本发明属于主动缓存，尤其涉及基于多尺度特征融合的主动边缘缓存方法及系统。
背景技术：
1、近年来，社交网络已经成为人们日常生活中不可或缺的一部分，其流量占移动数据流量的比例持续增长。为了应对这一挑战，信息中心网络被提出作为一种新型的网络架构，其中内容中心网络是其最具潜力的分支之一，其核心特征是网络内部无处不在的缓存，这可以有效减少用户访问内容的延迟，提高用户体验质量。将内容中心网络架构应用于社交网络，形成了社交内容中心网络，可以有效提高社交网络中内容传输的效率，并降低网络拥塞。
2、边缘网络中的主动缓存方法发生在用户发出请求之前，通过分析内容的标识、类型和热门程度等特征，预测内容在未来一段时间内的流行程度，提前将流行度高的内容缓存在用户附近的基站中。因此，设计一种精确的内容流行度预测方法以实现高效的缓存策略是现有研究的重点。
3、由于社交网络中内容的流行度是动态变化的，受到多种因素的影响，例如时间、用户兴趣、事件等，使得预测内容的未来流行度变得非常困难。对于现有的主动缓存策略而言，大多仅考虑了历史内容流行度，而忽略了内容未来流行度、用户社交关系和用户移动性等多维度特征，导致缓存命中率较低，且无法充分利用网络资源。此外，大多社交内容中心网络缓存策略通常采用长短期记忆网络，复杂度较高且无法在训练阶段实现并行计算，而注意力机制已成为序列建模的流行优化方法，无需考虑序列中模型数据依赖关系的距离即可建模。
技术实现思路
1、为克服上述现有技术的不足，本发明提供了基于多尺度特征融合的主动边缘缓存方法及系统，通过考虑将不同内容的历史流行度、社交关系、地理位置和未来流行度进行多尺度特征融合，有效预测内容未来流行度并将热门内容提前缓存到用户附近的边缘服务器,提高缓存命中率且降低系统总体内容访问延迟，提高系统整体缓存效率。
2、为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：
3、本发明第一方面提供了基于多尺度特征融合的主动边缘缓存方法。
4、基于多尺度特征融合的主动边缘缓存方法，包括以下步骤：
5、构建系统网络模型，将移动边缘计算服务器集成到社交内容中心网络中；
6、基于移动边缘计算服务器，分别获取表征不同内容的历史流行度、用户社交关系和用户移动性的多尺度特征，将多尺度特征进行融合，得到统一的时间序列特征表示；
7、将统一的时间序列特征表示输入至编码器中，提取内容的历史和未来时序特征，并将编码器的中间层输出向量输入至解码器中，基于多头注意力机制得到未来多个时间段的预测流行度值，将多个时间段预测流行度的平均值作为最终预测结果；
8、将最终预测结果排名靠前的内容作为待缓存内容，进行提前缓存。
9、本发明第二方面提供了基于多尺度特征融合的主动边缘缓存系统。
10、基于多尺度特征融合的主动边缘缓存系统，包括：
11、集成模块，被配置为：构建系统网络模型，将移动边缘计算服务器集成到社交内容中心网络中；
12、多尺度特征融合模块，被配置为：基于移动边缘计算服务器，分别获取表征不同内容的历史流行度、用户社交关系和用户移动性的多尺度特征，将多尺度特征进行融合，得到统一的时间序列特征表示；
13、预测模块，被配置为：将统一的时间序列特征表示输入至编码器中，提取内容的历史和未来时序特征，并将编码器的中间层输出向量输入至解码器中，基于多头注意力机制得到未来多个时间段的预测流行度值，将多个时间段预测流行度的平均值作为最终预测结果；
14、缓存模块，被配置为：将最终预测结果排名靠前的内容作为待缓存内容，进行提前缓存。
15、本发明第三方面提供了计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本发明第一方面所述的基于多尺度特征融合的主动边缘缓存方法中的步骤。
16、本发明第四方面提供了电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本发明第一方面所述的基于多尺度特征融合的主动边缘缓存方法中的步骤。
17、以上一个或多个技术方案存在以下有益效果：
18、本发明提供了一种基于多尺度特征融合的主动边缘缓存方法及系统，旨在提高缓存命中率和降低缓存内容冗余，从而提高社交内容中心网络的性能和用户体验。具体而言，本发明首先将移动边缘计算集成到社交内容中心网络以增强计算能力，增加网络边缘缓存空间；其次设计了一种基于多头注意力机制的的内容流行度预测模型，该模型融合了包括历史流行度信息、用户社交关系、地理位置和未来流行度信息的多维特征以精准预测内容流行度，采用具有双向长短期记忆网络和多头注意力机制的编码器-解码器结构，利用多维历史特征进行多步流行度预测；最后将多步预测流行度的平均值作为最终预测结果，基于内容流行度和节点距离设计一种缓存放置与替换策略。整体来说，本发明能够提高缓存命中率且降低系统总体内容访问延迟，提高系统整体缓存效率。
19、本发明的设计的缓存策略与四种基线策略(history popularity-basedpredict、dnn-based predict、random和optimal)做了对比实验，四种基线方案分别是仅考虑内容历史流行度而忽略多维度特征的缓存策略、基于深度神经网络的缓存策略、随机内容缓存策略以及最优缓存策略。实验证明，本发明所提缓存策略在内容流行度预测准确性、系统平均内容访问时延以及缓存命中率上优于以上四种基线策略，具有较好的缓存利用率和较高的用户体验质量。
20、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
1.基于多尺度特征融合的主动边缘缓存方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于多尺度特征融合的主动边缘缓存方法，其特征在于，所述社交内容中心网络中存在多个移动边缘计算服务器，多个移动边缘计算服务器通过基站链路彼此相连；各移动边缘计算服务器周围分布具有移动性和社交关系的多个用户设备；云数据中心提供内容库。
3.如权利要求1所述的基于多尺度特征融合的主动边缘缓存方法，其特征在于，获取表征不同内容的历史流行度、用户社交关系和用户移动性的多尺度特征，具体包括：
4.如权利要求1所述的基于多尺度特征融合的主动边缘缓存方法，其特征在于，将多尺度特征进行融合，具体为：
5.如权利要求1所述的基于多尺度特征融合的主动边缘缓存方法，其特征在于：
6.如权利要求1所述的基于多尺度特征融合的主动边缘缓存方法，其特征在于，将最终预测结果排名靠前的内容作为待缓存内容，进行提前缓存时，还包括：
7.如权利要求6所述的基于多尺度特征融合的主动边缘缓存方法，其特征在于：
8.基于多尺度特征融合的主动边缘缓存系统，其特征在于，包括：
9.计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的基于多尺度特征融合的主动边缘缓存方法中的步骤。
10.电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于多尺度特征融合的主动边缘缓存方法中的步骤。
