摘要
本发明公开了一种基于时空特征的内容流行度预测方法,所述方法包括如下步骤:步骤一、系统模型构建;步骤二、基于综合权重的图结构构建;步骤三、基于STTNS的内容流行度预测。本发明考虑到内容请求所呈现的时空相关性,综合考虑各个节点间的空间距离和相关性,提出了基于综合权重的方法构建图结构,以学习具有结构感知的节点特征;考虑到历史内容请求的时空相关性,提出了一种基于STTNS的内容流行度预测模型,利用时空特征提取层在动态依赖性的上下文中联合提取时空特征,有效地提高内容流行度预测的准确性。本发明减轻了车联网中车辆数据大幅增长造成的中心服务器的负载压力,提高了缓存效率。
技术关键词
内容流行度预测
前馈神经网络
节点特征
斯皮尔曼相关系数
矩阵
嵌入特征
车辆
空间特征提取
模块
中心服务器
动态
注意力机制
滑动窗口
代表
非线性
系统为您推荐了相关专利信息
节点特征
推荐方法
编码器
社交网络推荐技术
多尺度
地图构建方法
物体
机器人控制系统
计算机可读取存储介质
图像
邻居
神经网络模型
恶意流量识别方法
编码器
时空注意力机制
多智能体系统
一致性控制方法
状态观测器
智能体模型
非线性