数据处理方法及装置制造方法及图纸

本申请公开了一种数据处理方法及装置，其中方法应用于分布式学习系统中的第一分布式节点，分布式学习系统包括多个分布式节点，分布式节点上配置有通信模型和业务模型，方法包括：获取业务模型的输入参数，业务模型的输入参数中包括通信模型的输出参数，通信模型的输出参数用于表征多个分布式节点的通信连接状态和/或通信连接质量；将业务模型的输入参数输入业务模型，获得业务模型的输出参数。本申请通过将通信模型的输出参数作为业务模型的输入参数，使得分布式节点上业务模型的输出参数为基于分布式节点的通信连接状态和/或通信连接质量的影响得出，提升了业务模型的输出参数的准确性，进而优化了系统性能。进而优化了系统性能。进而优化了系统性能。

【技术实现步骤摘要】
数据处理方法及装置


[0001]本申请涉及无线通信
，尤其涉及一种数据处理方法及装置。

技术介绍

[0002]随着网络计算能力的进一步提升和大数据的爆发，将人工智能(artificial intelligence，AI)技术引入到无线网络的设计中是突破传统无线技术瓶颈的重要方法之一。传统的AI技术在提取欧氏空间数据的特征方面取得了巨大的成功，但实际无线系统中的很多数据是从非欧式空间生成的。然而传统的AI技术在处理非欧式空间数据上的表现却仍难以使人满意。为了将AI技术扩展到非欧式空间中的图数据，通过借鉴卷积网络、循环网络和深度自动编码器的思想，一种可以处理图数据的神经网络——图神经网络(graph neural network，GNN)被提出并获得了高度的关注。
[0003]GNN的目标是将高维的图数据映射到低维向量空间中。具体来说，GNN将图数据G(V,E)作为输入，输出的是图、节点、边或者子图的p维向量表示。通过多层图卷积操作，节点能够不断地根据拓扑结构聚合邻居节点信息，更新自己的状态。
[0004]在一个分布式学习系统中，往往包括多个分布式节点的多种性能特征，但是在进行GNN处理的时候，往往只考虑单个性能特征，导致无法实现系统性能的优化。

技术实现思路

[0005]本申请实施例提供了一种数据处理方法及装置，能够优化分布式学习系统的性能。
[0006]第一方面，提供一种数据处理方法，该方法应用于分布式学习系统中的第一分布式节点，分布式学习系统包括多个分布式节点，分布式节点上配置有通信模型和业务模型，该方法包括：获取业务模型的输入参数，业务模型的输入参数中包括通信模型的输出参数，通信模型的输出参数用于表征多个分布式节点的通信连接状态和/或通信连接质量；将业务模型的输入参数输入业务模型，获得业务子模型的输出参数。
[0007]在本申请实施例中，通过将通信模型的输出参数作为业务模型的输入参数，使得分布式节点上业务模型的输出参数为基于分布式节点的通信连接状态和/或通信连接质量的影响得出，综合考虑了通信因素对业务模型学习过程的影响，提升了业务模型的输出参数的准确性，进而优化了系统性能。
[0008]在一个可能的示例中，业务模型的输入参数还包括第一分布式节点的本地业务相关信息和业务邻居节点的业务相关信息，业务邻居节点为多个分布式节点中与第一分布式节点存在业务关联的分布式节点。
[0009]在一个可能的示例中，该方法还包括：
[0010]业务模型为第i层时，业务模型的输入参数中包括的业务邻居节点的业务相关信息为业务邻居节点上的业务模型的第i
‑
1层推理得到的输出参数，当i＝1时，业务模型的输入参数中包括的业务邻居节点的业务相关信息为业务邻居节点上未经模型推理的业务相
关信息，其中1≤i≤L，L为业务模型的总层数。
[0011]本申请实施例中，考虑到业务模型的推理过程包括多层图卷积操作，每层图卷积操作获取的业务邻居节点的业务相关信息都可以是业务邻居节点上一层图卷积操作的推理输出，另外，由于每一次获取参数之前都可以根据通信模型的输出参数调整业务邻居节点，因此每一层业务模型的输出参数包括的业务邻居节点的相关参数都可能是从不同的业务邻居节点获取的，这可以提升业务模型输入参数根据通信状况调整的灵活性。
[0012]在一个可能的示例中，通信模型的输出参数是将第一分布式节点的本地通信链路信息和通信邻居节点的通信链路信息输入分布式节点的通信模型进行推理获得的，通信邻居节点为多个分布式节点中与第一分布式节点存在通信连接关系的分布式节点。
[0013]在一个可能的示例中，通信链路信息包括第一分布式节点与多个分布式节点中除第一分布式节点之外的其他节点之间的通信可达信息、信道状态和/或干扰状态。
[0014]通信可达信息可以包括通信可达或通信不可达，信道状态，信道状态即信道状态信息CSI，可用于描述信号在每条传输路径上的衰弱因子，如信号散射，环境衰弱，距离衰减等信息。干扰状态是指对有用信号的接收造成损伤，例如可以为传输时延等。
[0015]在一个可能的示例中，业务相关信息和/或未经模型推理的业务相关信息包括以下一项或多项：业务数据，业务模型推理的中间结果，业务类型，数据类型，数据分布参数。
[0016]在一个可能的示例中，多个分布式节点的通信模型组成通信子系统，通信子系统部署在物理层或介质访问控制层，多个分布式节点的业务模型组成业务子系统，业务子系统部署在业务内容对应的协议层。
[0017]在一个可能的示例中，业务子系统部署在业务内容对应的协议层，包括：业务模型为图像分类模型或自然语言处理模型时，业务子系统根据业务内容部署在应用层，业务模型为无线资源管理决策模型时，业务子系统根据业务内容部署在介质访问控制层。
[0018]第二方面，提供一种数据处理方法，方法应用于分布式学习系统中的第一分布式节点，分布式学习系统包括多个分布式节点，多个分布式节点上配置有通信模型和业务模型，该方法包括：获取通信模型的输入参数，通信模型的输入参数中包括业务模型的第一输出参数，第一输出参数用于表征多个分布式节点之间的业务关联程度；将通信模型的输入参数输入通信模型，获得通信模型的输出参数；根据通信模型的输出参数，调整第一分布式节点的通信参数；获取业务模型的输入参数，业务模型的输入参数包括第一分布式节点的本地业务相关信息和业务邻居节点的第一业务相关信息，业务邻居节点的第一业务相关信息是基于调整后的通信参数从业务邻居节点获取的，业务邻居节点为与第一分布式节点存在业务关联的分布式节点；将业务模型的输入参数输入业务模型，获得业务子模型的第二输出参数。
[0019]在本申请实施例中，将业务模型的第一输出参数作为通信模型的输入参数，其中业务模型的第一输出参数用于表征多个分布式节点之间的业务关联关系，这样使得第一分布式节点根据通信模型的输出参数调整通信参数时，综合考虑到了业务关联关系的影响，提升了获得的通信参数的针对性，提升了业务模型根据通信参数获取邻居节点上的输入参数的准确性，进而优化了业务模型的学习效果，达成了优化学习系统性能的目的。
[0020]在一个可能的示例中，通信模型的输入参数还包括第一分布式节点的本地通信链路信息和通信邻居节点上的通信链路信息，通信邻居节点为多个分布式节点中与第一分布
式节点存在通信连接关系的分布式节点。
[0021]在一个可能的示例中，业务模型的第一输出参数是将第一分布式节点的本地业务相关信息和业务邻居节点的第二业务相关信息输入第一分布式节点的业务模型进行推理获得的，业务邻居节点的第二业务相关信息是基于调整前的通信参数从业务邻居节点获取的。
[0022]在一个可能的示例中，通信链路信息包括第一分布式节点与多个分布式节点中除第一分布式节点之外的其他节点之间的通信可达信息、信道状态和/或干扰状态，业务相关信息包括以下一项或多项：业务数据，业务模型推理的中间结果，业务类型，数据类型，数据分布参本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法应用于分布式学习系统中的第一分布式节点，所述分布式学习系统包括多个分布式节点，所述分布式节点上配置有通信模型和业务模型，所述方法包括：获取所述业务模型的输入参数，所述业务模型的输入参数中包括所述通信模型的输出参数，所述通信模型的输出参数用于表征所述多个分布式节点的通信连接状态和/或通信连接质量；将所述业务模型的输入参数输入所述业务模型，获得所述业务子模型的输出参数。2.根据权利要求1所述的方法，其特征在于，所述业务模型的输入参数还包括所述第一分布式节点的本地业务相关信息和业务邻居节点的业务相关信息，所述业务邻居节点为所述多个分布式节点中与所述第一分布式节点存在业务关联的分布式节点。3.根据权利要求2所述的方法，其特征在于，所述业务模型为第i层时，所述业务模型的输入参数中包括的业务邻居节点的业务相关信息为所述业务邻居节点上的业务模型的第i
‑
1层推理得到的输出参数，当i＝1时，所述业务模型的输入参数中包括的业务邻居节点的业务相关信息为所述业务邻居节点上未经模型推理的业务相关信息，其中1≤i≤L，L为业务模型的总层数。4.根据权利要求1所述的方法，其特征在于，所述通信模型的输出参数是将所述第一分布式节点的本地通信链路信息和通信邻居节点的通信链路信息输入所述第一分布式节点的通信模型进行推理获得的，所述通信邻居节点为所述多个分布式节点中与所述第一分布式节点存在通信连接关系的分布式节点。5.根据权利要求4所述的方法，其特征在于，所述通信链路信息包括所述第一分布式节点与所述通信邻居节点之间的通信可达信息、信道状态和/或干扰状态。6.根据权利要求3所述的方法，其特征在于，所述业务相关信息和/或所述未经模型推理的业务相关信息包括以下一项或多项：业务数据，业务模型推理的中间结果，业务类型，数据类型，数据分布参数。7.根据权利要求1
‑
6任一项所述的方法，其特征在于，所述多个分布式节点的通信模型组成通信子系统，所述通信子系统部署在物理层或介质访问控制层，所述多个分布式节点的业务模型组成业务子系统，所述业务子系统部署在业务内容对应的协议层。8.根据权利要求7所述的方法，其特征在于，所述业务模型为图像分类模型或自然语言处理模型时，所述业务子系统根据业务内容部署在应用层，所述业务模型为无线资源管理决策模型时，业务子系统根据业务内容部署在介质访问控制层。9.一种数据处理方法，其特征在于，所述方法应用于分布式学习系统中的第一分布式节点，所述分布式学习系统包括多个分布式节点，所述多个分布式节点上配置有通信模型和业务模型，所述方法包括：获取所述通信模型的输入参数，所述通信模型的输入参数中包括所述业务模型的第一输出参数，所述第一输出参数用于表征所述多个分布式节点之间的业务关联程度；将所述通信模型的输入参数输入所述通信模型，获得所述通信模型的输出参数；根据所述通信模型的输出参数，调整所述第一分布式节点的通信参数；获取所述业务模型的输入参数，所述业务模型的输入参数包括所述第一分布式节点的本地业务相关信息和业务邻居节点的第一业务相关信息，所述业务邻居节点的第一业务相
关信息是基于所述调整后的通信参数从所述业务邻居节点获取的，所述业务邻居节点为与所述第一分布式节点存在业务关联的分布式节点；将所述业务模型的输入参数输入所述业务模型，获得所述业务子模型的第二输出参数。10.根据权利要求9所述的方法，其特征在于，所述通信模型的输入参数还包括所述第一分布式节点的本地通信链路信息和通信邻居节点上的通信链路信息，所述通信邻居节点为所述多个分布式节点中与所述第一分布式节点存在通信连接关系的分布式节点。11.根据权利要求9所述的方法，其特征在于，所述业务模型的第一输出参数是将所述第一分布式节点的本地业务相关信息和业务邻居节点的第二业...

【专利技术属性】
技术研发人员：王坚，张公正，李榕，王俊，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：