买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆邮电大学申请的专利一种层次化偏好感知的视频内容缓存方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116437151B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310440554.2，技术领域涉及：H04N21/466；该发明授权一种层次化偏好感知的视频内容缓存方法是由杨鹏;王慧;张鸿;王汝言;吴大鹏;杨志刚设计研发完成，并于2023-04-23向国家知识产权局提交的专利申请。

本一种层次化偏好感知的视频内容缓存方法在说明书摘要公布了：本发明涉及一种层次化偏好感知的视频内容缓存方法，属于无线通信领域。该方法包括：S1：根据视频的类型偏好和该类型的内容排名，构建层次化用户个人偏好特征模型；S2：构建最大化系统命中率的预缓存模型；S3：结合用户不同访问方式下的请求概率和时延信息，构建最小化时延模型，为预缓存中的内容选择合适缓存策略，使得用户请求内容平均时延最小。本发明可有效地降低用户请求平均时延，具有广阔的运用前景。

本发明授权一种层次化偏好感知的视频内容缓存方法在权利要求书中公布了：1.一种层次化偏好感知的视频内容缓存方法，其特征在于：该方法包括以下步骤： S1：根据视频的类型偏好和该类型的内容排名，构建层次化用户个人偏好特征模型；具体包括以下步骤： S11：将内容库中的内容I分为G个类型，用户u对每种类型的内容都有自己的偏好，定义偏好函数ru,g表示用户u对类型g的偏好： 其中，hu为用户u历史访问内容信息，pg|hu是条件特征概率，即历史信息中包含类型g内容的概率；pg是无条件特征概率，表示整个内容集中包含类型g内容的概率； S12：用户u对内容i的偏好概率αi,u由内容类型偏好与内容在类型中的偏好Pf共同决定，通过基于类型偏好的层次结构来定义用户u对内容i的偏好： 其中，ru,g表示用户u对类型g的偏好；Pf表示内容i在该类型中的偏好；χ表示类型中排名对用户偏好概率的权重因子；αi,u的取值在[0,1]之间，其值越大，表示用户u对内容i的请求概率越大； S13：用户对视频内容的偏好由用户对该内容类型的偏好与内容在该类型中的排名共同决定，其中，用户u对类型g的偏好程度取决于该类型中被用户评分的视频内容数量，通过包含类型g的评分视频集合的请求概率pg，以及用户历史信息中包含类型g的视频集合的请求概率pg|hu来确定；而用户u对于类型g中的内容偏好Pf无法直接获取，利用面向时间序列预测的LSTM进行预测； LSTM网络结构包括输入门xt、遗忘门ft、输出门yt，这些门根据序列中的数据重要程度决定保留还是丢弃；时间t内，LSTM有L个输入xt＝[gut,gut+1,...,gut+L-1]，其中L是时间窗口，确认为LSTM每个单元的输入数据样本的数量；LSTM的理想输出为yt＝gut+L，其中t＝1,2,...,Td，Td是数据样本的总数；定义gut+L为LSTM在时间t的预测输出，预测过程中优化目标是优化LSTM的权重和偏差，使均方根误差RMSE最小，其中RMSE定义为： 其中，ω表示训练次数； S2：构建最大化系统命中率的预缓存模型；具体包括以下步骤： S21：当用户请求的内容不在边缘服务器时，需要从云服务器获取请求内容；若该内容经常被用户请求，则每次请求都要经过云服务器传输到MBS再发送给用户，会产生较大的回传传输冗余；缓存系统需要满足用户边缘缓存命中率需求，即用户所需内容被边缘服务器缓存的概率；定义MBS覆盖区域内命中率最大化的预缓存目标函数为： 其中，优化变量为预缓存集合，通过从云服务器中挑选出使得该MBS覆盖区域的高命中率内容，放置到预缓存集合中，提高MBS覆盖区域内的命中率，同时减轻缓存策略的内容筛选难度；αi,u表示用户u对内容i的偏好概率，由LSTM预测得到；βi表示预缓存集合的二进制变量，βi＝1时即内容i属于预缓存集合βi＝0时C1表示每个内容只能在预缓存集合中出现一次；C2表示预缓存集合容量的约束，si为内容i的大小； S22：为求解P1中MBS和SBSn的预缓存内容集合用表示预缓存内容的补充集，即为云服务器中存储的所有内容；利用交换阻塞对完成预缓存集合的双边交换，给出交换阻塞对定义：给定一对i,j，其中并且则i,j满足时为交换阻塞对，其中，即交换对中预缓存集合中的内容i和非预缓存集合中的内容j进行交换时，集合的命中率增加了，则称i,j为交换阻塞对；阻塞对即代表i,j阻止了预缓存集合朝着高命中率的方向发展，需要交换i,j所在集合的位置，直到找不到交换阻塞对，改善命中率，得到预缓存策略 S3：结合用户不同访问方式下的请求概率和时延信息，构建最小化时延模型，为预缓存中的内容选择合适缓存策略，使得用户请求内容平均时延最小；具体包括以下步骤： S31：在内容请求阶段用户发起请求，如果SBS缓存了内容，则用户u通过无线通信链路直接从本地SBS中获取请求内容，结合用户对内容的偏好和内容在本地SBS上的缓存情况ci,n，得到用户u从SBSnMBS获取内容i的概率为： pu,n,i＝αi,uci,n 其中，αi,u表示用户u对内容i的偏好概率；ci,n为内容i的二进制缓存变量，n＝0； 当用户无法从SBS和MBS中获取请求内容时，本地SBS从其他SBS中检索请求内容，得到SBSn从协作SBSm中获取到请求内容i的概率为： 其中，Mn,m表示SBSn周围满足传输条件的协作SBSm集合，SBSm和MBS之间符合信道条件log1+SNRm,0＞E时m∈Mn,m，E为上行链路最小容量要求；用来判断SBSn的协作SBSmn≠m是否缓存了内容i，时表示SBSm缓存内容i，否则未缓存； S32：通过在缓存阶段优化缓存放置，用户独立请求自己的偏好内容；采用时延作为用户内容请求的性能指标，分别对不同请求方式下的传输时延进行计算； 当用户从本地SBS获取请求内容时，通过无线链路传输请求内容，SBSn到用户u的数据速率计算如下： 其中，BSBS为SBS到用户的信道带宽；gn,u是SBSn和用户u之间的信道增益，gn,u给出，其中，hn,u是服从0,1高斯分布的随机变量，是路径损耗常数，dn,u是SBSn与用户u的距离，ν是路径损耗指数；PSBS是SBS的发射功率；是来自其他SBS的同频干扰；σ是加性高斯白噪声功率； 得用户u从本地SBSn中下载内容i的时延为： 其中，si,u是用户u请求视频内容i的大小； 从MBS到SBSn的下行传输速率为： 其中，BMBS为MBS到SBS的信道带宽；g0,n是MBS的信道增益；PMBS是MBS的最大发射功率； 当用户在本地SBS没有请求到内容i，MBS中存储内容i时，给出用户u从MBS中下载请求内容i的时延为： 由协作SBSm为用户提供请求内容时，通过MBS中继完成内容传输，从协作SBSm获取内容的时延包括协作SBSm到MBS的上行链路时延、MBS到本地SBS的下行时延以及本地SBS到用户的传输时延；首先，定义协作SBSm到MBS的上行链路数据速率为： 得到协作SBSm到MBS的最短上行链路时延为： 其中，用来表示协作SBSm是否缓存了内容i，n≠m，V是常数，使得不包含请求内容i的SBS被忽略； 给出用户从协作SBSm获取缓存内容i的时延为： S33：根据三种请求方式的时延表达式及请求概率，得到用户获取内容平均时延为： 在得到命中率最大的预缓存集合后，定义时延最小化的缓存放置目标函数为： 其中，优化变量为缓存策略，包含内容i在SBS的缓存情况，n＝0时存储在MBS；C1表示二进制缓存变量ci,n的约束；C2为SBS和MBS的缓存容量约束，Mn和M0分别表示SBSn和MBS的存储容量； S34：将问题P2解耦为两个子问题，即缓存放置问题和交付优化问题，将最优交付问题简化为P3： 问题P3的目标是为SBSn找到最优的协作SBSm，在求解最优交付问题时，利用缓存策略的先验信息c，则最优交付根据其协作SBS的传输速率和信道状态进行动态决策，完成内容i的协作共享；对于在集合Mn,m中的SBS，在每次缓存决策时，计算该SBS到MBS的上行数据速率和传输时延tm，若此次迭代求解时延大于上次则令mn,i＝1，否则mn,i＝0，直到找到最小交付时延的协作SBS，即为最优交付策略； S35：在先验最优交付策略的情况下，将使用固定的交付策略m来完成缓存策略的优化；对于已知交付策略下的缓存策略，简化为问题P4： 采用基于粒子群算法的缓存策略，在已知预缓存集合和交付策略m的情况下最小化用户获取内容平均时延； 粒子表征缓存策略的一个可行解，用c表示，每个粒子都有一个位置，用xc表示，适应度函数为需要优化的平均时延： 同时，定义每个粒子的局部最优解为搜索粒子群得到的最优解为根据粒子群的和更新每个粒子的速度vc，通过vc对每个粒子进行位置更新，得到下一代粒子群，粒子的速度vc和位置xc更新公式为： 其中，a是t次迭代速度的系数；ψ1和ψ2是局部最优解和全局最优解的权重；ε1和ε2是[0,1]内两个均匀随机变量；算法迭代直至适应度收敛，从而获得全局最优解； S36：为获得最小化时延的缓存策略，利用交替迭代的方法联合优化交付与缓存放置；在第η次迭代中，利用第η-1次迭代中得到的交付策略mη-1，根据粒子群算法得到优化的缓存策略cη；根据得到的cη，利用最优交付算法确定更新的交付策略mη，直到达到最大迭代次数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。