一种基于用户-空口知识图谱的空口参数推荐方法技术

本发明专利技术提供一种基于用户

【技术实现步骤摘要】
一种基于用户
‑
空口知识图谱的空口参数推荐方法


[0001]本专利技术涉及一种基于用户
‑
空口知识图谱的空口参数推荐方法
。

技术介绍

[0002]在面向大动态
、
宽领域
、
智能化的
6G
无线网络通信场景中，传统的自适应调制编码
、
自适应重传等自适应传输机制依赖于复杂繁琐的信道估计和信道反馈过程，需要根据用户反馈的信道质量指示和信噪比等参数调整空口的配置
。
但这种方案存在缺陷：方案本身存在一定的空口策略调整的延迟，这将导致系统空口传输策略的失配和通信性能的下降；为了实时感知和监测信道环境和用户行为的变化，需要周期性的发送信道测量信号和收发端同步信号，进一步增加了系统的信令开销，导致系统频谱效率的下降；现有的空口配置推荐方案依赖于暴力搜索的算法，对预先根据经验规定的环境
‑
空口配置表格进行遍历搜索，可依据的环境参数和用户需求有限，搜索的复杂度随着通信空口配置方案的增加而成线性增长
。
[0003]推荐算法可以通过分析和挖掘用户历史行为等信息，将用户的个性化需求与兴趣推荐给用户，可以实现针对用户需求的精准推荐，同时降低推荐算法的计算复杂度，其旨在为用户推荐一个或一系列未观测到的空口
。
推荐系统是一个多环节协同工作的系统，每个环节计算的准确与否都关系着推荐结果的好坏，冷亚军等人从邻居选择这一环节出发，使邻居选择更加合理，改善推荐质量
>。
[0004]协同推荐算法对推荐对象内容没有特殊要求，且支持多用户协同推荐的工作方式，因此适用于
6G
空口参数推荐
。
但现有协同推荐技术仍存在问题：目标用户和邻居之间潜在喜好近似，容易出现多个用户匹配相同空口的空口参数，从而加剧了通信的干扰和阻塞；推荐时采用的
k
均值加权算法没有考虑用户基本评分的个性化差异，挖掘潜在的用户空口因素，影响了个性化推荐的精度；关于邻居数量
k
的确定太主观，从而影响推荐技术的准确度；经典的推荐算法的输入均为用户和物品对应
ID
的低维映射向量，仅通过学习用户和物品的交互来确定是否进行推荐，忽略了用户和物品自身的信息，而空口参数配置自主推荐需要面向给定的信道传播和干扰环境条件，针对数据率
、
误码率和信噪比等特定需求，推荐适用的空口参数
。
因此，有必要将用户和物品自身的特征信息以知识图谱的方式表示，引入推荐模型中，使模型充分学习增强用户和物品的自身特征，进而增加推荐的可解释性和可靠性
。
并且，需要我们提出一种新的基于用户
‑
空口知识图谱的推荐方法，实现空口参数的实时
、
精准推荐，提高
6G
空口针对大动态
、
宽领域
、
异构网络环境的适应能力和智能化水平
。

技术实现思路

[0005]本专利技术提出一种基于用户
‑
空口知识图谱的空口参数推荐方法，能够实现空口参数推荐的实时性
、
精准度
、
合理性和稳定性
。
[0006]本专利技术通过以下技术方案实现：
[0007]一种基于用户
‑
空口知识图谱的空口参数推荐方法，包括如下步骤：
[0008]步骤
S1、
知识表示模块定义空口实体和用户实体，构建空口知识图谱和用户知识图谱，通过
Word2vec
模型得到用户实体的语义
、
数值和关系信息所映射的用户特征向量
E
U
，通过
TransD
模型和
Word2ve
模型得到空口实体的语义
、
数值和关系信息所映射的空口特征向量
E
A
；
[0009]步骤
S2、
利用自注意力机制分别对步骤
S1
所得到的用户特征向量
E
U
和空口特征向量
E
A
进行特征提取，利用高阶交叉特征提取对所提取的特征进行增强，利用卷积对所增强的特征进行降维，得到用户特征和空口特征用于计算用户历史信息对空口特征的匹配评分
R(m
×
n)
；其中，
R(m
×
n)
表示基于
m
个用户的历史信息对
n
个空口特征的评分矩阵；
[0010]步骤
S3、
基于数字孪生技术设计用于对某场景下的信道进行识别分类并输出的信道类型识别模块和用于对未来时刻的用户行为进行预测的用户行为预测模块，并根据信道识别分类结果和所预测的行为推演物理世界中用户当前时刻的环境和新需求；
[0011]步骤
S4、
根据步骤
S2
的匹配评分
R(m
×
n)
和步骤
S3
所推演的用户当前时刻的环境和新需求，开展目标用户在当前环境和新需求下对空口的预测评分，根据预测评分排序为提供空口推荐列表
。
[0012]进一步的，所述步骤
S1
中，所述空口实体由头实体
、
关系集合和尾实体的三元组构成，由不同参数
、
技术方式确定的空口视为所述空口实体，将空口定义为头实体，空口的各种参数定义为关系集合，参数的具体取值定义为尾实体，对某种空口所使用的技术方式及参数进行抽取，形成空口资源配置
、
技术方式
、
技术参数的三元组形式，以构建空口知识谱图；
[0013]用户实体由头实体
、
关系集合和尾实体的三元组构成，在某种环境中使用某参数和通信技术的用户视为用户实体，将环境及性能需求的整体定义为用户的头实体，环境及性能需求的参数类型定义为关系集合，参数的具体取值定义为尾实体，根据链路仿真结果总结不同空口仿真的环境条件，形成用户
、
环境及性能需求类型
、
环境及性能需求类型对应参数值的三元组形式，以构建用户知识图谱；
[0014]采用
Neo4j
图数据库与表格形式对空口参数知识图谱进行联合存储，使用
excel
表格对空口和用户的信息进行存储
。
[0015]进一步的，所述步骤
S1
中，所述用户特征向量
E
U
维度为其中，
N
U
为用户的特征数，为单个特征映射维数，2表示双通道；所述空口特征向量
E
A
维度为其中，
N
A
为空口的特征数，为单个特征映射位数，3表示三个通道...

【技术保护点】

【技术特征摘要】
1.
一种基于用户
‑
空口知识图谱的空口参数推荐方法，其特征在于：包括如下步骤：步骤
S1、
知识表示模块定义空口实体和用户实体，构建空口知识图谱和用户知识图谱，通过
Word2vec
模型得到用户实体的语义
、
数值和关系信息所映射的用户特征向量
E
U
，通过
TransD
模型和
Word2ve
模型得到空口实体的语义
、
数值和关系信息所映射的空口特征向量
E
A
；步骤
S2、
利用自注意力机制分别对步骤
S1
所得到的用户特征向量
E
U
和空口特征向量
E
A
进行特征提取，利用高阶交叉特征提取对所提取的特征进行增强，利用卷积对所增强的特征进行降维，得到用户特征和空口特征用于计算用户历史信息对空口特征的匹配评分
R(m
×
n)
；其中，
R(m
×
n)
表示基于
m
个用户的历史信息对
n
个空口特征的评分矩阵；步骤
S3、
基于数字孪生技术设计用于对某场景下的信道进行识别分类并输出的信道类型识别模块和用于对未来时刻的用户行为进行预测的用户行为预测模块，并根据信道识别分类结果和所预测的行为推演物理世界中用户当前时刻的环境和新需求；步骤
S4、
根据步骤
S2
的匹配评分
R(m
×
n)
和步骤
S3
所推演的用户当前时刻的环境和新需求，开展目标用户在当前环境和新需求下对空口的预测评分，根据预测评分排序为提供空口推荐列表
。2.
根据权利要求1所述的一种基于用户
‑
空口知识图谱的空口参数推荐方法，其特征在于：所述步骤
S1
中，所述空口实体由头实体
、
关系集合和尾实体的三元组构成，由不同参数
、
技术方式确定的空口视为所述空口实体，将空口定义为头实体，空口的各种参数定义为关系集合，参数的具体取值定义为尾实体，对某种空口所使用的技术方式及参数进行抽取，形成空口资源配置
、
技术方式
、
技术参数的三元组形式，以构建空口知识谱图；用户实体由头实体
、
关系集合和尾实体的三元组构成，在某种环境中使用某参数和通信技术的用户视为用户实体，将环境及性能需求的整体定义为用户的头实体，环境及性能需求的参数类型定义为关系集合，参数的具体取值定义为尾实体，根据链路仿真结果总结不同空口仿真的环境条件，形成用户
、
环境及性能需求类型
、
环境及性能需求类型对应参数值的三元组形式，以构建用户知识图谱；采用
Neo4j
图数据库与表格形式对空口参数知识图谱进行联合存储，使用
excel
表格对空口和用户的信息进行存储
。3.
根据权利要求2所述的一种基于用户
‑
空口知识图谱的空口参数推荐方法，其特征在于：所述步骤
S1
中，所述用户特征向量
E
U
维度为其中，
N
U
为用户的特征数，为单个特征映射维数，2表示双通道；所述空口特征向量
E
A
维度为其中，
N
A
为空口的特征数，为单个特征映射位数，3表示三个通道
。4.
根据权利要求3所述的一种基于用户
‑
空口知识图谱的空口参数推荐方法，其特征在于：所述步骤
S2
包括如下步骤：步骤
S21、
对于双通道
N
U
个特征的用户特征向量将
E
U
和三通道
N
A
个特征的空口特征向量
E
A
，对每个通道的每个特征，通过赋予各特征
Query
向量
、Key
向量和
Value
向量进行自注意力加权，并通过计算每个特征相似性，得到每个特征加权后的特征矩阵，将各特征矩阵拼接得到多头注意力机制所提取的特征
E
′
U
和
E
′
A
；步骤
S22、
对于步骤
S21
所提取的特征
E
′
U
和
E
′
A
，分别通过多层交叉层自动构造特征
E
′
U
和
E
′

【专利技术属性】
技术研发人员：郑重，费泽松，李媛，王新尧，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：