[发明专利]一种移动社会网络中的缓存节点选择方法

权利要求书

1.一种移动社会网络中的缓存节点选择算法，其特征在于，包括以下步骤：

步骤1，计算每个用户的兴趣中心度；所述步骤1包括以下步骤：

步骤11，获取每个用户的兴趣标签日志文件，形成每个用户的兴趣标签向量，其中，所述兴趣标签列表包括用户名和兴趣标签序号列表；

步骤12，根据所述用户的兴趣标签向量，计算得到任意两个用户的兴趣标签相似度；

步骤13，计算用户与其他所有用户的兴趣标签相似度的均值，得到该用户的兴趣中心度；计算公式如下：

其中，S_L(i,j)表示用户i和用户j的兴趣标签相似度，n为用户的总数；

步骤2，计算每个用户的好友关系中心度；所述步骤2包括以下步骤：

步骤21，获取每个用户的好友列表日志文件，得到每个用户的好友集合，其中，所述好友列表日志文件包括用户名和好友用户名列表；

步骤22，根据所述用户的好友集合，计算得到任意两个用户的好友相似度；

步骤23，计算用户与其他所有用户的好友相似度的均值，得到该用户的好友关系中心度；计算公式如下：

其中，S_F(i,j)表示用户i和用户j的好友相似度；

步骤3，计算每个用户的地理轨迹活跃度；所述步骤3包括以下步骤：

步骤31，获取每个用户的地理位置日志文件，其中，所述地理位置日志文件包括用户名、用户地理位置及用户位于该位置的时间；

步骤32，获取任意两个用户在取样时间段内任一时刻的经纬度，计算两个用户之间的距离；

步骤33，当两个用户之间的距离小于预设阈值时，表征两个用户相遇，根据相遇时间之和与总取样时间计算得到两个用户的相遇概率；

步骤34，计算用户与其他所有用户的相遇概率的均值，得到该用户的地理轨迹活跃度；计算公式如下：

其中，P_enc(i,j)为用户i和用户j的相遇概率；

步骤4，计算每个用户的社交行为偏好；

步骤5，根据所述兴趣中心度、好友关系中心度、地理轨迹活跃度及社交行为偏好计算得到每个用户的社会属性中心度；计算公式如下：

式中，α、β、γ及μ分别表示兴趣中心度、好友关系中心度、地理轨迹活跃度及社交行为偏好这四者的权重，取值范围为[0,1]，且α+β+γ+μ＝1，及分别为兴趣中心度、好友关系中心度、地理轨迹活跃度及社交行为偏好的平均值；

步骤6，获取用户设备缓存空间容量日志文件，得到用户设备缓存容量信息，其中，所述缓存空间容量日志文件包括用户名和用户设备的剩余缓存容量；

步骤7，根据用户设备缓存容量及所述社会属性中心度，计算用户的缓存节点重要值；

步骤8，将得到的用户缓存节点重要值从大到小进行排序，按照预设比例选择缓存节点重要值高的节点作为重要缓存节点。

2.如权利要求1所述的移动社会网络中的缓存节点选择算法，其特征在于，所述步骤4包括以下步骤：

步骤41，获取每个用户的社交时间记录表，其中，所述社交时间记录表包括用户名和社交起止时间；

步骤42，根据任意两个用户的所述相遇时间之和与社交时间之和，计算得到任意两个用户的社交注意力分配比值；

步骤43，计算用户与其他所有用户的社交注意力分配比值的均值，得到该用户的社交行为偏好。