基于用户偏好的边缘缓存推荐系统研究与实现.pdfVIP

摘要

在5G时代下，移动互联网迅速蓬勃发展，但这也伴随着庞大的数据流量，对

通信回传链路提出了更高的要求和挑战。特别是在自然灾害或其他紧急情况下，通

信基站的损坏和复杂的地理环境进一步加大了通信系统的复杂性和脆弱性。为了

应对这一问题，研究人员引入了无人机边缘缓存和内容推荐技术，这一创新方法有

望显著减轻网络负担，降低数据传输时延。然而，当前的无人机边缘缓存策略主要

依赖于资源的流行度来进行缓存，未能充分考虑到用户个性化偏好。此外，传统的

推荐模型主要适用于互联网场景，未能应对无人机边缘缓存的特殊情况，如无人机

计算资源有限、数据不平衡等问题。

为了解决这些挑战，本文深入研究了相关技术原理，并提出了一种基于用户偏

好的无人机边缘缓存推荐系统。该系统不仅考虑了资源的流行度，还充分融合了用

户对资源的个性化需求，以提高用户体验。此外，针对无人机边缘缓存的特殊情况，

本文进行了优化，以更好地利用有限的计算资源和应对数据不平衡的情况。主要工

作如下：

（1）针对当前无人机边缘缓存策略存在对用户偏好不敏感、传输时延高的问

题，提出了一种基于局部用户偏好的无人机缓存推荐算法。首先，通过聚类模型和

无人机-用户链接策略确定无人机的位置。然后，使用基于图和低秩分解自注意力

网络的会话推荐模型（Graph-basedConvolutionalLow-RankSelf-AttentionNetwork

forSessionRecommendation,GCLRSAN）预测符合用户偏好的内容，并将其存储到

无人机缓存单元中。该模型构建会话序列为有向图结构，并利用图神经网络聚合节

点邻域信息。同时，利用低秩分解自注意力机制在降低计算复杂度的同时更好地捕

捉全局会话偏好。最后，将用户的长期偏好与当前需求结合，作为会话的嵌入表示，

通过最小化目标函数来训练模型。

（2）在基于图神经网络的无人机边缘缓存内容推荐算法中，没有考虑用户行

为的动态性（包括空间特性和时间特性），因此，本章提出了一种基于用户动态特

性的无人机缓存内容推荐算法。首先，利用线性回归方法预测用户发起文件请求的

时间点。然后，采用基于图和时间间隔感知注意力网络模型（GraphandTime-Interval

AwareAttentionNetwork,GTiAN）预测用户下一个要访问的兴趣点。最后对本文所

提模型与先进的基线模型进行了多角度的对比实验。此外，模拟环境下，还对系统

模型与基线算法在平均传输时延和缓存命中率等指标上进行了对比实验。实验结

果表明，所提出的算法和模型能够有效降低数据传输过程中的回程链路开销，提高

推荐准确性。

（3）基于前述研究成果，本文开发了一款边缘缓存推荐系统可视化平台。该

平台整合了GCLRSAN模型，为无人机提供缓存内容的智能推荐，同时采用GTiAN

模型，为用户提供下一个感兴趣的地点的信息。当无人机处于空闲状态时，平台能

够提前缓存用户感兴趣的内容。此外，本文还基于Rebole设计了算法中台，可以

在本系统中对比多种推荐算法，使用户能够更加清晰地了解推荐模型的工作方式

和性能。

关键词：应急通信；推荐系统；会话推荐；图神经网络；注意力机制

Abstract

Intheeraof5G,therapidproliferationofmobileinternethasbeenaccompaniedby

asurgeinvoluminousdatatraffic,placinggreaterdemandsandchallengeson

communicationbackhaullinks.Particularlyinemergencyscenarios,suchasnatural

disastersorotherurgentsituations,thedamagetocommunicationbasestationsandthe

complexitiesofgeographicalenvironmentshavefurtherheightenedtheintricaciesand

vulnerabilitiesofcomm