科研之友
微信
新浪微博
Facebook
分享链接
摘要
内容资源流行度预测是内容分发网络提高缓存与调度效率的主要依据之一。针对当前流行度预测算法特征表征能力和适应性较差，准确率低等不足，提出一种基于深度学习的内容资源流行度预测算法，该算法基于融合注意力机制的双向GRU模型可以更好地挖掘资源访问历史中蕴含的信息及其相关性，提高特征提取的效率和质量，并具有更为包容的泛化能力。相关不同数据集上的实验结果表明该算法各项指标均优于已有的多种主流算法，且准确率高达96.20%和98.03%。
-
单位南京信息工程大学; 电子信息工程学院
