买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心);山东省公安厅

摘要：本发明涉及计算机存储技术领域，提供了一种基于组级学习的缓存学习方法及系统。该方法包括，获取组级特征和子组级特征；当缓存需要进行淘汰时，根据待预测组的组级特征，采用已训练的组的梯度提升树模型，得到该组的预测效用值；根据组内子组的子组级特征，采用已训练的子组的梯度提升树模型，得到该子组的预测效用值；分别将组的预测效用值和子组的预测效用值按照数值大小进行排序；从效用值最低的组开始，选择与该组写入时间最接近的N‑1个组，构成一个包含N个组的淘汰候选集合；从N个组的淘汰候选集合，选择保留效用值高于设定值的若干个子组，其余淘汰出缓存。本发明能够更准确地预测数据对象组的效用，且减少不必要的缓存淘汰。

主权项：1.一种基于组级学习的缓存学习方法，其特征在于，包括：获取缓存中的若干数据对象，以写入时间特征相似为聚类中心，对数据对象进行初步聚类，划分为若干组；在每个组中，以访问频率相似为聚类中心，再次对数据对象进行聚类，划分为若干子组；分别根据组的属性和子组属性，获取组级特征和子组级特征；定义组的效用函数和子组的效用函数，计算组效用值和子组效用值；以训练集中的组级特征为输入、组效用值为输出，训练组的梯度提升树模型；以训练集中的子组级特征为输入、子组效用值为输出，训练子组的梯度提升树模型；当缓存需要进行淘汰时，根据待预测组的组级特征，采用已训练的组的梯度提升树模型，得到该组的预测效用值；根据组内子组的子组级特征，采用已训练的子组的梯度提升树模型，得到该子组的预测效用值；分别将组的预测效用值和子组的预测效用值按照数值大小进行排序；从效用值最低的组开始，选择与该组写入时间最接近的N-1个组，构成一个包含N个组的淘汰候选集合；从N个组的淘汰候选集合，选择保留效用值高于设定值的若干个子组，其余淘汰出缓存。

全文数据：

权利要求：

百度查询： 齐鲁工业大学(山东省科学院) 山东省计算中心(国家超级计算济南中心) 山东省公安厅 一种基于组级学习的缓存学习方法及系统