接入网中基于联邦学习的流行度预测模型及预测方法技术

本发明专利技术公开了一种雾无线接入网中基于联邦学习的内容流行度预测模型构造方法及预测方法，使雾无线接入网中的边缘节点根据节点覆盖范围内的用户偏好构造出局部流行度预测模型，准确地预测内容的流行度，并且在各局部模型的基础上集成全局模型，从而降低计算复杂度和传输成本。

Popularity prediction model and prediction method based on Federated learning in fog wireless access network

【技术实现步骤摘要】
雾无线接入网中基于联邦学习的流行度预测模型及预测方法
本专利技术涉及一种基于联邦学习的流行度预测模型及其构造方法，属于移动通信中的内容流行度预测

技术介绍
随着智能设备的飞速发展，无线网络面临着无数的挑战，尤其是前传无线链路的数据流量压力。为了解决这个问题，雾无线接入网(F-RAN)已经成为一种有效的解决方案，可以通过在雾接入点(F-AP)中缓存流行的内容来减轻前传链路上的流量负担。在雾无线接入网中，具有有限缓存和计算资源的雾接入点密集地部署在网络边缘，以满足用户的请求。由于缓存容量的限制，F-APs需要准确预测未来的内容流行度，以便在非高峰流量期间预取最流行的内容，提高缓存效率。传统的缓存策略，例如最近最少使用缓存策略，最不经常使用缓存策略，在有线网络中得到广泛使用。但由于无线网络中边缘节点的覆盖范围和存储空间有限，以上传统的缓存策略不能直接对内容流行度进行提前预测，这些传统的缓存策略在无线网络中可能遭受严重的性能下降。因此，这些传统的缓存策略在无线网络中的适用性十分有限。目前，已有许多研究工作着眼于通过预测内容的流行度来提本文档来自技高网...

【技术保护点】
1.雾无线接入网中基于联邦学习的内容流行度预测模型构造方法，其特征在于：包括以下步骤：/nS000：根据每个用户的历史请求信息，建立每个用户对应的偏好模型的目标函数，以最小化目标函数为优化目标，求解得到用户偏好；所述历史请求信息包括请求内容的特征信息和用户请求信息标签；/nS100：根据用户情景信息，构建情景空间，对得到的所有情景空间进行自适应空间分割，得到情景子空间；/nS200：根据用户偏好与请求内容的特征信息之间的相似性，计算得到用户对请求内容的请求概率和得到每个情景子空间内的所有用户的平均请求概率；/nS300：以平均请求概率作为输入，建立局部流行度预测模型，以最小均方误差为优化目标，...

【技术特征摘要】
1.雾无线接入网中基于联邦学习的内容流行度预测模型构造方法，其特征在于：包括以下步骤：
S000：根据每个用户的历史请求信息，建立每个用户对应的偏好模型的目标函数，以最小化目标函数为优化目标，求解得到用户偏好；所述历史请求信息包括请求内容的特征信息和用户请求信息标签；
S100：根据用户情景信息，构建情景空间，对得到的所有情景空间进行自适应空间分割，得到情景子空间；
S200：根据用户偏好与请求内容的特征信息之间的相似性，计算得到用户对请求内容的请求概率和得到每个情景子空间内的所有用户的平均请求概率；
S300：以平均请求概率作为输入，建立局部流行度预测模型，以最小均方误差为优化目标，求解得到局部流行度预测模型；
S400：基于联邦学习的框架，将局部流行度预测模型采用分布式计算方法集成得到全局流行度预测模型。


2.根据权利要求1所述的雾无线接入网中基于联邦学习的内容流行度预测模型构造方法，其特征在于：所述S000中偏好模型的目标函数表示为：



式中：表示为用户un的历史请求信息，χi表示为请求内容ci的特征信息，yn,i∈{0,1}表示为用户请求信息标签，wn表示为用户偏好。


3.根据权利要求2所述的雾无线接入网中基于联邦学习的内容流行度预测模型构造方法，其特征在于：以最小化F(wn)为优化目标，通过FTRL-Proximal算法对其进行求解，求得用户偏好wn。


4.根据权利要求1所述的雾无线接入网中基于联邦学习的内容流行度预测模型构造方法，其特征在于：所述S100具体操作如下：
S110：一位用户建立一组情景信息，将每组情景信息进行量化，并归一化至[0,1]区间；
S120：根据归一化后的情景信息，构建其对应的初始情景空间Θ0为[0,1]D，D是情景信息的维度，Θ0的划分级别l0＝0；
S130：判断初始情景空间Θ0中包含的用户数量是否满足其中，r1和r2为事先设定的参数，若满足，则将初始情景空间Θ0的每个坐标轴等间距地进行划分，得到2D个情景子空间，每个情景子空间的划分级别为在分割前的基础上加1；若不满足，则不进行划分操作；
S140：对用户数量满足的所有情景子空间分别进行等间距分割为2D个情景子空间，lj＝li+1，式中，Θi为第i个情景子空间，li为Θi的划分级别；
S150：重复执行S140直至得到的所有情景子空间中的用户数量均不满足时，分割过程结束，得到的情景子空间记为Θ1,Θ2,...,Θs,...ΘS。


5.根据权利要求1所述的雾无线接入网中基于联邦学习的内容流行度预测模型构造方法，其特征在...

【专利技术属性】
技术研发人员：蒋雁翔，吴瑜婷，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32