-
公开(公告)号：CN110059882B
公开(公告)日：2021-06-29
申请号：CN201910319871.2
申请日：2019-04-19
IPC: G06Q10/04 , G06Q50/00 , G06F16/9535
Abstract: 本发明实施例提供了一种基于移动社交网络的内容流行度预测方法和装置，该方法包括；获取移动社交网络信息；基于移动社交网络信息，构建移动社交网络拓扑图；针对各个内容信息，确定移动社交网络拓扑图中各个用户节点对该内容信息的初始感兴趣状态；根据该内容信息的传播场景，确定各个用户节点对该内容信息的感兴趣状态由感染状态转变为易感染状态的第一转移概率；根据各个用户节点的节点度以及各个用户节点的邻居节点的感兴趣状态，确定各个用户节点对该内容信息的感兴趣状态由易感染状态转变为感染状态的第二转移概率；根据第一转移概率和第二转移概率，确定内容信息的内容流行度。能够提高内容流行度预测的准确性，进一步提高缓存的命中率。
-
Patent Agency Ranking
公开(公告)号：CN115860153A
公开(公告)日：2023-03-28
申请号：CN202310185967.0
申请日：2023-03-01
Applicant: 北京邮电大学
Abstract: 本申请提供一种基于个性化分组联邦学习的无线流量预测方法及系统，方法包括：将无线流量数据和个性化特征数据均输入本地部署的区域级个性化流量预测模型，以通过其中的通用层提取无线流量的时间和空间的相关性数据以及通过个性化层提取个性化特征数据对无线流量的影响数据，并输出无线流量预测数据作为目标区域的区域级无线流量预测结果；将该结果发送至中心云服务器，以使该中心云服务器根据各个边缘服务器分别发送的各个区域的区域级无线流量预测结果生成由各个区域构成的全域范围对应的无线流量预测结果。本申请能够提高各个区域的区域级无线流量预测的准确性及针对性，进而能够有效提高城市等全域范围的无线流量预测的准确性及有效性。
-
公开(公告)号：CN115860153B
公开(公告)日：2023-05-16
申请号：CN202310185967.0
申请日：2023-03-01
Applicant: 北京邮电大学
Abstract: 本申请提供一种基于个性化分组联邦学习的无线流量预测方法及系统，方法包括：将无线流量数据和个性化特征数据均输入本地部署的区域级个性化流量预测模型，以通过其中的通用层提取无线流量的时间和空间的相关性数据以及通过个性化层提取个性化特征数据对无线流量的影响数据，并输出无线流量预测数据作为目标区域的区域级无线流量预测结果；将该结果发送至中心云服务器，以使该中心云服务器根据各个边缘服务器分别发送的各个区域的区域级无线流量预测结果生成由各个区域构成的全域范围对应的无线流量预测结果。本申请能够提高各个区域的区域级无线流量预测的准确性及针对性，进而能够有效提高城市等全域范围的无线流量预测的准确性及有效性。
-
公开(公告)号：CN115580891A
公开(公告)日：2023-01-06
申请号：CN202211578050.9
申请日：2022-12-09
Applicant: 北京邮电大学
IPC: H04W24/06 , H04W4/029 , G06N20/00 , G06F18/22 , G06F18/23 , G06F16/9537 , G06F16/2458 , G06F18/214
Abstract: 本申请提供一种基于联邦学习的流量预测模型训练方法、预测方法和装置，训练方法包括：对目标区域范围内的各个基站进行相似性聚类以得到多个初始基站联盟；在应用各个初始基站联盟进行联邦训练的同时，根据合作博弈方式对各个初始基站联盟中的基站进行筛选以得到各个目标基站联盟；采用各个目标基站联盟进行针对无线通信流量预测的联邦训练，并对各个目标基站联盟的合作产生盈余进行分配，以训练得到用于预测无线通信流量的流量预测模型。本申请能够提高基于联邦学习训练得到的用于预测无线通信流量的全局模型性能，能够有效激励基站继续参与联邦学习，进而能够提高应用流量预测模型进行无线通信流量预测的准确性及有效性。
-
公开(公告)号：CN110059882A
公开(公告)日：2019-07-26
申请号：CN201910319871.2
申请日：2019-04-19
IPC: G06Q10/04 , G06Q50/00 , G06F16/9535
Abstract: 本发明实施例提供了一种基于移动社交网络的内容流行度预测方法和装置，该方法包括；获取移动社交网络信息；基于移动社交网络信息，构建移动社交网络拓扑图；针对各个内容信息，确定移动社交网络拓扑图中各个用户节点对该内容信息的初始感兴趣状态；根据该内容信息的传播场景，确定各个用户节点对该内容信息的感兴趣状态由感染状态转变为易感染状态的第一转移概率；根据各个用户节点的节点度以及各个用户节点的邻居节点的感兴趣状态，确定各个用户节点对该内容信息的感兴趣状态由易感染状态转变为感染状态的第二转移概率；根据第一转移概率和第二转移概率，确定内容信息的内容流行度。能够提高内容流行度预测的准确性，进一步提高缓存的命中率。
-
公开(公告)号：CN115580891B
公开(公告)日：2023-05-19
申请号：CN202211578050.9
申请日：2022-12-09
Applicant: 北京邮电大学
IPC: H04W24/06 , H04W4/029 , G06N20/00 , G06F18/22 , G06F18/23 , G06F16/9537 , G06F16/2458 , G06F18/214
Abstract: 本申请提供一种基于联邦学习的流量预测模型训练方法、预测方法和装置，训练方法包括：对目标区域范围内的各个基站进行相似性聚类以得到多个初始基站联盟；在应用各个初始基站联盟进行联邦训练的同时，根据合作博弈方式对各个初始基站联盟中的基站进行筛选以得到各个目标基站联盟；采用各个目标基站联盟进行针对无线通信流量预测的联邦训练，并对各个目标基站联盟的合作产生盈余进行分配，以训练得到用于预测无线通信流量的流量预测模型。本申请能够提高基于联邦学习训练得到的用于预测无线通信流量的全局模型性能，能够有效激励基站继续参与联邦学习，进而能够提高应用流量预测模型进行无线通信流量预测的准确性及有效性。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
