霧計(jì)算網(wǎng)絡(luò)中聯(lián)邦學(xué)習(xí)協(xié)同的內(nèi)容緩存方案

摘要： 為了減小內(nèi)容獲取的時(shí)延，保護(hù)用戶(hù)隱私并提高用戶(hù)體驗(yàn)，提出一種霧計(jì)算網(wǎng)絡(luò)中結(jié)合聯(lián)邦學(xué)習(xí)和推薦算法優(yōu)化內(nèi)容緩存性能的方案。首先，構(gòu)建了端到端協(xié)作的霧計(jì)算網(wǎng)絡(luò)模型，用戶(hù)可通過(guò)端到端和無(wú)線鏈路從用戶(hù)端、霧節(jié)點(diǎn)和云端獲取內(nèi)容；其次，在本地建立深度神經(jīng)網(wǎng)絡(luò)模型，利用歷史請(qǐng)求數(shù)據(jù)訓(xùn)練本地模型，利用霧節(jié)點(diǎn)聚合本地模型，從而預(yù)測(cè)全局內(nèi)容的流行度，同時(shí)，向用戶(hù)提供個(gè)性化內(nèi)容推薦列表，以提高緩存命中...