【技术实现步骤摘要】
模型信息获取方法、发送方法、装置、节点和储存介质
[0001]本申请属于通信
，具体涉及一种模型信息获取方法、发送方法、装置、节点 和储存介质。
技术介绍
[0002]目前一些通信系统(例如：5G)引入了人工智能(Artificial Intelligence，AI)功能， 具体可以是在模型对网络业务进行处理。但目前只支持网络节点独立学习的方式获取模型， 这样导致可能会网络节点在一些场景(如没有足够的训练数据)无法训练得到模型，导致 网络节点的模型训练性能较差的问题。
技术实现思路
[0003]本申请实施例提供一种模型信息获取方法、发送方法、装置、节点和储存介质，以解 决网络节点的模型训练性能较差的问题。
[0004]第一方面，提供了一种模型信息获取方法，其特征在于，包括：
[0005]模型训练功能节点确定联邦学习(Federated learning，FL)服务端节点；
[0006]所述模型训练功能节点向所述FL服务端节点发送第一请求消息，所述第一请求消息用 于触发所述FL服务...
【技术保护点】
【技术特征摘要】
1.一种模型信息获取方法，其特征在于，包括：模型训练功能节点确定联邦学习FL服务端节点；所述模型训练功能节点向所述FL服务端节点发送第一请求消息，所述第一请求消息用于触发所述FL服务端节点进行联邦学习以获取目标模型；所述模型训练功能节点接收所述FL服务端节点发送的目标模型的信息。2.如权利要求1所述的方法，其特征在于，所述模型训练功能节点确定FL服务端节点，包括：所述模型训练功能节点向网络仓库功能网元发送节点发现请求消息，所述节点发现请求消息用于请求参与联邦学习训练的网络节点；所述模型训练功能节点接收所述网络仓库功能网元发送的响应消息，所述响应消息包括所述FL服务端节点的信息。3.如权利要求2所述的方法，其特征在于，所述节点发现请求消息包括如下至少一项：分析标识、感兴趣区域AOI信息、感兴趣时间信息、模型描述方式信息、模型可共享信息、模型性能信息、模型算法信息、模型训练速度信息、联邦学习指示信息、联邦学习类型信息、FL服务端节点类型指示信息、FL客户端节点类型指示信息、第一服务信息和第二服务信息；其中，所述联邦学习指示信息用于指示：所述请求消息所请求的网络节点需要支持联邦学习；所述第一服务信息用于指示：所述请求消息所请求的网络节点需要支持联邦学习服务器的服务；所述第二服务信息用于指示：所述请求消息所请求的网络节点需要支持联邦学习成员的服务。4.如权利要求3所述的方法，其特征在于，所述联邦学习类型信息用于指示：所述请求消息所请求的网络节点需要支持的联邦学习的类型为如下至少一项：横向联邦学习类型；纵向联邦学习类型。5.如权利要求2所述的方法，其特征在于，所述响应消息包括N个网络节点的信息，所述N个网络节点包括所述FL服务端节点，N为正整数；每个网络节点的信息包括如下至少一项：全限定域名FQDN、标识信息、地址信息。6.如权利要求5所述的方法，其特征在于，所述N个网络节点还包括FL客户端节点。7.如权利要求5或6所述的方法，其特征在于，每个网络节点的信息还包括：类型信息，所述类型信息用于指示网络节点的类型，所述类型为FL服务端节点和FL客户端节点中的一项。8.如权利要求1至6中任一项所述的方法，其特征在于，所述第一请求消息包括如下至少一项：联邦学习指示信息和模型标识；其中，所述联邦学习指示信息用于请求：所述FL服务端节点触发联邦学习以获取目标模型；
所述模型标识用于唯一地标识所述目标模型。9.根据权利要求8所述的方法，其特征在于，所述方法还包括：所述模型训练功能节点获取所述模型标识。10.如权利要求1至6中任一项所述的方法，其特征在于，所述第一请求消息包括：参与联邦学习的FL客户端节点的信息。11.如权利要求1至6中任一项所述的方法，其特征在于，所述目标模型的信息包括所述目标模型对应的如下至少一项信息：模型标识、联邦指示信息、模型文件和模型文件的地址信息；其中，所述联邦学习指示信息用于指示：所述目标模型为联邦学习获取的模型；所述模型标识用于唯一地标识所述目标模型。12.如权利要求1至6中任一项所述的方法，其特征在于，所述方法还包括：所述模型训练功能节点向模型推理功能节点发送所述目标模型的信息。13.如权利要求1至6中任一项所述的方法，其特征在于，在所述模型训练功能节点确定FL服务端节点之前，所述方法还包括：所述模型训练功能节点确定需要通过联邦学习以获取所述目标模型。14.如权利要求13所述方法，其特征在于，所述模型训练功能节点确定需要通过联邦学习以获取所述目标模型，包括：在所述模型训练功能节...
【专利技术属性】
技术研发人员：崇卫微，
申请(专利权)人：维沃移动通信有限公司，
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。