| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-14页 |
| 1.1.1 边缘计算背景介绍 | 第11-13页 |
| 1.1.2 边缘计算应用场景 | 第13-14页 |
| 1.2 课题研究的意义 | 第14-15页 |
| 1.3 国内外相关研究 | 第15-16页 |
| 1.4 论文组织架构 | 第16-17页 |
| 第2章 问题定义和相关分析 | 第17-24页 |
| 2.1 问题定义 | 第17页 |
| 2.2 实验数据准备 | 第17-18页 |
| 2.3 数据定义 | 第18-19页 |
| 2.4 移动用户服务使用行为分析 | 第19-23页 |
| 2.4.1 二八定律 | 第19-20页 |
| 2.4.2 行为可关联性 | 第20-21页 |
| 2.4.3 个体差异性 | 第21-22页 |
| 2.4.4 地理位置相关性 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 基于上下文的移动用户服务使用行为预测 | 第24-41页 |
| 3.1 上下文相关 | 第24-25页 |
| 3.1.1 上下文定义 | 第24页 |
| 3.1.2 选取上下文的视角 | 第24-25页 |
| 3.2 相关技术原理介绍 | 第25-35页 |
| 3.2.1 词向量 | 第25-26页 |
| 3.2.2 word2vec | 第26-28页 |
| 3.2.3 LSTM | 第28-32页 |
| 3.2.4 Dropout | 第32-33页 |
| 3.2.5 优化方法介绍 | 第33-34页 |
| 3.2.6 激活函数 | 第34-35页 |
| 3.2.7 向量距离 | 第35页 |
| 3.3 用户服务使用行为预测模型 | 第35-40页 |
| 3.3.1 数据处理 | 第36页 |
| 3.3.2 Embedding层 | 第36-37页 |
| 3.3.3 LSTM层 | 第37-38页 |
| 3.3.4 数据整合 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于地理POI的Edge服务预加载优化 | 第41-50页 |
| 4.1 POI介绍 | 第41-42页 |
| 4.2 问题描述 | 第42-43页 |
| 4.3 相关技术原理介绍 | 第43-45页 |
| 4.3.1 BP神经网络 | 第43-44页 |
| 4.3.2 交叉熵代价函数 | 第44-45页 |
| 4.4 Edge服务预加载优化模型 | 第45-49页 |
| 4.4.1 特征向量构建 | 第46-47页 |
| 4.4.2 向量映射建模 | 第47页 |
| 4.4.3 服务预加载选择 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 实验与分析 | 第50-64页 |
| 5.1 Edge服务器位置设定示例 | 第50-51页 |
| 5.2 评测指标及实验环境 | 第51页 |
| 5.3 基于上下文的移动用户服务使用行为预测实验 | 第51-61页 |
| 5.3.1 服务预测实验 | 第51-59页 |
| 5.3.2 整体预测效果展示 | 第59-61页 |
| 5.4 基于地理POI的Edge服务预加载优化实验 | 第61-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第6章 总结和展望 | 第64-66页 |
| 6.1 工作总结 | 第64页 |
| 6.2 未来工作及展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间主要的研究成果 | 第70-71页 |
| 致谢 | 第71页 |