本文研究了在移动通信下行数据中进行内容级别选择性卸载的问题,将流行的内容存储在无线信息站终端的高速缓存存储器中,直接从信息站下载存储的内容,以减少蜂窝网络的延迟和负载,并利用多臂赌博问题及切换成本等方式进行最优的缓存内容放置来学习流行度模型,以提高缓存效率。
Jul, 2014
本文提出了一种基于位置定制的缓存方案,使用线性模型估计未来内容命中率,并以此为基础提出了求解最优缓存策略的不依赖于训练的在线算法,实现了自适应缓存决策并达到了与最优策略相当的命中率。
Sep, 2018
提出了一种大数据缓存架构来实现在 5G 无线网络中对内容的主动缓存,通过使用大数据分析工具,数值研究结果表明在提高用户满意度和减轻回传负载等方面获得了显著的收益。
Jun, 2016
本研究讨论了无线接入网络中缓存应用的困境,提出了一种缓解局限性的框架,其中包括基于年龄阈值策略的缓存,以及局部和全局缓存之间的协调机制。
Jan, 2016
本文研究了通过在基站采用主动缓存技术,以解决 5G 无线网络优化中的大数据问题。通过利用收集自土耳其电信运营商的用户移动通信数据进行内容受欢迎程度的估计,得出当存储容量为 15.4G,内容评价占 10%时,主动缓存实现 100%的请求满足率和 98%的后端负载卸载。
Feb, 2016
研究了无线小型基站中有限的回程容量中的最佳缓存内容放置,使用内容级选择性卸载并基于需求历史来优化缓存内容放置,并提供了三种算法进行研究。
Feb, 2014
该研究主要研究如何在具有移动性的小型网络中存储内容文件的编码版本,并提出了分布式逼近算法来解决该问题。在实验中,使用基于大偏差不等式的方法使得研究结论在实际应用中更加精准。
May, 2014
本文研究通过对中国一座大都市两周之内的两百万用户观看约 30 万个唯一视频的真实数据集进行分析,提出了基于移动视频请求模式和边缘内容缓存影响的缓存策略,并且使用实验数据对其进行了验证。
Feb, 2017
本文提出了一种上下文感知的预热缓存优化算法,通过定期观察连接用户的上下文信息来在线学习上下文特定的内容受欢迎程度,并更新缓存内容并随后观察缓存命中率,最终证明该算法以最大化缓存命中数为目标的最优缓存内容放置策略被证明是可行的。
通过使用基于有限容量缓存的基站,我们研究了在无线网络中具有推荐功能的内容缓存。我们假设存在一组固定内容,用户的偏好和内容的受欢迎程度未知。我们可以向用户推荐一部分内容,以鼓励用户请求这些内容,从而增加缓存命中率。我们将缓存命中率优化问题形式化为组合多臂赌博问题,并提出了一种基于 UCB 算法的决策内容缓存和推荐的方法。我们给出了算法遗憾的上界,并通过数值实验对我们的算法性能进行了比较。
Apr, 2024