用户请求感知的边端缓存与用户推荐联合优化策略

来源：电子与信息学报杂志2024年第7期北京时间：

作者：王汝言, 蒋昊, 唐桐, 吴大鹏, 钟艾玲

单位：1.重庆邮电大学通信与信息工程学院 重庆 4000652.先进网络与智能互联技术重庆市高校重点实验室 重庆 4000653.泛在感知与互联重庆市重点实验室 重庆 400065

摘要：针对当前边缘缓存场景中普遍存在的用户偏好未知与高度异质问题，该文提出一种用户请求感知的边端缓存与用户推荐联合优化策略。首先，建立点击率(CTR)预测基本模型，引入对比学习方法生成高质量的特征表示，辅助因子分解机(FM)预测用户偏好；然后，基于用户偏好设计一种动态推荐机制，重塑不同用户的内容请求概率，从而影响缓存决策；最后，以用户平均内容获取时延最小化为目标建立边端缓存与用户推荐联合优化问题，将其解耦为边端缓存子问题和用户推荐子问题，分别基于区域贪婪算法和一对一交换匹配算法求解，并通过迭代更新获得收敛优化结果。仿真结果表明，相较于基准模型，引入对比学习方法的预测模型在曲线下面积(AUC)和准确率(ACC)上分别提升1.65%和1.30%，且联合优化算法能够有效降低用户平均内容获取时延，提升系统缓存性能。

关键词：边缘缓存, 对比学习, 推荐机制, 平均时延

基金资助：国家自然科学基金(62271096, U20A20157)，重庆市自然科学基金(CSTB2023NSCQ-LZX0134)，重庆市高校创新研究群体(CXQT20017)，重邮信通青创团队支持计划(SCIE-QN-2022-04)，重庆市教委科学技术研究项目(KJQN202300632)，重庆市博士后特别资助项目(2022CQBSHTB2057)，重庆市研究生科研创新项目(CYB22250)