[发明专利]一种基于霍克斯过程和矩阵分解的视频预缓存方法

权利要求书

1.一种基于霍克斯过程和矩阵分解的视频预缓存方法，其特征在于，包括以下步骤：

S1.使用击中率表示在一段时间内的所有请求中，被缓存的请求所占的比例并根据击中率模型用适合于点击过程的方式，重新数学化定义了击中率；其中：

S11.使用来表示霍克斯过程下的强度，其中u表示缓存设备，i表示视频，t则表示该强度所在的时间；

S12.定义击中率为：其中，s_i是缓存视频的大小，B_u为设备u的缓存空间，是指示函数，表示t时刻，设备u是否会缓存视频i，

指示函数的定义如下：

S13.击中率模型即目标函数表示为：

S2.自激霍克斯过程缓存模型根据设备的自身历史记录，预测所有视频的强度并进行排序，缓存一定大小的视频；

S3.互激霍克斯过程缓存模型添加邻居历史点击对设备的影响，预测所有视频的强度，提高击中率；

S4.矩阵分解降维模型对S3的参数进行分解降维；

S5.使用过程优化算法对互激霍克斯过程缓存模型进行优化，对未来的行为强度进行预测；

在S2的具体步骤如下：

S21.定义ε^T＝{t₁,t₂,…,t_K}，表示所有的点击事件的点击时间，记录的时间窗口是[0,T)，并且有t₁t₂…t_K，K表示事件总数；

S22.定义则

其中b_ui表示当前过程的基准强度或者说迁入强度，即该过程没有历史事件发生时的强度值，φ_ui(t-t′)表示互激霍克斯过程的激活函数，即：

φ_ui(t-t′)＝α_uig(t-t′)    (2-4)

α_ui＞0表示当前过程会受到历史事件多大程度的影响，对g(t-t′)有：

g(t-t′)＝exp(-δ(t-t′))   (2-5)

δ＞0是一个超参数，表示激活函数或者说衰减函数的衰减速率，值越大，衰减越快；

S23.为了使得上面定义的击中率最大，使用霍克斯过程的优化方法，对每一个过程进行优化，其似然函数定义为：

有了似然函数之后，对其求导，然后使用梯度下降的方法预估各个参数。

2.根据权利要求1所述的一种基于霍克斯过程和矩阵分解的视频预缓存方法，其特征在于，所述的S3的具体步骤如下：

S31.添加邻居历史点击对当前设备的影响，定义如下：

S32.结合(2-3)与(2-7)，得到一个即考虑自身历史点击事件序列，又考虑其他设备的历史点击序列的的预估公式：

其中，用δ₁和δ₂分别表示两个衰减函数的不同衰减程度，分别进行定义，所以衰减函数表示如下：

g₁(t-t′)＝exp(-δ₁(t-t′))  (2-9)

g₂(t-t′)＝exp(-δ₂(t-t′))  (2-10)

S33.定义SE和ME

每一个设备收到自身点击过程和其他设备点击过程的影响是不同的，故，需要增加一个权重调整参数β_u∈(0，1)来权衡SE和ME的影响，则，表示如下：