基于融合深度兴趣进化单元的DeepFM边缘主动缓存模型研究

进入5G时代，数据流量激增，给现有的无线网络通信体系结构和技术带来了挑战。相较于追求更有效率的频谱或布署更多基站的方法而言，边缘主动缓存技术通过拉近请求内容与用户之间的距离，减少请求内容在通信网络中传输的代价消耗，使用户获得更快的响应速度，提高了用户体验。但受限于边缘基站缓存空间及用户请求内容的多样性，边缘主动缓存内容的精确度以及用户的体验还有很大的提升空间，因此提出一种融合深度兴趣进化单元的DeepFM边缘缓存策略，利用兴趣进化单元对用户兴趣变化过程建模，挖掘用户隐藏状态，最后通过DeepFM模型对用户高阶特征及交叉特征影响情况进行学习，最终获得符合用户兴趣偏好的未来可能请求的缓存内容集合。实验表明：该方法能够有效减少网络拥塞并提高用户的使用体验度。