【技术实现步骤摘要】
一种无线网络优化方法、服务器、介质及系统
[0001]本申请涉及通信
，尤其涉及一种无线网络优化方法、服务器、介质及系统。
技术介绍
[0002]当前，随着5G网络建设规模的加大，对于无线网络优化的要求逐步提高。现有的无线网络的分析优化方法主要利用智能算法，包括常规的浅层学习方法和深度学习方法，对相关网络数据进行挖掘分析，建立网络优化模型，以解决无线网络问题，进行无线网络优化。
[0003]然而，现有的网络优化模型，主要是通过对网络数据进行黑盒分析建立的，其利用的高质量解决方案的样本量稀少，模型的参数学习不够充分，由此利用现有的网络优化模型往往无法准确获取解决网络问题的优化方案。
技术实现思路
[0004]本申请提供一种无线网络优化方法、服务器、介质及系统，用于解决利用现有技术中的网络优化模型无法准确获取解决网络问题的优化方案的问题。
[0005]第一方面，本申请提供一种无线网络优化方法，包括：获取无线网络问题，并获取所述无线网络问题对应的预配置的贝叶斯网络模型；基于所述预配置的贝叶斯网...
【技术保护点】
【技术特征摘要】
1.一种无线网络优化方法，其特征在于，包括：获取无线网络问题，并获取所述无线网络问题对应的预配置的贝叶斯网络模型；基于所述预配置的贝叶斯网络模型的有向不循环图DAG，从网优大数据库中获取所述DAG包括的影响因素项对应的当前影响因素项值；采用所述预配置的贝叶斯网络模型，对所述当前影响因素项值进行分析，获取所述无线网络问题对应的优化措施。2.根据权利要求1所述的无线网络优化方法，其特征在于，所述预配置的贝叶斯网络模型的配置方法，包括：获取预设无线网络问题对应的有向不循环图DAG，所述DAG包括影响因素项和优化措施项；根据所述预设无线网络问题、所述影响因素项以及所述优化措施项，从日常网络优化库和网优大数据库中获取训练数据；利用所述训练数据和所述DAG，训练贝叶斯网络模型，并利用贝叶斯信息准则检测所述贝叶斯网络模型的拟合优度；在确定所述拟合优度小于预设门限值时，加载所述贝叶斯网络模型，以利用所述贝叶斯网络模型获取所述预设无线网络问题对应的优化措施。3.根据权利要求2所述的无线网络优化方法，其特征在于，所述根据所述预设无线网络问题、所述影响因素项以及所述优化措施项，从日常网络优化库和网优大数据库中获取训练数据，包括：从日常网络优化库中查询所述预设无线网络问题和所述优化措施项对应的网络问题事件；在确定所述网络问题事件为已改善事件时，获取所述网络问题事件的处理对象、处理时间以及处理措施；从网优大数据库中获取所述处理对象对应的在所述处理时间前的预设时长内的影响因素项值，将所述影响因素项值和所述处理措施合并，形成训练数据。4.根据权利要求2或3所述的无线网络优化方法，其特征在于，所述利用所述训练数据和所述DAG，训练贝叶斯网络模型，包括：根据处理人员类型将所述训练数据分为目标域数据和源域数据；利用所述目标域数据生成人工数据，并将所述人工数据与所述目标域数据进行混合处理，获取扩增目标域数据；分别将源域数据和所述扩增目标域数据进行维度增加处理；利用朴素贝叶斯分类器对维度增加处理后的源域数据和扩增目标域数据进行分类处理，以获取每个维度增加处理后的源域数据和扩增目标域数据的概率值；根据每个维度增加处理后的源域数据和扩增目标域数据的概率值、概率参数以及所述DAG，获取所述DAG中每个节点对应的贝叶斯网络参数；根据所述DAG以及所述DAG中每个节点对应的贝叶斯网络参数，形成贝叶斯网络模型。5.根据权利要求4所述的无线网络优化方法，其特征在于，所述利用贝叶斯信息准则检测所述贝叶斯网络模型的拟合优度，包括：利用贝叶斯信息准则、所述DAG中每个节点对应的贝叶斯网络参数以及所述维度增加
处理后的源域数据和扩增目标域数据，对所述DAG进行检测，得到所述DAG对应的拟合优度。6.一种服务器，其特征在于，包括：模型部署模块，用于获取无线网络问题，并获取所述无线网络问题对应的预配置的贝叶斯网络模型；样本生成模块，用于基于所述预配置的贝叶斯网络模型的有向不循环图DAG，...
【专利技术属性】
技术研发人员：刘娜，任心怡，黄双双，孙洋洋，王瑜，
申请(专利权)人：中国联合网络通信集团有限公司，
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。