一种模型的优化方法和分析网元技术

本申请实施例公开了一种模型的优化方法和分析网元，通过分析网元之间的协同操作，提高模型优化的效率。本申请实施例提供一种模型的优化方法，所述方法包括：第一分析网元获取指示信息，所述指示信息包括：模型的标识、标签的类型、特征的类型、所述标签的样本数量，所述特征的样本数量；所述第一分析网元向第二分析网元发送所述指示信息；所述第一分析网元从所述第二分析网元接收响应信息；所述第一分析网元根据所述响应信息确定所述模型是否需要更新。

A model optimization method and network element analysis

【技术实现步骤摘要】
一种模型的优化方法和分析网元
本申请涉及通信
，尤其涉及一种模型的优化方法和分析网元。
技术介绍
在第五代移动通信技术(5th-Generation，5G)系统中，原有的基带单元(BasebandUnit，BBU)功能将被重构为集中单元(CentralUnit，CU)和分布式单元(DistributedUnit，DU)两个功能实体。CU与DU功能的切分以处理内容的实时性进行区分。CU主要包括非实时的无线高层协议栈功能，同时也支持部分核心网功能下沉和边缘应用业务的部署，而DU主要处理物理层功能和实时性需求的媒体接入控制(MediaAccessControl,MAC)功能。5G系统中采用CU和DU架构后，CU和DU可以由独立的硬件来实现。从功能上看，一部分核心网功能可以下移到CU甚至DU中，用于实现移动边缘计算。此外，原先所有的层一、层二、层三等功能都在BBU中实现，新的架构下可以将层一、层二、层三功能分离，分别放在CU和DU甚至射频拉远单元(RemoteRadioUnit，RRU)中来实现，以便灵活地应对传输和业务需求的变化。关于5G中CU、DU具体的功能划分，前述方式只是作为一种可行的参考例子。例如，还可以将层三和层二中的非实时功能在CU中实现，将层二的实时功能以及层一的部分功能在DU中实现，层一的另外一部分功能移入RRU来实现。由此可见，5G系统中采用CU、DU分离架构后，传统的BBU和RRU网元及其逻辑功能都会发生很大变化。具体哪些功能会在CU中实现，哪些功能又会放入DU，各厂家的具体实施方案还没有确定下来。现有技术提供了如下的机器学习(MachineLearning，ML)模型优化方案，需要关注模型的关键绩效指标(KeyPerformanceIndicator，KPI)，只有在该KPI出现下降时进行模型优化。现有技术提供的是较为被动的模型优化方法，当模型的KPI变差时，说明模型的预测性能已经下降的非常明显了，此时才会进行模型优化，因此现有技术存在模型优化的时效性滞后的问题。另外现有技术在5G系统中，网元之间、网元内的功能划分都没有确定，致使在目前的5G系统中缺乏对模型进行优化的控制机制。
技术实现思路
本申请实施例提供了一种模型的优化方法和分析网元，通过分析网元之间的协同操作，提高模型优化的效率。为解决上述技术问题，本申请实施例提供以下技术方案：第一方面，本申请实施例提供一种模型的优化方法，所述方法包括：第一分析网元获取指示信息，所述指示信息包括：模型的标识、标签的类型、特征的类型、所述标签的样本数量，所述特征的样本数量；所述第一分析网元向第二分析网元发送所述指示信息；所述第一分析网元从所述第二分析网元接收响应信息；所述第一分析网元根据所述响应信息确定所述模型是否需要更新。在本申请的前述实施例中，第一分析网元获取指示信息，该指示信息可以包括：模型的标识、标签的类型、特征的类型、标签的样本数量，特征的样本数量，第一分析网元向第二分析网元发送指示信息，第一分析网元从第二分析网元接收响应信息，第一分析网元根据响应信息确定模型是否需要更新。本申请实施例中，第一分析网元通过和第二分析网元之间的协同操作，第二分析网元采集到特征和标签之后执行相关分析，使得第一分析网元可以接收到响应信息，并通过响应信息确定模型是否需要更新，使得第一分析网元可以及时的完成模型优化，从而提高了模型优化的效率。在第一方面的第一种可能的实现方式中，所述指示信息还包括：所述第一分析网元为相关分析设置的运行周期和运行时间段，其中，所述相关分析用于分析所述特征和所述标签之间的相关性。在本申请的上述实施例中，第一分析网元可以向第二分析网元指示执行相关分析的运行周期和运行时间段，第一分析网元可以在指示信息中包括上述的运行周期和运行时间段。运行周期指的是第二分析网元执行相关分析的周期，例如每隔多久执行一次相关分析，运行时间段指的是每次执行相关分析的时间点。第二分析网元在确定出第一分析网元指示的运行周期和运行时间之后，第二分析网元可以按照运行周期和运行时间段，使用特征和标签执行相关分析，此处所述的特征和标签由第二分析网元采集得到。在第一方面的第一种可能的实现方式中，所述指示信息还包括：为所述模型设置的初始相关特征、初始相关系数和差异阈值，其中，所述初始相关特征为相关分析所使用的参数，所述差异阈值用于根据所述初始相关系数以及相关分析结果进行差异分析，所述相关分析结果与所述初始相关特征关联。在本申请的上述实施例中，第二分析网元执行相关分析时还可以使用初始相关特征，该初始相关特征由第一分析网元提供给第二分析网元，若由第二分析网元进行差异分析，第二分析网元还需要使用初始相关系数和相关分析结果，相关分析结果由第二分析网元使用初始相关特征进行相关分析后得到，相关分析结果用来分析特征和标签之间的当前相关系数，初始相关系数由第一分析网元提供给第二分析网元。差异阈值是差异分析时所使用的阈值，若由第二分析网元进行差异分析，差异阈值由第一分析网元提供给第二分析网元。在第一方面的第一种可能的实现方式中，所述第一分析网元根据所述响应信息确定所述模型是否需要更新，包括:所述第一分析网元解析所述响应信息，得到建议信息，所述建议信息与所述差异分析的结果关联，所述建议信息用于所述第二分析网元向所述第一分析网元建议所述模型需要更新；所述第一分析网元根据所述建议信息确定所述模型需要更新。在本申请的上述实施例中，第二分析网元确定差异分析结果是否超过预设的差异阈值，第二分析网元可以在模型需要更新时生成建议信息，建议信息用于第二分析网元向第一分析网元建议模型需要更新。在此处的实现场景下，第二分析网元可以做差异分析，而第一分析网元不需要做差异分析，第一分析网元只需要从第二分析网元获取到建议信息，直接根据第二分析网元的建议来确定模型需要更新。在第一方面的第一种可能的实现方式中，所述响应信息包括：所述模型的标识、所述第二分析网元的标识、相关分析结果；所述相关分析结果用于指示所述特征和所述标签之间的当前相关系数。在本申请的上述实施例中，第二分析网元在执行相关分析之后，第二分析网元可以生成相关分析结果，第二分析网元发送的响应信息中可以携带该相关分析结果，并携带模型的标识和第二分析网元的标识，模型的标识用于指示相关分析所针对的模型，使得第一分析网元可以通过响应信息中携带的模型标识确定该相关分析结果是针对哪个模型得到，第二分析网元的标识用于指示执行相关分析的是哪个网元，例如第二分析网元的标识可以是该第二分析网元所在的基站的标识。在第一方面的第一种可能的实现方式中，所述第一分析网元根据所述响应信息确定所述模型是否需要更新，包括:所述第一分析网元根据本地存储的初始相关系数以及所述相关分析结果进行差异分析，得到差异分析结果；所述第一分析网元确定所述差异分析结果是否超过预设的差异阈值。在本申请的上述实施例中，第一分析网元可以通过响应信息得到相关分析结果，第一分析网元本地存储有初始相关系数，第一分析网元将本地存储的初始相关系数以及相关本文档来自技高网...

【技术保护点】
1.一种模型的优化方法，其特征在于，所述方法包括：/n第一分析网元获取指示信息，所述指示信息包括：模型的标识、标签的类型、特征的类型、所述标签的样本数量，所述特征的样本数量；/n所述第一分析网元向第二分析网元发送所述指示信息；/n所述第一分析网元从所述第二分析网元接收响应信息；/n所述第一分析网元根据所述响应信息确定所述模型是否需要更新。/n

【技术特征摘要】
1.一种模型的优化方法，其特征在于，所述方法包括：
第一分析网元获取指示信息，所述指示信息包括：模型的标识、标签的类型、特征的类型、所述标签的样本数量，所述特征的样本数量；
所述第一分析网元向第二分析网元发送所述指示信息；
所述第一分析网元从所述第二分析网元接收响应信息；
所述第一分析网元根据所述响应信息确定所述模型是否需要更新。


2.根据权利要求1所述的方法，其特征在于，所述指示信息还包括：所述第一分析网元为相关分析设置的运行周期和运行时间段，其中，
所述相关分析用于分析所述特征和所述标签之间的相关性。


3.根据权利要求1至2中任一项所述的方法，其特征在于，所述指示信息还包括：为所述模型设置的初始相关特征、初始相关系数和差异阈值，其中，
所述初始相关特征为相关分析所使用的参数，所述差异阈值用于根据所述初始相关系数以及相关分析结果进行差异分析，所述相关分析结果与所述初始相关特征关联。


4.根据权利要求3所述的方法，其特征在于，所述第一分析网元根据所述响应信息确定所述模型是否需要更新，包括:
所述第一分析网元解析所述响应信息，得到建议信息，所述建议信息与所述差异分析的结果关联，所述建议信息用于所述第二分析网元向所述第一分析网元建议所述模型需要更新；
所述第一分析网元根据所述建议信息确定所述模型需要更新。


5.根据权利要求1至2中任一项所述的方法，其特征在于，所述响应信息包括：所述模型的标识、所述第二分析网元的标识、相关分析结果；
所述相关分析结果用于指示所述特征和所述标签之间的当前相关系数。


6.根据权利要求5所述的方法，其特征在于，所述第一分析网元根据所述响应信息确定所述模型是否需要更新，包括:
所述第一分析网元根据本地存储的初始相关系数以及所述相关分析结果进行差异分析，得到差异分析结果；
所述第一分析网元确定所述差异分析结果是否超过预设的差异阈值。


7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
若所述差异分析结果超过所述差异阈值，所述第一分析网元确定所述模型需要进行更新。


8.一种模型的优化方法，其特征在于，所述方法包括：
第二分析网元从第一分析网元接收指示信息，所述指示信息包括：模型的标识、标签的类型、特征的类型、所述标签的样本数量，所述特征的样本数量；
所述第二分析网元根据所述指示信息采集所述特征以及所述标签；
所述第二分析网元根据所述特征和所述标签执行相关分析；
所述第二分析网元向所述第一分析网元发送响应信息，所述响应信息与所述第二分析网元执行的相关分析关联。


9.根据权利要求8所述的方法，其特征在于，所述指示信息还包括：所述相关分析的运行周期和运行时间段；
所述第二分析网元根据所述特征和所述标签执行相关分析，包括：
所述第二分析网元按照所述运行周期和所述运行时间段，使用所述特征和所述标签执行相关分析。


10.根据权利要求8至9中任一项所述的方法，其特征在于，所述响应信息包括：所述模型的标识、所述第二分析网元的标识、所述第二分析网元通过相关分析得到的相关分析结果。


11.根据权利要求8至10中任一项所述的方法，其特征在于，所述指示信息还包括：所述模型的初始相关特征；
所述第二分析网元根据所述特征和所述标签执行相关分析，包括：
所述第二分析网元获取所述特征和所述标签之间的相关系数；
所述第二分析网元根据所述相关系数生成当前相关特征；
所述第二分析网元将所述当前相关特征和所述初始相关特征进行对比，得到相关分析结果。


12.根据权利要求11所述的方法，其特征在于，所述指示信息还包括：初始相关系数和差异阈值，所述方法还包括：
所述第二分析网元根据所述初始相关系数以及所述相关分析结果进行差异分析，得到差异分析结果；
所述第二分析网元确定所述差异分析结果是否超过所述差异阈值。


13.根据权利要求12所述的方法，其特征在于，所述方法还包括：
所述第二分析网元根据所述差异分析结果生成建议信息，所述建议信息用于所述第二分析网元向所述第一分析网元建议所述模型需要更新；
其中，所述响应信息还包括：所述建议信息。


14.根据权利要求12或13所述的方法，其特征在于，所述方法还包括：
若所述差异分析结果超过所述差异阈值，所述第二分析网元确定所述模型需要进行更新。


15.根据权利要求1至14中任一项所述的方法，其特征在于，所述第一分析网元包括：集中式单元CU，所述第二分析网元包括：分布式单元DU；或者，
所述第一分析网元包括：无线接入网RAN数据分析网元RANDA，所述第二分析网元包括：CU或者DU；或者，
所述第一分析网元包括：网络数据分析网元NWDA，所述第二分析网元包括：用户面功能网元U...

【专利技术属性】
技术研发人员：徐以旭，王园园，吴中耀，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44