基于深度学习的智能移动边缘网络缓存

• 作者: 宋旭鸣 沈逸飞 石远明
• 来源期刊: 中国科学院大学学报
• 学科: 工学
• 关键词: 移动边缘网络缓存 深度学习 长短期记忆神经网络 内容文件流行度预测 缓存命中率
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 计算机科学
• 页码范围: 128-135
• 页数: 8页
• 分类号: TN92
• 字数: 8437字
• 语种: 中文
• DOI: 10.7523/j.issn.2095-6134.2020.01.015

摘要

针对移动边缘网络缓存问题,提出把计算资源推送到网络边缘,使边缘接入热点能有数据分析能力,构建基于深度学习的深度缓存策略,进一步提升缓存效率.在边缘接入热点处构建基于长短期记忆神经网络模型的缓存内容文件流行度预测系统,通过分析本地数据给出内容文件流行度预测.把内容文件流行度预测系统整合到移动边缘网络缓存系统中最大化缓存命中率,提出深度缓存策略,大大提升移动边缘网络缓存性能.在真实视频数据集上进行测试,实验结果表明:提出的内容流行度预测系统的准确度高于现有最优方法;提出的深度缓存策略与传统的缓存算法相比,在相同的缓存命中率指标下大约仅需一半的缓存存储空间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	石远明	上海科技大学信息科学与技术学院	3	12	1.0	3.0
2	宋旭鸣	中国科学院上海微系统与信息技术研究所	1	0	0.0	0.0
11	沈逸飞	上海科技大学信息科学与技术学院	1	0	0.0	0.0