一种基于图神经网络推荐算法的视频资源缓存方法技术

本发明专利技术涉及一种基于图神经网络推荐算法的视频资源缓存方法，属于边缘计算技术领域。首先将边缘服务器划分为不同的区域，每个边缘服务器只向其区域内用户提供服务。然后，在云服务器使用图神经网络实现推荐算法，计算出每个用户的推荐视频列表。根据不同用户的推荐列表，选取其最靠前的若干视频文件执行缓存策略，将其缓存到边缘服务器中。本发明专利技术充分利用了云端服务器的计算资源，同时使用边缘服务器进行视频缓存，减小主干网络开销，同时提高了用户体验。用户体验。用户体验。

【技术实现步骤摘要】
一种基于图神经网络推荐算法的视频资源缓存方法


[0001]本专利技术涉及一种图神经网络和边缘计算技术，具体涉及一种基于图神经网络的推荐算法来实现边缘服务器视频缓存的方法，属于边缘计算


技术介绍

[0002]随着科技的进步和网络技术的发展，流媒体应用在人们的日常生活中占有越来越重要的地位。目前，流媒体的应用非常广泛，包括视频点播、在线听歌、电视直播、视频会议等方面。人们不只固定在一个地方使用各种流媒体，通过使用手机等移动设备，在地铁、等车、漫步的过程中也在广泛使用。
[0003]视频是流媒体的一部分。如果完整播放一个高质量的视频，会占用很多的带宽资源。如在高峰期大量用户同时请求视频资源，这样不仅造成了资源浪费，而且给主干网络带来了严重的负担，也会造成用户体验下降。
[0004]在5G背景下，进行视频点播的两大挑战是超低延迟与超大流量。如果使用基于云或者CDN(Content Delivery Network，内容分发网络)的传统视频点播方式，则会产生大量的冗余视频传输，同时产生大量的资源浪费和带宽占用。此外，从远程云端获本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图神经网络推荐算法的视频资源缓存方法，其特征在于，包括以下步骤：步骤1：将边缘网络区域划分为相等的网格，并记录每一个边缘服务器所服务的用户信息，每个边缘服务器只向其区域内用户提供服务；步骤2：云服务器运行基于图神经网络的推荐算法，计算每个用户的偏好，确定用户推荐列表，其中推荐算法包括三个部分：嵌入向量学习、用户嵌入和视频嵌入聚合、预测；包括以下步骤：步骤2.1：嵌入向量学习，用于将用户数据和向量数据表示为嵌入向量，供推荐学习使用；步骤2.2：用户嵌入和视频嵌入的聚合；令其中，代表第k层用户u的状态，代表第k+1层用户u的状态，代表第k层u节点邻居状态的信息；Update为一个聚合函数，负责将节点u自身信息以及其邻居信息进行整合；计算用户u每层的状态，采用加权聚合得出节点u的最终嵌入表示e
u
，即其中α
k
为一个大于0的值，代表第k层的权重，k＝0时代表节点本身信息；K表示卷积层数；通过聚合k层节点信息，获取用户和项目高阶节点信息；步骤2.3：通过聚合的用户和项目嵌入，分析用户和项目的特征；然后，通过协同过滤算法进行预测，得出符合用户喜好的视频文件列表；步骤3：根据步骤2所获得的每个用户喜好的视频列表，选取其最靠前的K个视频文件，将其存到边缘服务器中。2.如权利要求1所述的一种基于图神经网络推荐算法的视频资源缓存方法，其特征在于，步骤1中，将整个边缘网络划分为不同区域，且这些覆盖区域没有重叠，每个区域均有若干数量的用户，每个用户只能属于一个边缘服务器；边缘服务器负责向其覆盖区域内的用户提供视频资源服务，如果边缘服务器没有缓存该资源，则向其邻居服务器请求视频资源；如果其邻居服务器也没有缓存该视频资源，则边缘服务器向远端云服务器发送资源请求，由远端云服务器响应用户请求。3...

【专利技术属性】
技术研发人员：杨松，李祥潮，贺楠，李凡，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：