网络数据的分析方法技术

本申请的实施例揭示了一种网络数据的分析方法

【技术实现步骤摘要】
网络数据的分析方法、装置、电子设备以及存储介质


[0001]本申请涉及计算机
，具体而言，涉及一种网络数据的分析方法
、
装置
、
电子设备以及存储介质
。

技术介绍

[0002]随着互联网应用迅速发展，互联网用户数和业务量显著增加，但是低价值业务长时间占用大量空中接口资源，甚至导致网络拥塞，而一些高价值业务却因为空中接口资源受限得不到及时服务，严重影响数据用户感知
。
如何针对不同用户
、
不同业务进行差异化服务质量管理，充分利用有限的无线网络资源，提升用户感知，成为业界关注的焦点
。

技术实现思路

[0003]为解决上述技术问题，本申请的实施例提供了一种网络数据的分析方法
、
网络数据的分析装置
、
电子设备以及存储介质，能够在保护应用层网元隐私数据的情况下，针对业务提供更加精准的感知分析
。
[0004]本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得
。
[0005]根据本申请实施例的一个方面，提供了一种网络数据的分析方法，应用于网络人工智能网元，包括：接收人工智能分析请求，人工智能分析请求包括对应的业务类型；响应于人工智能分析请求将业务类型输入预置的业务特征提取模型，得到与业务类型对应的业务特征，业务特征提取模型是将目标应用层网元包含的第一训练业务数据作为训练数据，利用联邦学习的方式训练得到的，其中，第一训练业务数据对应的业务类型和人工智能分析请求包括的业务类型相同；将业务特征与从用户面网元获取的用户面数据信息进行匹配，根据得到的匹配结果获取网络数据的分析结果，并发送至消费网元
。
[0006]在一个示例性实施例中，在响应于人工智能分析请求将业务类型输入预置的业务特征提取模型之前，方法还包括：确定符合预设条件的目标应用层网元；将符合预设条件的目标应用层网元包括的第一训练业务数据作为训练数据，利用联邦学习的方式对待训练的业务特征提取模型进行训练，得到训练之后的业务特征提取模型，其中，第一训练业务数据从目标应用层网元所连接的用户设备网元中获取
。
[0007]在一个示例性实施例中，确定符合预设条件的目标应用层网元包括：获取应用层网元对应的注册信息，注册信息包括用于表征应用层网元是否支持业务数据共享的共享参数；将表征不支持业务数据共享的共享参数对应的应用层网元作为符合预设条件的目标应用层网元
。
[0008]在一个示例性实施例中，业务特征提取模型包括目标应用层网元构建的子业务特征提取模型，业务特征提取模型包括子业务特征提取模型的模型参数；将符合预设条件的目标应用层网元包括的第一训练业务数据作为训练数据，利用联邦学习的方式对待训练的业务特征提取模型进行训练，得到训练之后的业务特征提取模型包括：获取目标应用层网
元发送的模型参数的值，模型参数的值是目标应用层网元将第一训练业务数据作为训练数据对子业务特征提取模型进行迭代训练得到的；将模型参数的值带入待训练的业务特征提取模型，利用损失值对模型参数的值进行迭代更新，直至损失值符合预设的阈值条件
。
[0009]在一个示例性实施例中，将模型参数的值带入待训练的业务特征提取模型，利用损失值对模型参数的值进行迭代更新，直至损失值符合预设的阈值条件包括：将模型参数的值带入待训练的业务特征提取模型；将第二训练业务数据输入至带入模型参数的值之后的业务特征提取模型，利用损失值对模型参数的值进行迭代更新，直至损失值符合预设的阈值条件，其中，第二训练业务数据从表征支持业务数据共享的共享参数对应的应用层网元中获取
。
[0010]在一个示例性实施例中，在响应于人工智能分析请求将业务类型输入预置的业务特征提取模型之前，方法还包括：若检测到目标应用层网元所连接的用户设备网元包括的共享参数表征不支持训练业务数据共享，则将用户设备网元包括的训练业务数据作为训练数据，利用多层联邦学习的方式训练初始业务特征提取模型，得到业务特征提取模型
。
[0011]在一个示例性实施例中，将业务特征与从用户面网元获取的用户面数据信息进行匹配，根据得到的匹配结果获取网络数据的分析结果，并发送至消费网元包括：将业务特征与从用户面网元获取的用户面数据信息进行匹配，得到与业务特征相匹配的目标业务特征；获取目标业务特征对应的业务信息；将业务信息和目标业务特征作为网络数据分析结果发送至消费网元
。
[0012]根据本申请实施例的一个方面，提供了一种网络数据的分析装置，包括：接收模块，用于接收人工智能分析请求，人工智能分析请求包括对应的业务类型；响应模块，用于响应于人工智能分析请求将业务类型输入预置的业务特征提取模型，得到与业务类型对应的业务特征，业务特征提取模型是将目标应用层网元包含的第一训练业务数据作为训练数据，利用联邦学习的方式训练得到的，其中，第一训练业务数据对应的业务类型和人工智能分析请求包括的业务类型相同；匹配模块，用于将业务特征与从用户面网元获取的用户面数据信息进行匹配，根据得到的匹配结果获取网络数据的分析结果，并发送至消费网元
。
[0013]根据本申请实施例的一个方面，提供了一种电子设备，包括处理器及存储器，存储器上存储有计算机可读指令，计算机可读指令被处理器执行时实现如上的网络数据的分析方法
。
[0014]根据本申请实施例的一个方面，提供了一种计算机可读存储介质，其上存储有计算机可读指令，当计算机可读指令被计算机的处理器执行时，使计算机执行如前提供的网络数据的分析方法
。
[0015]根据本申请实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中
。
计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实施例中提供的网络数据的分析方法
。
[0016]在本申请的实施例提供的技术方案中，由于业务特征提取模型是将目标应用层网元包含的训练业务数据作为训练数据，利用联邦学习的方式训练得到的，因此本申请方案获取业务类型对应的业务特征的过程既能够运用没有意愿共享业务数据的应用层网元的业务数据，又能够保护应用层网元的隐私业务数据，通过网络人工智能网元和应用层网元
的跨域联邦学习方式对同一类型的业务提供更加精准的感知分析
。
[0017]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请
。
附图说明
[0018]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理
。
显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术者来讲，在不付出创造性劳动的前本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种网络数据的分析方法，应用于网络人工智能网元，其特征在于，包括：接收人工智能分析请求，所述人工智能分析请求包括对应的业务类型；响应于所述人工智能分析请求将所述业务类型输入预置的业务特征提取模型，得到与所述业务类型对应的业务特征，所述业务特征提取模型是将目标应用层网元包含的第一训练业务数据作为训练数据，利用联邦学习的方式训练得到的，其中，所述第一训练业务数据对应的业务类型和所述人工智能分析请求包括的业务类型相同；将所述业务特征与从用户面网元获取的用户面数据信息进行匹配，根据得到的匹配结果获取网络数据的分析结果，并发送至消费网元
。2.
根据权利要求1所述的方法，其特征在于，在所述响应于所述人工智能分析请求将所述业务类型输入预置的业务特征提取模型之前，所述方法还包括：确定符合预设条件的所述目标应用层网元；将符合所述预设条件的所述目标应用层网元包括的第一训练业务数据作为训练数据，利用联邦学习的方式对待训练的业务特征提取模型进行训练，得到训练之后的所述业务特征提取模型，其中，所述第一训练业务数据从所述目标应用层网元所连接的用户设备网元中获取
。3.
根据权利要求2所述的方法，其特征在于，所述确定符合预设条件的所述目标应用层网元包括：获取应用层网元对应的注册信息，所述注册信息包括用于表征应用层网元是否支持业务数据共享的共享参数；将表征不支持业务数据共享的共享参数对应的应用层网元作为符合所述预设条件的所述目标应用层网元
。4.
根据权利要求3所述的方法，其特征在于，所述业务特征提取模型包括目标应用层网元构建的子业务特征提取模型，所述业务特征提取模型包括所述子业务特征提取模型的模型参数；所述将符合所述预设条件的所述目标应用层网元包括的第一训练业务数据作为训练数据，利用联邦学习的方式对待训练的业务特征提取模型进行训练，得到训练之后的所述业务特征提取模型包括：获取所述目标应用层网元发送的模型参数的值，所述模型参数的值是所述目标应用层网元将所述第一训练业务数据作为训练数据对所述子业务特征提取模型进行迭代训练得到的；将所述模型参数的值带入所述待训练的业务特征提取模型，利用损失值对所述模型参数的值进行迭代更新，直至所述损失值符合预设的阈值条件
。5.
根据权利要求4所述的方法，其特征在于，所述将所述模型参数的值带入所述待训练的业务特征提取模型，利用损失值对所述模型参数的值进...

【专利技术属性】
技术研发人员：李鹏宇，于梦晗，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：