本发明专利技术实施例涉及通信技术领域，公开了一种5G网络规划方法，该方法包括：建立网络智能规划模型，其中，网络智能规划模型包括输入层、中间层和输出层；分别对输入层、中间层和输出层的数据基于语义进行分类，得到分类数据；对分类数据进行向量映射，得到映射数据；根据映射数据对第一学习匹配模型和第二学习匹配模型进行训练，得到第一匹配模型和第二匹配模型，其中，第一学习匹配模型为输入层和中间层的学习匹配模型，第二学习匹配模型为中间层和输出层的学习匹配模型；根据第一匹配模型和第二匹配模型进行5G网络规划。通过上述方式，本发明专利技术实施例可以快速、准确地进行匹配模型的学习匹配，提高规划效率、提升规划精度。提升规划精度。提升规划精度。
【技术实现步骤摘要】
5G网络规划方法、装置、计算设备和存储介质
[0001]本专利技术实施例涉及通信
，具体涉及一种5G网络规划方法、装置、计算设备和存储介质。
技术介绍
[0002]5G不仅能够大幅提升移动互联网用户的高带宽业务体验，契合物联网大连接、低功耗的业务需求，更可面向垂直行业开启万物互联、人机深度交互的新时代，推动数字化、网络化和智能化转变。因此5G网络规划需要匹配不同类型、不同应用的业务需求制定差异化的方案。
[0003]现有的5G网络规划方法主要面向5G网络连续覆盖、深度覆盖需求进行网络规划。通过网络仿真进行网络站址规划，并根据传统语音及数据业务预估情况进行基站网络资源配置。这种方式仅能满足网络覆盖需求分析及较为简单的容量需求分析，并基于此开展网络规划，不能进行5G垂直行业的复杂场景及多样业务需求分析，无法实现5G垂直行业网络规划。
技术实现思路
[0004]鉴于上述问题，本专利技术实施例提供了一种5G网络规划方法、装置、计算设备和存储介质，用于解决现有技术中存在的网络规划方式不能进行5G垂直行业的复杂场景及多样业务需求分析，无法实现5G垂直行业网络规划的问题。
[0005]根据本专利技术实施例的一个方面，提供了一种5G网络规划方法，所述方法包括：
[0006]建立网络智能规划模型，其中，所述网络智能规划模型包括输入层、中间层和输出层；
[0007]分别对所述输入层、所述中间层和所述输出层的数据基于语义进行分类，得到分类数据；
[0008]对所述分类数据进行向量映射，得到映射数据；
[0009]根据所述映射数据对第一学习匹配模型和第二学习匹配模型进行训练，得到第一匹配模型和第二匹配模型，其中，所述第一学习匹配模型为所述输入层和所述中间层的学习匹配模型，所述第二学习匹配模型为所述中间层和所述输出层的学习匹配模型；
[0010]根据所述第一匹配模型和所述第二匹配模型进行5G网络规划。
[0011]在一种可选的方式中，所述输入层、所述中间层和所述输出层的数据为文本信息，所述分别对所述输入层、所述中间层和所述输出层的数据基于语义进行分类，得到分类数据，包括：
[0012]分别对所述输入层、所述中间层和所述输出层的文本信息基于语义进行类型和元素划分，得到每个所述文本信息的类型属性和元素属性。
[0013]在一种可选的方式中，所述对所述分类数据进行向量映射，得到映射数据，包括：
[0014]根据每个所述文本信息的所述类型属性确定该文本信息的映射幅度，其中，相同
的类型属性对应相同的映射幅度；
[0015]根据每个所述文本信息的所述元素属性确定该文本信息的映射相位，其中，相同的元素属性对应相同的映射相位；
[0016]根据所述映射幅度和所述映射相位对每个所述文本信息进行向量映射，得到映射后的文本信息。
[0017]在一种可选的方式中，所述向量映射为围绕中心点并依次偏移水平轴线进行所述文本信息的映射，其中，所述映射幅度为所述文本信息的映射点与所述中心点之间的距离，所述映射相位为所述文本信息的映射点偏移水平轴线的角度。
[0018]在一种可选的方式中，所述输入层中的类型属性包括业务特征和业务场景，所述中间层的类型属性包括网络需求和无线环境，所述输出层的类型属性包括网络方案和资源配置。
[0019]在一种可选的方式中，所述第一学习匹配模型包括第一输入层、第一隐含层和第一输出层，所述第一输入层采用映射后的输入层的文本信息作为所述第一学习匹配模型的输入，所述第一隐含层采用tanh函数得到隐藏向量h，所述第一输出层通过如下函数得到输出向量y，
[0020]y＝b+Wx+U tanh(Hx+a)
[0021]其中，a、b、W、U、H为模型训练参数，并采用softmax函数对输出进行归一化处理，
[0022]所述输出向量y的元素值表示该输出向量对应的生成概率。
[0023]在一种可选的方式中，所述第二学习匹配模型包括第二输入层、第二隐含层和第二输出层，所述第二输入层采用映射后的中间层的文本信息作为所述第二学习匹配模型的输入，所述第二隐含层采用tanh函数得到隐藏向量h，所述第二输出层通过如下函数得到输出向量y，
[0024]y＝b+Wx+U tanh(Hx+a)
[0025]其中，a、b、W、U、H为模型训练参数，并采用softmax函数对输出进行归一化处理，
[0026]所述输出向量y的元素值表示该输出向量对应的生成概率。
[0027]根据本专利技术实施例的另一方面，提供了一种5G网络规划装置，所述装置包括：
[0028]建立模块，用于建立网络智能规划模型，其中，所述网络智能规划模型包括输入层、中间层和输出层；
[0029]分类模块，用于分别对所述输入层、所述中间层和所述输出层的数据基于语义进行分类，得到分类数据；
[0030]映射模块，用于对所述分类数据进行向量映射，得到映射数据；
[0031]训练模块，用于根据所述映射数据对第一学习匹配模型和第二学习匹配模型进行训练，得到第一匹配模型和第二匹配模型，其中，所述第一学习匹配模型为所述输入层和所述中间层的学习匹配模型，所述第二学习匹配模型为所述中间层和所述输出层的学习匹配模型；
[0032]规划模块，用于根据所述第一匹配模型和所述第二匹配模型进行5G网络规划。
[0033]根据本专利技术实施例的另一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
[0034]所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如上所述的5G网络规划方法的操作。
[0035]根据本专利技术实施例的另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令在计算设备上运行时，使得计算设备执行如上所述的5G网络规划方法的操作。
[0036]本专利技术实施例通过建立包括输入层、中间层和输出层的网络智能规划模型，分别对所述输入层、所述中间层和所述输出层的数据基于语义进行分类并映射，根据映射后的数据对输入层和所述中间层的第一学习匹配模型和中间层和所述输出层的第二学习匹配模型进行训练，得到第一匹配模型和第二匹配模型，从而根据所述第一匹配模型和所述第二匹配模型进行5G垂直行业网络规划。基于语义进行分类并映射的方式可以快速、准确地进行匹配模型的学习匹配，使用训练好的匹配模型进行5G垂直行业的网络规划可以提高规划效率、提升规划精度。
[0037]上述说明仅是本专利技术实施例技术方案的概述，为了能够更清楚了解本专利技术实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0038]附图仅用于示出实施方式，而并不认为是对本专利技术的限制。而且在整个附图中，用相本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种5G网络规划方法，其特征在于，所述方法包括：建立网络智能规划模型，其中，所述网络智能规划模型包括输入层、中间层和输出层；分别对所述输入层、所述中间层和所述输出层的数据基于语义进行分类，得到分类数据；对所述分类数据进行向量映射，得到映射数据；根据所述映射数据对第一学习匹配模型和第二学习匹配模型进行训练，得到第一匹配模型和第二匹配模型，其中，所述第一学习匹配模型为所述输入层和所述中间层的学习匹配模型，所述第二学习匹配模型为所述中间层和所述输出层的学习匹配模型；根据所述第一匹配模型和所述第二匹配模型进行5G网络规划。2.根据权利要求1所述的方法，其特征在于，所述输入层、所述中间层和所述输出层的数据为文本信息，所述分别对所述输入层、所述中间层和所述输出层的数据基于语义进行分类，得到分类数据，包括：分别对所述输入层、所述中间层和所述输出层的文本信息基于语义进行类型和元素划分，得到每个所述文本信息的类型属性和元素属性。3.根据权利要求2所述的方法，其特征在于，所述对所述分类数据进行向量映射，得到映射数据，包括：根据每个所述文本信息的所述类型属性确定该文本信息的映射幅度，其中，相同的类型属性对应相同的映射幅度；根据每个所述文本信息的所述元素属性确定该文本信息的映射相位，其中，相同的元素属性对应相同的映射相位；根据所述映射幅度和所述映射相位对每个所述文本信息进行向量映射，得到映射后的文本信息。4.根据权利要求3所述的方法，其特征在于，所述向量映射为围绕中心点并依次偏移水平轴线进行所述文本信息的映射，其中，所述映射幅度为所述文本信息的映射点与所述中心点之间的距离，所述映射相位为所述文本信息的映射点偏移水平轴线的角度。5.根据权利要求2
‑
4任一项所述的方法，其特征在于，所述输入层中的类型属性包括业务特征和业务场景，所述中间层的类型属性包括网络需求和无线环境，所述输出层的类型属性包括网络方案和资源配置。6.根据权利要求1
‑
4任一项所述的方法，其特征在于，所述第一学习匹配模型包括第一输入层、第一隐含层和第一输出层，所述第一输入层采用映射后的输入层的文本信息作为所述第一学习匹配模型的输入，所述...
【专利技术属性】
技术研发人员：王鑫，王磊，狄文远，程思霖，罗鹏，赵栋，朱锐，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。