一种雾无线接入网中基于聚类联邦学习的内容流行度预测方法

摘要

本发明公开了一种雾无线接入网中基于聚类联邦学习的内容流行度预测方法，该方法包括：根据雾接入点收集到的本地用户信息和内容信息，构造本地用户与内容的初始特征；根据初始特征与历史请求记录，为每个雾接入点建立本地用户请求内容概率的预测模型；利用聚类联邦学习对各雾接入点的预测模型进行分布式训练并实现模型参数的特殊化；根据内容信息，以移动用户的内容请求概率为预测目标，建立移动用户的偏好模型；对本地流行度和移动流行度的预测结果进行整合，得到内容流行度的最终预测结果。本发明使雾接入点准确预测并动态更新内容流行度，并通过模型特殊化，自适应地区分内容流行度的区域差异，同时减少了通信成本。