1、硕 士 学 位 论 文基于群体用户行为的移动网络合作缓存方法研究专业名称 ： 信息与通信工程基于群体用户行为的移动网络合作缓存方法研究I摘要近年来，将内容缓存到网络边缘侧逐步成为移动网络中一种减少系统传输代价和提升用户体验的有效方式。随着移动网络的不断发展，我们可以利用网络架构优势更进一步地提升移动网络中内容服务的效率。与此同时， “共享经济”的概念逐渐在社会上引起广泛的关注，人们开始意识到，在资源调度和配置过程中，对于具有相似兴趣或行为的用户群体的描述能够有效地提升资源的利用效率，为移动网络中的资源共享问题提供了新的思路。针对现有的移动网络缓存策略中存在的缓存针对性不强、内容传输效率低等问题
2、，本文提出了一种基于群体用户行为的移动网络合作缓存方法（Group User Behavior Aware Collaborative Caching Method，GUCC） ，其主要贡献点如下：1.对用户的移动网络使用详细数据（Usage Detail Records，UDR）进行了分析，并研究了用户移动网络访问行为中所存在的内容及位置特征维度下的多样性、可预测性和群体性。2.提出了一种基于群体用户行为的基站合作模型，利用用户的访问内容特征和访问位置特征分别构建用户相似网络，提出加权相似网络融合（Weighted Similarity Network Fusion，WSNF）算法融合内容相
3、似网络和位置相似网络，根据得到的融合相似网络对用户聚类，并依据用户类获得基站间的合作关系。3.提出了一种基于基站间合作关系的移动网络缓存策略，综合考虑了基站间数据传输所带来的传输代价和基站合作带来的整个系统的命中率的提升，以最大化命中率和最小化传输代价为优化目标进行求解，依据博弈论，本文对整个系统的多目标优化问题进行了分析，从而求得问题的最终解。4.针对实际应用中存在的缓存更新问题，提出了一种合作关系驱动的缓存更新方法。具体提出了一种基于移动网络用户访问行为在基站上的分布差异的关键点发现方法，通过对基站中的关键点上的用户访问行为进行监控，决定基站间合作关系的变化时间，从而进行缓存更新。上述方法
4、通过实验验证，相较于传统的方法有更好的命中率和传输代价的表现。关键词：合作缓存, 群体用户行为, 移动网络, 缓存更新 硕士学位论文IIAbstractCaching content on the edge of the network has recently been considered as an efficient way to reduce the transmission cost and improve the users experience in emerging mobile networks. With the development of the mobile net
5、work, there are more advantages of the structure that can be taken to further increase the efficiency of the service. At the same time, a rise of Sharing Economy has recently brings to more and more attention of the society, people begin to realize that in the process of resource scheduling and conf
6、iguration, the description of user groups with similar interests or behaviors can effectively improve the utilization efficiency of resources, and thus provide a new method for the resource sharing in the mobile network.To solve the problem that the caching is not accurate enough and to improve the
7、low transmission efficiency in the existing mobile network caching strategy, we proposed a Group User Behavior Aware Collaborative Caching Method (GUCC) in this paper, and the main contribution is showed below:1.We make an analysis of the Usage Detail Records (UDR) and explore the heterogeneity, pre
8、dictability and the group behavior of users during the access of location and content. 2.We design a collaborative relationship model based on group user behavior. We use content and location similarity network to depict the group behavior. Weighted Similarity Network Fusion (WSNF) algorithm is rais
9、ed to solve the fusion problem of largescale similarity network. And the user groups are formed based on the fused network. The collaborative relationship among the base stations is established according to the user groups they serve.3.We propose a caching placement scheme that based on the collabor
10、ative relationship among base stations. In the scheme, both the cost of the transmission among base stations and the hit ratio of the requests are considered. A multi-objective optimization problem is solved to maximize the hit ratio and minimize the transmission cost at the same time. We analyze an
11、d solve the problem according to the Game Theory.4.To solve the cache updating problem during the real application, we propose a cache updating method driven by the base station cooperative relationship. In detail, we propose an articulate point discovering method based on the distribution of users
12、access to the base stations. In this method, we decide the updating time according to the access behavior on the articulate point to finally update the cache.基于群体用户行为的移动网络合作缓存方法研究IIIThe numerical results show that the proposed method achieves performance gain in terms of both hit rate and transmissi
13、on cost.Keywords：Collaborative caching, group user behavior, mobile network, cache update硕士学位论文IV目录摘要 .IAbstract .II1 绪论 .11.1 研究背景及意义 .11.2 国内外研究现状 .41.2.1 用户群体行为研究现状 .41.2.2 移动网络缓存研究现状 .81.3 本文的主要内容及结构安排 .122 移动互联网用户行为特征分析 .142.1 数据集介绍 .142.2 用户多样性和可预测性特征分析 .142.3 用户群体性特征分析 .162.4 本章小结 .193 基于群体用户
14、行为特征的基站合作关系模型 .203.1 群体用户行为特征模式 .213.2 大规模加权相似网络融合算法 .223.3 基于用户相似网络的基站合作关系模型 .273.4 本章小结 .314 基于基站合作关系模型的缓存方法 .324.1 基站侧缓存模型 .324.2 缓存策略性能评估 .344.2.1 多种用户数性能评估 .344.2.2 不同缓存空间性能评估 .374.2.3 稳定性评估 .384.3 本章小结 .385 合作关系驱动的缓存更新方法 .395.1 基于关键点的合作关系更新方法 .395.1.1 关键点发现方法概述 .395.1.2 基于用户行为分布的关键点发现方法 .425.2
15、 合作关系驱动的缓存更新实例分析 .465.3 本章小结 .486 总结与展望 .506.1 全文总结 .506.2 研究展望 .51参考文献 .53致谢 .61附录 攻读硕士期间发表的学术论文 .62基于群体用户行为的移动网络合作缓存方法研究11 绪论1.1 研究背景及意义近年来，网络数据流量开始大量从传统网络向移动网络转移。根据 Cisco项目组最近的报告显示，在 2021 年移动数据的流量将会达到 49.0EB1。不断增长的数据流量将会导致传输链路的压力不断增大，超负荷的数据流量会导致传输效率降低而影响用户体验。如何缓解整个移动网络的负载压力已成为了一个重要的问题 2。在这样的背景下，计
16、算的一个新趋势是将资源和服务更多地向网络的边缘倾斜 3，移动边缘计算（Mobile Edge Computing，MEC）就是在这样的背景下诞生的一种将计算从核心部分迁移至网络边缘的技术。边缘计算中除了强调对计算资源的需求之外，还强调了对计算数据源的需求 3，即在移动网络中，基站上所缓存的内容要能够满足服务和应用的需求。从用户的角度来说，人们往往希望自己能够在尽可能短的时间内获得尽可能多的质量尽可能好的内容，归根结底就是对内容传输速率和内容传输质量的要求。其中内容传输质量受信道等因素的影响，而内容传输速率问题可以通过在基站侧建立内容缓存得到很好的改善，那么缓存的内容和策略就在很大程度上影响着该
17、问题的改善程度。从运营商的角度来说，运营商往往希望能够在为用户提供优质服务的同时，尽可能地节省资源的消耗。合适的缓存策略可以有效地减少内容传输过程中的资源消耗，从而满足运营商的需求。理想的缓存策略能够用本地缓存满足用户所有的请求，然而，由于在基站侧所提供的内容缓存空间有限，用户的访问行为中所请求的内容未知，我们只能根据用户的历史访问记录来对用户可能的请求内容进行估计，从而将用户的访问特征作为先验知识来决定基站侧的内容缓存策略。在解决这一问题的研究中，大部分的工作只单独针对用户访问内容的分布或位置的分布进行缓存策略的制定。而对于基站来说，不同的基站服务的用户不同，如果对全部用户的访问行为进行整体
18、考虑则会忽略用户之间的差异，从而导致基站侧缓存针对性下降；如果对每一个用户分别考虑，则由于用户间访问行为差异大，将会导致用户访问行为描述难度增大，基站侧的缓存策略制定复杂度增加。现有的工作大部分采用的是“同质性缓存策略” ，即不同的基站上缓存相同的内容或以相同的概率分布决定缓存的策略 4-9。但是，由于不同基站上的访问内容呈现出多样性，故不同基站上，不同内容的访问频率和次数是不同的 10。在实际的移动网络访问过程中，由于用户间存在地理位置上的邻近关系和内容偏好上的部分相硕士学位论文2似关系，对于任意一个基站而言，其稳定服务对象（也就是访问该基站的次数或频率较为稳定持久而非临时访问的用户）有限。
19、种种迹象表明在移动网络访问过程中，用户将形成不同的用户群体，这种用户群体在访问位置或访问内容上存在一定的相似性，为用户的访问行为描述和基站侧的缓存策略制定带来了方便。同时，网络架构正随着时代的步伐不断演进，基站间的合作为提升服务质量提供了一种新的可能。许多研究工作者开始采用基站合作的策略来提升基站侧缓存的效率。文献 51112中，作者尝试使用基站的位置来决定基站间的合作关系，文献 1314中，作者让缓存有相同内容的基站之间进行合作式的内容传输以提高用户的内容获取效率。然而，上述工作多强调的是以基站为单位的用户访问行为的统计特性，忽略了以用户为主体的访问行为本身所具有的一些独特特性，例如，当用户
20、在办公地点附近时，他们最长访问的多是与工作相关的内容，而当他们在居住地附近时则会更多地访问娱乐休闲性质的内容。如 图 1-1 所示，如果以全体基站为对象考虑用户访问行为分布的统计特性，那么我们只能获得所有基站用户访问的总体分布情况，如 图 1-1(a)所示，每个基站会获得统一的平均化的用户兴趣，这种方式导致所有基站上的缓存呈现出同质化，故用户兴趣差异性的部分将会被忽略。如果以单个基站为对象考虑用户访问行为分布的统计特性，则只能获取单一基站上的用户访问行为分布，如 图 1-1(b)所示，每个基站对本基站上的用户访问分布进行统计，则每个基站只能满足极少数用户的需求，忽略其他用户的兴趣。如前所述，在
21、用户访问内容呈现出一定规律的区域内（工作区域或居住地区域） ，往往涵盖了多个基站的用户访问行为分布，当我们以用户群体为主体考虑访问行为在基站上的分布时，可以得到基站间的“相关”程度，也就是不同基站服务同一群用户的概率,而这一特性可以帮助我们构建基站间的合作关系，如 图 1-1(c)所示，合适的合作关系可以让基站上的缓存满足更多用户的需求。（a） 全局统计特性 （b） 单一用户统计特性基于群体用户行为的移动网络合作缓存方法研究3（c） 群体用户统计特性图 1-1 不同方法获得的用户访问特性在基站侧的映射合作式的基站侧缓存能够有效地提升基站侧缓存的效率，针对如何设计基站间的合作关系的问题，有许多研
22、究工作者提出了自己的设计方案。 “共享经济”是目前炙手可热的一个概念，它的核心思想是通过对一些热点资源以各种方式进行重复利用实现用户体验的提升 15。 “共享经济”是基于用户之间行为的相似性来实现的，例如，如果大家都喜欢骑车，那么我们就可以提出“共享单车”的概念，将车放在用户常去的位置，用户可以在需要的时候取用。这种思想与缓存的目的十分相似，基站侧缓存也是将用户希望访问的内容存放在基站上，用户可以在需要的时候取用。唯一不同之处在于， “共享单车”中的单车种类单一，但是在基站侧缓存内容时，内容的种类却是多种多样的。我们可以将“共享”的概念引入到用户访问行为的分析和基站侧缓存策略的制定中，考虑群体
23、用户而不是个体用户，利用群体用户的行为相似性来决定基站侧的内容缓存策略。例如，一群经常在某些基站上访问某些内容的用户就可以被看作是一个用户群体，依据相应的用户群体的访问行为，我们就可以决定这些基站上的内容缓存策略。群体用户的行为不是由单一特征描述的，而是由多种特征（访问位置、访问内容等）描述，故在群体用户行为描述的过程中，如何将这些特征融合在一起对行为进行完整全面的描述，也成为了一个重要的问题。本文针对现有的基站侧缓存策略针对性不足的问题，首先分析了记录用户移动网络访问行为的 UDR 数据，重点描述和分析了用户的内容和位置信息，发现了用户访问行为中存在的异质性和可预测性，以及用户在移动网络访问
24、过程中存在明显的群体聚集现象。并且，相较于个体用户，群体用户的可预测性表现得更为稳定。同时，用户的不同特征之间也存在一定的关联性和互补性，对不同特征的综合使用能够在一定程度上提升用户行为的可预测性。基于这些分析结果，本文提出了一种基于群体用户行为的移动网络合作缓存方法。其中，提出了 WSNF 算法对用户的内容相似网络和位置相似网络进行融合，从而挖掘硕士学位论文4出用户的群体行为；然后将用户群体用于基站间合作关系的确定，最终基于基站间的合作关系确定基站侧的内容缓存策略。针对实际应用中存在的基站侧缓存更新问题进行了研究，提出了合作关系驱动的缓存更新方法。其中，提出了基于用户访问行为分布差异的关键点
25、发现方法，通过跟踪网络中的关键点，实现对网络中用户访问行为分布变化的监控，并据此决定基站缓存的更新时间。1.2 国内外研究现状1.2.1 用户群体行为研究现状用户行为存在一定的群体性 16-18，这种群体性受生活环境的影响，有相似生活环境的人容易表现出相似的行为。目前用户群体行为研究主要集中在群体行为应用、群体行为挖掘方法以及用户潜在需求预测等三个方面。1. 群体行为应用目前用户行为的群体性已经被应用于多个领域，例如商业规划、城市资源规划和移动通信网络优化。a) 商业规划应用中，主要利用群体的移动行为和访问行为进行商业推广策略的优化。例如，文献 19中，作者对用户在地理空间上的移动轨迹进行了相
26、关性分析，并依据结果对商铺的选址过程进行了优化。文献 20通过在移动设备上运行的实时分布式算法，利用蓝牙数据对用户之间的聚集关系进行识别，从而获得对特定商品有购买意向的人群。b) 城市资源规划应用中，群体行为特征能为城市功能区域划分等工作提供依据。例如，文献 21中，作者计算了日本地理空间相关的 Jaccard 系数，分析了人群在灾后的应急行为轨迹等，为自然灾害等应急管理提供了依据。文献 22对城市人群出行的起止点（Original Destination，OD）进行了语义挖掘，并依据挖掘出的群体行为语义信息指导城市资源的部署等。文献 23中，作者根据旅行者群体的移动进行路线分类，将火车线路和用户的基站切换模式相匹配，用于测量城市中特定路线上的人流量。c) 移动通信网络优化应用中，将群体行为特征中所体现出的资源占用情况用于对通信资源进行调度和配置。例如，文献 24提出移动预测即服务的模型，基于用户的行为模式构建马尔可夫预测器，该方法可以预测用户接下来将要访问的基站等，运营商可以根据预测结果对资源进行统筹和调度。文献25根据群体用户行为构建流量模型动态地分配基站带宽资源。综上，目前群体行为发现的主要应用场景是各类资源的优化，包括道路资
