送的實時請求。
[0025] 3.當(dāng)前的研宄已經(jīng)確定移動設(shè)備使用在很大程度上是可預(yù)測的。此可預(yù)測性包括 用戶對以下內(nèi)容感興趣：不同類別的多媒體內(nèi)容、確定對不同移動網(wǎng)絡(luò)（例如，Wi_Fi、3G毫 微微蜂窩基站等）的日常訪問的移動模式、他們的以月為周期的數(shù)據(jù)計劃的使用、以及移 動設(shè)備資源（例如，電池、存儲器和處理能力）的利用。
[0026] 4.移動設(shè)備在存儲器和處理能力方面的性能繼續(xù)遵守摩爾定律：S卩，每隔18個月 翻一倍。此外，云計算的最近進展已經(jīng)導(dǎo)致空前大的量的計算資源可用于增強不同網(wǎng)絡(luò)應(yīng) 用的性能，條件是有效利用算法逼近（algorithmicapproaches)?，F(xiàn)在可提出問題：
[0027] 通過利用用戶行為的可預(yù)測性以能夠在最佳時間經(jīng)由最低成本的遞送方法將數(shù) 字多媒體內(nèi)容有效地遞送到終端用戶，本文中所描述的系統(tǒng)和方法的實施方案克服了移動 設(shè)備和/或網(wǎng)絡(luò)級別的帶寬挑戰(zhàn)。如本文中進一步詳述的，此范例允許消費者以可能的最 高服務(wù)質(zhì)量（QoS)和最小的網(wǎng)絡(luò)資源支出且以最低的價格享受個性化的移動互聯(lián)網(wǎng)體驗。
[0028] 該系統(tǒng)通常包括以下三個步驟：預(yù)測、調(diào)度以及（在一些實施方案中）推薦。這些 步驟帶來的結(jié)果是：通信量平滑（例如，峰值需求對平均需求的比率減?。?、通信量智能分 流到不那么昂貴和/或具有較多未使用容量的網(wǎng)絡(luò)、用戶經(jīng)歷的延時減?。ɡ?，預(yù)取的內(nèi) 容不需要緩沖）、以及用戶的月度成本減少（例如，數(shù)據(jù)計劃超額費用減少）。
[0029] 1.預(yù)測：該系統(tǒng)基于將用戶對內(nèi)容（例如，類別、流派、內(nèi)容類型等）的興趣建模 的過去行為、確定對不同的移動網(wǎng)絡(luò)的訪問的移動模式、移動設(shè)備的使用（例如，電池消 耗、存儲器和處理能力使用）、以及用戶消費任何可用的月度數(shù)據(jù)計劃的模式，為每個用戶 編譯一個或多個配置文件。類似地，該系統(tǒng)為不同內(nèi)容類型在不同內(nèi)容類型的更新速率方 面（例如，滾動新聞（newsticker)具有比音樂視頻更快的更新速率）建立配置文件以及 為不同移動網(wǎng)絡(luò)在不同移動網(wǎng)絡(luò)的流量和擁塞特性方面建立配置文件。
[0030] 2.調(diào)度：步驟1中制定的配置文件被用于在最佳時間調(diào)度緩存在用戶的移動設(shè)備 上的內(nèi)容。基于如下多目標(biāo)優(yōu)化標(biāo)準(zhǔn)來構(gòu)建調(diào)度算法：a)通過避免內(nèi)容實時遞送時所經(jīng)歷 的無法容忍的延時（例如，緩沖延時）來增強用戶體驗；b)通過將峰值通信量分流到非峰 值時間和不那么擁塞的網(wǎng)絡(luò)（例如，Wi-Fi)來緩和幾乎所有主要移動網(wǎng)絡(luò)遇到的擁塞；c) 通過從更低成本的網(wǎng)絡(luò)（例如，Wi-Fi和對等網(wǎng)絡(luò)（P2P))預(yù)取終端用戶的大部分大流量內(nèi) 容來降低由終端用戶招致的成本；以及d)在電池、存儲器和處理能力方面優(yōu)化移動設(shè)備的 使用資源。
[0031] 3.推薦：一些實施方案的第三個步驟是推薦引擎的使用，推薦引擎以建議的內(nèi)容 的形式向用戶提供激勵以消費本地緩存的內(nèi)容，且因此減少了移動網(wǎng)絡(luò)中的峰值需求。此 推薦系統(tǒng)基于例如用戶的移動寬帶網(wǎng)絡(luò)的計費系統(tǒng)以及用戶的偏好和經(jīng)濟要求而被優(yōu)化。
[0032] 這三個步驟緊緊地相互關(guān)聯(lián)并且形成本文中所描述的系統(tǒng)的基本結(jié)構(gòu)單元。執(zhí)行 上述三個步驟的引擎的聯(lián)合優(yōu)化提供了在不同環(huán)境中（基于可用移動網(wǎng)絡(luò)和移動設(shè)備能 力）構(gòu)建解決帶寬不足的可擴展的解決方案。例如，通過聯(lián)合地優(yōu)化預(yù)測算法和推薦系統(tǒng) 設(shè)計，人們可實現(xiàn)高得多的命中率（hitratio)，且因此，使下載不被用戶消費的內(nèi)容的可 能性最小化。實現(xiàn)此聯(lián)合優(yōu)化的基本原理是將用戶行為分解成：（1)可從過去行為中識別 且可在用戶配置文件中捕獲的結(jié)構(gòu)化部件；以及（2)可受推薦系統(tǒng)影響的任意部件。例如， 不存在推薦系統(tǒng)時，預(yù)測算法必須承擔(dān)準(zhǔn)確地判定會被任何具體類型的用戶所請求的內(nèi)容 的責(zé)任。另一方面，仔細構(gòu)造的推薦系統(tǒng)將使得預(yù)測算法足以識別用戶感興趣的類別（或 流派），下載此類中的項目，且然后向用戶推薦此項目。如果此項目足夠接近用戶的興趣，用 戶將具有強烈的動機來消費它而不是從更昂貴的網(wǎng)絡(luò)請求實時內(nèi)容，因為避免了與實時傳 輸相關(guān)聯(lián)的延時和擁塞，并且此已緩存的內(nèi)容將對應(yīng)于用戶的更低的成本（因為預(yù)取通常 發(fā)生在使用不那么昂貴的移動網(wǎng)絡(luò)）。
[0033] 該系統(tǒng)從多個參數(shù)諸如，用戶的偏好和活動、WiFi可用性模式、經(jīng)濟響應(yīng)性、位置、 電池水平、3G速率等中觀察和學(xué)習(xí)，且在整個相當(dāng)寬的變量集合（包括大量的動態(tài)變化的 內(nèi)容項）中執(zhí)行優(yōu)化。因此，該系統(tǒng)的設(shè)計被分解成一組交互的部件（或模塊）。四個主要 部件是學(xué)習(xí)模塊、調(diào)度模塊、內(nèi)容個性化模塊、以及實時模塊。圖2描繪了這四個部件（或 模塊）的高級概述以及它們的交互和相互關(guān)系。在一些實施方案中，這四個部件中的某些 部件是云服務(wù)器（20)的元件，而其他的部件是移動設(shè)備（10)的元件。在另一些實施方案 中，所述四個部件中的一個或多個的一些部分是云服務(wù)器（20)的元件，而其他的部分是移 動設(shè)備（10)的元件（例如，學(xué)習(xí)部件中的一些在云服務(wù)器（20)上，且一些在移動設(shè)備（10) 上（例如，編程為移動設(shè)備應(yīng)用的一部分）。
[0034] 學(xué)習(xí)模塊：代表用于整個系統(tǒng)的最終信息來源。它包括以下功能：
[0035] 1.為待由其他模塊使用的相關(guān)參數(shù)（包括但不限制于，用戶需求、網(wǎng)絡(luò)狀態(tài)和電 池動態(tài)）構(gòu)建模型。
[0036] 2.允許交互式用戶輸入并且生成自適應(yīng)的用戶交互以增強用戶對其自己偏好的 識別，并且使得能夠手動配置若干參數(shù)，包括但不限制于Wi-Fi可用性、內(nèi)容偏好以及活動 時間。
[0037] 3.如果檢測到與模型有相當(dāng)大的偏差，則觸發(fā)調(diào)度部件。
[0038] 學(xué)習(xí)模塊包括三個主要部件：跟蹤部件、交互部件以及處理部件；
[0039] a)交互部件：構(gòu)成與用戶的最終界面。它負責(zé)收集用戶配置和設(shè)置，動態(tài)地接收 和顯示用戶交互，并且統(tǒng)一用戶數(shù)據(jù)。
[0040]b)跟蹤部件：是移動設(shè)備上的信息聚集中心。
[0041]c)處理部件：對收集的數(shù)據(jù)執(zhí)行適當(dāng)分析和處理。圖3是構(gòu)成學(xué)習(xí)模塊的三個部 件以及它們的交互的高級概述。
[0042] 系統(tǒng)狀態(tài)：在每個時隙t處將網(wǎng)絡(luò)狀況以及電池水平量化。系統(tǒng)在時間t處的狀 態(tài)由具有如下描述的條目（WS(t)，GS(t)，B(t))的三維矢量Xs(t)表示。
[0043] 優(yōu)化周期：是限定用于后端服務(wù)器的操作時標(biāo)的T個時隙。此時段由調(diào)度模塊確 定，且對于不同用戶是變化的。
[0044] 觸發(fā)：是由學(xué)習(xí)模塊生成以指示重新調(diào)度指令的信號。觸發(fā)由Ie{0，1}表示。
[0045] 用戶活動歷史：是在先前優(yōu)化周期內(nèi)聚集的關(guān)于用戶的一批信息。本質(zhì)上，用戶活 動歷史被學(xué)習(xí)模塊用以構(gòu)造統(tǒng)計需求配置文件，且由內(nèi)容個性化模塊用以優(yōu)化主動下載。 它由H表示，其中H=IU1 (t)，Uk(t)，0彡t彡T-1}。
[0046] 狀態(tài)演化：是在過去的優(yōu)化周期內(nèi)狀態(tài)實現(xiàn)的歷史，帶有符號Hx= {Xs(t)， 0 彡t彡T-1}〇
[0047] 優(yōu)先級策略：確定每個待要下載的內(nèi)容的重要性。通常，它隨著時間遞減，其中一 個因素取決于相應(yīng)的數(shù)據(jù)源。例如，快速改變的內(nèi)容諸如Facebook更新可被指定快速衰減 優(yōu)先級，然而靜態(tài)YouTube內(nèi)容可接收重尾（heavy-tailed)優(yōu)先級。此策略由內(nèi)容個性化 模塊設(shè)置。符號描述該優(yōu)先級策略，其是M維矢量，其中條目m對應(yīng)于數(shù)據(jù)源m的衰減 規(guī)則。
[0048] 服務(wù)策略：是帶有精確個性化內(nèi)容的已更新的調(diào)度表。雖然調(diào)度表S提供待要從 每個數(shù)據(jù)源預(yù)加載的可允許的數(shù)據(jù)單元，但是服務(wù)策略決定最適合用戶興趣的具體內(nèi)容。 服務(wù)策略由表示，其中v(xs，t)是在狀態(tài)&下、在時隙t中待要下載的視頻ID的集合。
[0049] 保存以隨后觀看：是由PAUL執(zhí)行的功能以允許用戶輸入它們將來想要觀看的特 定視頻內(nèi)容。通過實時模塊實現(xiàn)此功能，由此用戶可進入所選擇的視頻并且設(shè)置視頻必須 被遞送的最后期限。符號SD(t)表示在時隙t處保存以隨后觀看的視頻的集合和它們的相 關(guān)聯(lián)的最后期限。注意，用戶請求UK(t)在以下意義中不同于SD(t) :UK(t)是用戶在時間t 請求觀看的視頻，而SD(t)是用戶想要下載以在將來觀看的內(nèi)容。因此并非所有的SD(t) 都在將來被觀看。
[0050] 調(diào)度模塊：構(gòu)建用于下一個優(yōu)化周期的調(diào)度表。它告訴應(yīng)從每個內(nèi)容源預(yù)加載多 少數(shù)據(jù)以及在何時/到何時內(nèi)容應(yīng)由移動設(shè)備獲得（假設(shè)滿足其他條件，諸如連通性、存儲 器空間、電池水平等）。固有設(shè)計目標(biāo)是使數(shù)據(jù)遞送成本最小化，包括支付的價格、QoS減 損、預(yù)加載的內(nèi)容的新鮮度，以及電池消耗。它包括以下功能：
[0051] 1.采用關(guān)于將來動態(tài)的可用信息，調(diào)度器決定在一個優(yōu)化周期內(nèi)（例如，一天、12 小時周期、8小時周期等）來自每個內(nèi)容源（例如，YouTube、Facebook等）的主動下載量。 調(diào)度器使得所期望的用于未來數(shù)據(jù)檢索的成本最小化。
[0052] 2.調(diào)度器響應(yīng)于來自學(xué)習(xí)模塊的觸發(fā)來執(zhí)行新的調(diào)度周期。
[0053] 內(nèi)容個性化模塊：涉及對已調(diào)度的數(shù)據(jù)進行優(yōu)化，以最佳地匹配用戶的偏好和興 趣。其根本設(shè)計目標(biāo)是使預(yù)加載的內(nèi)容被用戶實際請求的可能性最大化。它包括以下功 能：
[0054] 1.雖然從調(diào)度模塊接收的調(diào)度表未指定待要取得的準(zhǔn)確內(nèi)容，但是內(nèi)容個性化模 塊需要將可允許量的數(shù)據(jù)（例如，基于過去的消費每個用戶的預(yù)定量，或用戶設(shè)置的偏好） 仔細地分布在若干個合理準(zhǔn)確地位于用戶的興趣內(nèi)的內(nèi)容項上。這樣的設(shè)計需要關(guān)于每個 應(yīng)用/數(shù)據(jù)源的性質(zhì)以及用戶的傾向的足夠知識。
[0055] 2.它生成將由實時模塊執(zhí)行的優(yōu)先級策略，以便處理積壓和促進穩(wěn)定操作。
[0056] 3.它跟蹤且可能重新調(diào)度來自先前優(yōu)化周期的積壓的內(nèi)容項。尤其，它從實時模 塊接收已服務(wù)的內(nèi)容的集合，且因此推斷未服務(wù)的內(nèi)容。
[0057] 4.它分類、逐條列記并將ID's指定到來自所有所支持的應(yīng)用的內(nèi)容項。
[0058]圖4描繪了內(nèi)容個性化模塊和其他模塊之間的主要交互，以及與所支持的應(yīng)用的 主要交互。
[0059] 實時模塊：執(zhí)行由內(nèi)容個性化模塊生成的服務(wù)策略，并執(zhí)行優(yōu)先級策略，還向相應(yīng) 的模塊報告積壓和已服務(wù)的數(shù)據(jù)。另外，它允許保存以隨后觀看功能，由此用戶可指定內(nèi)容 元素以在以后時間觀看。它包括以下功能：
[0060] 1.它觀察系統(tǒng)狀態(tài)，并且應(yīng)用具有相關(guān)優(yōu)先級的服務(wù)策略。
[0061] 2.它向內(nèi)容個性化模塊報告已服務(wù)的內(nèi)容，并且向調(diào)度模塊報告積壓數(shù)據(jù)量。
[0062]基于多種已獲得的數(shù)據(jù)來編譯調(diào)度模塊、內(nèi)容預(yù)測模塊和內(nèi)容推薦模塊。內(nèi)容預(yù) 測例如是基于類型、類別、流派且在一些實例中基于預(yù)定通道（例如，用戶的YouTube通道） 或用戶賬號（例如，用戶的Facebook賬號）。算法不僅是多種參數(shù)的多目標(biāo)優(yōu)化，在一些實 施方案中，算法是自適應(yīng)的（例如，它們基于預(yù)取數(shù)據(jù)的進行中的用戶消費模式適應(yīng)或?qū)W 習(xí)
[0063]作為一個實施例，調(diào)度算法可被配置成以基于若干個性能方面（包括命中率動 態(tài)、用戶連通性模式、消費速率、數(shù)據(jù)遞送效率、用戶偏好等）而適應(yīng)。學(xué)習(xí)部件監(jiān)控在整個 過去的交互中的用戶行為和響應(yīng)，并且向調(diào)度器供應(yīng)足夠的統(tǒng)計信息以執(zhí)行主動下載的自 適應(yīng)分配。另外，學(xué)習(xí)部件利用動態(tài)通知機制，該動態(tài)通知機制始終根據(jù)用戶過去的行為向 用戶發(fā)送問題/通知。
[0064]主動下載的自適應(yīng)分配根據(jù)變化的用戶活動或偏好來動態(tài)地調(diào)整從每個應(yīng)用 (例如，Youtube、Facebook等）所調(diào)度的內(nèi)容項（例如，視頻）的數(shù)目。它以更快的時標(biāo) (通常以天為基礎(chǔ)）操作，并且通過增加來自獲得較高命中率的應(yīng)用的下載的數(shù)目以及減 少來自未使用的應(yīng)用的視頻的數(shù)目來提高命中率性能。命中率僅僅是用戶以后請求消費的 預(yù)取的、預(yù)測的內(nèi)容的百分比。
[0065]對于模塊化設(shè)計的術(shù)語，采用以下數(shù)量的術(shù)語：
[0066] 數(shù)據(jù)源；數(shù)據(jù)源將由應(yīng)用表示。給出總共M個應(yīng)用，符號m(d)被用于表示第d天 的優(yōu)選應(yīng)用的集合。
[0067]優(yōu)化周期：被看作長度為T個時隙的一天。
[0068] 數(shù)據(jù)單元：是一個視頻（或其他內(nèi)容項）。
[0069] 主動下載矢量：第d+1天的主