从网络边缘获取内容是内容分发网络(Content Deliver Network,CDN)加快用户对大文件、高清视频等高带宽内容获取以及降低中心服务器访问压力的重要思路。但CDN昂贵的部署和管理成本使其规模化扩展变得非常困难,CDN-P2P通过引入点对点技术(Peer to Peer,P2P)实现CDN分布式部署,主要在大规模分布式的用户节点上缓存内容,从而代替大型服务器的缓存工作。然而缓存技术存在一定的滞后性,即内容缓存需要由用户请求触发。预取技术的引入,可以先验缓存用户需求的内容,减少了用户请求的响应时延。但是现有的CDN-P2P预取技术,忽略了内容资源与拓扑之间的关联性,致使预取内容的位置分布不合理,这不仅增加了网络中预取内容的冗余度,还会引发拓扑中节点之间内容共享效率低的问题。针对上述问题,本文首先提出基于社区划分的兴趣网络模型,促进节点之间的内容共享,提高缓存的命中率。其次在兴趣网络模型的前提下,设计预取策略减少预取内容的冗余,提高内容预取的准确率。(1)通过用户节点的物理能力和稳定性为节点构建能力模型;根据节点对不同内容主题的兴趣因素,为用户和社区的兴趣设计偏好向量数学模型;并通过对比分析不同的相似度计算方法确定偏好向量相似度的度量方法,为社区划分做准备。改进凝聚层次聚类算法得到适用于CDN-P2P的兴趣网络模型的社区划分方法,通过节点间兴趣相似度和信息交互,最终得到基于社区划分的兴趣网络模型。(2)通过艾宾浩斯遗忘曲线和增量法得到兴趣社区的动态兴趣模型,并根据动态兴趣模型设计适合于社区的推荐方法,从而在海量的内容中选择合适的内容,得到预取内容的推荐列表。为了不使预取的内容替换更易被访问的内容,定义预取内容和缓存内容的价值,再根据预取价值执行预取操作。(3)利用OMNET++模拟器进行网络仿真验证。实验结果表明,能够在较短间完成对基于社区划分的兴趣模型的构造;兴趣社区中的预取策略相比于基于流行度的预取策略,能够有效提高缓存的命中率约15%,同时能提高内容预取的准确率约15%。