【技术实现步骤摘要】
本申请实施例涉及数据分析领域，尤其涉及一种通信方法、装置及系统。
技术介绍
1、网络数据分析功能(network data analytics function，nwdaf)网元具有如下功能：数据收集(例如，收集核心网数据、网管数据、业务数据、终端数据)、数据分析以及数据分析结果反馈。
2、目前，各个域(如终端、接入网、核心网、网管以及业务提供方)之间出于利益考虑，不愿意开放自己的数据给其他域，数据处于孤岛状态，导致数据分析中心(如nwdaf网元)无法集中各域数据，不支持各个域之间的协同数据分析，从而限制了数据分析的场景。
技术实现思路
1、本申请实施例提供一种通信方法、装置及系统，能够扩展数据分析的应用场景。
2、第一方面，本申请实施例提供一种通信方法，包括：第一数据分析网元向服务发现网元发送用于请求第二数据分析网元的信息的第一请求。该第一请求包括：分布式学习的信息、和用于指示第二数据分析网元的类型的第一指示信息中的一个或多个。其中，分布式学习的信息包括第一数据分析网元请求的分布式学习的类型。第一数据分析网元接收来自服务发现网元的一个或多个第二数据分析网元的信息，该第二数据分析网元支持第一数据分析网元请求的上述分布式学习的类型。
3、本申请实施例提供一种通信方法，该方法中由第一数据分析网元向服务发现网元发送第一请求，利用第一请求向服务发现网元请求第一数据分析网元所需要的第二数据分析网元的特征。这样便于服务发现网元根据第一请求为第一数据分析网元提
4、在一种可能的实现方式中，本申请实施例提供的方法还可以包括：第一数据分析网元根据一个或多个第二数据分析网元的信息确定进行分布式学习的第三数据分析网元的信息。该第三数据分析网元的数量为一个或多个，换言之，第一数据分析网元根据一个或多个第二数据分析网元的信息确定进行分布式学习的一个或多个第三数据分析网元的信息。该方案中由于一个或多个第三数据分析网元能够进行分布式学习训练，这样便于在后续分布式学习训练过程中，第三数据分析网元可以无需向第一数据分析网元提供数据，使得数据可以不出第三数据分析网元的本域，依然可以由第一数据分析网元进行模型训练。一方面从而避免了数据泄露的问题，另一方面，在第一数据分析网元和第三数据分析网元之间不可以进行数据交互的情况下，依然可以进行模型训练。再者由于数据训练在每个第三数据分析网元处进行，这种分布式训练过程同样可以加快整个模型训练的速度。
5、在一种可能的实现方式中，第三数据分析网元的负载低于预设负载阈值，或者，第三数据分析网元的优先级高于预设优先级阈值。其中，第三数据分析网元的范围位于第一数据分析网元的范围内。第三数据分析网元的范围包括：第三数据分析网元归属的公用陆地移动网plmn的标识、第三数据分析网元服务的网络切片实例的范围、第三数据分析网元服务的数据网络名称dnn、第三数据分析网元的设备商信息。
6、在一种可能的实现方式中，第一请求还包括第一数据分析网元的范围，相应的，第二数据分析网元的范围或者第三数据分析网元的范围位于第一数据分析网元的范围内。如果第一请求还包括第一数据分析网元的范围，则第一请求用于请求位于第一数据分析网元的范围内且支持第一数据分析网元请求的分布式学习的类型的一个或多个第二数据分析网元。
7、在一种可能的实现方式中，第一数据分析网元的范围包括以下信息中的一个或者多个：第一数据分析网元服务的区域、第一数据分析网元归属的公用陆地移动网plmn的标识、第一数据分析网元服务的网络切片的信息、第一数据分析网元服务的数据网络名称dnn、第一数据分析网元的设备商信息。
8、在一种可能的实现方式中，分布式学习的信息还包括分布式学习支持的算法信息，相应的，第二数据分析网元或者第三数据分析网元支持分布式学习支持的算法信息对应的算法。这样便于服务发现网元向第一数据分析网元提供的一个或多个第二数据分析网元还支持该算法信息。
9、在一种可能的实现方式中，分布式学习支持的算法信息包括算法类型、算法标识以及算法性能中的一个或者多个。可用理解的是，不同的第二数据分析网元支持的算法信息可以相同，也可以不同。
10、在一种可能的实现方式中，本申请实施例提供的方法还包括：第一数据分析网元接收来自一个或多个第三数据分析网元的子模型。该子模型由第三数据分析网元根据第三数据分析网元获取到的数据进行训练得到。第一数据分析网元根据一个或多个第三数据分析网元的子模型确定更新的模型。第一数据分析网元向一个或多个第三数据分析网元发送更新的模型。由于第一数据分析网元是根据一个或多个第三数据分析网元中不同数据分析网元提供的子模型得到更新的模型，可以使得各个第三数据分析网元无需向第一数据分析网元提供用于进行训练的数据，避免了数据泄露。
11、在一种可能的实现方式中，本申请实施例提供的方法还包括：第一数据分析网元根据更新的模型确定目标模型。第一数据分析网元向一个或多个第二数据分析网元发送目标模型，以及目标模型对应的以下信息中的一个或者多个：模型标识、模型版本号或者数据分析标识。可以使得每个第二数据分析网元均可以获得由第一数据分析网元确定的目标模型。例如，目标模型可以为业务体验模型。
12、在一种可能的实现方式中，第一数据分析网元接收来自一个或多个第三数据分析网元的子模型之前，本申请实施例提供的方法还包括：第一数据分析网元向一个或多个第三数据分析网元发送配置参数，该配置参数为第三数据分析网元确定训练子模型时使用的参数。便于第三数据分析网元根据配置参数配置分布式学习训练过程中涉及到的相关参数。
13、在一种可能的实现方式中，配置参数包括以下信息中的一个或多个：初始模型、训练集选择标准、特征生成方法、训练终止条件、最大训练时间、最大等待时间。
14、在一种可能的实现方式中，分布式学习的类型包括横向学习、纵向学习以及迁移学习中的一个。
15、在一种可能的实现方式中，第二数据分析网元的类型为以下中的一个：客户端、本地训练器、或者局部训练者。
16、在一种可能的实现方式中，本申请实施例提供的方法还包括：第一数据分析网元向服务发现网元发送用于请求注册第一数据分析网元的信息的第二请求。该第一数据分析网元的信息包括第一数据分析网元对应的以下信息中的一个或者多个：分布式学习的信息、或第二指示信息，该第二指示信息用于指示第一数据分析网元的类型。以便于将第一数据分析网元的信息进行注册，本文档来自技高网...
【技术保护点】
1.一种通信方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述第三数据分析网元的负载低于预设负载阈值，或者，所述第三数据分析网元的优先级高于预设优先级阈值。
4.根据权利要求2～3任一项所述的方法，其特征在于，所述分布式学习的信息还包括分布式学习支持的算法信息，所述第二数据分析网元或所述第三数据分析网元支持所述分布式学习支持的算法信息对应的算法。
5.根据权利要求2～4任一项所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
7.根据权利要求4～5任一项所述的方法，其特征在于，所述第一数据分析网元接收来自所述第三数据分析网元的子模型之前，所述方法还包括：
8.根据权利要求7所述的方法，其特征在于，所述配置参数包括以下信息中的一个或多个：初始模型、训练集选择标准、特征生成方法、训练终止条件、最大训练时间、或最大等待时间。
9.根据权利要求1～8任一项所述的方
10.根据权利要求1～9任一项所述的方法，其特征在于，所述方法还包括：
11.根据权利要求2～10任一项所述的方法，其特征在于，所述第一请求还包括所述第一数据分析网元的范围，所述第二数据分析网元的范围或所述第三数据分析网元的范围位于所述第一数据分析网元的范围内。
12.根据权利要求11所述的方法，其特征在于，所述第一数据分析网元的范围包括以下信息中的一个或者多个：所述第一数据分析网元服务的区域、所述第一数据分析网元归属的公用陆地移动网PLMN的标识、所述第一数据分析网元服务的网络切片的信息、所述第一数据分析网元服务的数据网络名称DNN、或所述第一数据分析网元的设备商信息。
13.根据权利要求10～12任一项所述的方法，其特征在于，所述第一数据分析网元的类型包括以下信息中的一个：服务端、协调器、中心训练者、全局训练者。
14.根据权利要求1～13任一项所述的方法，其特征在于，所述分布式学习为联邦学习。
15.根据权利要求1～14任一项所述的方法，其特征在于，所述第二数据分析网元为终端。
16.一种通信装置，其特征在于，包括：
17.根据权利要求16所述的装置，其特征在于，所述装置还包括：处理单元，用于根据所述一个或多个所述第二数据分析网元的信息确定进行分布式学习的第三数据分析网元的信息。
18.根据权利要求17所述的装置，其特征在于，所述第三数据分析网元的负载低于预设负载阈值，或者，所述第三数据分析网元的优先级高于预设优先级阈值。
19.根据权利要求16～18任一项所述的装置，其特征在于，所述分布式学习的信息还包括分布式学习支持的算法信息，相应的，所述第二数据分析网元或所述第三数据分析网元支所述分布式学习支持的算法信息对应的算法。
20.根据权利要求17～19任一项所述的装置，其特征在于，所述通信单元，还用于接收来自所述第三数据分析网元的子模型，所述子模型由所述第三数据分析网元根据所述第三数据分析网元获取到的数据进行训练得到；
21.根据权利要求20所述的装置，其特征在于，所述处理单元，还用于根据所述更新的模型确定目标模型；
22.根据权利要求20～21任一项所述的装置，其特征在于，所述通信单元，还用于向一个或多个所述第三数据分析网元发送配置参数，所述配置参数为所述第三数据分析网元确定所述子模型时使用的参数。
23.根据权利要求22所述的装置，其特征在于，所述配置参数包括以下信息中的一个或多个：初始模型、训练集选择标准、特征生成方法、训练终止条件、最大训练时间、或最大等待时间。
24.根据权利要求16～23任一项所述的装置，其特征在于，所述分布式学习的类型包括横向学习、纵向学习以及迁移学习中的一个；
25.根据权利要求16～24任一项所述的装置，其特征在于，所述通信单元，还用于向所述服务发现网元发送第二请求，所述第二请求用于请求注册第一数据分析网元的信息，所述第一数据分析网元的信息包括所述第一数据分析网元对应的以下信息中的一个或者多个：所述分布式学习的信息、所述第一数据分析网元的范围、或第二指示信息，所述第二指示信息用于指示所述第一数据分析网元的类型。
26.根据权利要求17～25任一项所述的装置，其特征在于，所述第一请求还包括所述第一数据分析网元的范围，所述第二数据...
【技术特征摘要】
1.一种通信方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述第三数据分析网元的负载低于预设负载阈值，或者，所述第三数据分析网元的优先级高于预设优先级阈值。
4.根据权利要求2～3任一项所述的方法，其特征在于，所述分布式学习的信息还包括分布式学习支持的算法信息，所述第二数据分析网元或所述第三数据分析网元支持所述分布式学习支持的算法信息对应的算法。
5.根据权利要求2～4任一项所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
7.根据权利要求4～5任一项所述的方法，其特征在于，所述第一数据分析网元接收来自所述第三数据分析网元的子模型之前，所述方法还包括：
8.根据权利要求7所述的方法，其特征在于，所述配置参数包括以下信息中的一个或多个：初始模型、训练集选择标准、特征生成方法、训练终止条件、最大训练时间、或最大等待时间。
9.根据权利要求1～8任一项所述的方法，其特征在于，所述分布式学习的类型包括横向学习、纵向学习以及迁移学习中的一个；
10.根据权利要求1～9任一项所述的方法，其特征在于，所述方法还包括：
11.根据权利要求2～10任一项所述的方法，其特征在于，所述第一请求还包括所述第一数据分析网元的范围，所述第二数据分析网元的范围或所述第三数据分析网元的范围位于所述第一数据分析网元的范围内。
12.根据权利要求11所述的方法，其特征在于，所述第一数据分析网元的范围包括以下信息中的一个或者多个：所述第一数据分析网元服务的区域、所述第一数据分析网元归属的公用陆地移动网plmn的标识、所述第一数据分析网元服务的网络切片的信息、所述第一数据分析网元服务的数据网络名称dnn、或所述第一数据分析网元的设备商信息。
13.根据权利要求10～12任一项所述的方法，其特征在于，所述第一数据分析网元的类型包括以下信息中的一个：服务端、协调器、中心训练者、全局训练者。
14.根据权利要求1～13任一项所述的方法，其特征在于，所述分布式学习为联邦学习。
15.根据权利要求1～14任一项所述的方法，其特征在于，所述第二数据分析网元为终端。
16.一种通信装置，其特征在于，包括：
17.根据权利要求16所述的装置，其特征在于，所述装置还包括：处理单元，用于根据所述一个或多个所述第二数据分析网元的信息确定进行分布式学习的第三数据分析网元的信息。
18.根据权利要求17所述的装置，其特征在于，所述第三数据分析网元的负载低于预设负载阈值，或者，所述第三数据分析网元的优先级高于预设优先级阈值。
19.根据权利要求16～18任一项所述的装置，其特征在于，所述分布式学习的信息还包括分布式学习支持的算法信息，相应的，所述第二数据分析网元或所述第三数据分析网元支所述分布式学习支持的算法信息对应的算法。
20.根据权利要求17～19任一项所述的装置，其特征在于，所述通信单元，还用于接收来自...
【专利技术属性】
技术研发人员：辛阳，崇卫微，吴晓波，阎亚丽，
申请(专利权)人：华为技术有限公司，
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。