[发明专利]一种缓存预取的方法和系统在审

专利信息
申请号: 201910323046.X 申请日: 2019-04-22
公开(公告)号: CN110059025A 公开(公告)日: 2019-07-26
发明(设计)人: 王卓君;付浩 申请(专利权)人: 北京电子工程总体研究所
主分类号: G06F12/0862 分类号: G06F12/0862;G06K9/62
代理公司: 北京正理专利代理有限公司 11257 代理人: 付生辉;金跃
地址: 100854*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 预测模型 缓存 构建 预取 用户行为模式 访问序列 工作效率 内存空间 影响参数 用户访问 用户路径 预测 准确率 比对 聚簇 聚类 申请 服务器 访问
【权利要求书】:

1.一种缓存预取的方法,其特征在于,该方法的步骤包括:

根据用户访问序列的聚簇构建预测模型;

利用预测模型对当前输入的用户路径进行比对,预测该用户即将访问的下一个Web页面。

2.根据权利要求1所述的方法,其特征在于,所述根据用户访问序列的聚簇构建预测模型的步骤包括:

利用分布模型和划分规则对用户的贡献度进行分级;

对等级最低的多个用户的访问序列进行两两比较,获得序列之间的距离度量值,并根据距离度量值确定序列之间的相似度;

利用无监督的K-Means方法将序列聚类,获得每个聚簇的中心;

将多个聚簇中心序列作为代表组成预测模型。

3.根据权利要求1所述的方法,其特征在于,所述分布模型为:F(r)=D/rα,其中,D为常数,r代表d的排列位次,d每个用户均获得一个代表其访问情况的值,F(r)则是排列位次是第r个的用户发出请求的频度,

所述划分规则为:

其中,P(r)=Cr-α,P(r)=C/rα表示用户r发出请求的概率,α的值为拟合Zipf-like曲线获得的数值,C为归一化常数。

4.根据权利要求3所述的方法,其特征在于,所述利用无监督的K-Means方法将序列聚类,获得每个聚簇的中心的步骤包括:

选择数据集中排列位次为前k位的用户发出的会话中请求次数最多的序列作为初始k个聚簇中心;

将其余序列与中心进行相似度计算,划分到距离最近的聚簇中,并利用迭代的爬山算法,不断寻找新的聚簇中心;

直至聚簇基本不再变化或达到设定的迭代次数阈值,每个聚簇的中心即是该聚簇的代表。

5.根据权利要求4所述的方法,其特征在于,所述将多个聚簇中心序列作为代表组成预测模型的步骤包括:

先将数据集里的请求序列进行随机分区,在每个分区内分别进行聚类.通过分区聚类,可以将数据缩小相应的倍数,将选出的聚簇中心序列作为代表组成预测模型。

6.一种缓存预取的系统,其特征在于,该系统包括:

建模单元,根据用户访问序列的聚簇构建预测模型;

预测单元,利用预测模型对当前输入的用户路径进行比对,预测该用户即将访问的下一个Web页面。

7.根据权利要求6所述的系统,其特征在于,所述建模单元包括:

分级模块,利用分布模型和划分规则对用户的贡献度进行分级;

比较模块,对等级最低的多个用户的访问序列进行两两比较,获得序列之间的距离度量值,并根据距离度量值确定序列之间的相似度;

聚类模块,利用无监督的K-Means方法将序列聚类,获得每个聚簇的中心;

组建模块,将多个聚簇中心序列作为代表组成预测模型。

8.根据权利要求7所述的系统,其特征在于,所述分布模型为:F(r)=D/rα,其中,D为常数,r代表d的排列位次,d每个用户均获得一个代表其访问情况的值,F(r)则是排列位次是第r个的用户发出请求的频度,

所述划分规则为:

其中,P(r)=Cr-α,P(r)=C/rα表示用户r发出请求的概率,α的值为拟合Zipf-like曲线获得的数值,C为归一化常数。

9.根据权利要求7所述的系统,其特征在于,所述聚类模块具体执行如下步骤:

选择数据集中排列位次为前k位的用户发出的会话中请求次数最多的序列作为初始k个聚簇中心;

将其余序列与中心进行相似度计算,划分到距离最近的聚簇中,并利用迭代的爬山算法,不断寻找新的聚簇中心;

直至聚簇基本不再变化或达到设定的迭代次数阈值,每个聚簇的中心即是该聚簇的代表。

10.根据权利要求7所述的系统,其特征在于,所述组建模块具体执行如下步骤:

先将数据集里的请求序列进行随机分区,在每个分区内分别进行聚类.通过分区聚类,可以将数据缩小相应的倍数,将选出的聚簇中心序列作为代表组成预测模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京电子工程总体研究所,未经北京电子工程总体研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910323046.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top