用户属性感知的移动社交网络边缘缓存机制

• 作者: 李红霞 杨静 武佳
• 来源期刊: 工程科学学报
• 学科: 工学
• 关键词: 移动社交网络 边缘缓存 流行度预测 隐语义模型 社会属性
• 年，卷（期）: 2020,（7）
• 页码范围: 930-938
• 页数: 9页
• 分类号: TN929.5
• 语种: 中文

摘要

针对数据流量爆发式增长所引发的网络拥塞、用户体验质量恶化等问题,提出一种用户属性感知的边缘缓存机制.首先,利用隐语义模型获知用户对各类内容的兴趣度,进而估计本地流行内容,然后微基站将预测的本地流行内容协作缓存,并根据用户偏好的变化,将之实时更新.为进一步减少传输时延,根据用户偏好构建兴趣社区,在兴趣社区中基于用户的缓存意愿和缓存能力,选择合适的缓存用户缓存目标内容并分享给普通用户.结果表明,所提机制性能优于随机缓存及最流行内容缓存算法,在提高缓存命中率、降低传输时延的同时,增强了用户体验质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨静	重庆邮电大学通信与信息工程学院	42	102	5.0	6.0
4	李红霞		5	5	1.0	2.0
11	武佳	重庆邮电大学通信与信息工程学院	1	0	0.0	0.0