CN107211300A - 分析和分类信令集合或呼叫 - Google Patents
分析和分类信令集合或呼叫 Download PDFInfo
- Publication number
- CN107211300A CN107211300A CN201580074579.9A CN201580074579A CN107211300A CN 107211300 A CN107211300 A CN 107211300A CN 201580074579 A CN201580074579 A CN 201580074579A CN 107211300 A CN107211300 A CN 107211300A
- Authority
- CN
- China
- Prior art keywords
- signaling
- distance
- sequence
- sets
- signaling set
- 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.)
- Pending
Links
- 230000011664 signaling Effects 0.000 title claims abstract description 397
- 238000004458 analytical method Methods 0.000 title claims abstract description 110
- 238000000034 method Methods 0.000 claims abstract description 125
- 230000008569 process Effects 0.000 claims abstract description 92
- 238000006243 chemical reaction Methods 0.000 claims abstract description 17
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 103
- 238000012545 processing Methods 0.000 claims description 91
- 238000004891 communication Methods 0.000 claims description 70
- 239000011159 matrix material Substances 0.000 claims description 25
- 230000008859 change Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 11
- 230000001419 dependent effect Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 7
- 238000012805 post-processing Methods 0.000 claims description 5
- 241000208340 Araliaceae Species 0.000 claims description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 4
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 4
- 235000008434 ginseng Nutrition 0.000 claims description 4
- 238000005192 partition Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 29
- 230000009466 transformation Effects 0.000 description 27
- 238000009826 distribution Methods 0.000 description 17
- 238000011156 evaluation Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000008450 motivation Effects 0.000 description 3
- 231100001160 nonlethal Toxicity 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 210000004209 hair Anatomy 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000002864 sequence alignment Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 244000283207 Indigofera tinctoria Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0823—Errors, e.g. transmission errors
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/04—Large scale networks; Deep hierarchical networks
- H04W84/042—Public Land Mobile systems, e.g. cellular systems
Abstract
一种装置，包括至少一个处理电路和用于存储要由处理电路执行的指令的至少一个存储器，其中至少一个存储器和指令被配置成利用至少一个处理电路使得装置至少：关于多个信令集合中的至少两个之间的相似性和不相似性来分析多个单独的信令集合，以用于根据分析的结果将每个信令集合分类到信令集合的至少一个类中，其中分析包括：变换表示多个信令集合中的相应一个的追踪数据，以用于通过从追踪数据过滤预定信息来根据序列模型生成信令集合序列，通过使用相应的信令集合序列来评估信令集合的距离，其中该距离由距离度量指示，以及基于距离度量将相应的信令集合分配到信令集合类。
Description
技术领域
本发明涉及可用于分析和分类比如呼叫等的信令集合的装置、方法、系统、计算机程序、计算机程序产品和计算机可读介质。
背景技术
背景技术的以下描述可以包括针对本发明的实施例的至少一些示例的但由本发明提供的洞察、发现、理解或公开或关联、以及相关现有技术未知的公开。本发明的一些这样的贡献可以在下面具体指出，而本发明的其他这样的贡献将从相关的上下文中显而易见。
应用本说明书中使用的缩写的以下含义：
3GPP 第三代合作伙伴计划
AP：接入点
BGW：边界网关
BS：基站
CPU：中央处理单元
DHD：动态汉明距离
DL：下行链路
DSP：数字信号处理器
IP：网际协议
LTE：长期演进
LTE-A：LTE高级
MGW：媒体网关
MSS：移动交换中心
RAN：无线电接入网络
RLC：无线电链路控制
RNC：无线网络控制器
RRC：无线电资源控制
SDU：服务数据单元
SIP：会话发起协议
SON：自组织网络
TAS：电话应用服务器
TCP：传输控制协议
UE：用户设备
UL：上行链路
UP：用户平面
VNF：虚拟网络功能
VoIP：通过IP的语音
VoLTE：通过LTE的语音
WCDMA：宽带码分多址。
本发明的实施例涉及包括其中可以实现用于分析和分类诸如呼叫、数据通信等的信令集合的过程的通信系统的网络。
发明内容
根据实施例的示例，例如，提供了一种装置，包括：至少一个处理电路，以及用于存储要由所述处理电路执行的指令的至少一个存储器，其中所述至少一个存储器和所述指令被配置为利用所述至少一个处理电路使得所述装置至少：关于多个信令集合中的至少两个之间的相似性和不相似性来分析多个单独的信令集合，以用于根据所述分析的结果将每个信令集合分类到信令集合的至少一个类中，其中所述分析包括：变换表示所述多个信令集合中的相应一个的追踪数据，以用于通过从所述追踪数据过滤预定信息来根据序列模型生成信令集合序列，通过使用相应的信令集合序列来评估信令集合的距离，其中所述距离由距离度量指示，以及基于所述距离度量将相应的信令集合分配到信令集合类。
此外，根据实施例的示例，例如，提供了一种方法，包括：关于多个信令集合中的至少两个之间的相似性和不相似性来分析多个单独的信令集合，以用于根据所述分析的结果将每个信令集合分类到信令集合的至少一个类中，其中所述分析包括：变换表示所述多个信令集合中的相应一个的追踪数据，以用于通过从所述追踪数据过滤预定信息来根据序列模型生成信令集合序列，通过使用相应的信令集合序列来评估信令集合的距离，其中所述距离由距离度量指示，以及基于所述距离度量将相应的信令集合分配到信令集合类。
此外，根据实施例的示例，例如，提供了一种计算机程序产品，包括具有体现在其中的计算机可读程序代码的计算机可用介质，所述计算机可读程序代码适于执行过程，所述过程包括：关于多个信令集合中的至少两个之间的相似性和不相似性来分析多个单独的信令集合，以用于根据所述分析的结果将每个信令集合分类到信令集合的至少一个类中，其中所述分析包括：变换表示所述多个信令集合中的相应一个的追踪数据，以用于通过从所述追踪数据过滤预定信息来根据序列模型生成信令集合序列，通过使用相应的信令集合序列来评估信令集合的距离，其中所述距离由距离度量指示，以及基于所述距离度量将相应的信令集合分配到信令集合类。
根据进一步的改进，这些示例可以包括以下特征中的一个或多个：
- 每个信令集合可以是多个网络元件或功能之间或网络元件或功能内的信令的结果，所述信令包括数据通信、语音通信、协议栈和一个或多个网络元件或功能所涉及的软件块之间的消息交换中的至少一个中的一系列消息或上下文数据，并且追踪数据可以包括关于信令集合的单独事件和消息、用户平面事件、状态改变事件、更新事件、故障计数器事件以及与事件或消息相关的性质中的至少一个的信息；
- 根据序列模型生成的信令集合序列可以包括表示追踪数据的相关部分的序列元素的有序列表，其中序列元素可以选自多种类型的序列元素，每种类型被区分并分配到唯一标识符，其中序列元素可以包括标量标识符和从追踪数据导出的信息元素中的至少一个；
- 可以根据包括在信令集合中的故障指示的类型来预先选择多个单独的信令集合以用于分析；
- 为了变换表示多个信令集合中的相应一个的追踪数据以用于根据序列模型生成信令集合序列，可以区分用于标识特定元素的追踪数据的部分，可以向每个特定元素分配对应的标识符，并且可以通过使用所分配的标识符来生成信令集合序列；
- 为了变换表示多个信令集合中的相应一个的追踪数据以用于根据序列模型生成信令集合序列，可以使从追踪数据的预定信息的过滤适于为评估信令集合的距离所进行的处理，其中相应追踪数据的变换的结果可以对应于适于为评估信令集合的距离所进行的处理的公共序列模型；
- 为了评估信令集合的距离，可以计算从多个信令集合导出的至少两个信令集合序列与彼此的距离或从多个信令集合导出的信令集合序列与至少一个预先存储的参考序列集合的距离，其中可以通过在考虑每个信令集合序列中的特定元素下对齐信令集合序列来确定距离度量，其中每个信令集合序列中的特定元素可以涉及追踪数据中的故障事件、信令集合序列的第一个元素、以及信令集合序列的最后一个元素中的一个；
- 可以确定动态汉明距离、Levenshtein距离和Jaccard距离之一作为距离度量，并且可以利用依赖于信令集合序列中的位置与用于对齐的特定元素之间的距离的加权因子函数来调制距离度量确定的结果；
- 可以考虑距离度量，以用于将彼此满足预定相似性状况的信令集合分配到相同的信令集合类，并且用于将彼此不满足预定相似性状况的信令集合分配到不同的信令集合类；
- 可以在离线模式和在线模式中的一个下分析多个单独的信令集合，其中在离线模式下，多个信令集合可以是先前存储的信令集合的闭合集合，并且在在线模式下，多个信令集合可以以后续的方式输入，并且可以在任意时间段内根据信令集合的到达进行分析；
- 在离线模式下，可以将信令集合类中的至少一个用作参考信令集合类，其限定要在离线模式和在线模式中的至少一个下在信令集合分析中的距离评估中使用的信令集合序列；
- 在离线模式下，可以通过将信令集合序列对齐到与追踪数据中的故障计数器递增事件对应的信令集合序列的特定元素来评估信令集合的距离，可以根据距离度量将信令集合序列的成对距离计算为距离矩阵，并且为了将信令集合分配到信令集合类，可以使用分割或聚类处理以用于通过使用距离矩阵标识具有等于或小于预定距离的距离的信令集合序列的子集；
- 在在线模式下，可以将每个包括至少一个参考信令集合序列的至少一个参考信令集合类用于评估信令集合的距离并用于将信令集合分配到信令集合类，并且在信令集合根据任何参考信令集合类都不能分配的情况下，可以基于不能分配的信令集合来限定新的参考信令集合类；
- 在在线模式下，可以通过将信令集合序列对齐到参考信令集合序列来评估信令集合的距离，可以根据距离度量将信令集合序列和参考信令集合序列的成对距离计算为距离向量，并且基于所述距离向量，可以确定是否要将信令集合分配到作为最接近的信令集合类的信令集合类，或者限定新的信令集合类；
- 可以提供信令集合的分析的结果，以用于与分析结果随时间的改变相关的后处理；
- 上述处理可以在配置为用作网络控制元件或功能或者配置为用作分析元件或功能的网络元件或功能中实现，其中所述网络可以是通信网络。
此外，根据实施例，例如，提供了一种用于计算机的计算机程序产品，包括用于当所述产品在所述计算机上运行时执行上文限定的方法的步骤的软件代码部分。所述计算机程序产品可以包括在其上存储所述软件代码部分的计算机可读介质。此外，所述计算机程序产品可以可直接加载到所述计算机的内部存储器中和/或可通过上传、下载和推送过程中的至少一个经由网络而传输。
附图说明
下面参考附图仅以示例的方式描述本发明的一些实施例，其中：
图1示出了图示包括其中实施例的一些示例是可实现的通信系统的网络的一般架构的图；
图2示出了图示根据实施例的一些示例的可用于分析和分类信令集合的元件或功能的图；
图3示出了图示根据实施例的一些示例的可用于分析和分类信令集合的元件或功能的图；
图4示出了图示根据实施例的一些示例的可用于分析和分类信令集合的元件或功能的图；
图5示出了图示根据实施例的一些示例的可用于分析和分类信令集合的元件或功能的图；
图6示出了图示根据实施例的一些示例的可用于分析和分类信令集合的元件或功能的图；
图7示出了图示根据实施例的一些示例的将表示呼叫的追踪数据转换成序列模型的示例的图；
图8示出了图示根据实施例的一些示例的两个呼叫的序列之间的比较的示例的图；
图9示出了图示根据实施例的一些示例的呼叫的序列结构的示例的图；
图10示出了图示根据实施例的一些示例的呼叫序列的对齐处理的示例的图；
图11示出了图示根据实施例的一些示例的用于呼叫序列的距离评估的处理的示例的图；
图12示出了图示根据实施例的一些示例的用于呼叫序列的距离评估的处理的示例的图；
图13示出了图示根据实施例的一些示例的用于呼叫的层级聚类结果的树形图的图；
图14示出了图示根据实施例的一些示例的可用于分析和分类信令集合的元件或功能的图；
图15示出了根据实施例的一些示例的用于分析和分类信令集合的元件或功能中进行的处理的流程图；以及
图16示出了根据实施例的一些示例的用作可用于分析和分类信令集合的元件的网络元件的图。
具体实施方式
在过去几年中，例如基于有线的通信网络（诸如综合业务数字网（ISDN）、DSL）或无线通信网络的通信网络的日益扩展发生在世界各地，所述无线通信网络诸如cdma2000（码分多址）系统、比如通用移动电信系统（UMTS）的蜂窝第三代（3G）、第四代（4G）通信网络或基于例如LTE或LTE-A的增强型通信网络、第五代（5G）通信网络、蜂窝第二代（2G）通信网络（比如全球移动通信系统（GSM）、通用分组无线电系统（GPRS）、全球演进的增强数据速率（EDGE））、或其他无线通信系统，诸如无线局域网（WLAN）、蓝牙或全球微波接入互操作性（WiMAX）。诸如第三代合作伙伴计划（3GPP）、电信和互联网融合业务及高级网络协议（TISPAN）、国际电信联盟（ITU）、第三代合作伙伴计划2（3GPP2）、互联网工程任务组（IETF）、IEEE（电气和电子工程师协会）、WiMAX论坛等之类的各种组织正在致力于用于电信网络和接入环境的标准或规范。
下面描述的实施例以及原理可以应用于通信网络环境中包括的任何网络元件，诸如终端设备、网络元件、中继节点、服务器、节点、对应的组件和/或通信系统的任何其他元件或支持所需功能的不同通信系统的任何组合。通信系统可以是固定通信系统、无线通信系统或利用固定网络和无线网络两者的通信系统的任何一种或任何组合。使用的协议、通信系统的规范、诸如节点、服务器和用户终端之类的装置特别是在无线通信中发展迅速。这样的发展可能需要对实施例的额外的改变。因此，所有的词语和表述应该被广义地解释，并且它们旨在说明而不是限制实施例。
在下文中，将使用基于3GPP标准的无线电接入架构（诸如，第三代或第四代（比如LTE或LTE-A）通信网络）作为可以应用实施例的通信网络的示例来描述不同例示的实施例，但不将实施例限制于这样的架构。对于本领域技术人员显而易见的是，实施例还可以通过适当地调整参数和过程来应用于具有合适手段的其他种类的通信网络，例如，WiFi、全球微波接入互操作性（WiMAX）、蓝牙®、个人通信服务（PCS）、ZigBee®、宽带码分多址（WCDMA）、使用超宽带（UWB）技术的系统、传感器网络、移动ad-hoc网络（MANET）等。
以下示例和实施例仅被理解为说明性示例。虽然说明书可以在若干位置中引用“一”、“一个”或“一些”示例或实施例，但这并不一定意味着每个这样的引用关于相同的（多个）示例或实施例，或者该特征仅应用于单个示例或实施例。不同实施例的单个特征也可以被组合以提供其他实施例。此外，比如“包括”和“包含”的术语应被理解为不将所描述的实施例限制为仅包括已经提到的那些特征；这样的示例和实施例还可以包含尚未具体提到的特征、结构、单元、模块等。
包括其中实施例的一些示例适用的通信系统的网络的基本系统架构可以包括包括有线或无线接入网络子系统和核心网络的一个或多个通信网络的架构。这样的架构可以包括一个或多个通信网络控制元件、接入网络元件、无线电接入网络元件、接入服务网络网关、或诸如基站（BS）、接入点（AP）或eNB之类的基站收发器，其控制相应的覆盖区域或（多个）单元，并且一个或多个通信元件、用户设备或终端设备（诸如UE）、或具有类似功能的另一设备（诸如调制解调器芯片组、芯片、模块等，其也可以是能够进行通信的元件、功能或应用（诸如UE）的一部分、可在机器到机器通信架构中使用的元件或功能、或者作为单独的元件附接到这样的能够进行通信的元件、功能或应用等）能够经由用于传输若干类型的数据的一个或多个信道与所述基站收发器进行通信。此外，可以包括诸如网关网络元件、策略和计费控制网络元件、移动性管理实体、操作和维护元件等之类的核心网络元件。
也取决于实际网络类型的所描述的元件的一般功能和互连是本领域技术人员已知的并且在对应的说明书中描述，使得本文省略其详细描述。然而，应当注意，可以采用若干附加的网络元件和信令链路用于去向或来自元件、功能或应用的通信，比如诸如UE的通信元件、诸如服务器、无线电网络控制器的通信网络控制元件、以及相同或其他通信网络的其他元件，除了下面详细描述的那些。
在实施例的示例中考虑的网络还可能能够与诸如公共交换电话网络或因特网之类的其他网络进行通信。通信网络还可能能够支持云服务的使用。应当理解，可以通过使用适于这种使用的任何节点、主机、服务器、接入节点或实体等来实现接入系统的、核心网络等的网络元件和/或相应的功能。
此外，所描述的网络元件（诸如比如UE的通信元件、比如无线电网络控制器的接入网络元件、比如服务器、分析实体等的其他网络元件以及如本文描述的对应功能以及其他元件、功能或应用可以通过软件（例如通过用于计算机的计算机程序产品）和/或通过硬件来实现。为了执行它们相应的功能，对应地使用的设备、节点、功能或网络元件可以包括对于控制、处理和/或通信/信令功能所需的若干部件、模块、单元、组件等（未示出）。这样的部件、模块、单元和组件可以包括例如：包括一个或多个处理部分的一个或多个处理器或处理器单元，其用于执行指令和/或程序和/或用于处理数据；用于存储指令、程序和/或数据的存储或存储器单元或部件，其用于用作处理器或处理部分等的工作区域（例如ROM、RAM、EEPROM等）；用于通过软件输入数据和指令的输入或接口部件（例如软盘、CD-ROM、EEPROM等）；用于向用户提供监视和操纵可能性的用户接口（例如，屏幕、键盘等）、用于在处理器单元或部分的控制下建立链路和/或连接的其他接口或部件（例如有线和无线接口部件、包括例如天线单元等的无线电接口部件、用于形成无线电通信部分的部件等）等，其中形成接口的各个部件（诸如无线电通信部分）也可以位于远程站点（例如，无线电头端或无线电台等）上。应当注意，在本说明书中，处理部分不应仅被认为是表示一个或多个处理器的物理部分，而是也可以被认为是由一个或多个处理器执行的所涉及的处理任务的逻辑划分。
应当理解，根据一些示例，可以采用所谓的“液体”或灵活网络概念，其中网络控制元件、网络功能或网络的另一实体的操作和功能可以以灵活的方式在不同的实体或功能中执行，诸如在节点、主机或服务器中。换句话说，所涉及的网络元件、功能或实体之间的“分工”可能会逐情况变化。
关于图1，示出了图示包括通信系统的网络的一般架构的图，其中实施例的一些示例是可实现的。应当注意，图1中所描绘的结构仅示出了对于理解本发明的实施例的一些示例下的原理有用的那些设备、网络元件和链路。如本领域技术人员也已知的，可以存在在通信系统中的通信中涉及的若干其他网络元件或设备，其为了简单起见而在本文省略。
在图1中，示出了包括通信系统的网络，其形成根据实施例的一些示例的通信系统的一般基础。具体地，提供了例如基于3GPP规范的（无线）通信网络。应当注意，如图1所描绘的网络元件的数量及其类型两者仅仅旨在提供用于说明根据实施例的一些示例的分析和分类处理的原理的基础。
根据图1，附图标记10、11和12表示相应通信元件，诸如UE、服务器、比如接入网络控制元件或核心网络控制元件的另一网络元件，其表示形成要分析的信令集合的通信的一个端点（如上所述）。例如，当以UE 10为例时，从UE向网络发送UL数据分组和信令，并且由UE10从网络接收DL数据分组和信令。
附图标记20表示网络控制元件，诸如UE 10与其通信的接入网络的无线电网络控制器。网络控制元件20表示形成要分析的信令集合的通信的另一端点。应当注意，网络控制元件20可以是适于与由附图标记10、11和12表示的其他端点中的任何一个进行通信或信令交换的任何网络元件或功能，例如，诸如另一服务器、另一UE等。
当然，诸如元件10、11和12和/或控制元件20的通信端点的数量不限于图1所示的元件的数量。根据实施例的一些示例，与图1相比，元件的数量并且因此要分析的信令集合的数量可以是可变的，图1仅用作在这方面的说明性示例。
附图标记30表示被配置为分析和分类在网络中（诸如在元件10、11、12和20中的任何一个之间）交换的信令集合的实体或功能。分析元件或功能30可以是独立的元件或功能，例如运行在专用设备或系统中或者实现在网络的一个或多个其他元件中，诸如在控制元件20或另一网络元件（例如MSS、TAS、MGW、BGW等）中。为了执行其功能，要分析的信令集合以合适的形式从网络提供给分析元件或功能，这将在下面讨论。例如，根据实施例的一些示例，信令集合由控制元件20提供，但是实施例的示例不限于此。
其中在网络元件或功能之间传送数据的网络中的一个问题在于总是存在通信故障的可能性。因此，网络侧故障的快速故障排除（其可能由警报、故障计数器等指示）和准确的根本原因分析对于维持网络中的低故障率和高服务质量很重要。
例如，在比如图1所示的通信网络中，呼叫可能故障，并且可能难以对这样的故障呼叫进行故障排除。例如，理由是总体呼叫量是巨大的，呼叫情况可能是复杂的，许多不同的网络元件可能参与呼叫，传送的数据量可能是巨大的等等。
已知网络中的特定事件或消息传送序列可能导致引起故障的问题。例如，切换之后的编解码器或用户平面发起可能故障，并且呼叫被静音或者在用户平面超时的情况下故障。
因此，呼叫故障原因的分析是对于确保服务质量/体验质量重要的措施。
然而，对应的工作流程目前涉及多个繁琐步骤，这些步骤通常需要人为干预，并逐个手动调查故障情况。因此，在故障分析和分类过程中实现一定级别的自动化是合期望的，因为可以节省手动资源并提高准确度。
其中故障排除自动化可能有用的一个可能的应用领域是故障信令集合（诸如呼叫）的分类。呼叫的建立（例如，语音或数据承载）及其在建立之后的进展可以完全成功（从控制平面和用户平面两者的角度来看），或者其在其寿命期间表现出致命和/或一个或多个非致命故障。每个故障（致命的和非致命的）可以用特定的错误代码指示。通常通过递增对应于（多个）错误代码的一个或多个计数器（其也称为故障计数器）来向网络管理系统指示具有故障的呼叫。例如，当发生故障时，则该事件触发递增对应的故障计数器。
目前，故障计数器仅提供故障呼叫的唯一分类。因此，具有相同故障计数器的所有呼叫都被假定为具有相同的根本问题（这不一定是真的），或者他们必须经历繁琐的手动调查。在前一种情况下，可能会触发不正确的结论和动作，而在后一种情况下，大多数呼叫仍然未被分析，因为手动故障排除不可扩展，并且无法覆盖具有任何种类的故障的所有呼叫。
因此，作为通过本发明的实施例解决的基本问题，将提供（附加的）自动分类或分析，其允许更深入地洞察故障的根本原因或识别呼叫的内部结构内的相似性或不相似性，其将使得能够实现更细粒度的分类。
换句话说，根据本发明的实施例的一些示例，提供了允许基于其内部结构（其也被称为追踪数据或呼叫追踪（如下所限定））来分类信令集合（诸如呼叫）的措施，作为依赖于由通信系统分配到呼叫的一个或多个预限定的故障计数器的代替或附加。故障计数器被限制到其编程到系统中的限定（类似于报警）的粒度和范围，并且它们传达关于故障事件的发生的信息的奇异点，而没有步骤和情况关于什么导致故障的任何附加上下文。即使在相同的故障（即相同的故障计数器）的情况下，故障的上下文（例如，导致故障事件的消息序列或故障之后的消息）也可能显著不同，从而指示需要替代校正动作或应被区分至少用于报告的不统一场景。此外，故障计数器的预限定性质不允许自动发现异常值，即与所有先前已知的故障情况显著不同的呼叫。因此，这些呼叫可能被分配错误的或至少太一般的故障计数器（缺少更具体的故障计数器来指示特定问题），或者可能根本不被分配故障计数器（如果不存在促进呼叫处理具体故障的软件组件中的存留（trap）的话），从而创建成功呼叫的错误印象。这些不准确性仍然存在于系统中，直到这样的呼叫成为手动调查的对象，这根本不会发生或者只在许多这样的呼叫已经通过未检测或者特定的问题导致严重的恶化之后才可能发生。
因此，本发明的实施例的示例涉及能够还超出目前故障计数器分类故障信令集合或呼叫的自动化分析。
在该上下文中，应当注意，分析和分类可以应用于任何合适的信令集合。在下文中用作该术语的等同物的这样的信令集合的一个示例是呼叫，但是“信令集合”应在更广泛的范围内被理解，并且描述在网络实体或功能之间或之内创建任意上下文的计算机或通信网络中执行的任何过程（通常是协议消息的序列）。在该意义上，信令集合或呼叫可以被一般化为指代各种类型的通信，诸如TCP连接、涉及多个网络实体和协议栈的电信网络中的（复杂）语音呼叫过程、软件块之间的专有消息序列、以及这样的过程的任何合适的部分。
此外，应当注意，本发明的实施例的示例可以应用于任何通信网络内的信令集合或呼叫的分析，包括3GPP 2G、3G或LTE以及超出无线电接入网络、IP网络、端到端呼叫建立过程，诸如SIP、VoIP、VoLTE或任何其他信令集合，其中例如错误指示或其他显式分类被提供并可以通过追踪数据来表示。
根据本发明的实施例的示例，诸如呼叫的信令集合的分析和分类基于呼叫的结构相似性和差异。根据实施例的示例，诸如呼叫的信令集合可以通过所谓的追踪数据或呼叫追踪来表示，其收集单独事件和消息诸如呼叫期间的信令（例如，在网络元件内内部或经由通信连接交换，例如在基于3GPP的网络中的层3上）、用户平面事件（例如，发送/接收数据）或网络元件内的状态改变/更新。根据实施例的另外示例，呼叫追踪或追踪日期中的每个事件或消息可以通过诸如时间、发送者和/或接收者身份、属性等之类的一组性质来补充。此外，根据实施例的一些示例，故障计数器本身也是追踪数据或呼叫追踪的一部分。在该上下文中，要注意的是，在致命故障的情况下，故障计数器可以是呼叫追踪的最后元件，而在非致命故障的情况下，呼叫追踪可以在具有附加消息或事件的情况下在故障计数器之后继续。此外，根据实施例的一些示例，提供了用于分析和分类元件或功能的自学习能力，其允许将处理（例如，处理所基于的算法）调整到信令集合或呼叫从其被提供用于分析的网络的状况。
实施例的示例适用于网络中的各种地方中。如上所述，网络控制元件或功能或者分析元件或功能可用于实现信令集合分析和分类过程，但是实施例的其他示例可以结合用于处理或处置网络中的控制部分的任何设备或功能来实现。
实施例的示例涉及信令集合分类（在下文中，信令集合将被称为呼叫），其中呼叫追踪自主分析，以便在呼叫之间找到结构相似性（和不相似性）。例如，在分析中考虑呼叫，其递增相同的故障计数器或完全没有故障计数器即将被现有网络管理或故障排除系统统一处理。分类被限定为使得具有足够类似的追踪的呼叫被分配到相同的类。
如上所述，故障计数器在已知故障情况之间明确区分。因此，根据实施例的一些示例，根据实施例的一些示例的分析和分类过程的一个使用情况是进一步分类递增相同故障计数器的呼叫，从而自动找到不同的根本原因和故障场景，其中原本只有单一类型的故障指示。根据实施例的一些示例的分析和分类过程的另一个使用情况是标识没有故障计数器（因此被认为是成功的）但是仍然示出与已知的故障呼叫（其具有故障计数器）的高结构相似性的呼叫。这可以主动地揭示否则将仍然隐藏的系统中的软（即非致命）故障。
图2示出了图示根据实施例的一些示例的可用于分析和分类信令集合的元件或功能的图。基本上，图2图示了如图1所描绘的分析元件或功能30的基本概念，并且描述了根据实施例的示例的分析和分类过程的主要工作流程。
如图2所示，存在形成分析和分类流程的两个部分，即：预处理部分40，其通过执行序列变换准备输入数据，诸如迄今为止未被分类的信令集合或呼叫（由追踪数据或呼叫追踪60表示）；以及分类部分50，其涉及距离评估和类分配，以便执行实际分类。在部分40和50中进行的分析和分类处理的结果是将未分类的信令集合（呼叫）60分类成分类信令集合（呼叫）70，其中X、Y和Z表示不同的信令集合类或用于呼叫的呼叫类。
例如，在预处理部分40中，执行序列变换。为此目的，首先对表示单独信令集合（呼叫）的追踪数据或呼叫追踪70进行过滤，以便只保留与分类相关的追踪的那些元素（即，特别是与距离评估步骤相关的，如下面描述的）。通过过滤器的元素被称为信令集合序列，即呼叫的序列模型表示。呼叫分析和分类处理中的另外部分在序列模型的空间中工作。
应当注意，根据实施例的示例，序列变换的实现可以取决于过程的部署环境。也就是说，根据实施例的一些示例，可以将任意格式和结构的呼叫追踪转换成公共的序列模型表示，其本身对于部署环境是特定的。因此，可以例如通过使序列适配于后续步骤中使用的算法来支持另外部分中的进一步处理即距离评估和类分配，而不管原始的追踪格式和结构如何。
在分类部分50中，根据实施例的示例，当评估呼叫与彼此的距离时，分析的序列的距离在彼此之间成对地计算，或者在分析的序列和参考序列集合（即，在先前的运行中已被分类的序列集合）的成员之间计算。例如，根据实施例的一些示例，距离计算基于限定由其序列模型给出的两个呼叫的距离的度量。应当注意，根据实施例的一些示例，可以通过分析和分类过程的不同实现来使用各种距离度量类型。基本上，距离度量的目的是将两个呼叫示出为类似的呼叫（即，具有低距离），如果其故障的根本原因可能相同的话。因此，根据实施例的一些示例，距离度量可以优先化在特定点（例如故障计数器事件）附近的呼叫结构中的（不）相似性，并将离特定点更远的部分考虑为对距离的影响较小。
此外，在分类部分中，根据实施例的一些示例，执行类分配。也就是说，基于距离评估的结果，将分析的序列分配到一个或多个类。类分配的目的是维持映射到相同类的呼叫内的高相似性（根据距离度量）以及映射到不同类的呼叫之间的低相似性。
图3和图4示出了图示根据实施例的一些示例的可用于分析和分类信令集合的元件或功能的图。具体地，图3和图4图示了根据实施例的一些示例的可用于分析和分类过程的不同操作模式。要注意的是，图3和图4中的每一个中所指示的部分和功能与根据图2的分析和分类机构的一般结构相对应，使得相同的附图标记被用于等同的部分。
详细地，在图3中，描绘了离线模式，其中关于呼叫的闭合集合进行呼叫的分析。根据实施例的一些示例，该呼叫的闭合集合在分析的开始时是可用的，并且在分析期间不考虑附加的呼叫。例如，呼叫（即，表示呼叫的追踪数据或呼叫追踪60）的闭合集合被存储在用作呼叫存储的存储器80等中，呼叫的闭合集合从其传送到例如功能的分析元件30。
由于离线操作可同时访问要分析的所有呼叫，所以根据实施例的一些示例，可以在任何两个呼叫之间执行完全比较（即，距离计算）以执行分类。
根据实施例的一些示例，离线分类（即，呼叫集合及其相应类）的结果可用作参考类集合90。在图3中，假设参考类集合包括例如类X、Y和Z。参考类集合90例如用于下一离线运行（以便提供更广泛的分类基础）或作为针对在线操作的比较基础（见下文）。
另一方面，在图4中，描绘了其中在连续操作中进行呼叫分析的在线模式。也就是说，根据实施例的一些示例，由呼叫追踪60表示的呼叫可以在任何时间到达并且用于任意时间段（即，有限或无限时间段）。也就是说，与图3所示的离线模式相反，在在线模式下没有呼叫的闭合集合，这可以通过分析被认为是最终呼叫群体。因此，分析和分类过程在每个呼叫处在其到达时进行分析并产生分类（例如实时）或累积多个呼叫以具有统计上相关的数据量以执行合适的分类。
根据实施例的一些示例，在在线模式下，分类处理考虑在先前的在线模式处理中已经分析的呼叫或者在参考类集合100中的呼叫。参考类集合可以通过例如离线分析创建，即可以对应于参考类集合90。另一方面，如果分析与以前分析的呼叫中的任何一个显著不同的呼叫，则新的呼叫类71（图4中的呼叫类W）被自主限定，其中根据实施例的一些示例，该新的呼叫类被插入在参考类集合100中以用于进一步的分析周期。
也就是说，根据实施例的示例，可以进行超出故障计数器的信令集合或呼叫分类，其中，可以自动创建显著不同的呼叫的子类，尽管递增例如相同的（多个）故障计数器。由于相同子类中的呼叫可能具有导致故障计数器递增的相同的根本问题，所以改进的分析可实现。
此外，根据实施例的示例，有问题的呼叫（例如具有非致命问题的呼叫）可以被标识，即使不存在诸如故障计数器递增之类的指示（即，最初被分类为成功的呼叫），其仍然示出与已知故障情况的相似性（其继而可以例如在后处理过程中被指示）。因此，可以通过在问题升级到更严重的硬性故障之前预测问题来提供预警。
此外，根据实施例的示例，独立于故障计数器等的呼叫分类是可能的。也就是说，可以检测递增不同故障计数器的呼叫之间的相似性。因此，可以创建呼叫的群组，其递增不同的故障计数器但是在呼叫序列中具有结构相似性，其继而指示这些呼叫遭受相同根本问题的影响。因此，可以掌握不同故障事件之间的联系。
此外，根据实施例的示例，可以通过检测相同的故障计数器通过具有先前未知结构的呼叫递增来识别新类型的故障。例如，作为后处理，这样的检测结果可以被通道化回到故障计数器限定实体或到操作者，使得可以创建专用计数器以稍后给出对根本问题的显式可见性。
此外，根据实施例的示例，可以通过在这样的事件之后自动检测呼叫模式的改变来支持（例如由SON、配置、优化等触发的）改变的验证。
在下文中，描述了说明性示例，其示出了当应用于在移动通信网络（诸如基于GSM、3G/UMTS或LTE的移动通信网络）中建立的呼叫（例如，语音呼叫或数据承载）的诊断时，根据实施例的示例的呼叫追踪分类过程的实现。
图5示出了图示根据实施例的一些示例的可用于分析和分类信令集合的元件或功能的图，其中假设在通信网络中通过特定故障计数器对呼叫进行预分类。换句话说，假设存在其中相同的故障计数器或故障计数器集合递增的呼叫。
应注意的是，在图5所示的示例中，假设由故障计数器F1和F2表示的两个故障事件，但是很明显，不同故障事件的数量并且因此故障计数器的数量不限于两个。
根据图5所示的示例，网络（即收集呼叫追踪的实体，诸如图1中的网络控制元件20（例如，RNC））将与被标识为具有相同故障（由于分别存在故障计数器事件F1和F2）的相应呼叫相关的呼叫追踪引导到一个或多个分析元件30中的专用呼叫分析/分类过程1或2（在图5中，假设一个分析元件30组合每个呼叫分析/分类功能1和2，但是相应呼叫分析/分类功能也可以分布在多于一个分析元件30之上）。也就是说，执行基于递增的故障计数器的呼叫的过滤。例如，已经递增相同故障计数器F1的呼叫追踪61被引导到呼叫分析/分类实体1，而已经递增相同故障计数器F2的呼叫追踪62被引导到呼叫分析/分类实体2。
呼叫分析/分类实体1和2根据实施例的示例进行呼叫分类过程。作为呼叫分类过程的结果，呼叫分析/分类实体1输出分类呼叫的集合，其除了故障计数器分类级别之外还包括通过根据实施例的示例的呼叫分类过程所分配的另外的分类（诸如X、Y、Z）。
在下文中，讨论实施例的示例的实现，以便示出在将呼叫分类过程应用于分类递增相同故障计数器的呼叫的集合时的呼叫分类过程的操作的进一步细节。例如，根据实施例的一些示例，在用于呼叫分类过程的相应处理模式下检查图5中的处理分支之一。也就是说，假设所捕获的呼叫追踪首先被分离到不相交集合中，其中每个集合包括递增特定计数器（例如，故障计数器F1）的呼叫。接下来，每个集合由专用呼叫分析/分类实体（例如呼叫分析/分类实体1）来处理，其中相关联的呼叫追踪集合内的呼叫的分类以离线模式或在线模式执行。
错误！未找到引用源。具体地，在图6中，示出了根据实施例的示例的呼叫分类过程的离线模式的工作流程。
如上所述，呼叫分类过程的工作流程包括三个主要部分，即，表示预处理实例的序列变换部分40、距离评估部分51和表示分类实例的类分配部分52。未分类的呼叫（呼叫追踪或追踪数据）61在序列变换部分40中被输入和处理，其中结果所得的呼叫序列然后被递送到距离评估部分51。在距离评估部分中，例如，通过将序列对齐到作为参考点的序列中的特定点或元素（例如序列中的故障计数器事件）并且通过根据所选择的距离度量将所分析的序列的成对距离计算为距离矩阵来进行根据离线模式的处理。然后将距离矩阵递送到呼叫分配部分52，其中进行分割或聚类处理，以便通过使用距离矩阵来标识序列的低距离子集（例如，基于与阈值的比较）。然后输出处理的结果，即分类的呼叫70。
在下文中，根据实施例的示例描述在图6所示的离线模式处理中的序列变换部分40、距离评估部分51和类分配部分52中的每一个所进行的处理的细节。
在图7中，示出了图示根据实施例的一些示例的根据序列模型将表示呼叫的追踪数据转换成信令集合序列或呼叫序列的示例的图。图7中所示的转换处理对应于序列变换部分40的可能处理。
基本上，例如在序列变换部分40中进行的序列变换的处理涉及将潜在复杂输入呼叫追踪准备成（简化的）序列模型表示，其例如可以通过例如基于图6的后续处理块中使用的预定算法的过程来处理。应当注意，所描述的转换处理仅仅是用于呼叫序列的合成的一个可能示例。
作为序列变换处理的基本输入，由网络提供与系统中执行的特定呼叫对应的追踪数据或呼叫追踪。序列变换的目的是去除对于距离评估（其跟在下一个处理阶段中）无关的呼叫追踪的那些部分。因此，序列变换处理特定于所应用的距离评估处理，也可以实现其各种替代方案。
根据实施例的一些示例，用于呼叫的从追踪数据或呼叫追踪的呼叫序列生成的序列模型是所谓的序列元素的有序列表，每个序列元素表示例如（例如在物理或逻辑实体之间交换的）一个或多个消息或（发生在这些实体内的）事件，其在呼叫追踪内被标识。序列元素携带关于对于距离评估步骤相关的呼叫追踪的相关联部分的信息。
图7示出了用于转换呼叫序列中的呼叫追踪的序列变换处理的可能实现的一个特定示例。具体地，图7表示其中例如在WCDMA系统中收集的呼叫追踪根据序列模型被转换成单个呼叫序列即每个呼叫一个序列的示例。
根据实施例的一些示例，为了转换成呼叫序列，转换处理从原始追踪中提取例如层3消息、故障事件和某些高级状态事件，其中仅考虑消息/事件类型（即，根据实施例的一些示例，不考虑消息/事件细节）。在图7所示的示例中，错误！未找到引用源。，在左侧，示出了呼叫的示意性表示层3追踪。具体地，作为示例，图示了其中呼叫建立故障并且特定故障计数器递增的情况。详细地，首先，如由P1所示，例如，RRC连接请求从UE 10发送到图1中指示的RNC 20。然后，如由P2所示，RRC连接建立消息从RNC 20发送到UE 10（例如总共三次）。如由P3所示，RRC连接释放消息从RNC 20发送到UE 10，其后跟着如由P4所示的RNC 20处的RLC SDU发送事件。消息P3和事件P4再重复两次。然后，如由P5所示，如由P5所示，在RNC 20处发生DSP吞吐量报告事件。在P6中，在RNC 20处发生RRC票（ticket）故障接入阶段事件，其后跟着P7处的故障计数器递增事件（例如，故障计数器M1001C10递增）。
应当注意，由图7提供的示例仅表示一个可能的呼叫追踪，其中例如可能的是故障事件（即由P7指示的故障计数器递增事件）后跟着其他事件或信令，例如如果故障不是致命的话。
在图7中的左侧上所示的呼叫追踪被输入到序列变换部分40例如以用于进行用于生成呼叫序列的处理。在转换期间，根据实施例的一些示例，该处理标识呼叫追踪内的应被区分的特定构建块（例如，层3消息和事件的类型）并且为每个构建块分配唯一的标识符。根据特定呼叫的序列模型的结果所得呼叫序列是例如在图7中的右侧上指示的标识符的序列。具体地，被标识为针对进一步处理相关的呼叫追踪的消息和事件如在呼叫追踪中发生的那样以连续次序列出，即P1、P2、P2、P2、P3、P4、P3、P4、P3、P4、P5、P6、P7。
也就是说，图7的两侧示出了由不同的标识符P1至P7区分的所标识的序列元素。应当注意，原始层3追踪可以包含多个消息细节，诸如包括时间、发送者/接收者信息、消息属性等的复合数据结构，序列元素根据实施例的一些示例是仅标识符，诸如简单的标量标识符。
然而，根据实施例的一些另外的示例，还存在可实现的序列变换处理的替代示例。例如，代替如图7所示的通过呼叫序列的呼叫的相当简单的表示，可以创建携带关于呼叫追踪的相关联部分的更多信息的序列元素。也就是说，除了如图7所示的对应类型标识符之外，还可以包括诸如时间戳、信令方向或甚至整个相关联追踪部分的另外的信息。
应当注意，即使结合离线模式描述了图7的序列变换，对应的序列变换处理也适用于在线操作模式。
图8至图11示出了根据实施例的一些示例的图示信令集合序列或呼叫序列的距离评估的示例的各种图。例如，图8至11中所指示的距离评估处理对应于图6的距离评估部分51的可能处理。
关于呼叫分析/分类过程的其余部分，根据实施例的一些示例，通过使用比较概念来处理根据序列变换部分40中的用于呼叫的序列模型所生成的呼叫序列。基本假设是，如果两个呼叫在相同上下文中和在相同的情况下递增例如故障计数器，则它们倾向于具有更相似的序列表示（即，以或多或少相同次序的相当的序列元素）。
图8示出了图示根据实施例的一些示例的两个呼叫的序列之间的比较的示例的图。具体地，按照在图8的左侧上所示的序列变换呼叫＃1，其中序列元素对应于根据图7的示例中所指示的那些序列元素，即P1、P2、P2、P2、P3、P4、P3、P4、P3、P4、P5、P6、P7。另一方面，按照在图8的右侧上所示的序列变换呼叫＃2。通过比较图8中的两个序列，发现在第二呼叫＃2的分析之后，处理找到新的序列元素（例如与比如“UP DL缓冲器空”的事件相关），其被插入第4和第5个元素之间的呼叫＃2的序列中（由P8表示）。否则，两个呼叫具有确切相同的序列。
接下来，更详细地描述根据实施例的一些示例的距离评估处理的示例的一般处理。基本上，根据实施例的目前示例，例如由图6中的距离评估部分51进行的距离评估处理包括将呼叫序列对齐到包含在每个块中的特定序列元素。例如，根据实施例的一些示例，将预限定的参考序列元素用作用于对齐的锚点。例如，参考元素是序列中的故障计数器递增事件，即呼叫序列中的故障计数器事件的地方。
应当注意，根据实施例的一些示例，在离线模式操作的情况下，对齐在所分析的呼叫的集合内执行，而在在线模式操作的情况下，实际呼叫序列被对齐到参考集合（如果这不是空的话）。
图9示出了图示根据实施例的一些示例的呼叫的序列结构的示例的图。应当注意，如上所述，图9所示的结构描述了在与基于呼叫序列的距离评估相关的进一步处理中使用的基本配置示例。
详细地，图9中所示的呼叫序列包括多个序列元素Q1至Q6。序列元素的数量不限于图9中所示的数量，而且用于标识相应序列元素的指示符仅用于说明性目的，即可以存在更多或更少的指示符，而且两个或更多个序列元素具有相同的指示符。
序列元素中的一个即具有指示符Q4的元素在图9中（通过虚线框）进一步突显为上面提到的参考序列元素或参考点。也就是说，根据实施例的一些示例，由Q4指示的序列元素例如是其中特定故障计数器递增（例如上面指示的故障计数器F1）的事件。
如上所述，关于距离评估处理，在处理中限定参考点以用于在递增相同故障计数器的呼叫之间查找类的动机是以下假设：出于相同原因（在相同情况下）递增计数器的呼叫在计数器递增事件附近的位置处往往是类似的，因为他们在击中（hit）故障之前经历了相同（或类似的）历史。
距离评估处理中的序列对齐的目的是在正被处理（分析）的多个序列中的每个中将感兴趣的事件（即，参考点）移动到相同位置。结合图10描述该对齐。
具体地，图10示出了图示根据实施例的一些示例的呼叫序列的对齐处理的示例的图。详细地，假设输入五个呼叫序列S1至S5，其中序列S1对应于根据图9的序列示例，而其他序列S2至S5可以是像S1的具有更多或更少的序列元素（例如，由如上所述的对应序列变换处理所分配的）和/或具有用于序列元素的相同或不同的标识符的不同序列。应当注意，图10所示的序列数量及其内容（元件的数量和标识符的类型）两者都仅意图用于说明性目的，并且实施例的其他示例可以考虑不同的序列。
当查看表示对齐之前的情况的图10的上部时，可以看出，即使每个序列具有作为一个元素的故障计数器递增事件Q4，其关于其他序列的位置也是不同的。因此，根据实施例的示例，执行呼叫序列S1至S5的对齐，其中故障计数器递增事件Q4用作公共参考点。
根据实施例的一些示例的对齐的结果在图10的下部中示出。可以看出，对齐处理导致呼叫序列S1至S5相对于彼此的改变的次序，其中用作参考位置的序列元素布置成一行。根据实施例的一些示例，距离评估处理中的另一处理点，对齐处理也将序列S1至S5改变为具有相同大小（即，具有相同数量的元素）。这例如通过用特殊空元素填充序列来实现，所述特殊空元素在图10的下部中通过由“V”指示的序列元素来指示。要在参考位置的左侧和/或右侧上包括在每个呼叫序列中的空序列元素的数量可以取决于不同的参数。例如，序列元素之一（即最长的序列元素）的最大长度限定其他序列元素的长度（并且因此限定了要包括的空元素的数量），或者预限定了将要由每个序列元素达到的预定长度等。
此外，应当注意，参考元素或位置不限于故障计数器递增事件（即，例如Q4）。根据实施例的另外示例，例如在其中呼叫被分类为完全没有故障计数器的情况下，可以通过考虑序列中的任何特定元素来设置被用于对齐的参考点，诸如第一个或最后一个元素。
基于对齐的呼叫序列（例如，如图10所示的S1至S5），可以计算距离度量。例如，在实施例的目前示例中考虑的离线模式下，由于可以同时考虑闭合呼叫集合的所有序列，所以序列的距离矩阵被计算。这样的距离矩阵可以被类分配处理用来找到低距离呼叫类。
根据实施例的一些示例，距离矩阵是限定每对所分析呼叫之间的成对距离的对称矩阵。也就是说，例如，矩阵的第ij个元素示出了呼叫i和j的距离。
要注意的是，可以使用各种距离度量来计算呼叫的距离。根据实施例的一些示例，一种可能的方法使用动态汉明距离（DHD）。DHD限定两个相等长度序列的距离作为将一个序列转置到另一个的编辑成本。在DHD替换中是仅有的编辑操作，其与标量成本相关联。两个呼叫的DHD距离等于将一个序列转换为另一个所需的最小替换数量乘以一个替换操作的成本。
根据实施例的一些示例，用位置依赖的权重函数调制替换的成本。在图11中图示了对应的示例，其示出了图示根据实施例的一些示例的用于呼叫序列的距离评估的处理的示例的图。
具体地，图11抓住了如图10所示的对齐的序列集合S1至S5的示例。在图11的下部中，图示了权重函数，其在横坐标上的序列位置之上限定了纵坐标上的变换站（substation）权重。如对应于序列元素的各个位置处的功能图的交点所指示的，其中参考点（例如，故障计数器递增事件Q4）的位置由图11中的框突显。取决于序列事件的相应位置与参考点之间的距离，用于替换权重的不同值可以从图11中所指示的函数导出，其在替换的成本中被考虑。在图11所示的示例中，对应于序列中的位置的替换权重的值例如为0.2、0.6、1和0.7，如相应位置处所指示的。
位置依赖的替换成本的动机对应于对齐的动机，即将分析集中在靠近参考点或事件的序列的部分上。根据实施例的一些示例，权重以这样的方式被限定：使得它们强调具有较高替换成本的参考事件的紧密邻居中的差异并且抑制具有较低替换成本的离参考点更远的差异。
应当注意，根据实施例的一些示例，可以以若干方式来限定权重函数。也就是说，图11所示的权重函数仅仅是一个可能的实现示例，并且可以限定其他形式的权重函数，例如，作为钟形函数、正方形曲线函数、三角形曲线函数、或被认为对于特定应用情况是有用的并且导致替换权重的合适值的任何其他合适的函数形式。
图12示出了图示根据实施例的一些示例的用于呼叫序列的距离评估的处理的示例的图。具体地，图12示出了通过使用DHD距离和加权函数（根据如图11所示的示例的）基于对齐的呼叫序列来计算距离矩阵的处理示例。
具体地，在图12中，选择了来自图11的图的两个序列S1和S2，以示出用于产生距离矩阵的处理的示例。
当比较对齐的序列S1和S2时，由箭头“比较”指示的行中指示的比较结果C指示例如用于导致每个位置匹配序列元素（即相同的事件或消息是通向相应序列S1和S2的呼叫追踪的一部分）的元素比较的值“0”和用于导致每个位置不同元素的元素比较的值“1”。
在下一行中，指示了对应于相应序列位置的根据图11的权重函数示例的替换权重值。
然后，距离计算对于确定序列S1和S2之间的距离是可能的。在由箭头“距离计算”指示的图12的下一行中指示对应的示例。根据实施例的一些示例，例如通过添加比较值和各个位置的替换权重值的乘积来计算距离。在图12所指示的示例中，S1和S2之间的计算距离为2.9。
然后，例如如上所述那样计算的距离的值被用作距离矩阵的元素。由箭头“距离矩阵”指示的图12中的距离矩阵的示例反映了图11的序列S1至S5的距离计算，其中在如图12所指示的对应位置处输入序列（即呼叫）对之间的相应距离值。以这种方式，成对距离形成距离矩阵。
应当注意，例如，如图12所示的距离矩阵的计算基于作为距离度量的DHD。然而，根据实施例的一些另外示例，除了上述DHD之外，其他序列距离度量也可用于计算呼叫的距离。例如，可以实现根据Levenshtein或Jaccard的序列距离度量。
根据其中使用Levenshtein距离的实施例的示例，计算编辑距离（类似于DHD），其中编辑距离允许诸如插入、移除或转置的附加操作，而不是仅仅替换。
另一方面，根据其中使用Jaccard距离的实施例的示例，比较两个无序的消息元素集合等。结果所得的距离指示由两个集合共享多少元素对集合的对称差异。在呼叫比较的上下文中，通过从每个呼叫序列取得参考点（例如，故障计数器递增事件）之前（或之后）的给定数量的元素来创建两个集合。元素的数量可以是固定的（例如，采取10个元素），或者基于时间窗口（诸如多至故障计数器之前/之后的5秒），例如在时间戳被序列变换处理包含到序列元素中的情况下。
接下来，描述与类分配相关的处理。根据实施例的一些示例，对于类分配处理，执行如图13所示的处理。图13示出了图示根据实施例的一些示例的用于呼叫的层级聚类结果的树形图的图。图13中所示的类分配处理例如对应于图6的类分配部分52的可能处理。
如上所述，在如上所述的距离评估处理中计算的距离矩阵用作类分配处理的输入。本文，尝试根据所选择的聚类方法找到相似的序列群组。换句话说，呼叫之间的相似性和不相似性（基于距离矩阵）在类分配处理中被评估。
根据实施例的一些示例，类分配处理例如基于聚合层级聚类过程。层级聚类不限定一个特定聚类限定，而是发现一组实体内的所有可能的聚类的层级。
在图13中指示了对应的示例。本文，为了说明性目的，对8个呼叫＃1至＃8进行分析和分类。在图13所示的示例中，假设被处理的呼叫的一部分等同于形成如例如结合图10至图12使用的呼叫序列S1至S5的呼叫。也就是说，例如，呼叫＃1至＃5导致序列S1至S5。此外，指示了附加呼叫（本文，呼叫＃6至＃8），其与序列S1至S5不同但是以对应的方式处理并且是如基本上结合图12所描述的计算的距离矩阵的一部分。
当然，图13中所示的权利要求的数量仅仅表示说明性示例，并不限于八个，而是可以包括更多或更少的被认为用于处理的呼叫。
每个呼叫在其自己的聚类内开始，并且聚类以迭代步骤形成。在每个步骤中，彼此最接近的两个聚类被合并（由从每个单个聚类开始的链接线指示）。当所有呼叫成为同一单个聚类的一部分（由图13中最上面的链接线指示）时，该过程结束。合并规则称为链接方法，并限定了测量两个聚类的距离的方法。应当注意，可能的替代方案是单个链接，其返回所比较的聚类的两个最接近的元素的距离。
根据图13所示的示例，通过将树形图的切割高度限定为特定值（诸如在h=2处）来产生实际聚类限定。在相同子树或切断线下方的树中的元素或呼叫被假定为在相同的聚类中，而单独的子树限定了不同的聚类。作为图13所示的聚类过程即可视化为图13中的树形图的聚类的结果（即，聚合变体），形成了四个聚类1至4，其中每个聚类表示一个呼叫类，诸如上文指示的类W、X、Y、Z。详细地，为了说明性目的而使用图12的示例，呼叫＃1至＃3（即，序列S1至S3）足够类似而被分类到相同的呼叫类中，其中假定相同的分类应用于呼叫＃7。另一方面，呼叫＃4和＃5（即序列S4和S5）被确定为与形成聚类1的呼叫不足够类似，并且因此被分配到相应的其他聚类（其可以或可以不包括类似于这些呼叫的其他呼叫，诸如关于呼叫＃4的呼叫＃6）。
要注意，切割高度h的值不限于值2。而是可以设置另一有用的值，这取决于例如操作者设置并且根据例如结果所得的分类或考虑的原始聚类（即呼叫）的数量的期望粒度进行调整。
此外，应当注意，已知图13所示的层级聚类示例是相当复杂的（例如，O（n3）、O（2n）））。根据实施例的一些另外的示例，还可以在呼叫分类处理中使用替代的聚类过程。例如，如果要处理大数据集大小，则替代方案可以包括k均值或k中心或基于密度的聚类过程之一，比如具有噪声的应用的基于密度的空间聚类（Density-Based Spatial Clusteringof Applications with Noise，DBSCAN）或标识聚类结构的排序点（Ordering Points ToIdentify the Clustering Structure，OPTICS）。
因此，作为呼叫分类中的聚类的结果，将每个聚类分配到类标识（identity），并且该ID与形成对应聚类的所有呼叫序列相关联。
虽然在上述实施例的示例中，考虑离线模式操作，但是在下文中，将更详细地描述如上所述的在线模式操作。图14示出了图示根据实施例的一些示例的可用于分析和分类信令集合的元件或功能的图。
同样，在在线模式下，如上所述，呼叫分类过程的工作流程包括三个主要部分，即：表示预处理实例的序列变换部分40、距离评估部分53、和表示分类实例的类分配部分54。在下文中，根据实施例的示例来描述在图14所示的在线模式处理中的序列变换部分40、距离评估部分53和类分配部分54中的每一个所进行的处理的细节。
首先，在序列变换部分40中输入和处理未分类的呼叫（呼叫追踪或追踪数据）61，其中结果所得的呼叫序列然后被递送到距离评估部分53。例如，序列变换部分40对应于离线模式的序列变换部分，即，处理进行序列变换，以便从原始追踪数据创建呼叫序列。
在距离评估部分53中，例如通过将序列与参考序列集合对齐并且通过根据所选择的距离度量计算所分析的序列的成对距离作为距离向量来进行根据在线模式的处理。根据实施例的一些示例，参考类集合100在处理开始时可以是空的并且在随后的处理中填充以被标识的参考类，或者其包括已经标识的参考类集合。根据实施例的一些示例，如上所述，对应的参考类集合可以通过离线处理来递送。
也就是说，根据实施例的一些示例，在一般情况下，存在例如基于早前到达的呼叫已经标识的至少一些参考类。遵循所选择的距离评估方法将目前分析的呼叫与这些参考类进行比较。例如，根据实施例的一些示例，目前分析的呼叫首先被对齐到类代表（其被存储为对齐）。然后计算所分析的呼叫序列与所有类代表的距离。然后，选择每个参考类的最远成员（即，具有最高距离）。这导致距离向量，其因此指示所分析的呼叫与每个参考类的计算距离。
作为距离评估处理的结果的距离向量然后被递送到呼叫分配部分54，其中序列被分配到最接近的参考类，或者新的参考类当最小距离在限定例如可接受量的差异的阈值以上时被限定。处理的结果是输出经分类的呼叫70、在处理中标识的新的呼叫类71，并且在后一种情况下将新的参考类插入在参考类集合100中。例如，根据实施例的一些示例，将分析的呼叫插入到最接近的类中。否则，如果与最接近类的距离比例如预限定的阈值高，则目前分析的呼叫被用于生成新的呼叫类。
如上所述，根据实施例的一些示例，根据图14所示的处理的在线模式和离线模式之间的一个差异在于在在线模式下，该过程与参考类集合100一起工作。如上所述，参考类集合包含例如在较早的操作周期中或在先前的离线模式操作周期中标识的呼叫类。每个参考集合包含表征对应的呼叫类的一个或多个参考呼叫序列。根据实施例的一些示例，通过使用从参考类集合中选择的类中的一个来对一个单个呼叫进行分析和分类。替代地，如果分类不正确，则创建新的参考类。此外，在参考集合为空的情况下，第一个呼叫限定第一个参考类。
此外，根据实施例的一些示例，可以在在线模式下实现存储实际的参考集合的不同方式。例如，一个可能的实现是为每个类保留n个代表呼叫序列。每个类都由所选择的代表隐含地限定。要注意的是，两个极值是意味着仅保留每个聚类的呼叫的n=1，以及意味着所有以前分类的呼叫都被保留的n=无穷大。n的合适值适应于操作状况，诸如其中应用该过程的环境的资源约束，其中对于不同的聚类设置不同的n的值是可能的。
应当注意，根据实施例的示例，在各种后处理过程中使用呼叫分析/分类处理（即在线或离线模式）的结果。
例如，在目的是检测与参考类集合相比的改变的情况下进一步处理呼叫分类过程的结果。例如，在离线模式下，可以将新的分类结果与以前的结果进行比较（例如，将今天的结果与前一天的结果进行比较）。因此，例如，可以发现迄今为止未观察到的新的类，或者检测类（例如一个庞大的类）的基数（cardinality）的改变，收集由于公共的原因所引起的有问题的呼叫，在成功校正根本问题后减少。
另一方面，例如在在线模式的情况下，分类过程可以被配置为以规则的时间间隔存储实际的聚类结构，并且发起连续样本的比较以便检测改变（比如如上所列出的那些）。
图15示出了根据实施例的一些示例的用于分析和分类信令集合（诸如如上限定的呼叫）的处理的流程图。具体地，根据图15的示例涉及配置为用作网络控制元件或功能或者配置为用作分析元件或功能的网络元件或功能（诸如如例如图1中所描绘的网络中的元件或功能30）所进行的过程。
在S100中，关于多个信令集合中的至少两个之间的相似性和不相似性来分析多个单独的信令集合（诸如呼叫）。信令集合根据分析的结果分类到信令集合的至少一个类中。
根据实施例的一些示例，根据包括在信令集合中的故障指示的类型来预先选择被分析的多个单独的信令集合。替代地，省略特定的预先选择。
在S110中，表示多个信令集合中的相应一个的追踪数据（即呼叫追踪）被变换。也就是说，根据序列模型通过从追踪数据中过滤预定信息来生成信令集合序列。
例如，根据实施例的一些示例，为了变换表示多个信令集合中的相应一个的追踪数据以用于根据序列模型生成信令集合序列，区分用于标识追踪数据的特定元素的追踪数据的部分。然后，将每个特定元素分配到对应的标识符，并且通过使用所分配的标识符来生成信令集合序列。此外，根据实施例的一些示例，为了变换表示多个信令集合中的相应一个的追踪数据以用于根据序列模型生成信令集合序列，使从追踪数据的预定信息的过滤适于为评估信令集合的距离所进行的所使用的处理。在该上下文中，相应追踪数据的变换的结果对应于适于为评估信令集合的距离所进行的处理的公共序列模型。
在S120中，通过使用相应的信令集合序列（例如在S110中生成的）来评估信令集合的距离，其中距离由距离度量指示。根据实施例的一些示例，为了评估信令集合的距离，计算从多个信令集合导出的至少两个信令集合序列与彼此的距离。替代地，计算从多个信令集合导出的信令集合序列与至少一个预先存储的参考序列集合的距离。根据实施例的一些示例，通过在考虑每个信令集合序列中的特定元素（例如，参考点）下对齐信令集合序列来确定距离度量。每个信令集合序列中的特定元素涉及例如追踪数据中的故障事件或指示（例如故障计数器更新事件）、信令集合序列的第一个元素、以及信令集合序列的最后一个元素。
根据实施例的一些示例，根据动态汉明距离、Levenshtein距离和Jaccard距离之一来确定距离度量。此外，根据实施例的一些示例，利用依赖于信令集合序列中的位置与用于对齐的特定元素之间的距离的加权因子函数等来调制距离度量确定的结果。
在S130中，基于距离度量将相应的信令集合分配到信令集合类（例如呼叫类）。例如，根据实施例的一些示例，考虑距离度量以用于将彼此满足预定相似性状况（例如，预定距离值或阈值）的信令集合分配到相同的信令集合类。另一方面，将彼此不满足预定相似性状况的信令集合分配到不同的信令集合类。
根据实施例的一些示例，多个单独的信令集合的分析在离线模式或在线模式下完成。在离线模式下，根据实施例的一些示例，多个信令集合是先前存储的信令集合的闭合集合。另一方面，在在线模式下，根据实施例的一些示例，多个信令集合以后续的方式输入，并且在任意时间段（例如设定为有限或无限时间段）内根据信令集合的到达（例如实时）进行分析。
在离线模式下，根据实施例的一些示例，信令集合类中的至少一个被用作参考信令集合类，其限定要在离线模式和在线模式中的至少一个下在信令集合分析中的距离评估中使用的信令集合序列。此外，在离线模式下，根据实施例的一些示例，通过将信令集合序列对齐到例如与追踪数据中的故障计数器递增事件对应的信令集合序列的特定元素来评估信令集合的距离。然后，根据距离度量，将信令集合序列的成对距离计算为距离矩阵。为了将信令集合分配到信令集合类，使用分割或聚类处理以用于通过使用距离矩阵标识具有等于或小于预定距离的距离的信令集合序列的子集。
另一方面，根据实施例的一些示例，在在线模式下，每个包括至少一个参考信令集合序列的至少一个参考信令集合类被用于评估信令集合的距离并用于将信令集合分配到信令集合类。在信令集合根据任何参考信令集合类都不能分配的情况下，基于不能分配的信令集合来限定新的参考信令集合类。此外，根据实施例的一些示例，在在线模式下，通过将信令集合序列对齐到参考信令集合序列来评估信令集合的距离，其中信令集合序列和参考信令集合序列的成对距离根据距离度量被计算为距离向量。然后，基于该距离向量，确定是否要将信令集合分配到作为最接近的信令集合类的信令集合类，或者限定新的信令集合类。
根据实施例的一些示例，每个信令集合是多个网络元件或功能之间或者网络元件或功能内的信令的结果，其中信令包括数据通信、语音通信、协议栈和一个或多个网络元件或功能所涉及的软件块之间的消息交换中的至少一个中的一系列消息或上下文数据。此外，根据实施例的一些示例，追踪数据包括关于信令集合的单独事件和消息、用户平面事件、状态改变事件、更新事件、故障计数器事件以及与事件或消息相关的性质中的至少一个的信息。
此外，根据实施例的一些示例，根据序列模型生成的信令集合序列包括表示追踪数据的相关部分的序列元素的有序列表，其中序列元素选自多种类型的序列元素，每种类型被区分并分配到唯一标识符，其中序列元素包括标量标识符和从追踪数据导出的信息元素中的至少一个。
根据实施例的一些示例，以合适的方式提供信令集合的分析的结果，以用于与分析结果随时间的改变相关的后处理。
图16示出了根据实施例的一些示例的网络元件的图，其被配置为实现如结合实施例的一些示例所描述的用于分析和分类信令集合（呼叫）的过程。应当注意，网络元件（比如图1的网络元件或功能30，其被配置为用作网络控制元件/功能或者用作分析元件/功能）可以包括除下文所描述的那些之外的另外的元件或功能。此外，即使参考某一网络元件或功能，元件或功能也可以是具有类似任务的另一设备或功能，诸如芯片组、芯片、模块、应用等，其也可以是网络元件的一部分或作为单独元件附接到网络元件等。应当理解，每个块及其任何组合可以通过各种方式或其组合来实现，诸如硬件、软件、固件、一个或多个处理器和/或电路。
图16所示的网络元件或功能可以包括处理电路、处理功能、控制单元或诸如CPU等的处理器31，其适于执行由与控制过程相关的程序等给出的指令。处理器31可以包括如下所述的专用于特定处理的一个或多个处理部分或功能，或者处理可以在单个处理器或处理功能中运行。用于执行这种特定处理的部分也可以作为离散元件提供，或者在一个或多个另外的处理器、处理功能或处理部分内提供，例如诸如在比如CPU的一个物理处理器中或者在一个或多个物理或虚拟实体中。附图标记32表示连接到处理器或处理功能31的输入/输出（I/O）单元或功能（接口）。I/O单元32可以用于与通信网络进行通信，诸如网络控制元件（比如RNC 20）。I/O单元22和23可以是包括朝向若干网络元件的通信设备的组合单元，或者可以包括具有用于不同网络元件的多个不同接口的分布式结构。附图标记34表示可用于例如存储要由处理器或处理功能31执行的数据和程序的和/或作为处理器或处理功能31的工作存储的存储器。应注意，存储器34可以通过使用相同或不同类型的存储器的一个或多个存储器部分来实现。
处理器或处理功能31被配置为执行与上述分析和分类过程相关的处理。特别地，处理器或处理电路或功能31包括以下子部分中的一个或多个。子部分310是可用作序列变换部分的处理部分。部分310可以被配置为执行根据图15的S110的处理。此外，处理器或处理电路或功能31可以包括可用作用于评估距离的部分的子部分311。部分311可以被配置为执行根据图15的S110的处理。此外，处理器或处理电路或功能31可以包括可用作用于评估距离的部分的子部分311。部分311可以被配置为执行根据图15的S120的处理。此外，处理器或处理电路或功能31可以包括可用作用于分配类的部分的子部分312。部分312可以被配置为执行根据图15的S130的处理。
应当注意，上述实施例的一些或所有的示例可以应用于包括一个或多个VNF的部分或完全虚拟化的环境。
如上所述，根据实施例的示例，提供了一种信令集合分析和分类机制，其解决了减少呼叫追踪分析所需的手动工作特别是针对特定计数器所需的分析的问题。也就是说，根据实施例的一些示例，提出了允许超出现有方法高效地分类呼叫追踪的机制。代替通过检查与呼叫追踪相关联的故障计数器/报告来进行分类，检查实际结构（即组成追踪的消息/事件的序列）来检查其是否符合于特定类别或类。这些类从分析本身动态地创建。
根据实施例的一些示例，通过将呼叫追踪提取成简化模型来进行呼叫追踪的分类，其然后使用例如DHD等与其他追踪模型进行比较。距离计算用于将呼叫根据其追踪数据装仓或分类到某个类中。根据实施例的一些示例，距离的集合被层级地聚类，以便从数据自动确定什么类存在。
如上所述，实施例的一些示例允许进行超出故障计数器的呼叫分类（例如，自动创建呼叫的子类，其显著不同，尽管递增相同的故障计数器），在有问题的呼叫升级到更严重的硬故障之前标识有问题的呼叫，独立于故障计数器分类呼叫以便检测根本的问题，自动识别新类型的故障例如用于发起新的专用计数器，并且支持改变的验证。
此外，根据实施例的一些示例，可以故障排除超出故障计数器或原因代码的故障呼叫，以分析呼叫的性质和序列。因此，可以提供能够提供除了（或独立于）常规故障计数器或代码之外的故障呼叫的自动化分析或分类的故障排除框架。
此外，尽管在上述实施例的一些示例中信令集合分析和分类过程被描述为在分析元件30中进行，但是本发明的实施例的另外示例不限于这样的元件。例如，代替专用网络元件，另一现有节点或元件或功能可以用作分析元件，诸如RNC、MSS、TAS、MGW、BGW等。
此外，根据实施例的另一示例，提供了一种装置，其包括用于关于多个信令集合中的至少两个之间的相似性和不相似性来分析多个单独的信令集合以用于根据所述分析的结果将每个信令集合分类到信令集合的至少一个类中的部件，其中分析部件包括：预处理部件，其用于变换表示所述多个信令集合中的相应一个的追踪数据，以用于通过从所述追踪数据过滤预定信息来根据序列模型生成信令集合序列；以及分类部件，其用于通过使用相应的信令集合序列来评估信令集合的距离，其中所述距离由距离度量指示，并且用于基于所述距离度量将相应的信令集合分配到信令集合类。
此外，根据实施例的一些其他示例，上述限定的装置还可以包括用于进行上述方法（例如，结合图15描述的方法）中限定的处理中的至少一个的部件。
应该理解的是
- 经由其向和从网络元件传送业务的接入技术可以是任何合适的目前或未来的技术，可以使用诸如WLAN（无线本地接入网络）、WiMAX（全球微波接入互操作性）、LTE、LTE-A、蓝牙、红外等；此外，实施例还可以应用有线技术，例如基于IP的接入技术，比如电缆网络或固定线路。
- 用户设备（也称为UE、用户设备、用户终端、终端设备等）说明了可以向其分派和分配空中接口上的资源的一种类型的装置，并且因此本文利用用户设备所描述的任何特征可以用诸如中继节点的对应装置来实现。这种中继节点的示例是朝向基站或RNC的层3中继（自回程中继）。用户设备通常是指包括利用或不利用用户识别模块（SIM）操作的无线移动通信设备的便携式计算设备，包括但不限于以下类型的设备：移动站（移动电话）、智能电话、个人数字助理（PDA）、手机、使用无线调制解调器的设备（警报或测量设备等）、膝上型电脑和/或触摸屏计算机、平板电脑、游戏控制台、笔记本电脑和多媒体设备。应当理解，用户设备也可以是示例是向网络加载图像或视频剪辑的相机或视频相机的几乎专用的仅上行链路设备、或者诸如便携式视频播放器的几乎专用的仅下行链路设备。用于测量某些值的设备（诸如可以测量温度、压力等的传感器）也可以用作对应的用户设备。应当理解，设备可以被认为是装置或多于一个装置（无论是在功能上彼此协调还是在功能上彼此独立但在相同的设备外壳中）的组装件。
- 适于实现为软件代码或其部分并且使用处理器或处理功能运行的实施例是软件代码独立的，并且可以使用任何已知或未来开发的编程语言来规定，诸如高级编程语言（诸如目标C、C、C++、C＃、Java、Python、Javascript、其他脚本语言等）或低级编程语言（诸如机器语言或汇编程序）。
- 实施例的实现是硬件独立的，并且可以使用任何已知的或未来开发的硬件技术或这些硬件技术的任何混合来实现，诸如微处理器或CPU（中央处理单元）、MOS（金属氧化物半导体）、CMOS（互补MOS）、BiMOS（双极MOS）、BiCMOS（双极CMOS）、ECL（发射极耦合逻辑）和/或TTL（晶体管-晶体管逻辑）。
- 实施例可以被实现为单独的设备、装置、单元、部件或功能，或者以分布式的方式实现，例如，可以在处理中使用或共享一个或多个处理器或处理功能，或者可以在处理中使用和共享一个或多个处理部段或处理部分，其中一个物理处理器或多于一个物理处理器可以用于实现专用于如所描述的特定处理的一个或多个处理部分，
- 可以通过半导体芯片、芯片组或包括这样的芯片或芯片组的（硬件）模块来实现装置；
- 实施例还可以被实现为硬件和软件的任何组合，诸如ASIC（专用IC（集成电路））组件、FPGA（现场可编程门阵列）或CPLD（复杂可编程逻辑器件）组件或DSP（数字信号处理器）组件。
- 实施例还可以被实现为计算机程序产品，其包括具有体现在其中的计算机可读程序代码的计算机可用介质，所述计算机可读程序代码适于执行如实施例中所述的过程，其中所述计算机可用介质可以是非暂时介质。
尽管本文先前已经参考本发明的特定实施例描述了本发明，但是本发明不限于此，并且可以对其进行各种修改。
Claims (35)
1.一种装置，包括：
至少一个处理电路，
以及
用于存储要由所述处理电路执行的指令的至少一个存储器，其中
所述至少一个存储器和所述指令被配置为利用所述至少一个处理电路使得所述装置至少：
关于多个信令集合中的至少两个之间的相似性和不相似性来分析多个单独的信令集合，以用于根据所述分析的结果将每个信令集合分类到信令集合的至少一个类中，
其中所述分析包括
变换表示所述多个信令集合中的相应一个的追踪数据，以用于通过从所述追踪数据过滤预定信息来根据序列模型生成信令集合序列，
通过使用相应的信令集合序列来评估信令集合的距离，其中所述距离由距离度量指示，以及
基于所述距离度量将相应的信令集合分配到信令集合类。
2.根据权利要求1所述的装置，其中
每个信令集合是多个网络元件或功能之间或网络元件或功能内的信令的结果，所述信令包括数据通信、语音通信、协议栈和一个或多个网络元件或功能所涉及的软件块之间的消息交换中的至少一个中的一系列消息或上下文数据，并且
追踪数据包括关于信令集合的单独事件和消息、用户平面事件、状态改变事件、更新事件、故障计数器事件以及与事件或消息相关的性质中的至少一个的信息。
3.根据权利要求1或2所述的装置，其中
根据序列模型生成的信令集合序列包括表示追踪数据的相关部分的序列元素的有序列表，其中序列元素选自多种类型的序列元素，每种类型被区分并分配到唯一标识符，其中序列元素包括标量标识符和从追踪数据导出的信息元素中的至少一个。
4.根据权利要求1至3中任一项所述的装置，其中，所述至少一个存储器和所述指令还被配置为利用所述至少一个处理电路使得所述装置至少：
根据包括在信令集合中的故障指示的类型来预先选择用于分析的多个单独的信令集合。
5.根据权利要求1至4中任一项所述的装置，其中，所述至少一个存储器和所述指令还被配置为利用所述至少一个处理电路使得所述装置至少：
为了变换表示多个信令集合中的相应一个的追踪数据以用于根据序列模型生成信令集合序列，而区分用于标识特定元素的追踪数据的部分，
向每个特定元素分配对应的标识符，并且
通过使用所分配的标识符来生成信令集合序列。
6.根据权利要求1至5中任一项所述的装置，其中，所述至少一个存储器和所述指令还被配置为利用所述至少一个处理电路使得所述装置至少：
为了变换表示多个信令集合中的相应一个的追踪数据以用于根据序列模型生成信令集合序列，使从追踪数据的预定信息的过滤适于为评估信令集合的距离所进行的处理，其中相应追踪数据的变换的结果对应于适于为评估信令集合的距离所进行的处理的公共序列模型。
7.根据权利要求1至6中任一项所述的装置，其中，所述至少一个存储器和所述指令还被配置为利用所述至少一个处理电路使得所述装置至少：
为了评估信令集合的距离，而计算从多个信令集合导出的至少两个信令集合序列与彼此的距离或从多个信令集合导出的信令集合序列与至少一个预先存储的参考序列集合的距离，其中通过在考虑每个信令集合序列中的特定元素下对齐信令集合序列来确定距离度量，其中每个信令集合序列中的特定元素涉及追踪数据中的故障事件、信令集合序列的第一个元素、以及信令集合序列的最后一个元素中的一个。
8.根据权利要求7所述的装置，其中，所述至少一个存储器和所述指令还被配置为利用所述至少一个处理电路使得所述装置至少：
确定动态汉明距离、Levenshtein距离和Jaccard距离之一作为距离度量，并且
利用依赖于信令集合序列中的位置与用于对齐的特定元素之间的距离的加权因子函数来调制距离度量确定的结果。
9.根据权利要求1至8中任一项所述的装置，其中，所述至少一个存储器和所述指令还被配置为利用所述至少一个处理电路使得所述装置至少：
考虑距离度量，以用于将彼此满足预定相似性状况的信令集合分配到相同的信令集合类，并且用于将彼此不满足预定相似性状况的信令集合分配到不同的信令集合类。
10.根据权利要求1至9中任一项所述的装置，其中，所述至少一个存储器和所述指令还被配置为利用所述至少一个处理电路使得所述装置至少：
在离线模式和在线模式中的一个下分析多个单独的信令集合，其中
在离线模式下，多个信令集合是先前存储的信令集合的闭合集合，并且
在在线模式下，多个信令集合以后续的方式输入，并且在任意时间段内根据信令集合的到达进行分析。
11.根据权利要求10所述的装置，其中，所述至少一个存储器和所述指令还被配置为利用所述至少一个处理电路使得所述装置至少：
在离线模式下，将信令集合类中的至少一个用作参考信令集合类，其限定要在离线模式和在线模式中的至少一个下在信令集合分析中的距离评估中使用的信令集合序列。
12.根据权利要求10和11中任一项所述的装置，其中，所述至少一个存储器和所述指令还被配置为利用所述至少一个处理电路使得所述装置至少：
在离线模式下，通过将信令集合序列对齐到与追踪数据中的故障计数器递增事件对应的信令集合序列的特定元素来评估信令集合的距离，根据距离度量将信令集合序列的成对距离计算为距离矩阵，并且为了将信令集合分配到信令集合类而使用分割或聚类处理以用于通过使用距离矩阵标识具有等于或小于预定距离的距离的信令集合序列的子集。
13.根据权利要求10至12中任一项所述的装置，其中，所述至少一个存储器和所述指令还被配置为利用所述至少一个处理电路使得所述装置至少：
在在线模式下，将每个包括至少一个参考信令集合序列的至少一个参考信令集合类用于评估信令集合的距离并用于将信令集合分配到信令集合类，并且在信令集合根据任何参考信令集合类都不能分配的情况下，基于不能分配的信令集合来限定新的参考信令集合类。
14.根据权利要求10至13中任一项所述的装置，其中，所述至少一个存储器和所述指令还被配置为利用所述至少一个处理电路使得所述装置至少：
在在线模式下，通过将信令集合序列对齐到参考信令集合序列来评估信令集合的距离，根据距离度量将信令集合序列和参考信令集合序列的成对距离计算为距离向量，基于所述距离向量来确定是否要将信令集合分配到作为最接近的信令集合类的信令集合类，或者限定新的信令集合类。
15.根据权利要求1至14中任一项所述的装置，其中，所述至少一个存储器和所述指令还被配置为利用所述至少一个处理电路使得所述装置至少：
提供信令集合的分析的结果，以用于与分析结果随时间的改变相关的后处理。
16.根据权利要求1至15中任一项所述的装置，其中，所述装置被包括在配置为用作网络控制元件或功能或者配置为用作分析元件或功能的网络元件或功能中，其中所述网络是通信网络。
17.一种方法，包括：
关于多个信令集合中的至少两个之间的相似性和不相似性来分析多个单独的信令集合，以用于根据所述分析的结果将每个信令集合分类到信令集合的至少一个类中，
其中所述分析包括
变换表示所述多个信令集合中的相应一个的追踪数据，以用于通过从所述追踪数据过滤预定信息来根据序列模型生成信令集合序列，
通过使用相应的信令集合序列来评估信令集合的距离，其中所述距离由距离度量指示，以及
基于所述距离度量将相应的信令集合分配到信令集合类。
18.根据权利要求17所述的方法，其中
每个信令集合是多个网络元件或功能之间或网络元件或功能内的信令的结果，所述信令包括数据通信、语音通信、协议栈和一个或多个网络元件或功能所涉及的软件块之间的消息交换中的至少一个中的一系列消息或上下文数据，并且
追踪数据包括关于信令集合的单独事件和消息、用户平面事件、状态改变事件、更新事件、故障计数器事件以及与事件或消息相关的性质中的至少一个的信息。
19.根据权利要求17或18所述的方法，其中
根据序列模型生成的信令集合序列包括表示追踪数据的相关部分的序列元素的有序列表，其中序列元素选自多种类型的序列元素，每种类型被区分并分配到唯一标识符，其中序列元素包括标量标识符和从追踪数据导出的信息元素中的至少一个。
20.根据权利要求17至19中任一项所述的方法，还包括：
根据包括在信令集合中的故障指示的类型来预先选择用于分析的多个单独的信令集合。
21.根据权利要求17至20中任一项所述的方法，还包括：
为了变换表示多个信令集合中的相应一个的追踪数据以用于根据序列模型生成信令集合序列，而区分用于标识特定元素的追踪数据的部分，
向每个特定元素分配对应的标识符，并且
通过使用所分配的标识符来生成信令集合序列。
22.根据权利要求17至21中任一项所述的方法装置，还包括：
为了变换表示多个信令集合中的相应一个的追踪数据以用于根据序列模型生成信令集合序列，使从追踪数据的预定信息的过滤适于为评估信令集合的距离所进行的处理，其中相应追踪数据的变换的结果对应于适于为评估信令集合的距离所进行的处理的公共序列模型。
23.根据权利要求17至22中任一项所述的方法，还包括：
为了评估信令集合的距离，而计算从多个信令集合导出的至少两个信令集合序列与彼此的距离或从多个信令集合导出的信令集合序列与至少一个预先存储的参考序列集合的距离，其中通过在考虑每个信令集合序列中的特定元素下对齐信令集合序列来确定距离度量，其中每个信令集合序列中的特定元素涉及追踪数据中的故障事件、信令集合序列的第一个元素、以及信令集合序列的最后一个元素中的一个。
24.根据权利要求23所述的方法，还包括：
确定动态汉明距离、Levenshtein距离和Jaccard距离之一作为距离度量，并且
利用依赖于信令集合序列中的位置与用于对齐的特定元素之间的距离的加权因子函数来调制距离度量确定的结果。
25.根据权利要求17至24中任一项所述的方法，还包括：
考虑距离度量，以用于将彼此满足预定相似性状况的信令集合分配到相同的信令集合类，并且用于将彼此不满足预定相似性状况的信令集合分配到不同的信令集合类。
26.根据权利要求17至25中任一项所述的方法，还包括：
在离线模式和在线模式中的一个下分析多个单独的信令集合，其中
在离线模式下，多个信令集合是先前存储的信令集合的闭合集合，并且
在在线模式下，多个信令集合以后续的方式输入，并且在任意时间段内根据信令集合的到达进行分析。
27.根据权利要求26所述的方法，还包括：
在离线模式下，将信令集合类中的至少一个用作参考信令集合类，其限定要在离线模式和在线模式中的至少一个下在信令集合分析中的距离评估中使用的信令集合序列。
28.根据权利要求26和27中任一项所述的方法，还包括：
在离线模式下，通过将信令集合序列对齐到与追踪数据中的故障计数器递增事件对应的信令集合序列的特定元素来评估信令集合的距离，根据距离度量将信令集合序列的成对距离计算为距离矩阵，并且为了将信令集合分配到信令集合类而使用分割或聚类处理以用于通过使用距离矩阵标识具有等于或小于预定距离的距离的信令集合序列的子集。
29.根据权利要求26至28中任一项所述的方法，还包括：
在在线模式下，将每个包括至少一个参考信令集合序列的至少一个参考信令集合类用于评估信令集合的距离并用于将信令集合分配到信令集合类，并且在信令集合根据任何参考信令集合类都不能分配的情况下，基于不能分配的信令集合来限定新的参考信令集合类。
30.根据权利要求26至29中任一项所述的方法，还包括：
在在线模式下，通过将信令集合序列对齐到参考信令集合序列来评估信令集合的距离，根据距离度量将信令集合序列和参考信令集合序列的成对距离计算为距离向量，基于所述距离向量来确定是否要将信令集合分配到作为最接近的信令集合类的信令集合类，或者限定新的信令集合类。
31.根据权利要求17至30中任一项所述的方法，还包括：
提供信令集合的分析的结果，以用于与分析结果随时间的改变相关的后处理。
32.根据权利要求17至31中任一项所述的方法，其中所述方法在配置为用作网络控制元件或功能或者配置为用作分析元件或功能的网络元件或功能中实现，其中所述网络是通信网络。
33.一种计算机程序产品，包括具有体现在其中的计算机可读程序代码的计算机可用介质，所述计算机可读程序代码适于执行过程，所述过程包括：
关于多个信令集合中的至少两个之间的相似性和不相似性来分析多个单独的信令集合，以用于根据所述分析的结果将每个信令集合分类到信令集合的至少一个类中，
其中所述分析包括
变换表示所述多个信令集合中的相应一个的追踪数据，以用于通过从所述追踪数据过滤预定信息来根据序列模型生成信令集合序列，
通过使用相应的信令集合序列来评估信令集合的距离，其中所述距离由距离度量指示，以及
基于所述距离度量将相应的信令集合分配到信令集合类。
34.一种用于计算机的计算机程序产品，包括用于当所述产品在所述计算机上运行时执行权利要求17至32中任一项的步骤的软件代码部分。
35.根据权利要求34所述的计算机程序产品，其中
所述计算机程序产品包括在其上存储所述软件代码部分的计算机可读介质，和/或
所述计算机程序产品可直接加载到所述计算机的内部存储器中和/或可通过上传、下载和推送过程中的至少一个经由网络而传输。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/EP2015/051429 WO2016119812A1 (en) | 2015-01-26 | 2015-01-26 | Analyzing and classifying signaling sets or calls |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107211300A true CN107211300A (zh) | 2017-09-26 |
Family
ID=52434787
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201580074579.9A Pending CN107211300A (zh) | 2015-01-26 | 2015-01-26 | 分析和分类信令集合或呼叫 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US9936409B2 (zh) |
| EP (1) | EP3251400A1 (zh) |
| JP (1) | JP6526835B2 (zh) |
| KR (1) | KR101842088B1 (zh) |
| CN (1) | CN107211300A (zh) |
| WO (1) | WO2016119812A1 (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109067605A (zh) * | 2018-10-08 | 2018-12-21 | 郑州云海信息技术有限公司 | 一种存储子系统故障诊断方法、装置、终端及存储介质 |
| US20220167303A1 (en) * | 2020-11-24 | 2022-05-26 | Telefonaktiebolaget Lm Ericsson (Publ) | User equipment (ue) positioning |
| WO2022222756A1 (zh) * | 2021-04-22 | 2022-10-27 | 华为技术有限公司 | 芯片、处理数据的方法和计算机设备 |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109104391B (zh) * | 2017-06-20 | 2022-04-12 | 中兴通讯股份有限公司 | 三角信令分析方法、装置、系统及计算机可读存储介质 |
| CN108833125B (zh) * | 2018-03-18 | 2021-02-09 | 平安科技（深圳）有限公司 | 还原语音话路的绘制方法、系统、计算机设备和存储介质 |
| US11488044B2 (en) * | 2018-04-27 | 2022-11-01 | P44, Llc | Classification and transformation of sequential event data |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070243864A1 (en) * | 2006-04-13 | 2007-10-18 | Carrier Iq, Inc. | Analysis of arbitrary wireless network data using matched filters |
| CN103299293A (zh) * | 2007-10-04 | 2013-09-11 | 皇家飞利浦电子股份有限公司 | 对内容项集合进行分类 |
| CN103678471A (zh) * | 2012-09-24 | 2014-03-26 | 国际商业机器公司 | 对用于分布式抓取的搜索空间进行分区的方法和装置 |
| US20140226799A1 (en) * | 2013-02-12 | 2014-08-14 | Unify Square, Inc. | Enhanced Data Capture, Analysis, and Reporting for Unified Communications |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3426428B2 (ja) * | 1995-10-27 | 2003-07-14 | 富士通株式会社 | トランザクションのトレース装置 |
| US7526322B2 (en) * | 2004-08-18 | 2009-04-28 | Cellco Partnership | Real-time analyst program for processing log files from network elements |
| JP2006059266A (ja) * | 2004-08-23 | 2006-03-02 | Fujitsu Ltd | 障害解析方法及びその装置 |
| US7522060B1 (en) * | 2005-04-25 | 2009-04-21 | Anytransactions, Inc. | Graduated sanction/progressive response system and method for automated monitoring, scheduling and notification |
| US20070201388A1 (en) * | 2006-01-31 | 2007-08-30 | Qualcomm Incorporated | Methods and systems for resizing multimedia content based on quality and rate information |
| WO2008099664A1 (ja) * | 2007-02-15 | 2008-08-21 | Mitsubishi Heavy Industries, Ltd. | 車両番号認識装置 |
| US20080248795A1 (en) | 2007-04-09 | 2008-10-09 | Telephia Incorporation | Call results failure classifications |
| WO2009011058A1 (ja) * | 2007-07-19 | 2009-01-22 | Fujitsu Limited | システム監視プログラム、システム監視方法およびシステム監視装置 |
| DE112008004025T5 (de) * | 2008-10-07 | 2012-03-01 | Hewlett-Packard Development Company, L.P. | Analysieren von Ereignissen |
| US20100135470A1 (en) * | 2008-12-01 | 2010-06-03 | At&T Intellectual Property I, L.P. | Call impact determination tool |
| GB0913911D0 (en) * | 2009-08-10 | 2009-09-16 | Optos Plc | Improvements in or relating to laser scanning systems |
| JP2011244365A (ja) * | 2010-05-21 | 2011-12-01 | Yokogawa Electric Corp | 光トランスポートアナライザ |
| JP5041044B2 (ja) * | 2010-07-21 | 2012-10-03 | 富士通株式会社 | システム監視プログラム、システム監視方法およびシステム監視装置 |
| JP5780553B2 (ja) * | 2012-04-02 | 2015-09-16 | Kddi株式会社 | 障害監視装置及び障害監視方法 |
| US9118751B2 (en) | 2013-03-15 | 2015-08-25 | Marchex, Inc. | System and method for analyzing and classifying calls without transcription |
| JP6070338B2 (ja) * | 2013-03-26 | 2017-02-01 | 富士通株式会社 | 多階層システムに含まれる処理システムの分類装置及び多階層システムに含まれる処理システムの分類プログラム並びに多階層システムに含まれる処理システムの分類方法 |
| US9798596B2 (en) * | 2014-02-27 | 2017-10-24 | Commvault Systems, Inc. | Automatic alert escalation for an information management system |
-
2015
- 2015-01-26 US US15/545,879 patent/US9936409B2/en not_active Expired - Fee Related
- 2015-01-26 EP EP15701757.5A patent/EP3251400A1/en not_active Withdrawn
- 2015-01-26 JP JP2017557248A patent/JP6526835B2/ja not_active Expired - Fee Related
- 2015-01-26 KR KR1020177023952A patent/KR101842088B1/ko active IP Right Grant
- 2015-01-26 CN CN201580074579.9A patent/CN107211300A/zh active Pending
- 2015-01-26 WO PCT/EP2015/051429 patent/WO2016119812A1/en active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070243864A1 (en) * | 2006-04-13 | 2007-10-18 | Carrier Iq, Inc. | Analysis of arbitrary wireless network data using matched filters |
| CN103299293A (zh) * | 2007-10-04 | 2013-09-11 | 皇家飞利浦电子股份有限公司 | 对内容项集合进行分类 |
| CN103678471A (zh) * | 2012-09-24 | 2014-03-26 | 国际商业机器公司 | 对用于分布式抓取的搜索空间进行分区的方法和装置 |
| US20140226799A1 (en) * | 2013-02-12 | 2014-08-14 | Unify Square, Inc. | Enhanced Data Capture, Analysis, and Reporting for Unified Communications |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109067605A (zh) * | 2018-10-08 | 2018-12-21 | 郑州云海信息技术有限公司 | 一种存储子系统故障诊断方法、装置、终端及存储介质 |
| US20220167303A1 (en) * | 2020-11-24 | 2022-05-26 | Telefonaktiebolaget Lm Ericsson (Publ) | User equipment (ue) positioning |
| US11800484B2 (en) * | 2020-11-24 | 2023-10-24 | Telefonaktiebolaget Lm Ericsson (Publ) | User equipment (UE) positioning |
| WO2022222756A1 (zh) * | 2021-04-22 | 2022-10-27 | 华为技术有限公司 | 芯片、处理数据的方法和计算机设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6526835B2 (ja) | 2019-06-05 |
| KR101842088B1 (ko) | 2018-03-26 |
| US20170359743A1 (en) | 2017-12-14 |
| KR20170109609A (ko) | 2017-09-29 |
| US9936409B2 (en) | 2018-04-03 |
| WO2016119812A1 (en) | 2016-08-04 |
| EP3251400A1 (en) | 2017-12-06 |
| JP2018508167A (ja) | 2018-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107211300A (zh) | 分析和分类信令集合或呼叫 | |
| Nardini et al. | Simu5g–an omnet++ library for end-to-end performance evaluation of 5g networks | |
| Lee et al. | SLAW: Self-similar least-action human walk | |
| Imran et al. | Challenges in 5G: how to empower SON with big data for enabling 5G | |
| CN109976268A (zh) | 在过程控制系统中的大数据 | |
| CN108092854A (zh) | 基于iec61375协议的列车级以太网设备的测试方法及装置 | |
| CN103281256B (zh) | 基于网络层析的端到端路径丢包率探测方法 | |
| US20210076229A1 (en) | Executing analysis and management of a mobile communication network based on performance information, configuration information and environmental information | |
| CN110493720A (zh) | 终端的定位方法、装置及存储介质 | |
| Rizwan et al. | A zero-touch network service management approach using ai-enabled cdr analysis | |
| Yuan et al. | Anomaly detection and root cause analysis enabled by artificial intelligence | |
| Sánchez et al. | A data-driven scheduler performance model for QoE assessment in a LTE radio network planning tool | |
| CN108235253A (zh) | 用户运动剖析 | |
| CN108494625A (zh) | 一种网络性能分析系统 | |
| Tajiri et al. | Optimizing edge-cloud cooperation for machine learning accuracy considering transmission latency and bandwidth congestion | |
| Sun et al. | A QoE anomaly detection and diagnosis framework for cellular network operators | |
| Chakraborty et al. | System Failure Prediction within Software 5G Core Networks using Time Series Forecasting | |
| Yildirim et al. | A statistical comparative performance analysis of mobile network operators | |
| Ramachandran et al. | 5G network management system with machine learning based analytics | |
| Li et al. | Variational autoencoder assisted neural network likelihood RSRP prediction model | |
| CN114244691A (zh) | 视频业务的故障定位方法、装置及电子设备 | |
| Dalakas | Automate minimization of drive tests for qoe provisioning: The case of coverage mapping | |
| Hong et al. | An empirical framework for user mobility models: Refining and modeling user registration patterns | |
| Manjunath et al. | Adaptive Task Scheduling Procedure By Using Improvised Q-Learning Technique In Internet Of Things | |
| Borralho et al. | A novel localization C# framework for RAN optimization using extreme programming methodologies |
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 | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20210101 |
|
| AD01 | Patent right deemed abandoned |