[发明专利]一种内容推送方法、装置和计算机可读存储介质

说明书

本发明实施例提供了一种内容推送方法、装置和计算机可读存储介质，所述方法包括：基于当前获取的数据确定单位时间段内用户对感兴趣文件的请求概率，基于所述请求概率以及过去记录的数据确定用户喜好；基于所述用户喜好和请求概率，确定每个基站在下个时间段内需要缓存的文件；基于所述用户喜好和请求概率通过深度强化学习在线优化推荐策略，得到每个基站在下个时间段内推荐的文件；将下个时间段内推荐的文件信息与缓存的文件信息通知给相关基站。

技术领域

本发明涉及移动通信技术领域，尤其涉及一种内容推送方法、应用于内容推送的用户喜好评估方法、缓存评估方法和推荐策略评估方法，以及与所述方法对应的装置和计算机可读存储介质。

背景技术

相关技术中，将网络中的热门文件提前缓存在基站端，一旦用户请求的文件命中缓存，基站可以直接从缓存中取出文件并传输给用户，而不需要从内容服务器端下载文件。推荐系统通过用户请求文件的行为估计用户喜好，根据估计的用户喜好帮助用户从海量文件中发现感兴趣的文件。

目前在内容分发网络(CDN)中部署缓存设备，这些CDN内部的缓存设备并不涉及与用户的直接交互。此外，关于推荐系统的技术方案大多由内容提供商设置，它们的目的往往是为了提供用户感兴趣的内容，增加用户对平台或APP的粘性，而没有从网络运营商角度设置推荐系统，推荐对网络带来的影响是难以预估的，可能降低网络的运营效率；目前也没有考虑基站端缓存的部署与优化，缓存效率不高；另外，在设置缓存策略时，假设用户对感兴趣文件的请求概率在时间上是稳态的，而实际上用户的请求概率容易受外界因素的影响。

发明内容

有鉴于此，本发明实施例期望提供一种内容推送方法、应用于内容推送的用户喜好评估方法、缓存评估方法和推荐策略评估方法，以及与所述方法对应的装置和计算机可读存储介质。

为达到上述目的，本发明实施例的技术方案是这样实现的：

本发明实施例提供了一种内容推送方法，该方法包括：

基于当前获取的数据确定单位时间段内用户对感兴趣文件的请求概率，基于所述请求概率以及过去记录的数据确定用户喜好；

基于所述用户喜好和请求概率，确定每个基站在下个时间段内需要缓存的文件；

基于所述用户喜好和请求概率通过深度强化学习在线优化推荐策略，得到每个基站在下个时间段内推荐的文件；

将下个时间段内推荐的文件信息与缓存的文件信息通知给相关基站。

其中，所述过去记录的数据包括但不限于以下内容：

每个小区内的用户索引；

每个用户在过去单位时间段内请求的文件信息，且发起请求时所位于的小区；

每个用户在过去单位时间段内收到的被推荐的文件信息；

每个用户在过去单位时间段内没有命中缓存的请求次数。

其中，所述基于当前获取的数据确定单位时间段内用户对感兴趣文件的请求概率，基于所述请求概率以及过去记录的数据确定用户喜好，包括：

基于用户u在当前时间段内是否收到文件f的推荐，确定用户u在单位时间段内对感兴趣文件的请求概率；

基于用户u在单位时间段内对感兴趣文件的请求概率、所有用户对文件f的喜好、用户u对文件f发起请求前收到文件f的推荐的时间段的数量、用户u对文件f发起请求前没收到文件f的推荐的时间段的数量，并结合最大似然函数确定用户喜好。

其中，所述基于所述用户喜好和请求概率，确定每个基站在下个时间段内需要缓存的文件，包括：

基于所述用户喜好和请求概率，并结合条件概率确定当前时间段内第i个小区内第f个文件的请求次数均值；