[发明专利]无线通信网络中基于学习的主动缓存控制方法

权利要求书

1.无线通信网络中基于学习的主动缓存控制方法，具体步骤如下，其特征在于：

(1)先使用协同过滤和迁移学习来预测和估计用户对内容的欢迎程度，

(2)再基于此预测结果设计一个分布式迭代算法，得出小基站的最优缓存策略。

2.根据权利要求1所述的无线通信网络中基于学习的主动缓存控制方法，其特征在于：所述步骤(1)中使用协同过滤和迁移学习来预测和估计用户对内容的欢迎程度，具体步骤为：

步骤1.1：设置无线通信网络中的主动缓存问题为目标域，社交网络即用户间端到端(D2D)通信相关的信息交互为源域。目标域记为S^(S)，其中用户对内容文件的请求服从Zipf分布，文件受欢迎度矩阵记为P_tar；源域记为S^(T)，其中用户选择内容文件的过程用中国餐馆过程(CRP)模拟，文件受欢迎度矩阵为P_D2D；

步骤1.2：在建立源域与目标域之间用户-内容文件的相关性之后，结合源域与目标域的已知信息来建立优化问题。首先假设源域和目标域都与一个信息系统s∈{S^(S),S^(T)}相关，该信息系统中有N_s个用户和F_s个内容文件，令R_s＝{(i,j,r):r＝P_s,ij,P_s,ij≠0}表示s中可知的用户对内容的评价，接着建立用户因子矩阵和内容文件因子矩阵其中他们的第i列和第j列分别表示为n_i和f_j，然后构造受欢迎度矩阵的一个估计为对该矩阵的估计问题，通过优化如下目标函数来解决：

其中α_s为该信息系统的权重，λ为正则化参数，预测值μ+b_i+b_j为基准线预测器，μ为总平均评分，b_i为用户i的属性相对于平均值μ的偏移，b_j为文件j的属性相对于平均值μ的偏移，记真实值与预测值的误差为

步骤1.3：通过迁移学习不断优化目标域中受欢迎度矩阵P_tar的估计，采用随机梯度下降法对上述目标函数进行优化，目标函数分别对变量b_i、b_j、n_i和f_j求偏导，再将这四个变量向负梯度方向变化，由此可得到四个变量的更新式如下：

b_i＝b_i+α_sγ(e_ij-λb_i)；

b_j＝b_j+α_sγ(e_ij-λb_j)；

n_i＝n_i+α_sγ(e_ijf_j-λn_i)；

f_j＝f_j+α_sγ(e_ijn_i-λf_j)；

通过上述迁移学习的方法得到对目标域中完整受欢迎度矩阵P_tar的估计和预测。