【技术实现步骤摘要】
一种基于流媒体的MEC缓存优化方法
[0001]本专利技术属于移动通信
,具体涉及一种基于流媒体的MEC缓存优化方法。
技术介绍
[0002]随着移动网络的不断发展,人们对网络的需求也越来越高。据统计,移动数据的一半都是流媒体数据,随着近年来各大自媒体平台的兴起,人们对网络服务的需求不断提升,LTE在数据承受、数据传输速度等方面都面临不小的挑战。MEC由欧洲电信标准协会(ETSI)于2014年提出的,它将计算和缓存功能从网络中心移动到网络边缘,有效降低了文件的传输时延,使核心网络的负担有所缓解,提供了一种更高效的网络服务。
[0003]在MEC边缘缓存中,主动缓存是一种通过在非高峰时段主动缓存流行内容来利用这种流量动态的方法,从而减少了峰值流量的需求。由于边缘缓存的缓存单元部署在网络边缘,因此可以利用更多信息来提高缓存效率。目前MEC服务器主动缓存时,对预先需要缓存的内容,没有良好的缓存方案,对目标文件的命中率较低,在流量高峰时期,由于缓存的内容对MEC服务器所属区域的用户没有实际意义,造成资源上的浪费,文件传输速度缓慢。
技术实现思路
[0004]为解决上述问题本专利技术提供一种基于流媒体的MEC缓存优化方法,以解决目前MEC缓存优化方案命中率低,传输速度慢,且MEC缓存空间上的资源浪费的问题。
[0005]本专利技术一种基于流媒体的MEC缓存优化方法,由以下具体技术手段达成:
[0006]首先通过MEC缓存优化平台采集MEC服务器获取的流媒体偏好数据,所述流媒体偏好数 ...
【技术保护点】
【技术特征摘要】
1.一种基于流媒体的MEC缓存优化方法,其特征在于,包括:S1:MEC缓存优化平台采集MEC服务器获取的流媒体偏好数据,所述流媒体偏好数据包括:用户的个数、用户的属性、项目的个数以及用户对项目的评分,项目所占存储空间的大小、用户访问流媒体的频率、项目所占存储空间的大小;S2:根据流媒体偏好数据构建项目
‑
用户评分矩阵和项目
‑
属性矩阵;将项目
‑
用户评分矩阵和项目
‑
属性矩阵融合得出项目
‑
用户属性偏好矩阵;S3:根据项目
‑
用户评分矩阵和项目
‑
用户属性偏好矩阵计算得出用户的综合相似度;S4:若在项目
‑
用户评分矩阵中存在用户未参与评分的项目,则根据综合相似度确定出该用户的K个近邻用户,根据K个近邻用户对该项目的评分,预测该用户对该项目的评分,并将预测评分填充至项目
‑
用户评分矩阵中;S5:根据用户对流媒体数据的访问频率,将用户分为多个级别,利用层次分析法AHP确定不同级别用户的评分权重;S6:根据用户的评分权重结合填充后的项目
‑
用户评分矩阵,计算得出所有用户对每个项目的评分,并确定出各个项目的最终得分,按最终得分将项目排列成文件列表;S7:结合项目在文件列表中的排列顺序、MEC服务器的缓存空间、项目所占存储空间的大小和项目的最终得分,利用粒子群算法计算得出最佳缓存方案。2.根据权利要求1所述的一种基于流媒体的MEC缓存优化方法,其特征在于,所述将项目
‑
用户评分矩阵和项目
‑
属性矩阵融合包括:p
as
表示用户u
a
对项目i
k
中属性B
s
的偏好程度,p
as
∈[0,1],r
ak
代表用户u
a
对项目i
k
的评分,I
s
表示用户u
a
参与评分的所有项目中,具有属性B
s
的项目集合,B表示项目的属性集合。3.根据权利要求1所述的一种基于流媒体的MEC缓存优化方法,其特征在于,所述S3包括:S31:根据项目
‑
用户属性偏好矩阵利用余弦相似度公式计算得出项目
‑
用户属性偏好相似度;S32:根据项目
‑
用户评分矩阵计算得出项目
‑
用户评分相似度、用户偏好相似度和置信度,根据项目
‑
用户评分相似度、置信度、用户偏好相似度计算得出用户
‑
评分相似度;S33:根据用户
‑
评分相似度和项目
‑
用户属性偏好相似度计算得出用户综合相似度。4.根据权利要求3所述的一种基于流媒体的MEC缓存优化方法,其特征在于,所述S31包括:sim
ak
表示用户a和用户u对项目i
k
中属性B
s
的偏好相似度,t表示项目i
k
中的属性数量,p
as
代表用户a对项目i
k
中属性B
s
的偏好程度,p
us
代表用户u对项目i
k
中属性B
S
的偏好程度。5.根据权利要求3所述的一种基于流媒体的MEC缓存优化方法,其特征在于,所述S32包
括:S321:根据项目
‑
评分矩阵计算得出项目
‑
用户评分相似度:sim1(u,v,i)表示用户u和用户v对共同参与的项目的评分相似度,u代表用户,v代表另一个用户,P
vi
表示用户v对项目i的评分,P
ui
表示用户u对项目i的评分,用户v参与评分的项目集合用I
v
表示,用户u参与评分的项目集合用I
u
表示,I
u
∩I
v
表示用户u和用户v参与评分的共同项目,其中i∈I
u
∩I
v
;S322:根据项目
‑
评分矩阵计算得出用户偏好相似度:sim2(u,v,i)表示用户u和用户v对共同参与的项目的评分偏好相似度,sim2(u,v,i)∈[0,1],P
ui
代表用户u对项目i的评分,P
vi
表示用户v对项目i的评分,分别代表用户u、v对所有参与项目的平均评分,其中i∈I
u
【专利技术属性】
技术研发人员:刘期烈,吴颖,刘倩,李学俊,王毅,李松浓,胡方霞,屈喜龙,李贝,吕明,尹刚,吴洋,申奇,宋紫薇,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。