10.20030/j.cnki.1000-3932.202206011
基于融合深度兴趣进化单元的DeepFM边缘主动缓存模型研究
进入5G时代,数据流量激增,给现有的无线网络通信体系结构和技术带来了挑战.相较于追求更有效率的频谱或布署更多基站的方法而言,边缘主动缓存技术通过拉近请求内容与用户之间的距离,减少请求内容在通信网络中传输的代价消耗,使用户获得更快的响应速度,提高了用户体验.但受限于边缘基站缓存空间及用户请求内容的多样性,边缘主动缓存内容的精确度以及用户的体验还有很大的提升空间,因此提出一种融合深度兴趣进化单元的DeepFM边缘缓存策略,利用兴趣进化单元对用户兴趣变化过程建模,挖掘用户隐藏状态,最后通过DeepFM模型对用户高阶特征及交叉特征影响情况进行学习,最终获得符合用户兴趣偏好的未来可能请求的缓存内容集合.实验表明:该方法能够有效减少网络拥塞并提高用户的使用体验度.
边缘主动缓存、通信网络、深度兴趣进化网络、DeepFM、代价消耗、网络拥塞、回程负载
49
TP393(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金
2023-02-20（万方平台首次上网日期，不代表论文的发表时间）
共9页
738-745,799
