孙立奋, 潘达儒

(华南师范大学物理与电信工程学院， 广州 510006)

一种基于兴趣挖掘的机会网络内容分发策略

孙立奋, 潘达儒*

(华南师范大学物理与电信工程学院， 广州 510006)

提出了一种新的基于兴趣挖掘的机会网络内容分发策略(Interest Mining Based Scheme,IMBS),通过贝叶斯理论分析节点的兴趣以及节点基于兴趣的相遇频率,挖掘移动节点随机运动背后所蕴含的人类社交特征和情感特征. 此外,IMBS采用发布/订阅机制,收集节点的订阅信息,以获取消息在整个网络中的需求量. 在转发消息的时候,IMBS把消息的需求总量和节点的情感特征以及社交特征结合起来选择下一跳节点. 仿真实验及算法复杂度分析表明,在不提高算法复杂度的情况下，IMBS可显著减少消息的传输延时和网络开销,并提高消息传输的成功率.

机会网络； 内容分发； 兴趣挖掘； 贝叶斯理论； 订阅/发布机制

Keywords： opportunistic networks; content dissemination; interests mining; Bayesian theory; publish/subscribe

随着大数据时代的到来,无线资源紧缺的问题日益显著,机会网络下的内容分发备受关注. 机会网络不要求源节点与目的节点之间存在着完整路径,通过节点移动带来的相遇机会实现网络通信[1-5]. 在这种动态拓扑的网络中，如何高效转发消息是亟待解决的问题. 针对该问题,相关的研究主要基于节点间的相遇频率和节点的兴趣.

基于节点间相遇频率的研究已经比较成熟,常见的有经典路由算法[6-9]以及基于社区理论的算法[10-13]. 例如,Epidemic算法[6]利用节点的相遇将消息泛洪,SprayAndWait算法[7]选取前n个相遇的节点转发消息，控制消息的副本数,Prophet算法[8]利用节点间的相遇概率转发消息；……