模型请求方法、模型请求处理方法及相关设备技术

本申请公开了一种模型请求方法、模型请求处理方法及相关设备，属于通信技术领域。本申请实施例的模型请求方法包括：终端向网络侧设备发送目标请求，所述目标请求用于请求人工智能AI模型的信息；所述终端接收网络侧设备发送的所述AI模型的信息；所述终端根据所述AI模型的信息得到所述AI模型。的信息得到所述AI模型。的信息得到所述AI模型。

【技术实现步骤摘要】
模型请求方法、模型请求处理方法及相关设备


[0001]本申请属于通信
，尤其涉及一种模型请求方法、模型请求处理方法及相关设备。

技术介绍

[0002]随着通信技术的发展，在通信系统中应用了人工智能(Artificial Intelligence，AI)模块对信息进行处理和分析。为了适用于不同的通信环境，兼容不同的通信场景，AI模型训练过程需要大量的训练数据，从而使得训练后的网络模型较大；若AI模型训练过程仅采用特定场景下的数据进行训练，训练后的模型较小，但这样将容易导致网络模型泛化能力不足，出现过拟合的问题。

技术实现思路

[0003]本申请实施例提供一种模型请求方法、模型请求处理方法及相关设备，能够基于终端设备的请求，反馈响应的AI模型，从而在控制AI模型大小的同时，减少AI模型泛化能力不足带来的影响。
[0004]第一方面，提供了一种模型请求方法，包括：
[0005]终端向网络侧设备发送目标请求，所述目标请求用于请求人工智能AI模型的信息；
[0006]所述终端接收网络侧设备发送的所述AI模型的信息；
[0007]所述终端根据所述AI模型的信息得到所述AI模型。
[0008]第二方面，提供了一种模型请求处理方法，包括：
[0009]网络侧设备接收终端发送的目标请求；
[0010]所述网络侧设备根据目标请求信息获得AI模型的信息；
[0011]所述网络侧设备向所述终端发送所述AI模型的信息。
[0012]第三方面，提供了一种模型请求装置，包括：
[0013]第一发送模块，用于向网络侧设备发送目标请求，所述目标请求用于请求人工智能AI模型的信息；
[0014]第一接收模块，用于接收网络侧设备发送的所述AI模型的信息；
[0015]处理模块，用于根据所述AI模型的信息得到所述AI模型。
[0016]第四方面，提供了一种模型请求处理装置，其特征在于，包括：
[0017]第二接收模块，用于接收终端发送的目标请求；
[0018]生成模块，用于根据目标请求信息获得AI模型的信息；
[0019]第二发送模块，用于向所述终端发送所述AI模型的信息。
[0020]第五方面，提供了一种终端，该终端包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
[0021]第六方面，提供了一种终端，包括处理器及通信接口，其中，
[0022]所述通信接口，用于向网络侧设备发送目标请求，所述目标请求用于请求人工智能AI模型的信息；接收网络侧设备发送的所述AI模型的信息；
[0023]所述处理器，用于根据所述AI模型的信息得到所述AI模型。
[0024]第七方面，提供了一种网络侧设备，该网络侧设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第二方面所述的方法的步骤。
[0025]第八方面，提供了一种网络侧设备，包括处理器及通信接口，其中，
[0026]所述通信接口，用于接收终端发送的目标请求；
[0027]所述处理器，用于根据目标请求信息获得人工智能AI模型的信息；
[0028]所述通信接口，还用于向所述终端发送所述AI模型的信息。
[0029]第九方面，提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤，或者实现如第二方面所述的方法的步骤。
[0030]第十方面，本申请实施例提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方法的步骤，或者实现如第二方面所述的方法的步骤。
[0031]第十一方面，提供了一种计算机程序/程序产品，所述计算机程序/程序产品存储在非瞬态的存储介质中，所述计算机程序/程序产品被至少一个处理器执行以实现如第一方面所述的方法，或实现如第二方面所述的方法。
[0032]本申请实施例通过终端向网络侧设备发送目标请求，所述目标请求用于请求人工智能AI模型的信息；所述终端接收网络侧设备发送的所述AI模型的信息；所述终端根据所述AI模型的信息得到所述AI模型。这样可以基于不同的通信场景设置不同的AI模型，由终端通过请求的方式动态获取AI模型的信息，从而可以在控制AI模型大小的同时，减少AI模型泛化能力不足带来的影响，进而可以提升传输的可靠性。
附图说明
[0033]图1是本申请实施例可应用的一种网络系统的结构图；
[0034]图2是本申请实施例可应用的神经元的结构图；
[0035]图3是本申请实施例提供的一种模型请求方法的流程图；
[0036]图4是本申请实施例提供的一种模型请求处理方法的流程图；
[0037]图5是本申请实施例提供的一种模型请求装置的结构图；
[0038]图6是本申请实施例提供的一种模型请求处理装置的结构图；
[0039]图7是本申请实施例提供的一种通信设备的结构图；
[0040]图8是本申请实施例提供的一种终端的结构图；
[0041]图9是本申请实施例提供的一种网络侧设备的结构图。
具体实施方式
[0042]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚描
述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本申请保护的范围。
[0043]本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”所区别的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”一般表示前后关联对象是一种“或”的关系。
[0044]值得指出的是，本申请实施例所描述的技术不限于长期演进型(Long Term Evolution，LTE)/LTE的演进(LTE
‑
Advanced，LTE
‑
A)系统，还可用于其他无线通信系统，诸如码分多址(Code Division Multiple Access，CDMA)、时分多址(Time Division Multiple Access，TDMA)、频分多址(Frequency Division Multiple Access，FDMA)、正交频分多址(Orthogonal Frequency Division Multiple Access，OFDMA)、单载波频分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型请求方法，其特征在于，包括：终端向网络侧设备发送目标请求，所述目标请求用于请求人工智能AI模型的信息；所述终端接收网络侧设备发送的所述AI模型的信息；所述终端根据所述AI模型的信息得到所述AI模型。2.根据权利要求1所述的方法，其特征在于，所述终端向网络侧设备发送目标请求包括：在第一条件满足的情况下，所述终端向网络侧设备发送所述目标请求；其中，所述第一条件包括以下至少一项：所述终端所在位置满足第一预设条件；所述终端的第一测量量符合预先配置的第一测量结果范围；所述终端的第一传输参数满足第二预设条件；所述终端存在第一需求；所述终端无所述AI模型。3.根据权利要求2所述的方法，其特征在于，所述第一预设条件包括以下至少一项：终端所在的服务小区符合预先配置的小区标识对应的第一小区标识范围；终端所在的跟踪区TA符合预先配置的TA标识对应的第一跟踪区标识范围；终端所在的接入网通知区域RNA符合预先配置的RNA对应的第一区域范围；终端所在的公共陆地移动通信网PLMN符合预先配置的PLMN对应的第一通信网范围；终端所在的地理位置符合预先配置的第一地理位置范围。4.根据权利要求2所述的方法，其特征在于，所述第二预设条件包括以下至少一项：信道特征参数或信道参数的预设表征符合预先配置的第一参数范围；不同发送天线之间或不同发送端口之间的相位信息符合预先配置的第一相位信息，或者，不同发送天线之间或不同发送端口之间的所述相位信息的预设表征符合所述第一相位信息；波束测量参数或波束测量参数的特定表征符合预设配置的第二参数范围；不同接收波束对应的信息符合预先配置的第一波束信息，或者，不同接收波束对应的信息的特定表征符合所述第一波束信息；不同波束对对应的信息符合预先配置的第二波束信息，或者，不同波束对对应的信息的特定表征符合所述第二波束信息；至少一个频率上获得的测量参数符合预先配置的第三参数范围；数据解调软信息符合预先配置的第一预设信息，或者，数据解调软信息的特定表征符合所述第一预设信息；数据包传输误比特率符合预先配置的第二预设信息，或者，数据包传输误比特率的特定表征符合所述第二预设信息；误块率符合预先配置的第三预设信息，或者，误块率的特定表征符合所述第三预设信息；干扰测量信息符合预先配置的第四预设信息，或者，干扰测量信息的特定表征符合所述第四预设信息。5.根据权利要求1所述的方法，其特征在于，所述终端向网络侧设备发送目标请求包
括：在第二条件满足的情况下，所述终端向网络侧设备发送所述目标请求；其中，所述第二条件为所述AI模型的更新条件；所述终端根据所述AI模型的信息得到所述AI模型包括：所述终端根据所述AI模型的信息对原AI模型进行更新，得到目标AI模型。6.根据权利要求5所述的方法，其特征在于，所述第二条件包括以下至少一项：所述终端所在位置满足第三预设条件；所述终端的第一测量量符合预先配置的第二测量结果范围；所述终端的第一传输参数满足第四预设条件；所述终端存在第一需求；所述AI模型的推理结果置信度达到阈值；所述AI模型有效期限超时；所述终端移动至所述AI模型的有效区域外；所述终端无有效AI模型。7.根据权利要求6所述的方法，其特征在于，所述第三预设条件包括以下至少一项：终端所在的服务小区符合预先配置的小区标识对应的第二小区标识范围；终端所在的TA符合预先配置的TA标识对应的第二跟踪区标识范围；终端所在的RNA符合预先配置的RNA对应的第二区域范围；终端所在的PLMN符合预先配置的PLMN对应的第二通信网范围；终端所在的地理位置符合预先配置的第二地理位置范围。8.根据权利要求6所述的方法，其特征在于，所述第四预设条件包括以下至少一项：信道特征参数或信道参数的预设表征符合预先配置的第四参数范围；不同发送天线之间或不同发送端口之间的相位信息符合预先配置的第二相位信息，或者，不同发送天线之间或不同发送端口之间的所述相位信息的预设表征符合所述第二相位信息；波束测量参数或波束测量参数的特定表征符合预设配置的第五参数范围；不同接收波束对应的信息符合预先配置的第三波束信息，或者，不同接收波束对应的信息的特定表征符合所述第三波束信息；不同波束对对应的信息符合预先配置的第四波束信息，或者，不同波束对对应的信息的特定表征符合所述第四波束信息；至少一个频率上获得的测量参数符合预先配置的第六参数范围；数据解调软信息符合预先配置的第五预设信息，或者，数据解调软信息的特定表征符合所述第五预设信息；数据包传输误比特率符合预先配置的第六预设信息，或者，数据包传输误比特率的特定表征符合所述第六预设信息；误块率符合预先配置的第七预设信息，或者，误块率的特定表征符合所述第七预设信息；干扰测量信息符合预先配置的第八预设信息，或者，干扰测量信息的特定表征符合所述第八预设信息。
9.根据权利要求2或6所述的方法，其特征在于，所述第一测量量包括以下至少一项：信噪比、参考信号接收功率RSRP、信号与干扰加噪声比SINR、参考信号接收质量RSRQ、包时延、往返时延RTT、观测到达时间差OTDOA、信道状态信息对应的测量结果和用户体验质量对应的测量结果。10.根据权利要求2或6所述的方法，其特征在于，所述第一测量量对应的测量资源包括以下至少一项：物理下行控制信道PDCCH解调参考信号DMRS；物理下行共享信道PDSCH DMRS；信道状态信息参考信号CSI
‑
RS；同步信号块SSB；定位参考信号PRS。...

【专利技术属性】
技术研发人员：潘翔，杨晓东，金巴，
申请(专利权)人：维沃移动通信有限公司，
类型：发明
国别省市：