CN106792992B - 一种用于提供无线接入点信息的方法与设备 - Google Patents
一种用于提供无线接入点信息的方法与设备 Download PDFInfo
- Publication number
- CN106792992B CN106792992B CN201611141659.4A CN201611141659A CN106792992B CN 106792992 B CN106792992 B CN 106792992B CN 201611141659 A CN201611141659 A CN 201611141659A CN 106792992 B CN106792992 B CN 106792992B
- Authority
- CN
- China
- Prior art keywords
- wireless access
- information
- connection
- access point
- access points
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/08—Access restriction or access information delivery, e.g. discovery data delivery
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/16—Discovering, processing access restriction or access information
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请的目的是提供一种用于提供无线接入点信息的方法与设备。与现有技术相比，本申请获取用户设备发送的无线接入点查询请求，并据此确定与所述用户设备相对应的一个或多个无线接入点，然后，根据基于连接日志信息通过机器学习训练所得的连接成功率模型确定所述无线接入点的连接成功率信息，接着，根据所述连接成功率信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至所述用户设备，呈现给用户，以便用户选择更优的无线接入点进行连接，从而提高连接质量，优化用户体验。
Description
技术领域
本申请涉及通信领域，尤其涉及一种用于提供无线接入点信息的技术。
背景技术
大量的无线网络给人们的生活带来了极大的便利，人们所使用的用户设备已经越来越频繁地连接到无线接入点(例如Wi-Fi无线热点)，现有技术中也有不少可用于提供无线接入点信息(例如密码信息、网络速度、安全信息等)的应用。然而，现有技术的应用所提供的无线接入点信息中缺少无线接入点的优先级信息，并且不具备推荐最优无线接入点的功能。由此带来一个明显的痛点，用户只能毫无参考地轮流尝试连接各无线接入点，如果运气不好，可能会浪费大量的时间在尝试连接上，严重影响用户体验。
发明内容
本申请的一个目的是提供一种用于提供无线接入点信息的方法与设备。
根据本申请的一个方面，提供了一种用于提供无线接入点信息的方法，其中，该方法包括：
获取用户设备发送的无线接入点查询请求；
根据所述无线接入点查询请求确定与所述用户设备相对应的一个或多个无线接入点；
根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息通过机器学习训练所得；
根据所述连接成功率信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至所述用户设备。
根据本申请的另一个方面，还提供了一种用于确定无线接入点的连接成功率信息的方法，其中，该方法包括：
获取若干个无线接入点的连接日志信息；
基于所述连接日志信息，通过机器学习训练出关于无线接入点的连接成功率模型；
根据所述连接成功率模型，确定目标无线接入点的连接成功率信息。
根据本申请的又一个方面，还提供了一种用于确定无线接入点的连接成功率信息的方法，其中，该方法包括：
获取一个或多个无线接入点的特征信息；
根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息通过机器学习训练所得。
根据本申请的又一个方面，还提供了一种用于提供无线接入点信息的设备，其中，该设备包括：
第一装置，用于获取用户设备发送的无线接入点查询请求；
第二装置，用于根据所述无线接入点查询请求确定与所述用户设备相对应的一个或多个无线接入点；
第三装置，用于根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息通过机器学习训练所得；
第四装置，用于根据所述连接成功率信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至所述用户设备。
根据本申请的再一个方面，还提供了一种用于确定无线接入点的连接成功率信息的设备，其中，该设备包括：
第五装置，用于获取若干个无线接入点的连接日志信息；
第六装置，用于基于所述连接日志信息，通过机器学习训练出关于无线接入点的连接成功率模型；
第七装置，用于根据所述连接成功率模型，确定目标无线接入点的连接成功率信息。
根据本申请的又一个方面，还提供了一种用于确定无线接入点的连接成功率信息的设备，其中，该设备包括：
第十一装置，用于获取一个或多个无线接入点的特征信息；
第十二装置，用于根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息通过机器学习训练所得。
根据本申请的又一个方面，还提供了一种用于提供无线接入点信息的设备，其中，该设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
获取用户设备发送的无线接入点查询请求；
根据所述无线接入点查询请求确定与所述用户设备相对应的一个或多个无线接入点；
根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息通过机器学习训练所得；
根据所述连接成功率信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至所述用户设备。
根据本申请的又一个方面，还提供了一种用于确定无线接入点的连接成功率信息的设备，其中，该设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
获取若干个无线接入点的连接日志信息；
基于所述连接日志信息，通过机器学习训练出关于无线接入点的连接成功率模型；
根据所述连接成功率模型，确定目标无线接入点的连接成功率信息。
根据本申请的又一个方面，还提供了一种用于确定无线接入点的连接成功率信息的设备，其中，该设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
获取一个或多个无线接入点的特征信息；
根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息通过机器学习训练所得。
根据本申请的又一个方面，还提供了一种包括指令的计算机可读存储介质，所述指令在被执行时使得系统进行以下操作：
获取用户设备发送的无线接入点查询请求；
根据所述无线接入点查询请求确定与所述用户设备相对应的一个或多个无线接入点；
根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息通过机器学习训练所得；
根据所述连接成功率信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至所述用户设备。
根据本申请的又一个方面，还提供了一种包括指令的计算机可读存储介质，所述指令在被执行时使得系统进行以下操作：
获取若干个无线接入点的连接日志信息；
基于所述连接日志信息，通过机器学习训练出关于无线接入点的连接成功率模型；
根据所述连接成功率模型，确定目标无线接入点的连接成功率信息。
根据本申请的又一个方面，还提供了一种包括指令的计算机可读存储介质，所述指令在被执行时使得系统进行以下操作：
获取一个或多个无线接入点的特征信息；
根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息通过机器学习训练所得。
与现有技术相比，本申请获取用户设备发送的无线接入点查询请求，并据此确定与所述用户设备相对应的一个或多个无线接入点，然后，根据基于连接日志信息通过机器学习训练所得的连接成功率模型确定所述无线接入点的连接成功率信息，接着，根据所述连接成功率信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至所述用户设备，呈现给用户，以便用户选择更优的无线接入点进行连接，从而提高连接质量，优化用户体验。进一步地，本申请根据所述连接成功率信息及所述无线信号强度信息，确定所述无线接入点的优先级信息，从而提供更精准的无线接入点信息供用户参考。进一步地，本申请从所述连接日志信息中抽取特征信息，并基于所述特征信息，通过机器学习训练出关于无线接入点的连接成功率模型，从而提高模型训练效率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1示出根据本申请一个实施例的一种用于提供无线接入点信息的方法流程图；
图2示出根据本申请另一个实施例的一种用于确定无线接入点的连接成功率信息的方法流程图；
图3示出根据本申请又一个实施例的一种用于确定无线接入点的连接成功率信息的方法流程图；
图4示出根据本申请一个实施例的一种用于提供无线接入点信息的设备示意图；
图5示出根据本申请另一个实施例的一种用于确定无线接入点的连接成功率信息的设备示意图；
图6示出根据本申请又一个实施例的一种用于确定无线接入点的连接成功率信息的设备示意图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本申请作进一步详细描述。
在本申请一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
图1示出根据本申请一个实施例的一种用于提供无线接入点信息的方法流程图，该方法包括步骤S11、步骤S12、步骤S13和步骤S14。
具体地，步骤S11中，设备1获取用户设备发送的无线接入点查询请求；步骤S12中，设备1根据所述无线接入点查询请求确定与所述用户设备相对应的一个或多个无线接入点；步骤S13中，设备1根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息通过机器学习训练所得；步骤S14中，设备1根据所述连接成功率信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至所述用户设备。
在此，所述设备1包括但不限于用户设备、网络设备、或用户设备与网络设备通过网络相集成所构成的设备。所述用户设备其包括但不限于任何一种可与用户通过触摸板进行人机交互的移动电子产品，例如智能手机、平板电脑等，所述移动电子产品可以采用任意操作系统，如android操作系统、iOS操作系统等。其中，所述网络设备包括一种能够按照事先设定或存储的指令，自动进行数值计算和信息处理的电子设备，其硬件包括但不限于微处理器、专用集成电路(ASIC)、可编程门阵列(FPGA)、数字处理器(DSP)、嵌入式设备等。所述网络设备其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云；在此，云由基于云计算(CloudComputing)的大量计算机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个虚拟超级计算机。所述网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络(Ad Hoc网络)等。优选地，设备1还可以是运行于所述用户设备、网络设备、或用户设备与网络设备、网络设备、触摸终端或网络设备与触摸终端通过网络相集成所构成的设备上的脚本程序。当然，本领域技术人员应能理解上述设备1仅为举例，其他现有的或今后可能出现的设备1如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。
步骤S11中，设备1获取用户设备发送的无线接入点查询请求；
在此，所述用户设备包括但不限于智能手机、平板电脑等移动设备。当所述用户设备的无线局域网功能处于开启状态，所述用户设备可能扫描得到一个或多个无线接入点。
例如，当用户打开所述用户设备上的特定应用(例如用于连接Wi-Fi的应用)，可以将用户点击特定按键作为向云端服务器发送所述无线接入点查询请求的触发条件。所述无线接入点查询请求可以包括所述用户设备所扫描到的一个或多个无线接入点的SSID(Service Set Identifier，服务集标识)、BSSID(一种特殊的Ad-hoc LAN的应用，也称为Basic Service Set)等信息，可以将其封装后发送至该特定应用对应的云端服务器。
步骤S12中，设备1根据所述无线接入点查询请求确定与所述用户设备相对应的一个或多个无线接入点。
例如，云端服务器可以通过解封装等方式，从所述无线接入点查询请求中解析出所述用户设备所扫描到的一个或多个无线接入点的SSID、BSSID等信息，从而确定与所述用户设备相对应的一个或多个无线接入点。
步骤S13中，设备1根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息通过机器学习训练所得。
例如，将所述用户设备相对应的一个或多个无线接入点作为所述连接成功率模型的输入，所述连接成功率模型输出该一个或多个无线接入点的连接成功率信息，优选地，以各维度权重向量的形式输出所述连接成功率信息，例如，连接成功率Y＝W1X1+W2X2+…+WnXn，其中，X1、X2…Xn表示影响连接成功率的若干个特征，W1、W2…Wn表示各特征的权重向量。所述连接成功率信息可以包括所述无线接入点近期连接成功的概率。所述连接日志信息可以来自于服务器记录的热点连接日志。全量的热点连接日志记录了所有Wi-Fi热点的设备信息、配置信息、用户的连接请求及热点连接结果等，为数据处理和模型训练准备尽可能多的数据信息。
步骤S14中，设备1根据所述连接成功率信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至所述用户设备。
例如，若只有一个无线接入点，则将该无线接入点的无线接入点信息提供至所述用户设备；若有多个无线接入点，可以仅将其中一个的无线接入点信息提供至所述用户设备，也可以将其中多个的无线接入点信息提供至所述用户设备。
优选地，步骤S14中，设备1根据所述连接成功率信息，确定所述无线接入点的优先级信息；根据所述优先级信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至所述用户设备。
例如，可以根据各无线接入点的所述连接成功率信息的高低进行排序，从而确定所述无线接入点的优先级信息的高低。在一个实施例中，将所述优先级信息最高的无线接入点信息提供至所述用户设备。在另一个实施例中，将所述一个或多个无线接入点中全部的无线接入点信息提供至所述用户设备。
优选地，所述无线接入点查询请求包括无线接入点的无线信号强度信息；步骤S14中，设备1根据所述连接成功率信息及所述无线信号强度信息，确定所述无线接入点的优先级信息。
例如，所述用户设备在扫描得到一个或多个无线接入点时，同时可扫描到该一个或多个无线接入点的无线信号强度信息。所述用户设备向服务器发送的所述无线接入点查询请求不仅包括SSID、BSSID等信息，还可以包括无线信号强度信息。假设无线接入点A的连接成功率信息为98.7％，无线接入点B的连接成功率信息为98.3％，若所述用户设备当前扫描到无线接入点A的无线信号强度信息很弱，而无线接入点B的无线信号强度信息很强，则可以确定无线接入点B的优先级信息高于无线接入点A。在一个实施例中，可以对无线接入点的连接成功率信息及无线信号强度信息分别赋予一个权重值，并据此计算出各无线接入点的优先级信息。
优选地，所述无线接入点信息包括以下至少任一项：所述无线接入点的优先级信息；所述无线接入点的信息点展示信息。
在此，所述信息点(Point of Information，POI)展示信息可以包括名称、类别、经度纬度、附近的酒店饭店商铺等信息。在一个实施例中，所述用户设备在接收到所述无线接入点的优先级信息及信息点展示信息后，按照优先级信息的高低排序将所述无线接入点及其信息点展示信息呈现给用户。
图2示出根据本申请另一个实施例的一种用于确定无线接入点的连接成功率信息的方法流程图，该方法包括步骤S25、步骤S26和步骤S27。
具体地，步骤S25中，设备2获取若干个无线接入点的连接日志信息；步骤S26中，设备2基于所述连接日志信息，通过机器学习训练出关于无线接入点的连接成功率模型；步骤S27中，设备2根据所述连接成功率模型，确定目标无线接入点的连接成功率信息。
在此，所述设备2包括但不限于用户设备、网络设备、或用户设备与网络设备通过网络相集成所构成的设备。所述用户设备其包括但不限于任何一种可与用户通过触摸板进行人机交互的移动电子产品，例如智能手机、平板电脑等，所述移动电子产品可以采用任意操作系统，如android操作系统、iOS操作系统等。其中，所述网络设备包括一种能够按照事先设定或存储的指令，自动进行数值计算和信息处理的电子设备，其硬件包括但不限于微处理器、专用集成电路(ASIC)、可编程门阵列(FPGA)、数字处理器(DSP)、嵌入式设备等。所述网络设备其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云；在此，云由基于云计算(Cloud Computing)的大量计算机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个虚拟超级计算机。所述网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络(Ad Hoc网络)等。优选地，设备2还可以是运行于所述用户设备、网络设备、或用户设备与网络设备、网络设备、触摸终端或网络设备与触摸终端通过网络相集成所构成的设备上的脚本程序。当然，本领域技术人员应能理解上述设备2仅为举例，其他现有的或今后可能出现的设备2如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。
步骤S25中，设备2获取若干个无线接入点的连接日志信息。
例如，所述连接日志信息可以来自于服务器记录的热点连接日志。全量的热点连接日志记录了所有Wi-Fi热点的设备信息、配置信息、用户的连接请求及热点连接结果等，为数据处理和模型训练准备尽可能多的数据信息。
步骤S26中，设备2基于所述连接日志信息，通过机器学习训练出关于无线接入点的连接成功率模型。
例如，基于所述连接日志信信息，借助机器学习算法训练出所述连接成功率模型。在此，所述机器学习算法可以包括Adaboost算法。
当然，本领域技术人员应能理解上述机器学习算法仅为举例，其他现有的或今后可能出现的机器学习算法如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。
优选地，步骤S26中，设备2从所述连接日志信息中抽取特征信息；基于所述特征信息，通过机器学习训练出关于无线接入点的连接成功率模型。
例如，所述连接日志信息中的部分信息可能与无线接入点的连接成功率无关或者关系不大，在本实施例中，从所述连接日志信息中抽取影响无线接入点的连接成功率的特征信息，并将所述特征信息作为训练数据来训练所述连接成功率模型，从而提高模型训练效率。
优选地，所述特征信息包括以下至少任一项：所述若干个无线接入点的历史连接信息；所述若干个无线接入点的密码相关信息。
例如，所述历史连接信息可以包括历史连接次数、连接人数、成功连接数、历史连接成功率、失败原因等信息，所述密码相关信息可以包括密码安全级别、密码创建更新时间等信息。
优选地，步骤S26中，设备2基于所述连接日志信息，通过机器学习迭代训练出关于无线接入点的连接成功率的回归模型。
例如，可以通过一种机器学习迭代算法(如Adaboost算法)迭代计算确定关于无线接入点的连接成功率的回归模型的参数，从而训练得到关于无线接入点的连接成功率的回归模型。
步骤S27中，设备2根据所述连接成功率模型，确定目标无线接入点的连接成功率信息。
例如，将目标无线接入点作为所述连接成功率模型的输入，所述连接成功率模型输出该目标无线接入点的连接成功率信息，优选地，以各维度权重向量的形式输出所述连接成功率信息，例如，连接成功率Y＝W1X1+W2X2+…+WnXn，其中，X1、X2…Xn表示影响连接成功率的若干个特征，W1、W2…Wn表示各特征的权重向量。所述连接成功率信息可以包括所述无线接入点近期连接成功的概率。
参照表1，表中的各列表示影响连接成功率的若干个特征(包括历史连接次数、连接人数、成功连接数、历史连接成功率、失败原因、密码安全级别、密码创建更新时间等)，表中的各行用于收集近期(可以是一天、一周、半个月或一个月等)的训练数据，根据近期的训练数据通过机器学习训练出关于无线接入点的连接成功率模型，即确定了各特征的权重向量W1、W2…Wn。然后，将目标无线接入点作为所述连接成功率模型的输入，所述连接成功率模型根据已确定的W1、W2…Wn，输出该目标无线接入点的连接成功率信息。
| X1 | X2 | …… | Xn |
表1
优选地，该方法还包括：设备2获取用户设备发送的无线接入点查询请求；根据所述无线接入点查询请求确定与所述用户设备相对应的一个或多个目标无线接入点。
例如，当用户打开所述用户设备上的特定应用，可以将用户点击特定按键作为向云端服务器发送所述无线接入点查询请求的触发条件。所述无线接入点查询请求可以包括所述用户设备所扫描到的一个或多个目标无线接入点的SSID(Service Set Identifier，服务集标识)、BSSID(一种特殊的Ad-hoc LAN的应用，也称为Basic Service Set)等信息，可以将其封装后发送至该特定应用对应的云端服务器。云端服务器可以通过解封装等方式，从所述无线接入点查询请求中解析出所述用户设备所扫描到的一个或多个目标无线接入点的SSID、BSSID等信息，从而确定与所述用户设备相对应的一个或多个目标无线接入点。
优选地，该方法还包括：设备2根据所述一个或多个目标无线接入点更新所述连接日志信息。
例如，不仅根据所述连接成功率模型，确定所述一个或多个目标无线接入点的连接成功率信息；而且还将通过热点连接日志记录下所述一个或多个目标无线接入点的相关信息，以更新所述连接日志信息，可以为之后的模型训练积累更多更新的数据信息。
图3示出根据本申请又一个实施例的一种用于确定无线接入点的连接成功率信息的方法流程图，该方法包括步骤S311和步骤S312。
具体地，步骤S311中，设备3获取一个或多个无线接入点的特征信息；步骤S312中，设备3根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息通过机器学习训练所得。
在此，所述设备3包括但不限于用户设备、网络设备、或用户设备与网络设备通过网络相集成所构成的设备。所述用户设备其包括但不限于任何一种可与用户通过触摸板进行人机交互的移动电子产品，例如智能手机、平板电脑等，所述移动电子产品可以采用任意操作系统，如android操作系统、iOS操作系统等。其中，所述网络设备包括一种能够按照事先设定或存储的指令，自动进行数值计算和信息处理的电子设备，其硬件包括但不限于微处理器、专用集成电路(ASIC)、可编程门阵列(FPGA)、数字处理器(DSP)、嵌入式设备等。所述网络设备其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云；在此，云由基于云计算(CloudComputing)的大量计算机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个虚拟超级计算机。所述网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络(Ad Hoc网络)等。优选地，设备3还可以是运行于所述用户设备、网络设备、或用户设备与网络设备、网络设备、触摸终端或网络设备与触摸终端通过网络相集成所构成的设备上的脚本程序。当然，本领域技术人员应能理解上述设备3仅为举例，其他现有的或今后可能出现的设备3如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。
步骤S311中，设备3获取一个或多个无线接入点的特征信息。
例如，所述特征信息可以包括历史连接次数、连接人数、成功连接数、历史连接成功率、失败原因、密码安全级别、密码创建更新时间等信息。
步骤S312中，设备3根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息通过机器学习训练所得。
例如，以各维度权重向量的形式输出所述连接成功率信息，连接成功率Y＝W1X1+W2X2+…+WnXn，其中，X1、X2…Xn表示影响连接成功率的若干个特征(包括历史连接次数、连接人数、成功连接数、历史连接成功率、失败原因、密码安全级别、密码创建更新时间等)，W1、W2…Wn表示各特征的权重向量。
所述连接日志信息记录了近期的训练数据，根据近期的训练数据通过机器学习训练出关于无线接入点的连接成功率模型，即确定了各特征的权重向量W1、W2…Wn。然后，将所述一个或多个无线接入点的特征信息作为所述连接成功率模型的输入，所述连接成功率模型根据已确定的W1、W2…Wn，输出该一个或多个无线接入点的连接成功率信息。后续，可基于所述连接成功率信息为用户设备推荐连接成功率最高的无线接入点，或者，将所述连接成功率信息随无线接入点提供至用户设备供用户参考。
优选地，所述方法还包括：设备3根据所述连接成功率信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至对应的用户设备。
例如，可以根据所述连接成功率信息，对所述无线接入点进行优先级排序，然后将最优的一个或者较优的多个无线接入点的无线接入点信息提供至对应的用户设备。
优选地，步骤S311中，设备3获取第一时间单元的一个或多个无线接入点的特征信息；步骤S312中，设备3根据连接成功率模型，确定所述第一时间单元的一个或多个无线接入点的连接成功率信息；其中，所述连接成功率模型基于第二时间单元的连接日志信息通过机器学习训练所得。
在此，每个时间单元可以是一天、半天、两天等，所述第一时间单元可以是当前24小时、当前12小时、当前48小时等，所述第二时间单元可以是前一24小时、前一12小时、前一48小时等。例如，从所述第二时间单元的连接日志信息中抽取特征信息，通过机器学习训练得到所述连接成功率模型；并根据所述连接成功率模型及所述第一时间单元的一个或多个无线接入点的特征信息，确定所述第一时间单元的一个或多个无线接入点的连接成功率信息。
更优选地，基于第二时间单元的连接日志信息通过机器学习训练得到连接成功率模型的特征信息的权重向量；根据所述连接成功率模型的特征信息的权重向量，确定所述第一时间单元的一个或多个无线接入点的连接成功率信息。
例如，从所述第二时间单元的连接日志信息中抽取特征信息X1”、X2”…Xn”，通过机器学习训练得到所述连接成功率模型的特征信息的权重向量W1、W2…Wn；并根据所述连接成功率模型的特征信息的权重向量W1、W2…Wn及所述第一时间单元的一个或多个无线接入点的特征信息X1’、X2’…Xn’，确定所述第一时间单元的一个或多个无线接入点的连接成功率信息Y＝W1X1’+W2X2’+…+WnXn’。
图4示出根据本申请一个实施例的一种用于提供无线接入点信息的设备1，所述设备1包括第一装置11、第二装置12、第三装置13和第四装置14。
具体地，所述第一装置11获取用户设备发送的无线接入点查询请求；所述第二装置12根据所述无线接入点查询请求确定与所述用户设备相对应的一个或多个无线接入点；所述第三装置13根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息通过机器学习训练所得；所述第四装置14根据所述连接成功率信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至所述用户设备。
在此，所述设备1包括但不限于用户设备、网络设备、或用户设备与网络设备通过网络相集成所构成的设备。所述用户设备其包括但不限于任何一种可与用户通过触摸板进行人机交互的移动电子产品，例如智能手机、平板电脑等，所述移动电子产品可以采用任意操作系统，如android操作系统、iOS操作系统等。其中，所述网络设备包括一种能够按照事先设定或存储的指令，自动进行数值计算和信息处理的电子设备，其硬件包括但不限于微处理器、专用集成电路(ASIC)、可编程门阵列(FPGA)、数字处理器(DSP)、嵌入式设备等。所述网络设备其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云；在此，云由基于云计算(Cloud Computing)的大量计算机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个虚拟超级计算机。所述网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络(Ad Hoc网络)等。优选地，设备1还可以是运行于所述用户设备、网络设备、或用户设备与网络设备、网络设备、触摸终端或网络设备与触摸终端通过网络相集成所构成的设备上的脚本程序。当然，本领域技术人员应能理解上述设备1仅为举例，其他现有的或今后可能出现的设备1如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。
所述第一装置11获取用户设备发送的无线接入点查询请求；
在此，所述用户设备包括但不限于智能手机、平板电脑等移动设备。当所述用户设备的无线局域网功能处于开启状态，所述用户设备可能扫描得到一个或多个无线接入点。
例如，当用户打开所述用户设备上的特定应用(例如用于连接Wi-Fi的应用)，可以将用户点击特定按键作为向云端服务器发送所述无线接入点查询请求的触发条件。所述无线接入点查询请求可以包括所述用户设备所扫描到的一个或多个无线接入点的SSID(Service Set Identifier，服务集标识)、BSSID(一种特殊的Ad-hoc LAN的应用，也称为Basic Service Set)等信息，可以将其封装后发送至该特定应用对应的云端服务器。
所述第二装置12根据所述无线接入点查询请求确定与所述用户设备相对应的一个或多个无线接入点。
例如，云端服务器可以通过解封装等方式，从所述无线接入点查询请求中解析出所述用户设备所扫描到的一个或多个无线接入点的SSID、BSSID等信息，从而确定与所述用户设备相对应的一个或多个无线接入点。
所述第三装置13根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息通过机器学习训练所得。
例如，将所述用户设备相对应的一个或多个无线接入点作为所述连接成功率模型的输入，所述连接成功率模型输出该一个或多个无线接入点的连接成功率信息，优选地，以各维度权重向量的形式输出所述连接成功率信息，例如，连接成功率Y＝W1X1+W2X2+…+WnXn，其中，X1、X2…Xn表示影响连接成功率的若干个特征，W1、W2…Wn表示各特征的权重向量。所述连接成功率信息可以包括所述无线接入点近期连接成功的概率。所述连接日志信息可以来自于服务器记录的热点连接日志。全量的热点连接日志记录了所有Wi-Fi热点的设备信息、配置信息、用户的连接请求及热点连接结果等，为数据处理和模型训练准备尽可能多的数据信息。
所述第四装置14根据所述连接成功率信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至所述用户设备。
例如，若只有一个无线接入点，则将该无线接入点的无线接入点信息提供至所述用户设备；若有多个无线接入点，可以仅将其中一个的无线接入点信息提供至所述用户设备，也可以将其中多个的无线接入点信息提供至所述用户设备。
优选地，所述第四装置14根据所述连接成功率信息，确定所述无线接入点的优先级信息；根据所述优先级信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至所述用户设备。
例如，可以根据各无线接入点的所述连接成功率信息的高低进行排序，从而确定所述无线接入点的优先级信息的高低。在一个实施例中，将所述优先级信息最高的无线接入点信息提供至所述用户设备。在另一个实施例中，将所述一个或多个无线接入点中全部的无线接入点信息提供至所述用户设备。
优选地，所述无线接入点查询请求包括无线接入点的无线信号强度信息；所述第四装置14根据所述连接成功率信息及所述无线信号强度信息，确定所述无线接入点的优先级信息。
例如，所述用户设备在扫描得到一个或多个无线接入点时，同时可扫描到该一个或多个无线接入点的无线信号强度信息。所述用户设备向服务器发送的所述无线接入点查询请求不仅包括SSID、BSSID等信息，还可以包括无线信号强度信息。假设无线接入点A的连接成功率信息为98.7％，无线接入点B的连接成功率信息为98.3％，若所述用户设备当前扫描到无线接入点A的无线信号强度信息很弱，而无线接入点B的无线信号强度信息很强，则可以确定无线接入点B的优先级信息高于无线接入点A。在一个实施例中，可以对无线接入点的连接成功率信息及无线信号强度信息分别赋予一个权重值，并据此计算出各无线接入点的优先级信息。
优选地，所述无线接入点信息包括以下至少任一项：所述无线接入点的优先级信息；所述无线接入点的信息点展示信息。
在此，所述信息点(Point of Information，POI)展示信息可以包括名称、类别、经度纬度、附近的酒店饭店商铺等信息。在一个实施例中，所述用户设备在接收到所述无线接入点的优先级信息及信息点展示信息后，按照优先级信息的高低排序将所述无线接入点及其信息点展示信息呈现给用户。
图5示出根据本申请另一个实施例的一种用于确定无线接入点的连接成功率信息的设备2，所述设备2包括第五装置25、第六装置26和第七装置27。
具体地，所述第五装置25获取若干个无线接入点的连接日志信息；所述第六装置26基于所述连接日志信息，通过机器学习训练出关于无线接入点的连接成功率模型；所述第七装置27根据所述连接成功率模型，确定目标无线接入点的连接成功率信息。
在此，所述设备2包括但不限于用户设备、网络设备、或用户设备与网络设备通过网络相集成所构成的设备。所述用户设备其包括但不限于任何一种可与用户通过触摸板进行人机交互的移动电子产品，例如智能手机、平板电脑等，所述移动电子产品可以采用任意操作系统，如android操作系统、iOS操作系统等。其中，所述网络设备包括一种能够按照事先设定或存储的指令，自动进行数值计算和信息处理的电子设备，其硬件包括但不限于微处理器、专用集成电路(ASIC)、可编程门阵列(FPGA)、数字处理器(DSP)、嵌入式设备等。所述网络设备其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云；在此，云由基于云计算(Cloud Computing)的大量计算机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个虚拟超级计算机。所述网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络(Ad Hoc网络)等。优选地，设备2还可以是运行于所述用户设备、网络设备、或用户设备与网络设备、网络设备、触摸终端或网络设备与触摸终端通过网络相集成所构成的设备上的脚本程序。当然，本领域技术人员应能理解上述设备2仅为举例，其他现有的或今后可能出现的设备2如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。
所述第五装置25获取若干个无线接入点的连接日志信息。
例如，所述连接日志信息可以来自于服务器记录的热点连接日志。全量的热点连接日志记录了所有Wi-Fi热点的设备信息、配置信息、用户的连接请求及热点连接结果等，为数据处理和模型训练准备尽可能多的数据信息。
所述第六装置26基于所述连接日志信息，通过机器学习训练出关于无线接入点的连接成功率模型。
例如，基于所述连接日志信信息，借助机器学习算法训练出所述连接成功率模型。在此，所述机器学习算法可以包括Adaboost算法。
当然，本领域技术人员应能理解上述机器学习算法仅为举例，其他现有的或今后可能出现的机器学习算法如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。
优选地，所述第六装置26从所述连接日志信息中抽取特征信息；基于所述特征信息，通过机器学习训练出关于无线接入点的连接成功率模型。
例如，所述连接日志信息中的部分信息可能与无线接入点的连接成功率无关或者关系不大，在本实施例中，从所述连接日志信息中抽取影响无线接入点的连接成功率的特征信息，并将所述特征信息作为训练数据来训练所述连接成功率模型，从而提高模型训练效率。
优选地，所述特征信息包括以下至少任一项：所述若干个无线接入点的历史连接信息；所述若干个无线接入点的密码相关信息。
例如，所述历史连接信息可以包括历史连接次数、连接人数、成功连接数、历史连接成功率、失败原因等信息，所述密码相关信息可以包括密码安全级别、密码创建更新时间等信息。
优选地，所述第六装置26基于所述连接日志信息，通过机器学习迭代训练出关于无线接入点的连接成功率的回归模型。
例如，可以通过一种机器学习迭代算法(如Adaboost算法)迭代计算确定关于无线接入点的连接成功率的回归模型的参数，从而训练得到关于无线接入点的连接成功率的回归模型。
所述第七装置27根据所述连接成功率模型，确定目标无线接入点的连接成功率信息。
例如，将目标无线接入点作为所述连接成功率模型的输入，所述连接成功率模型输出该目标无线接入点的连接成功率信息，优选地，以各维度权重向量的形式输出所述连接成功率信息，例如，连接成功率Y＝W1X1+W2X2+…+WnXn，其中，X1、X2…Xn表示影响连接成功率的若干个特征，W1、W2…Wn表示各特征的权重向量。所述连接成功率信息可以包括所述无线接入点近期连接成功的概率。
参照表2，表中的各列表示影响连接成功率的若干个特征(包括历史连接次数、连接人数、成功连接数、历史连接成功率、失败原因、密码安全级别、密码创建更新时间等)，表中的各行用于收集近期(可以是一天、一周、半个月或一个月等)的训练数据，根据近期的训练数据通过机器学习训练出关于无线接入点的连接成功率模型，即确定了各特征的权重向量W1、W2…Wn。然后，将目标无线接入点作为所述连接成功率模型的输入，所述连接成功率模型根据已确定的W1、W2…Wn，输出该目标无线接入点的连接成功率信息。
| X1 | X2 | …… | Xn |
表2
优选地，所述设备2还包括第八装置(图中未示出)和第九装置(图中未示出)；所述第八装置获取用户设备发送的无线接入点查询请求；所述第九装置根据所述无线接入点查询请求确定与所述用户设备相对应的一个或多个目标无线接入点。
例如，当用户打开所述用户设备上的特定应用，可以将用户点击特定按键作为向云端服务器发送所述无线接入点查询请求的触发条件。所述无线接入点查询请求可以包括所述用户设备所扫描到的一个或多个目标无线接入点的SSID(Service Set Identifier，服务集标识)、BSSID(一种特殊的Ad-hoc LAN的应用，也称为Basic Service Set)等信息，可以将其封装后发送至该特定应用对应的云端服务器。云端服务器可以通过解封装等方式，从所述无线接入点查询请求中解析出所述用户设备所扫描到的一个或多个目标无线接入点的SSID、BSSID等信息，从而确定与所述用户设备相对应的一个或多个目标无线接入点。
优选地，所述设备2还包括第十装置(图中未示出)；所述第十装置根据所述一个或多个目标无线接入点更新所述连接日志信息。
例如，不仅根据所述连接成功率模型，确定所述一个或多个目标无线接入点的连接成功率信息；而且还将通过热点连接日志记录下所述一个或多个目标无线接入点的相关信息，以更新所述连接日志信息，可以为之后的模型训练积累更多更新的数据信息。
图6示出根据本申请又一个实施例的一种用于确定无线接入点的连接成功率信息的设备3，所述设备2包括第十一装置311和第十二装置312。
具体地，所述第十一装置311获取一个或多个无线接入点的特征信息；所述第十二装置312根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息通过机器学习训练所得。
在此，所述设备3包括但不限于用户设备、网络设备、或用户设备与网络设备通过网络相集成所构成的设备。所述用户设备其包括但不限于任何一种可与用户通过触摸板进行人机交互的移动电子产品，例如智能手机、平板电脑等，所述移动电子产品可以采用任意操作系统，如android操作系统、iOS操作系统等。其中，所述网络设备包括一种能够按照事先设定或存储的指令，自动进行数值计算和信息处理的电子设备，其硬件包括但不限于微处理器、专用集成电路(ASIC)、可编程门阵列(FPGA)、数字处理器(DSP)、嵌入式设备等。所述网络设备其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云；在此，云由基于云计算(Cloud Computing)的大量计算机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个虚拟超级计算机。所述网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络(Ad Hoc网络)等。优选地，设备3还可以是运行于所述用户设备、网络设备、或用户设备与网络设备、网络设备、触摸终端或网络设备与触摸终端通过网络相集成所构成的设备上的脚本程序。当然，本领域技术人员应能理解上述设备3仅为举例，其他现有的或今后可能出现的设备3如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。
所述第十一装置311获取一个或多个无线接入点的特征信息。
例如，所述特征信息可以包括历史连接次数、连接人数、成功连接数、历史连接成功率、失败原因、密码安全级别、密码创建更新时间等信息。
所述第十二装置312根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息通过机器学习训练所得。
例如，以各维度权重向量的形式输出所述连接成功率信息，连接成功率Y＝W1X1+W2X2+…+WnXn，其中，X1、X2…Xn表示影响连接成功率的若干个特征(包括历史连接次数、连接人数、成功连接数、历史连接成功率、失败原因、密码安全级别、密码创建更新时间等)，W1、W2…Wn表示各特征的权重向量。
所述连接日志信息记录了近期的训练数据，根据近期的训练数据通过机器学习训练出关于无线接入点的连接成功率模型，即确定了各特征的权重向量W1、W2…Wn。然后，将所述一个或多个无线接入点的特征信息作为所述连接成功率模型的输入，所述连接成功率模型根据已确定的W1、W2…Wn，输出该一个或多个无线接入点的连接成功率信息。后续，可基于所述连接成功率信息为用户设备推荐连接成功率最高的无线接入点，或者，将所述连接成功率信息随无线接入点提供至用户设备供用户参考。
优选地，所述设备3还包括第十三装置(图中未示出)；所述第十三装置根据所述连接成功率信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至对应的用户设备。
例如，可以根据所述连接成功率信息，对所述无线接入点进行优先级排序，然后将最优的一个或者较优的多个无线接入点的无线接入点信息提供至对应的用户设备。
优选地，所述第十一装置311获取第一时间单元的一个或多个无线接入点的特征信息；所述第十二装置312根据连接成功率模型，确定所述第一时间单元的一个或多个无线接入点的连接成功率信息；其中，所述连接成功率模型基于第二时间单元的连接日志信息通过机器学习训练所得。
在此，每个时间单元可以是一天、半天、两天等，所述第一时间单元可以是当前24小时、当前12小时、当前48小时等，所述第二时间单元可以是前一24小时、前一12小时、前一48小时等。例如，从所述第二时间单元的连接日志信息中抽取特征信息，通过机器学习训练得到所述连接成功率模型；并根据所述连接成功率模型及所述第一时间单元的一个或多个无线接入点的特征信息，确定所述第一时间单元的一个或多个无线接入点的连接成功率信息。
更优选地，基于第二时间单元的连接日志信息通过机器学习训练得到连接成功率模型的特征信息的权重向量；根据所述连接成功率模型的特征信息的权重向量，确定所述第一时间单元的一个或多个无线接入点的连接成功率信息。
例如，从所述第二时间单元的连接日志信息中抽取特征信息X1”、X2”…Xn”，通过机器学习训练得到所述连接成功率模型的特征信息的权重向量W1、W2…Wn；并根据所述连接成功率模型的特征信息的权重向量W1、W2…Wn及所述第一时间单元的一个或多个无线接入点的特征信息X1’、X2’…Xn’，确定所述第一时间单元的一个或多个无线接入点的连接成功率信息Y＝W1X1’+W2X2’+…+WnXn’。
根据本申请的又一个方面，还提供了一种用于提供无线接入点信息的设备，其中，该设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
获取用户设备发送的无线接入点查询请求；
根据所述无线接入点查询请求确定与所述用户设备相对应的一个或多个无线接入点；
根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息通过机器学习训练所得；
根据所述连接成功率信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至所述用户设备。
根据本申请的又一个方面，还提供了一种用于确定无线接入点的连接成功率信息的设备，其中，该设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
获取若干个无线接入点的连接日志信息；
基于所述连接日志信息，通过机器学习训练出关于无线接入点的连接成功率模型；
根据所述连接成功率模型，确定目标无线接入点的连接成功率信息。
根据本申请的又一个方面，还提供了一种用于确定无线接入点的连接成功率信息的设备，其中，该设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
获取一个或多个无线接入点的特征信息；
根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息通过机器学习训练所得。
根据本申请的又一个方面，还提供了一种包括指令的计算机可读存储介质，所述指令在被执行时使得系统进行以下操作：
获取用户设备发送的无线接入点查询请求；
根据所述无线接入点查询请求确定与所述用户设备相对应的一个或多个无线接入点；
根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息通过机器学习训练所得；
根据所述连接成功率信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至所述用户设备。
根据本申请的又一个方面，还提供了一种包括指令的计算机可读存储介质，所述指令在被执行时使得系统进行以下操作：
获取若干个无线接入点的连接日志信息；
基于所述连接日志信息，通过机器学习训练出关于无线接入点的连接成功率模型；
根据所述连接成功率模型，确定目标无线接入点的连接成功率信息。
根据本申请的又一个方面，还提供了一种包括指令的计算机可读存储介质，所述指令在被执行时使得系统进行以下操作：
获取一个或多个无线接入点的特征信息；
根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息通过机器学习训练所得。
与现有技术相比，本申请获取用户设备发送的无线接入点查询请求，并据此确定与所述用户设备相对应的一个或多个无线接入点，然后，根据基于连接日志信息通过机器学习训练所得的连接成功率模型确定所述无线接入点的连接成功率信息，接着，根据所述连接成功率信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至所述用户设备，呈现给用户，以便用户选择更优的无线接入点进行连接，从而提高连接质量，优化用户体验。进一步地，本申请根据所述连接成功率信息及所述无线信号强度信息，确定所述无线接入点的优先级信息，从而提供更精准的无线接入点信息供用户参考。进一步地，本申请从所述连接日志信息中抽取特征信息，并基于所述特征信息，通过机器学习训练出关于无线接入点的连接成功率模型，从而提高模型训练效率。
需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。
另外，本申请的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令，可能被存储在固定的或可移动的记录介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输，和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此，根据本申请的一个实施例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
Claims (30)
1.一种用于提供无线接入点信息的方法，其中，该方法包括：
获取用户设备发送的无线接入点查询请求；
根据所述无线接入点查询请求确定与所述用户设备相对应的一个或多个无线接入点；
根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息中抽取的特征信息通过机器学习训练所得，所述特征信息包括若干个无线接入点的历史连接次数、连接人数、成功连接数、历史成功连接率、失败原因、密码安全级别、密码创建更新时间中一个或多个信息；
根据所述连接成功率信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至所述用户设备。
2.根据权利要求1所述的方法，其中，所述根据所述连接成功率信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至所述用户设备，包括：
根据所述连接成功率信息，确定所述无线接入点的优先级信息；
根据所述优先级信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至所述用户设备。
3.根据权利要求2所述的方法，其中，所述无线接入点查询请求包括无线接入点的无线信号强度信息；
其中，所述根据所述连接成功率信息，确定所述无线接入点的优先级信息，包括：
根据所述连接成功率信息及所述无线信号强度信息，确定所述无线接入点的优先级信息。
4.根据权利要求1至3中任一项所述的方法，其中，所述无线接入点信息包括以下至少任一项：
所述无线接入点的优先级信息；
所述无线接入点的信息点展示信息。
5.一种用于确定无线接入点的连接成功率信息的方法，其中，该方法包括：
获取若干个无线接入点的连接日志信息；
基于所述连接日志信息中抽取的特征信息，通过机器学习训练出关于无线接入点的连接成功率模型，其中，所述特征信息包括若干个无线接入点的历史连接次数、连接人数、成功连接数、历史成功连接率、失败原因、密码安全级别、密码创建更新时间中一个或多个信息；
根据所述连接成功率模型，确定目标无线接入点的连接成功率信息。
6.根据权利要求5所述的方法，其中，所述方法还包括：
获取用户设备发送的无线接入点查询请求；
根据所述无线接入点查询请求确定与所述用户设备相对应的一个或多个目标无线接入点。
7.根据权利要求6所述的方法，其中，所述方法还包括：
根据所述一个或多个目标无线接入点更新所述连接日志信息。
8.根据权利要求5至7中任一项所述的方法，其中，所述基于所述连接日志信息中抽取的特征信息，通过机器学习训练出关于无线接入点的连接成功率模型，包括：
基于所述连接日志信息中抽取的特征信息，通过机器学习迭代训练出关于无线接入点的连接成功率的回归模型，其中，所述特征信息包括若干个无线接入点的历史连接次数、连接人数、成功连接数、历史成功连接率、失败原因、密码安全级别、密码创建更新时间中一个或多个信息。
9.一种用于确定无线接入点的连接成功率信息的方法，其中，该方法包括：
获取一个或多个无线接入点的特征信息；
根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息中抽取的特征信息通过机器学习训练所得，所述特征信息包括若干个无线接入点的历史连接次数、连接人数、成功连接数、历史成功连接率、失败原因、密码安全级别、密码创建更新时间中一个或多个信息。
10.根据权利要求9所述的方法，其中，所述方法还包括：
根据所述连接成功率信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至对应的用户设备。
11.根据权利要求9或10所述的方法，其中，所述获取一个或多个无线接入点的特征信息，包括：
获取第一时间单元的一个或多个无线接入点的特征信息；
其中，所述根据连接成功率模型，确定所述无线接入点的连接成功率信息，包括：
根据连接成功率模型，确定所述第一时间单元的一个或多个无线接入点的连接成功率信息；
其中，所述连接成功率模型基于连接日志信息中抽取的特征信息通过机器学习训练所得，包括：
所述连接成功率模型基于第二时间单元的连接日志信息中抽取的特征信息通过机器学习训练所得，其中，所述特征信息包括若干个无线接入点的历史连接次数、连接人数、成功连接数、历史成功连接率、失败原因、密码安全级别、密码创建更新时间中一个或多个信息。
12.根据权利要求11所述的方法，其中，所述连接成功率模型基于第二时间单元的连接日志信息通过机器学习训练所得，包括：
基于第二时间单元的连接日志信息中抽取的特征信息通过机器学习训练得到连接成功率模型的特征信息的权重向量，其中，所述特征信息包括若干个无线接入点的历史连接次数、连接人数、成功连接数、历史成功连接率、失败原因、密码安全级别、密码创建更新时间中一个或多个信息；
其中，所述根据连接成功率模型，确定所述第一时间单元的一个或多个无线接入点的连接成功率信息，包括：
根据所述连接成功率模型的特征信息的权重向量，确定所述第一时间单元的一个或多个无线接入点的连接成功率信息。
13.一种用于提供无线接入点信息的设备，其中，该设备包括：
第一装置，用于获取用户设备发送的无线接入点查询请求；
第二装置，用于根据所述无线接入点查询请求确定与所述用户设备相对应的一个或多个无线接入点；
第三装置，用于根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息中抽取的特征信息通过机器学习训练所得，所述特征信息包括若干个无线接入点的历史连接次数、连接人数、成功连接数、历史成功连接率、失败原因、密码安全级别、密码创建更新时间中一个或多个信息；
第四装置，用于根据所述连接成功率信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至所述用户设备。
14.根据权利要求13所述的设备，其中，所述第四装置用于：
根据所述连接成功率信息，确定所述无线接入点的优先级信息；
根据所述优先级信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至所述用户设备。
15.根据权利要求14所述的设备，其中，所述无线接入点查询请求包括无线接入点的无线信号强度信息；
其中，所述根据所述连接成功率信息，确定所述无线接入点的优先级信息，包括：
根据所述连接成功率信息及所述无线信号强度信息，确定所述无线接入点的优先级信息。
16.根据权利要求13至15中任一项所述的设备，其中，所述无线接入点信息包括以下至少任一项：
所述无线接入点的优先级信息；
所述无线接入点的信息点展示信息。
17.一种用于确定无线接入点的连接成功率信息的设备，其中，该设备包括：
第五装置，用于获取若干个无线接入点的连接日志信息；
第六装置，用于基于所述连接日志信息中抽取的特征信息，通过机器学习训练出关于无线接入点的连接成功率模型，其中，所述特征信息包括若干个无线接入点的历史连接次数、连接人数、成功连接数、历史成功连接率、失败原因、密码安全级别、密码创建更新时间中一个或多个信息；
第七装置，用于根据所述连接成功率模型，确定目标无线接入点的连接成功率信息。
18.根据权利要求17所述的设备，其中，所述设备还包括：
第八装置，用于获取用户设备发送的无线接入点查询请求；
第九装置，用于根据所述无线接入点查询请求确定与所述用户设备相对应的一个或多个目标无线接入点。
19.根据权利要求18所述的设备，其中，所述设备还包括：
第十装置，用于根据所述一个或多个目标无线接入点更新所述连接日志信息。
20.根据权利要求17至19中任一项所述的设备，其中，所述第六装置用于：
基于所述连接日志信息中抽取的特征信息，通过机器学习迭代训练出关于无线接入点的连接成功率的回归模型，其中，所述特征信息包括若干个无线接入点的历史连接次数、连接人数、成功连接数、历史成功连接率、失败原因、密码安全级别、密码创建更新时间中一个或多个信息。
21.一种用于确定无线接入点的连接成功率信息的设备，其中，该设备包括：
第十一装置，用于获取一个或多个无线接入点的特征信息；
第十二装置，用于根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息中抽取的特征信息通过机器学习训练所得，所述特征信息包括若干个无线接入点的历史连接次数、连接人数、成功连接数、历史成功连接率、失败原因、密码安全级别、密码创建更新时间中一个或多个信息。
22.根据权利要求21所述的设备，其中，所述设备还包括：
第十三装置，用于根据所述连接成功率信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至对应的用户设备。
23.根据权利要求21或22所述的设备，其中，所述第十一装置用于：
获取第一时间单元的一个或多个无线接入点的特征信息；
其中，所述第十二装置用于：
根据连接成功率模型，确定所述第一时间单元的一个或多个无线接入点的连接成功率信息；
其中，所述连接成功率模型基于连接日志信息中抽取的特征信息通过机器学习训练所得，包括：
所述连接成功率模型基于第二时间单元的连接日志信息中抽取的特征信息通过机器学习训练所得，所述特征信息包括若干个无线接入点的历史连接次数、连接人数、成功连接数、历史成功连接率、失败原因、密码安全级别、密码创建更新时间中一个或多个信息。
24.根据权利要求23所述的设备，其中，所述连接成功率模型基于第二时间单元的连接日志信息通过机器学习训练所得，包括：
基于第二时间单元的连接日志信息中抽取的特征信息通过机器学习训练得到连接成功率模型的特征信息的权重向量，其中，所述特征信息包括若干个无线接入点的历史连接次数、连接人数、成功连接数、历史成功连接率、失败原因、密码安全级别、密码创建更新时间中一个或多个信息；
其中，所述根据连接成功率模型，确定所述第一时间单元的一个或多个无线接入点的连接成功率信息，包括：
根据所述连接成功率模型的特征信息的权重向量，确定所述第一时间单元的一个或多个无线接入点的连接成功率信息。
25.一种用于提供无线接入点信息的设备，其中，该设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
获取用户设备发送的无线接入点查询请求；
根据所述无线接入点查询请求确定与所述用户设备相对应的一个或多个无线接入点；
根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息中抽取的特征信息通过机器学习训练所得，所述特征信息包括若干个无线接入点的历史连接次数、连接人数、成功连接数、历史成功连接率、失败原因、密码安全级别、密码创建更新时间中一个或多个信息；
根据所述连接成功率信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至所述用户设备。
26.一种用于确定无线接入点的连接成功率信息的设备，其中，该设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
获取若干个无线接入点的连接日志信息；
基于所述连接日志信息中抽取的特征信息，通过机器学习训练出关于无线接入点的连接成功率模型，其中，所述特征信息包括若干个无线接入点的历史连接次数、连接人数、成功连接数、历史成功连接率、失败原因、密码安全级别、密码创建更新时间中一个或多个信息；
根据所述连接成功率模型，确定目标无线接入点的连接成功率信息。
27.一种用于确定无线接入点的连接成功率信息的设备，其中，该设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
获取一个或多个无线接入点的特征信息；
根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息中抽取的特征信息通过机器学习训练所得，所述特征信息包括若干个无线接入点的历史连接次数、连接人数、成功连接数、历史成功连接率、失败原因、密码安全级别、密码创建更新时间中一个或多个信息。
28.一种包括指令的计算机可读存储介质，所述指令在被执行时使得系统进行以下操作：
获取用户设备发送的无线接入点查询请求；
根据所述无线接入点查询请求确定与所述用户设备相对应的一个或多个无线接入点；
根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息中抽取的特征信息通过机器学习训练所得，所述特征信息包括若干个无线接入点的历史连接次数、连接人数、成功连接数、历史成功连接率、失败原因、密码安全级别、密码创建更新时间中一个或多个信息；
根据所述连接成功率信息，将所述一个或多个无线接入点中至少一个的无线接入点信息提供至所述用户设备。
29.一种包括指令的计算机可读存储介质，所述指令在被执行时使得系统进行以下操作：
获取若干个无线接入点的连接日志信息；
基于所述连接日志信息中抽取的特征信息，通过机器学习训练出关于无线接入点的连接成功率模型，其中，所述特征信息包括若干个无线接入点的历史连接次数、连接人数、成功连接数、历史成功连接率、失败原因、密码安全级别、密码创建更新时间中一个或多个信息；
根据所述连接成功率模型，确定目标无线接入点的连接成功率信息。
30.一种包括指令的计算机可读存储介质，所述指令在被执行时使得系统进行以下操作：
获取一个或多个无线接入点的特征信息；
根据连接成功率模型，确定所述无线接入点的连接成功率信息，其中，所述连接成功率模型基于连接日志信息中抽取的特征信息通过机器学习训练所得，所述特征信息包括若干个无线接入点的历史连接次数、连接人数、成功连接数、历史成功连接率、失败原因、密码安全级别、密码创建更新时间中一个或多个信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611141659.4A CN106792992B (zh) | 2016-12-12 | 2016-12-12 | 一种用于提供无线接入点信息的方法与设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611141659.4A CN106792992B (zh) | 2016-12-12 | 2016-12-12 | 一种用于提供无线接入点信息的方法与设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106792992A CN106792992A (zh) | 2017-05-31 |
| CN106792992B true CN106792992B (zh) | 2020-05-26 |
Family
ID=58880414
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611141659.4A Active CN106792992B (zh) | 2016-12-12 | 2016-12-12 | 一种用于提供无线接入点信息的方法与设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106792992B (zh) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107182053B (zh) * | 2017-06-08 | 2019-06-07 | 上海掌门科技有限公司 | 一种用于连接隐藏无线接入点的方法与设备 |
| CN107864500A (zh) * | 2017-08-31 | 2018-03-30 | 上海连尚网络科技有限公司 | 一种用于确定无线接入点的连接成功率信息的方法与设备 |
| CN108055690B (zh) * | 2017-10-31 | 2021-08-24 | 深圳平安通信科技有限公司 | WiFi热点推荐方法、应用服务器及计算机可读存储介质 |
| CN109982412A (zh) * | 2017-12-28 | 2019-07-05 | 中国移动通信集团陕西有限公司 | 一种wifi接入点连接方法及装置 |
| CN108495356B (zh) * | 2018-03-30 | 2020-09-25 | 上海连尚网络科技有限公司 | 一种无线接入点的过滤方法及设备 |
| CN110392414B (zh) * | 2018-04-17 | 2021-05-07 | Tcl科技集团股份有限公司 | 一种无线网络连接方法、装置、终端设备及可读存储介质 |
| CN108601066B (zh) * | 2018-06-20 | 2021-09-21 | 上海尚往网络科技有限公司 | 无线接入点连接、连接效率计算方法、装置、设备及介质 |
| CN109413663B (zh) * | 2018-09-29 | 2021-11-16 | 联想(北京)有限公司 | 一种信息处理方法和设备 |
| CN109714770B (zh) * | 2019-01-08 | 2022-10-11 | 上海尚往网络科技有限公司 | 用于发送信息的方法和装置 |
| CN110009061B (zh) * | 2019-04-18 | 2022-08-05 | 南京邮电大学 | 一种基于机器学习的ap自适应优化选择方法 |
| CN110198522B (zh) * | 2019-06-14 | 2020-11-03 | 拉扎斯网络科技（上海）有限公司 | 数据传输的方法、装置、电子设备及计算机可读存储介质 |
| CN110248396B (zh) * | 2019-06-21 | 2021-10-22 | 惠州Tcl移动通信有限公司 | 一种无线网络多接入点选择方法、智能终端及存储介质 |
| CN110519816B (zh) * | 2019-08-22 | 2021-09-10 | 普联技术有限公司 | 一种无线漫游控制方法、装置、存储介质及终端设备 |
| CN111343575B (zh) * | 2020-04-20 | 2021-05-07 | 广州掌淘网络科技有限公司 | 基于无线接入点信号强度分布的室内定位方法及设备 |
| CN112672368B (zh) * | 2020-12-17 | 2021-12-21 | 深圳金信诺高新技术股份有限公司 | 一种CU Pool下动态部署CU的方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103458408A (zh) * | 2013-08-19 | 2013-12-18 | 小米科技有限责任公司 | 网络连接方法、网络共享方法及装置 |
| CN103874018A (zh) * | 2014-02-21 | 2014-06-18 | 小米科技有限责任公司 | 接入点信息共享方法及装置 |
| CN105657790A (zh) * | 2016-03-23 | 2016-06-08 | 深圳优克云联科技有限公司 | 一种网络连接方法、装置及系统 |
| CN105873189A (zh) * | 2015-09-07 | 2016-08-17 | 上海连尚网络科技有限公司 | 一种用于建立无线连接的方法与设备 |
| CN105873239A (zh) * | 2015-12-14 | 2016-08-17 | 上海连尚网络科技有限公司 | 用于为用户设备的应用建立无线连接的方法 |
| CN106162804A (zh) * | 2016-06-24 | 2016-11-23 | 上海连尚网络科技有限公司 | 用于提供无线接入热点的接入信息的方法和设备 |
-
2016
- 2016-12-12 CN CN201611141659.4A patent/CN106792992B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103458408A (zh) * | 2013-08-19 | 2013-12-18 | 小米科技有限责任公司 | 网络连接方法、网络共享方法及装置 |
| CN103874018A (zh) * | 2014-02-21 | 2014-06-18 | 小米科技有限责任公司 | 接入点信息共享方法及装置 |
| CN105873189A (zh) * | 2015-09-07 | 2016-08-17 | 上海连尚网络科技有限公司 | 一种用于建立无线连接的方法与设备 |
| CN105873239A (zh) * | 2015-12-14 | 2016-08-17 | 上海连尚网络科技有限公司 | 用于为用户设备的应用建立无线连接的方法 |
| CN105657790A (zh) * | 2016-03-23 | 2016-06-08 | 深圳优克云联科技有限公司 | 一种网络连接方法、装置及系统 |
| CN106162804A (zh) * | 2016-06-24 | 2016-11-23 | 上海连尚网络科技有限公司 | 用于提供无线接入热点的接入信息的方法和设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106792992A (zh) | 2017-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106792992B (zh) | 一种用于提供无线接入点信息的方法与设备 | |
| US11057948B2 (en) | Method and apparatus for connecting to wireless access point | |
| EP3419353B1 (en) | Method for positioning terminal, and network device | |
| CN104850871B (zh) | 提供扫码结果信息的方法及装置 | |
| EP3277027B1 (en) | Wi-fi connection method, mobile terminal and storage medium | |
| US10873900B2 (en) | Method for wireless fidelity connection and related products | |
| CN107182098B (zh) | 用于实现用户设备在无线接入点间切换的方法与设备 | |
| US10652892B2 (en) | System and method for improved band-channel scanning and network switching | |
| US10728223B2 (en) | WI-FI connection method, mobile terminal and storage medium | |
| CN106413041A (zh) | 移动终端小区驻留方法及装置 | |
| CN106658665A (zh) | 一种用于建立无线连接的方法与设备 | |
| KR102311455B1 (ko) | 데이터 저장 및 호출 방법 및 장치 | |
| Zandbergen | Comparison of WiFi positioning on two mobile devices | |
| CN109388722B (zh) | 一种用于添加或查找社交联系人的方法与设备 | |
| US20220286956A1 (en) | Method and apparatus for mapping wireless hotspots and points of interest, computer-readable storage medium, and computer device | |
| CN107172209A (zh) | 信息推送方法和装置 | |
| CN107567071B (zh) | 一种用于查询无线热点的方法与设备 | |
| CN106658568A (zh) | 一种用于提供可用无线接入点信息的方法与设备 | |
| CN106658666B (zh) | 一种用于建立无线连接的方法与设备 | |
| CN106937308B (zh) | 一种用于确定用户访问服务区域及活动信息的方法与设备 | |
| CN106777072B (zh) | 一种用于提供呈现信息的方法、设备及系统 | |
| CN112185045B (zh) | 一种报警方法和系统 | |
| CN106888496B (zh) | 一种无线保真Wi-Fi连接方法及移动终端 | |
| CN111615174B (zh) | 识别无线网络的方法、终端设备及计算机可读存储介质 | |
| JP2017010566A (ja) | アクセスポイント関連コンテンツ提供サーバ |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |