[发明专利]一种移动边缘网络下基于反馈流行度的内容放置方法及系统

说明书

本发明公开了一种移动边缘网络下基于反馈流行度的内容放置方法及系统，提出三种边缘网络内容放置方案，第一种和第二种方案先计算内容的反馈流行度并进行排名，然后计算各个内容间的相似度矩阵，再根据相似度矩阵选取与内容反馈流行度排名最靠前的内容最相似度的内容放置于边缘节点；第三种方案是先对内容的反馈流行度进行排名，然后以反馈流行度排名最靠前的k个内容为初始聚类中心点，对所有内容进行聚类，再每类选取相同数目的内容放置于边缘节点。将本发明提出的方法与PBC方法、Random方法进行了对比。实验结果表明对于被动推荐这种内容分发形式，本发明提出的方法推荐精度更好。本发明可以在内容推荐等领域具有较好应用价值。

技术领域

本发明属于移动边缘网络内容分发技术领域，具体涉及一种移动边缘网络下基于反馈流行度的内容放置方法及系统。

背景技术

移动边缘计算(Mobile Edge Computing，MEC)部署在移动边缘网络，通过将计算、存储、网络等资源布置在距离用户更近的网络边缘，可以更快地对用户的服务请求进行响应，提升用户服务体验，并降低系统的资源开销。因此，移动边缘网络最重要的应用之一便是内容的分发，即将内容传递给用户。内容分发可分为用户主动搜索和系统被动推荐两种方式。被动推荐又称为推荐系统，是系统根据用户喜好，自主选择合适的内容推荐给用户。推荐系统是近年的研究热点，在电子商务、社交网络、位置服务等领域都有广泛应用，特别是在内容服务领域，推荐系统深入地理解用户的个性化深层需求，计算得到用户最可能喜欢的内容，并直接推荐给用户。

现有的MEC内容分发并没有完全区分主动搜索与被动推荐，并且大多针对用户主动搜索。被动推荐场景中，移动边缘网络下内容分发存在两大关键问题，即各边缘节点上内容如何缓存以及内容如何推荐给用户，仍未得到有效地解决。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种移动边缘网络下基于反馈流行度的内容放置方法及系统，针对移动边缘网络下被动推荐这种内容分发形式与传统的用户主动搜索的不同，解决内容在移动边缘计算的内容缓存问题，内容反馈流行度反映内容在边缘节点上的流行程度和受节点用户喜爱的程度，本发明分别提出基于反馈流行度的三种内容放置方法，减小MEC场景下的访问时延，提升用户体验。

本发明采用以下技术方案：

一种移动边缘网络下基于反馈流行度的内容放置方法，包括以下步骤：

S1、记录移动边缘网络各节点对覆盖区域内用户的内容推荐行为，内容推荐行为包括内容流行度和平均用户评分，根据内容流行度和平均用户评分确定内容反馈流行度；

S2、基于步骤S1的内容推荐行为，借助皮尔逊相关系数计算节点上两个不同内容之间的相似度，构造内容相似度矩阵，将所有内容之间的两两相似度构成矩阵作为内容相似度矩阵Δ；

S3、基于步骤S1的内容反馈流行度，结合步骤S2得到的内容相似度矩阵Δ选取内容，分别基于相似度阈值、基于相似度平均值和基于内容聚类选取内容放置在节点上。

具体的，步骤S1中，使用内容推荐记录表记录内容推荐行为，内容推荐记录表包含内容编号、最近推荐次数、平均用户评分和最近推荐时间；最近推荐次数表示某一节点近期对覆盖范围内所有用户推荐某一内容的总次数；平均用户评分为节点用户群对于某一内容的平均评分；当边缘节点上出现新内容的推荐时，在内容推荐记录表中新增一项内容编号；当内容推荐记录表上记录的某一内容的最近推荐时间与当前时刻相差三个月以上，且内容的推荐次数衰减到设定阈值下时，从内容推荐记录表中删除对应内容的记录。

进一步的，平均用户评分S(x)计算如下：

其中，S_i(x)为第i个用户对内容x做出的反馈转化为的评分，N为用户格式。具体的，步骤S1中，内容反馈流行度FP计算如下：