；
[0096] 3、查找到缓存内容的内容提供者或者缓存节点之后，根据三元组计算缓存概率向 量，丢弃兴趣包；将生成的缓存概率向量添加到数据包，并将数据包沿着反向路径向内容请 求者传输；
[0097] 4、在反向路径传输的过程中，如果本节点PIT记录中该内容只对应一个端口，则 本节点查询数据包中本节点应当缓存的概率，分别以对应的概率进行缓存；若PIT记录中 该内容对应多个端口，则将数据包的缓存概率向量字段更新成PIT相应节点的缓存概率向 量，并将添加相应节点缓存概率向量的数据包向相应的端口转发，直至达到内容请求者。
[0098] 以上结合图1-6介绍了本申请的跨层缓存方法，下面结合图7,描述本申请中节点 的构造，如图7所示，本申请中的节点包括：
[0099] 收发器701 :接收兴趣包和数据包，并转发兴趣包和数据包。
[0100] 兴趣包由三元组（兴趣度、节点介数、节点替换率）所组成，其中兴趣度是从应用 层角度提出的缓存影响参数，节点介数是从网络层角度提出的缓存影响参数，节点替换率 是从物理层角度提出的缓存影响参数。本发明结合上面提出的社交网络场景下节点的三层 结构，综合考虑了三个层面的缓存因素而提出三元组的定义。
[0101] 下面介绍三元组的生成：
[0102] 一、兴趣度
[0103] 由于用户的偏好反映了一个用户对内容的感兴趣度，可以间接反映一个用户请求 一个内容的概率，因此使用用户的偏好计算用户对内容的兴趣度。其中用户对内容的偏好 与内容的类型密切相关。假设网络中所有内容主题为内容主题集合。针对某一个特定内容 (31有〇个主题，即卜丨，~，)^.，内容(31在主题^下的属性函数为？10((3 1，￥1<)。用户对每 类主题也有自己的偏好，用户u]对主题《,的偏好程度用偏好函数pref(U]，w k)表示。则用 户对内容的兴趣度表示如下：
[0105] 其中，
当内容(^包含属性wk，则Pro( Cl，wk)为1，否则为0。
[0107] 假定用户的偏好函数用互信息来表示，其中p(X(wk) |V,)为用户历史信息V,中选 择wk主题内容的概率，P (X (w k))为全网中wk主题内容的概率。
[0108] 二、节点介数
[0109] 网络中不同的节点有不同的特征和重要性，节点介数用来描述节点在网络中重要 性。介数越大，节点在网络中越重要，意味着本节点可以将信息传给更多的节点，介数的定 义如下式所示。
[0111] 其中，S s t表示从节点s到节点t的所有最短径总数，而δ s t(Uj)表示节点s到 节点t的最短径中经过U]节点的数目。
[0112] 三、节点替换率
[0113] 重要的节点对内容的缓存概率较大，缓存空间很快容易满，导致新内容到达时节 点需要不断地更替缓存内容，较多的缓存更替带来缓存开销。网络中节点随着缓存进行 节点缓存从而性能不断变化，所以节点的实时缓存替换率也是影响缓存性能一个重要的指 标。节点替换率的定义如下：
[0115] 其中，C(U])表示用户U]设备的缓存容量，S ,(Cl)表示用户屮单位时间针对第i类 内容的替换大小。
[0116] 由于兴趣包要携带节点的三元组信息，本发明中将内容中心网络的包格式进行修 改，现有的兴趣包如图3所示，其中在兴趣包的数据格式中添加三元组集合。内容传输过程 中，每经过一个节点，兴趣包将刚经过节点的三元组数据加入兴趣包三元组字段。
[0117] 如图7所示，节点还包括判断装置702 :判断该节点是否是可以提供请求内容的内 容提供者或缓存命中节点，如果是，则触发提取装置705 ;如果否，则触发查找装置704。
[0118] 判断装置702接收数据包，通过查找该节点的内容缓存（CS)703,判断内容缓存 703中是否存在该请求内容，如果内容缓存703中有被请求的内容，则判断该节点是可以 提供请求内容的内容提供者或缓存命中节点，这时触发提取装置705,否则触发查找装置 704〇
[0119] 查找装置704 :可查询未决请求表（PIT)，判断未决请求表中是否有该请求内容的 名字；PIT中存储了兴趣包的传输路径信息，通过查找PIT，可知道该请求内容的兴趣包是 否已经在该节点传输过，如果PIT中有该请求内容的名字，表示该兴趣包曾经到达过该节 点，则在PIT的该请求内容的名字条目中增加该兴趣包到来的节点，并丢弃该兴趣包；如果 PIT中没有该内容条目，则为兴趣包添加该节点的三元组，将添加三元组后的兴趣包发送给 收发器进行转发。
[0120] 节点还包括提取装置705,其中如果判断装置判断为是，则触发提取装置705.
[0121] 提取装置705 :提取兴趣包的信息，将三元组用灰度关联分析法计算每个节点的 缓存概率，沿传输路径上所有节点的缓存概率构成缓存概率向量，并将该缓存概率向量加 到数据包中；查找未决请求表，判断该请求内容是否对应一个节点；如果只对应一个节点， 则查询数据包中本节点应当缓存的概率，分别以对应的概率进行缓存，并向未决请求表中 记录的对应节点转发该数据包；如果对应多个节点，则本节点将数据包的缓存概率向量字 段删除，添加本节点未决请求表的不同节点的缓存概率向量字段，并向收发器发送数据包。
[0122] 其中使用的灰度关联分析法首先是将所有序列的每一维度转化为归一化的比较 序列，然后根据这些序列，选择出一个参考序列。接下来，根据参考序列和比较序列计算灰 度关联系数。最后，根据灰度关联系数计算出每个比较序列的灰度关联度，根据这些灰度关 联度再进行缓存决策。包括四个阶段，分别是第一阶段，灰度关联生成阶段，第二阶段，选择 参考序列阶段，第三阶段，计算灰度关联系数阶段，第四阶段，计算每个比较序列的灰度关 联度阶段。
[0123] 具体包括如下子步骤：
[0124] 步骤P1 :提取三元组生成比较序列
[0125] 节点三元组是由应用层、网络层和物理层缓存影响参数构成的，现定义每一层的 缓存影响参数分别为节点的一维属性，则每个节点是由多维属性构成的，因此均有多维属 性，参考序列和对比序列的多维属性均在不同的范围，并且每一维属性的优劣取值情况不 同，因此对于每一维度属性要进行归一化处理，则第i个可选序列的属性向量为X/ = (χ/ (1)，χ/ (2)，χ/ (3))，其中x/ (m)表示第i个节点在第m维属性下的性能值。所 得到沿路径上节点的三元组集合为矩阵为A'。
[0127] 由于每一个属性的取值范围和性能不同，因此每一个属性对缓存决策的影响也产 生了差异，因此将每个维度的属性进行归一化处理。
[0130]当节点的第i个属性值越大缓存增益越大时选用公式6,当节点第i个属性值越小 缓存性能越好时选择公式7。沿路径上节点的归一化三元组如公示（8)所示。
[0132] 步骤P2:定义参考序列
[0133] 参考序列应当是所有比较序列中的最理想情况。以上已经对比较序列进行了归一 化处理，所有比较序列都被归一化在【〇, 1】范围内，对于XiOn)来说，它距离1越近就证明 它在第m维特征中距离最优值越近，即该节点在该属性上缓存内容的概率越大。因此对于 一个节点来说，当每个维度都接近最优值时，它应该是最好的缓存放置节点。因此设定参考 序列为每一维度的理想值，BPXQ= (xQ(l)，x。(2)，--,1(5(111))7= (1,1，···，1)。
[0134] 步骤3计算灰度关联系数
[0135] 灰度关联系数表征了可选序列与参考序列的相似程度。Xl(m)与X(](m)之间的灰 度关联系数越大，证明他们越接近，证明该节点应该有更大的概率取缓存该内容。灰度关联 系数的定义如下：
[0137] 其中，μ是一个分辨系数。
[0138] 步骤4计算灰度关联度
[0139] 每个节点对应的灰色关联度为各个维度的灰度关联度的加权，即
[0141] 其中，p^X。）表示比较序列（节点与参考序列（理想缓存节点）的关联度， 表示第j维度的概率权重值，且 灰度本质上表征了本节点和理想缓存节点的相似 ?C 度。由于理想缓存节点是理想的最优的情况，因此可选缓存节点的灰度值越大表征越接近 于理想缓存节点，即本节点缓存该内容的概率越大。
[0142] 本领域的技术人员应明白，本申请的实施例可提供为方法、装置（设备）、或计算 机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方 面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的 计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机 程序产品的形式。
[0143] 本申请是参照根据本申请实施例的方法、装置（设备）和计算机程序产品的流程 图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一 流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算 机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理