一种基于兴趣-相关度的移动p2p网络数据预取方法
【技术领域】
[0001] 本发明设及移动P2P网络技术领域，尤其设及一种基于兴趣-相关度的移动P2P网 络数据预取方法。
【背景技术】
[0002] 随着无线通信技术的快速发展、移动设备性能的不断提升与普及，使移动用户随 时随地交换和处理信息成为现实，因此，近年来，结合无线通信技术和对等计算的移动P2P 网络(MobilePeer-to-PeerNetworks,MP2P)成为了当前的研究热点。移动P2P网络作为一 种新兴的移动数据通信方式，为人们提供了一种在无基础设施支持的无线环境下进行数据 传输的解决方案，可W广泛应用于电力系统灾难救援、事故抢修、野外施工人员间的即时通 信与信息共享等缺乏基础设施支持的应用场景。
[0003] 由于移动网络环境所固有的缺陷和特点，如节点的频繁移动、移动设备能量和资 源的短缺、无线连接不可靠W及有限的通信带宽等，为移动P2P网络实现高效的数据存取带 来了巨大的技术挑战。已有研究表明，预取技术能显著降低移动用户数据访问时延，减少网 络通信开销、节省移动设备的电池电量、增大网络吞吐率，从而提高整个移动P2P系统工作 效率。数据预取是通过分析用户当前及历史访问记录，预测未来可能会访问到的内容并将 其提前缓存到本地，当用户请求访问该数据时，可W直接从本地缓存中读取该数据。已有的 预取方法往往通过对数据对象的访问频率来设计预取价值函数，缺乏对数据对象之间相关 性的考虑。而实际情况是用户访问的数据对象之间通常存在着一定的联系，即数据相关性。 因此，重视数据之间的相关性，提高预取命中率，对提高移动P2P网络整体工作效率具有重 要的意义。
【发明内容】
[0004] 有鉴于此，本发明提供一种基于兴趣-相关度的移动P2P网络数据预取方法，用W 解决现有的预取方法对用户数据兴趣-相关度考虑不足，使得预取命中率较低的问题。
[0005] 本发明公开了一种基于兴趣-相关度的移动P2P网络数据预取方法，通过对用户访 问历史记录信息的统计和分析，获得用户访问数据的兴趣-相关度，同时一并考虑支持度、 置信度、数据对象的大小W及路径长度等因素，选取最有预取价值的数据进行预取，从而能 有效的提高预取命中率、降低用户访问时延、提升网络服务质量。
[0006] 本发明公开了一种基于兴趣-相关度的移动P2P网络数据预取方法，其特征在于， 包括W下步骤：
[0007] 步骤S100,为移动P2P网络中所有节点分配唯一的覆盖网标识；
[000引步骤S200,将网络节点按照节点物理位置聚集成簇，并在每个簇中选取一个超级 节点；
[0009]步骤S300,超级节点对簇内普通节点的历史访问记录进行统计和分析，根据用户 访问兴趣-相关度、支持度、置信度、数据大小W及路径长短等计算数据预取价值；
[0010] 步骤S400,由超级节点做出数据预取决策，将预取价值高的数据预取到簇内能力 强的节点。
【具体实施方式】
[0011] 为使本发明的目的、技术方案和优点更加清楚，下面通过具体实施例对本发明的 技术方案做进一步地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实 施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得 的所有其他实施例，都属于本发明保护的范围。
[0012] 本发明实施例提供了一种基于兴趣-相关度的移动P2P网络数据预取方法，包括W 下步骤：
[0013]步骤S100,为移动P2P网络中的节点分配唯一的覆盖网标识。
[0014]需要说明的是，本发明实施例中使用的术语"节点"、"移动节点"、"移动终端"、"移 动设备"是指各种类型的移动设备，例如，智能手机、个人数字助理(PDA)、平板电脑(PAD)、 笔记本电脑等，其中每个设备能够相互独立地操作，彼此间W无线(例如蓝牙、UMB、LTE、4G 等）的方式进行数据通信。"对等节点"、"移动对等节点"是指各种移动设备在移动P2P覆盖 网络上的映射。
[0015]在本发明实施例中，当移动节点加入到移动P2P网络中时，首先要获得一个全网唯 一的覆盖网节点标识，节点的覆盖网标识可W通过安全散列函数(如SHA-1)对移动设备的 属性进行哈希运算所获得，运些属性可W是移动节点的IP地址、MAC地址、端口地址、公钥等 或者是它们中几项的组合。SHA系列散列函数的哈希值长度通常大于160位，如此长的位数 能够保证移动节点的覆盖网标识几乎不可能出现重复，因此，可W认为是唯一的。
[0016]步骤S200,将物理位置临近的节点聚类成簇，并在每一个簇内选取一个超级节点。
[0017]在本发明实施例中，网络拓扑为具有超级节点的半分布式移动P2P网络，其中超级 节点负责簇内普通节点和资源的管理W及转发普通节点资源查找请求等。普通节点功能单 一，只负责自身动态数据的管理，并保持和本簇的超级节点进行连接。
[0018]步骤S300,由每个簇的超级节点对其簇内普通节点的历史访问记录进行统计和分 析，根据分析结果，计算数据对象预取价值。
[0019]步骤S310,建立数据对象的兴趣-相关度矩阵
[0020] 兴趣度是指节点对数据对象感兴趣的程度，可W通过用户对数据对象的访问频率 来衡量，用W下公式进行兴趣度计算：
[0022]其中，nu表示网络中第i个簇中的第j个移动节点，dk表示网络中第k个数据对象， )'表示节点11^对数据对象dk的兴趣度，其值越大，说明节点nu对数据对象dk越感兴 趣。
[002；3]对第i个簇中数据对象dk与di的兴趣-相关度R(dk，山)定义为：
[00巧]其中，JJd^、/,,(如分别为第i个簇中所有节点对数据对象dk和di的兴趣-相关 度的平均值，Pi第i个簇内普通节点个数，Si为第i个簇的超级节点;R(dk，di)值越大，表示数 据对象dk与di的兴趣-相关度越高，反之表示相关度越低。
[0026] 对于第i个簇中节点所访问的全部数据对象建立兴趣-相关度矩阵，矩阵中第k行 第1列的值代表数据对象dk和di的兴趣-相关度。
[0027] 步骤S320,建立访问跳转矩阵
[0028] 当一个节点一次访问结束后，对运一次被访问的数据对象进行统计，根据统计结 果，建立访问跳转矩阵。访问跳转矩阵的建立方法具体为:超级节点统计簇内各节点的一次 连续访问，不考虑具体由哪个节点发起的访问，只对簇内节点发起的访问的数据对象进行 统计，对每一次访问结果W-个行向量的形式表示。其中，每一个行向量表示一次访问，每 一个列向量表示访问的数据对象，若在某一次访问中访问了某一个数据对象，则对该数据 对象所对应的列向量标记为1，否则，标记为0。
[0029] 由于本发明专利提出的数据预取方法是基于历史访问记录的，现抽取第i个簇的 超级节点Si在30秒内的历史转发记录，如表1所示，假设第i个簇内有3个普通节点，分别是 m，m，M，网络中共有数据对象有6个，分别是{山，Cb，…，d6}。
[0030] 表1超级节点Si的历史转发记录
[0033] 超级节点Si对其簇内普通节点的数据对象访问记录进行统计，具体方法是，当一 个节点一次访问结束后(此处采用基于空白点（gap-based)的方法来判定一次访问是否结 束），对运次被访问的数据对象进行统计。W表1为例，空白点时间域为5秒，建立的节点历史 访问记录如下：
[0034]m发起一次连续访问：{d2，d4，d6} ;ri2发起一次连续访问：{d4，d5，d6} ;ri3发起一次连 续访问：{di,d4} ;ni发起一次连续访问：{di,d3，d4，d6} ;ri2发起一次连