[发明专利]一种移动社会网络中的缓存节点选择方法

说明书

本发明提供了一种移动社会网络中的缓存节点选择方法，属于用户行为分析技术领域。本发明基于两个方面对缓存节点进行选择。一是根据用户与其它用户之间的兴趣、好友关系、地理轨迹、社交注意力等的相似度，对用户的社会属性进行度量，根据用户注意力的分配来判断用户对社交内容的通信需求，从而进一步用于动态调整通信过程中存储资源的分配，避免因社交注意力分配比很低而导致数据转发低效的问题，也避免了缓存节点的不活跃对数据传输产生的影响；二是度量用户设备本身的剩余缓存空间，避免缓存空间不足，使得选择的缓存节点的选择更具有针对性和准确性。

技术领域

本发明属于用户行为分析技术领域，特别涉及一种移动社会网络中的缓存节点选择方法。

背景技术

移动社会网络结合了社会科学和无线网络技术,是一个为具有紧密社会联系的移动用户提供数据递送服务的通信系统。它能够提供用户位置信息和用户社会关系信息，这些信息具有较大的信息挖掘空间，如果将其与用户行为分析结合起来，能够提供更好的精确服务。移动社会网络的发展也产生了巨大的移动流量，快速增长的移动网络流量给当前移动网络带来了巨大的挑战，具体表现在回传网络压力巨大、内容重复传输浪费网络资源以及网络时延大这几个方面。

近年来随着内容分发网络与缓存技术的发展，在用户设备处缓存内容且用户参与内容分发的技术，成为学术界和产业界关注的重点。通过在用户设备节点部署内容缓存，用户设备之间通过D2D(Device-to-Device，设备到设备)方式协助内容分发，可以有效的缓解回程链路带宽的压力，减少重复的内容的传输，降低网络时延，进而可以满足多个用户对同一内容的迅速就近获取，优化用户体验。

在移动社会网络中，传统缓存节点的选择研究，将用户终端抽象为网络节点构建网络拓扑，进而转化为网络拓扑中的最小点覆盖问题。该类研究没有考虑用户本身的自私性，假设用户节点行为表现都是“无私”的，自愿将内容缓存到自己设备上并参与内容分发。实际情况中，考虑到用户设备电源、内存的限制，用户不会无私的贡献自己的资源，往往在遇到与自己有着显式关系(如好友)或隐式关系(兴趣相似)的其他用户时，才有意愿提供内容转发因此，在传统缓存节点选择研究的基础上，一些研究开始考虑用户本身的社会属性与行为的表现。这些研究综合考虑了终端物理拓扑网络与用户社会关系网络，且用户只为自己的朋友提供内容转发协助。

这些研究虽然考虑了用户的社会好友关系或兴趣相似度，但没有考虑到用户本身的移动性与社交行为表现。一方面，在一个动态的网络拓扑中没有考虑用户与其他用户相遇的概率，一个不活跃的、与其他用户相遇概率低的用户不适合做缓存节点；另一方面，在真实应用中，还需要考虑到社交注意力分配。移动社会网络中，两个用户节点相遇时会发生社交、数据通信等交互行为，用户在交互的过程中他们的注意力分配比值不同，例如两个人在一起读书，那么一个人的注意力中用在交流的注意力可能占20％，用在读书占80％。而社交注意力分配比值就是指两个用户相遇时间里，用户的注意力分配在社交上的比值，用户在相遇的时间段里，可能一直在进行社交；也可能什么都不发生，仅仅是路过；也可能仅仅是打个招呼，之后并没有其他交流。可以通过统计数据传输时长或聊天起止时间来得到用户的社交时间。两个用户在相遇的时间里进行社交的时间越长，其社交注意力分配比值就越高。只有两个人进行社交时，数据才会在两个人之间进行传输。如果一个用户与他人相遇时，不进行或短时间进行社交行为，即他的社交注意力分配比值很低，则这个用户的数据无法传递给其他人，该用户也就不适合做缓存节点。这两种情况下，从通信表现上来看，用户的行为表现仍然是“自私的”。

此外，以上算法均没有考虑到用户设备本身的缓存资源容量，用户的行为表现往往是在满足自己需求的前提下，才愿意为他人提供数据转发帮助，因此，用户设备本身存储资源的限制对用户行为表现上是否“自私”有着重要的影响。

为了便于本领域的普通技术人员理解本发明及其技术，在对本发明的技术进行描述时，首先做出如下定义：

(1)用户间兴趣相似度：即用户的兴趣标签集合与其他任一用户兴趣标签集合之间的相似度。