典型文献
基于注意力机制的Bi-GRU内容流行度预测算法
文献摘要：
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％.
文献关键词：
双向GRU;注意力机制;流行度预测;内容分发网络
中图分类号：
作者姓名：
许阅;刘光杰
作者机构：
南京信息工程大学电子信息工程学院 南京210044
文献出处：
引用格式：
[1]许阅;刘光杰-.基于注意力机制的Bi-GRU内容流行度预测算法)[J].电子测量技术,2022(03):54-60
A类：
B类：
注意力机制,Bi,GRU,内容流行度预测,预测算法,内容资源,资源流,内容分发网络,缓存,算法特征,表征能力,挖掘资源,泛化能力,流算法
AB值：
0.225119
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
