[发明专利]缓存预取方法、装置、设备及计算机可读存储介质

权利要求书

1.一种缓存预取方法，其特征在于，所述方法包括：

获取前一时刻缓存访问序列；

获取训练后的循环神经网络RNN模型，所述训练后的RNN模型通过历史访问数据及相邻数据中的至少一种数据训练得到，其中，所述历史访问数据为历史访问记录中访问频率最高的数据，所述相邻数据包括与当前访问数据相邻预定空间距离内的数据；

基于所述前一时刻缓存访问序列，通过所述训练后的RNN模型预测缓存的预取数据；

当通过所述历史访问数据训练得到所述训练后的RNN模型时，所述训练后的RNN模型的隐藏层神经元的输出如下：

；

或者，当通过所述相邻数据训练得到所述训练后的RNN模型时，所述训练后的RNN模型的隐藏层神经元的输出如下：

；

或者，当通过所述历史访问数据及所述相邻数据训练得到所述训练后的RNN模型时，所述训练后的RNN模型的隐藏层神经元的输出如下：

；

所述U、W是所述训练后的RNN模型的权重参数，所述f表示激活函数，所述x_t是t时刻的输入，所述s_t-1是t-1时刻隐藏层神经元的输出，所述m_t-1表示t-1时刻之前访问频率最高的数据，所述n_t表示与t时刻访问数据相邻预定空间距离内的数据，所述V、Z表示权重。

2.根据权利要求1所述的方法，其特征在于，所述基于所述前一时刻缓存访问序列，通过所述训练后的RNN模型预测缓存的预取数据，包括：

当所述前一时刻缓存访问序列未出现在预先获取到的字典树中时，通过所述训练后的RNN模型预测缓存的预取数据；

其中，所述字典树的深度固定，且从所述字典树的根节点到所述字典树的叶子节点依次为历史访问序列。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当所述前一时刻缓存访问序列出现在预先获取到的字典树中时，提取所述字典树中对应的叶子节点的数据作为缓存的预取数据；

其中，所述字典树的深度固定，且从所述字典树的根节点到所述字典树的叶子节点依次为历史访问序列。

4.根据权利要求1至3中任一所述的方法，其特征在于，所述方法还包括：

收集训练数据，所述训练数据包括所述历史访问数据及相邻数据中的至少一种数据；

将所述训练数据通过Word 2 vec方式编码，得到编码结果；

通过所述编码结果对RNN模型进行训练，得到所述训练后的RNN模型。

5.一种缓存预取装置，其特征在于，所述装置包括：

第一获取模块，用于获取前一时刻缓存访问序列；

第二获取模块，用于获取训练后的循环神经网络RNN模型，所述训练后的RNN模型通过历史访问数据及相邻数据中的至少一种数据训练得到，其中，所述历史访问数据为历史访问记录中访问频率最高的数据，所述相邻数据包括与当前访问数据相邻预定空间距离内的数据；

预测模块，用于基于所述前一时刻缓存访问序列，通过所述训练后的RNN模型预测缓存的预取数据；

当通过所述历史访问数据训练得到所述训练后的RNN模型时，所述训练后的RNN模型的隐藏层神经元的输出如下：

；

或者，当通过所述相邻数据训练得到所述训练后的RNN模型时，所述训练后的RNN模型的隐藏层神经元的输出如下：

；

或者，当通过所述历史访问数据及所述相邻数据训练得到所述训练后的RNN模型时，所述训练后的RNN模型的隐藏层神经元的输出如下：

；

所述U、W是所述训练后的RNN模型的权重参数，所述f表示激活函数，所述x_t是t时刻的输入，所述s_t-1是t-1时刻隐藏层神经元的输出，所述m_t-1表示t-1时刻之前访问频率最高的数据，所述n_t表示与t时刻访问数据相邻预定空间距离内的数据，所述V、Z表示权重。