CN112566054B - 一种优化消息交互过程的方法及系统 - Google Patents
一种优化消息交互过程的方法及系统 Download PDFInfo
- Publication number
- CN112566054B CN112566054B CN202011502353.3A CN202011502353A CN112566054B CN 112566054 B CN112566054 B CN 112566054B CN 202011502353 A CN202011502353 A CN 202011502353A CN 112566054 B CN112566054 B CN 112566054B
- Authority
- CN
- China
- Prior art keywords
- service
- data
- quota
- training
- charging
- 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
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/24—Accounting or billing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请公开了一种优化消息交互过程的方法及系统,用于为用户合理化分配网络资源,解决流量快速增长而引起的在线计费系统交互消息量暴增问题。本申请方法包括:获取历史计费数据,所述历史计费数据包括用户标识、业务数据、时段及资源使用量;将所述历史计费数据作为训练数据,对构建的动态配额模型进行训练直至到达收敛,所述动态配额模型用于预测业务计费请求中的配额信息和时长信息;接收用户端发送的业务使用请求;通过所述动态配额模型预测所述业务使用请求对应的配额信息和时长信息;向所述用户端发送业务使用响应,所述业务使用响应中包括所述业务计费请求匹配的配额信息和时长信息。
Description
技术领域
本申请实施例涉及通信技术领域,尤其涉及一种优化消息交互过程的方法及系统。
背景技术
电信计费系统作为电信业务网络的支撑系统,它已越来越被电信运营商重视。在线计费系统是在用户使用业务的过程中实时计费的一种计费模式,具体的,客户端在接收到用户针对某一业务发起的业务使用请求时,会依次通过核心网络控制节点和在线计费消息转发节点,向在线计费系统发送业务计费请求,在线计费系统接收到业务计费请求后,根据该业务的业务信息、用户使用的套餐信息和用户已用的业务量等数据信息,为该业务分配可用配额,并将分配的可用配额携带在在线计费响应中,依次通过在线计费消息转发节点和核心网络控制节点发送至客户端,客户端接收到在线计费响应后,根据在线计费响应中携带的可用配额,控制用户对该业务的使用,在确定该业务的可用配额使用完毕时,会再次向在线计费系统发送业务计费请求,以获取新的可用配额,如此便实现了对该业务的在线计费。
4G时代中国运营商推出的大流量业务带来流量爆发式增长,进而引起在线计费消息量、详单量的暴增,这对网元、在线计费系统及相关系统带来巨大压力和挑战。而5G的商用必将引起新一轮的流量暴增,电信运营商的计费系统不能合理化为用户分配网络资源,导致流量快速增长而引起的在线计费系统交互消息量暴增问题。
发明内容
本申请提供了一种优化消息交互过程的方法及系统,用于合理化为用户分配网络资源,解决流量快速增长而引起的在线计费系统交互消息量暴增问题。
为实现上述目的,本发明提供如下技术方案:
本发明第一方面提供一种优化消息交互过程的方法,包括:
获取历史计费数据,所述历史计费数据包括用户标识、业务数据、时段及资源使用量;
将所述历史计费数据作为训练数据,对构建的动态配额模型进行训练直至到达收敛,所述动态配额模型用于预测业务计费请求中的配额信息和时长信息;
接收用户端发送的业务使用请求;
通过所述动态配额模型预测所述业务使用请求对应的配额信息和时长信息;
向所述用户端发送业务使用响应,所述业务使用响应中包括所述业务计费请求匹配的配额信息和时长信息。
可选的,所述将所述历史计费数据作为训练数据,对构建的动态配额模型进行训练直至到达收敛包括:
根据所述历史计费数据获取所述业务数据对应的流速,所述流速用于表示单位时间业务使用的流量;
将所述业务数据按照所述流速进行聚类,并将分类后的类别值作为所述类别值对应的业务数据的业务标签;
将所述流速进行聚类,获取分类后的流速,并将分类后的聚类中心值作为所述聚类中心值对应的流速的流速标签;
将所述业务标签与所述流速标签与所述用户标识关联,获取训练标签数据;
通过所述训练标签数据对构建的动态配额模型进行训练直至到达收敛。
可选的,所述通过动态配额模型预测所述业务使用请求对应的配额信息和时长信息包括:
获取所述业务使用请求对应的业务计费信息,所述业务计费信息包括用户标识、业务标识和时段;
通过动态配额模型预测与所述用户标识、业务标识和时段相匹配的配额信息和时长信息。
可选的,所述将所述业务数据按照所述流速进行聚类包括:
通过k-means聚类算法将所述业务数据按照所述流速进行聚类,获取分类后的业务数据。
可选的,所述将所述流速进行聚类包括:
通过k-means聚类算法手肘法将所述流速进行聚类。
可选的,在通过k-means聚类算法将所述业务数据按照所述流速进行聚类之后,在获取分类后的业务数据之前,所述方法还包括:通过轮廓系数算法验证所述业务数据的聚类结果。
可选的,在通过k-means聚类算法手肘法将将所述流速进行聚类之后,在获取分类后的流速之前,所述方法还包括:通过轮廓系数算法验证所述流速的聚类结果。
本发明第二方面提供一种优化消息交互过程的系统,包括:
第一获取单元,用于获取历史计费数据,所述历史计费数据包括用户标识、业务数据、时段及资源使用量;
模型训练单元,用于将所述历史计费数据作为训练数据,对构建的动态配额模型进行训练直至到达收敛,所述动态配额模型用于预测业务计费请求中的配额信息和时长信息;
第一接收单元,用于接收用户端发送的业务使用请求;
预测单元,用于通过所述动态配额模型预测所述业务使用请求对应的配额信息和时长信息;
发送单元,用于向所述用户端发送业务使用响应,所述业务使用响应包括所述业务计费请求匹配的配额信息和时长信息。
可选的,所述模型训练单元包括:
第一获取模块,用于根据所述历史计费数据获取所述业务数据对应的流速,所述流速用于表示单位时间业务使用的流量;
第一聚类模块,用于将所述业务数据按照所述流速进行聚类,并将分类后的类别值作为所述类别值对应的业务数据的业务标签;
第二聚类单元,用于将所述流速进行聚类,获取分类后的流速,并将分类后的聚类中心值作为所述聚类中心值对应的流速的流速标签;
第二获取模块,用于将所述业务标签与所述流速标签与所述用户标识关联,获取训练标签数据;
训练模块,用于通过所述训练标签数据对构建的动态配额模型进行训练直至到达收敛。
可选的,所述预测单元包括:
第三获取模块,用于获取所述业务使用请求对应的业务计费信息,所述业务计费信息包括用户标识、业务标识和时段;
预测模块,用于通过动态配额模型预测与所述用户标识、业务标识和时段相匹配的配额信息和时长信息。
本申请实施例第三方面提供了一种优化消息交互过程的装置,包括:
处理器、存储器、输入输出单元、总线;
所述处理器与所述存储器、所述输入输出单元以及所述总线相连;
所述处理器具体执行如下操作:
获取历史计费数据,所述历史计费数据包括用户标识、业务数据、时段及资源使用量;
将所述历史计费数据作为训练数据,对构建的动态配额模型进行训练直至到达收敛,所述动态配额模型用于预测业务计费请求中匹配的配额信息和时长信息;
接收用户端发送的业务使用请求;
通过所述动态配额模型预测所述业务使用请求匹配的配额信息和时长信息;
向所述用户端发送业务使用响应,所述业务使用响应中包括所述业务计费请求匹配的配额信息和时长信息。
可选的,处理器还用于执行第一方面以及第一方面的可选方案中的方法。
本申请实施例第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质上保存有程序,所述程序在计算机上执行时执行前述一种优化消息交互过程的方法。
从以上技术方案可以看出,通过利用历史计费数据对动态配额模型进行训练,使动态配额模型可以预测业务计费请求相匹配的配额信息和时长信息,当客户端发送业务使用请求时,根据业务使用请求中的信息就可为用户分配合理的网络资源,不需要重复进行计费信息上报,从而解决流量快速增长而引起的在线计费系统交互消息量暴增问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见的,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请所提供的一种优化消息交互过程的方法的一个实施例流程示意图;
图2为本申请所提供的一种优化消息交互过程的方法的另一个实施例流程示意图;
图3为本申请实施例中提供一种优化消息交互过程的系统一个实施例结构示意图;
图4为本申请实施例中提供一种优化消息交互过程的装置一个实施例结构示意图。
具体实施方式
本申请提供了一种优化消息交互过程的方法及系统,用于合理化为用户分配网络资源,解决流量快速增长而引起的在线计费系统交互消息量暴增问题。
下面将结合本申请实施例中的附图,对本申请中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请第一方面提供了一种优化消息交互过程的方法,请参阅图1,图1为本申请实施例中一种优化消息交互过程的方法的一个实施例流程示意图,包括:
101、获取历史计费数据,所述历史计费数据包括用户标识、业务数据、时段及资源使用量;
电信计费运营网系统获取所有用户的历史计费数据,其中历史计费数据包括有用户的话费详单或者是流量详单,通过提取关键字段比如用户标识、业务数据、时段及资源使用量等,获取用户在线计费详情。
102、将所述历史计费数据作为训练数据,对构建的动态配额模型进行训练直至到达收敛,所述动态配额模型用于预测业务计费请求中匹配的配额信息和时长信息;
对用户历史计费数据进行特征提取,利用深度神经网络构建的动态配额模型并进行训练直至模型到达收敛,进而找出用户使用流量的规律,比如用户套餐中包括有不限流量,只需要做流量累计就可以了,不需要实时进行计费。所述动态配额模型用于预测业务计费请求中匹配的配额信息和时长信息。
103、接收用户端发送的业务使用请求;
用户端接收到用户发起的业务使用请求时,与核心网络控制节点建立链路连接。客户端确定链路连接建立成功后,向核心网络控制节点发起在线计费请求。核心网络控制节点接收到在线计费请求后,判断在线计费请求对应的用户是否属于在线计费用户。核心网络控制节点若确定在线计费请求对应的用户属于在线计费用户,则通过在线计费消息转发节点将在线计费请求转发至在线计费系统。
104、通过所述动态配额模型预测所述业务使用请求匹配的配额信息和时长信息;
在线计费系统接收到在线计费请求后,对在线计费请求对应的用户进行认证。在线计费系统若确定在线计费请求对应的用户认证通过,则基于在线计费请求中携带的业务计费信息(如,业务类型、账户余额、签约套餐和已用业务量等)通过动态配额模型预测所述业务使用请求匹配的配额信息和时长信息。
105、向所述用户端发送业务使用响应,所述业务使用响应中包括所述业务计费请求匹配的配额信息和时长信息。
在线计费系统将配额信息和时长信息携带在业务使用响应中,并通过在线计费消息转发节点和核心网络控制节点,将业务使用响应返回至用户端。
请参阅图2,图2为本申请实施例中一种优化消息交互过程的方法的另一个实施例流程示意图,包括:
201、获取历史计费数据,所述历史计费数据包括用户标识、业务数据、时段及资源使用量;
本实施例中的步骤201与前述实施例中步骤101类似,此处不再赘述。
202、根据所述历史计费数据获取所述业务数据对应的流速,所述流速用于表示单位时间业务使用的流量;
因为不同的业务在单位时间内被消耗的流量是不稳定的一个数值,故需要单位时间业务使用的流量进行量化,用流速的定义表示单位时间业务使用的流量,方便对业务数据进行区分。
203、通过k-means聚类算法将所述业务数据按照所述流速进行聚类,并将分类后的类别值作为所述类别值对应的业务数据的业务标签;
通过k-means聚类算法按照流速对业务数据进行聚类,找出具有相同IP地址的业务,对业务数据进行降维,并将分类后的类别值作为所述类别值对应的业务数据的业务标签。
204、通过k-means聚类算法将所述流速进行聚类,获取分类后的流速,并将分类后的聚类中心值作为所述聚类中心值对应的流速的流速标签;
通过k-means聚类算法对流速进行聚类,获取分类后的流速,并将分类后的聚类中心值作为所述聚类中心值对应的流速的流速标签。比如同样为1.002M/s、1.005M/s或0.998M/s与1.000M/s聚成为一类,并将这一聚类的标签设置为1.000M/s。
205、将所述业务标签与所述流速标签与所述用户标识关联,获取训练标签数据;
将获取的业务标签与流速标签与用户标识关联,组成该用户的训练标签数据。
206、通过所述训练标签数据对构建的动态配额模型进行训练直至到达收敛;
通过所述训练标签数据对构建的动态配额模型进行迭代训练直至模型到达收敛,将流速标签作为模型的训练和预测值。
207、接收用户端发送的业务使用请求;
本实施例中的步骤207与前述实施例中步骤103类似,此处不再赘述。
208、获取所述业务使用请求对应的业务计费信息,所述业务计费信息包括用户标识、业务标识和时段;
获取业务使用请求对应的业务计费信息,业务计费信息包括用户标识、业务标识和时段,根据用户标识、业务标识和时段以便为该业务使用请求分配合理的网络资源量以及时长。
209、通过动态配额模型预测与所述用户标识、业务标识和时段相匹配的配额信息和时长信息。
动态配额模型根据用户标识、业务标识和时段对用户的业务使用习惯做分析处理,并得出该业务使用请求所需要的合理的网络资源量以及时长。
210、向所述用户端发送业务使用响应,所述业务使用响应中包括所述业务计费请求匹配的配额信息和时长信息。
本实施例中的步骤210与前述实施例中步骤105类似,此处不再赘述。
本申请第二方面提供了提供一种优化消息交互过程的系统,请参阅图3,图3为本申请实施例中提供一种优化消息交互过程的系统一个实施例结构示意图,包括:
第一获取单元301,用于获取历史计费数据,所述历史计费数据包括用户标识、业务数据、时段及资源使用量;
模型训练单元302,用于将所述历史计费数据作为训练数据,对构建的动态配额模型进行训练直至到达收敛,所述动态配额模型用于预测业务计费请求中的配额信息和时长信息;
第一接收单元303,用于接收用户端发送的业务使用请求;
预测单元304,用于通过所述动态配额模型预测所述业务使用请求对应的配额信息和时长信息;
发送单元305,用于向所述用户端发送业务使用响应,所述业务使用响应包括所述业务计费请求匹配的配额信息和时长信息。
所述模型训练单元302包括:
第一获取模块3021,用于根据所述历史计费数据获取所述业务数据对应的流速,所述流速用于表示单位时间业务使用的流量;
第一聚类模块3022,用于将所述业务数据按照所述流速进行聚类,并将分类后的类别值作为所述类别值对应的业务数据的业务标签;
第二聚类单元3023,用于将所述流速进行聚类,获取分类后的流速,并将分类后的聚类中心值作为所述聚类中心值对应的流速的流速标签;
第二获取模块3024,用于将所述业务标签与所述流速标签与所述用户标识关联,获取训练标签数据;
训练模块3025,用于通过所述训练标签数据对构建的动态配额模型进行训练直至到达收敛。
所述预测单元304包括:
第三获取模块3041,用于获取所述业务使用请求对应的业务计费信息,所述业务计费信息包括用户标识、业务标识和时段;
预测模块3042,用于通过动态配额模型预测与所述用户标识、业务标识和时段相匹配的配额信息和时长信息。
本申请实施例第三方面提供了一种优化消息交互过程的装置,参阅图4,图4为为本申请实施例中提供一种优化消息交互过程的装置一个实施例结构示意图,包括:
处理器401、存储器402、输入输出单元403、总线404;
所述处理器401与所述存储器402、所述输入输出单元403以及所述总线404相连;
所述处理器401具体执行如下操作:
获取历史计费数据,所述历史计费数据包括用户标识、业务数据、时段及资源使用量;
将所述历史计费数据作为训练数据,对构建的动态配额模型进行训练直至到达收敛,所述动态配额模型用于预测业务计费请求中匹配的配额信息和时长信息;
接收用户端发送的业务使用请求;
通过所述动态配额模型预测所述业务使用请求匹配的配额信息和时长信息;
向所述用户端发送业务使用响应,所述业务使用响应中包括所述业务计费请求匹配的配额信息和时长信息。
本实施例中,处理器401的功能与前述图1至图2所示实施例中的步骤对应,此处不再赘述。
此外,在本申请中所附图式所绘制的结构、比例、大小等,均仅用于配合说明书所揭示的内容,以供本领域技术人员了解与阅读,并非用于限定本申请中可实施的限定条件,故不具有技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本申请所能产生的功效及所能达成的目的下,均仍应落在本申请所揭示的技术内容涵盖的范围内。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,read-onlymemory)、随机存取存储器(RAM,random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (8)
1.一种优化消息交互过程的方法,其特征在于,包括:
获取历史计费数据,所述历史计费数据包括用户标识、业务数据、时段及资源使用量;
将所述历史计费数据作为训练数据,对构建的动态配额模型进行训练直至到达收敛,所述动态配额模型用于预测业务计费请求中的配额信息和时长信息;
所述将所述历史计费数据作为训练数据,对构建的动态配额模型进行训练直至到达收敛包括:
根据所述历史计费数据获取所述业务数据对应的流速,所述流速用于表示单位时间业务使用的流量;
将所述业务数据按照所述流速进行聚类,并将分类后的类别值作为所述类别值对应的业务数据的业务标签;
将所述流速进行聚类,获取分类后的流速,并将分类后的聚类中心值作为所述聚类中心值对应的流速的流速标签;
将所述业务标签与所述流速标签与所述用户标识关联,获取训练标签数据;
通过所述训练标签数据对构建的动态配额模型进行训练直至到达收敛;
接收用户端发送的业务使用请求;
通过所述动态配额模型预测所述业务使用请求对应的配额信息和时长信息;
向所述用户端发送业务使用响应,所述业务使用响应中包括所述业务计费请求匹配的配额信息和时长信息。
2.根据权利要求1所述的方法,其特征在于,所述通过动态配额模型预测所述业务使用请求对应的配额信息和时长信息包括:
获取所述业务使用请求对应的业务计费信息,所述业务计费信息包括用户标识、业务标识和时段;
通过动态配额模型预测与所述用户标识、业务标识和时段相匹配的配额信息和时长信息。
3.根据权利要求1所述的方法,其特征在于,所述将所述业务数据按照所述流速进行聚类包括:
通过k-means聚类算法将所述业务数据按照所述流速进行聚类,获取分类后的业务数据。
4.根据权利要求1所述的方法,其特征在于,所述将所述流速进行聚类包括:
通过k-means聚类算法手肘法将所述流速进行聚类。
5.根据权利要求3所述的方法,其特征在于,在通过k-means聚类算法将所述业务数据按照所述流速进行聚类之后,在获取分类后的业务数据之前,所述方法还包括:通过轮廓系数算法验证所述业务数据的聚类结果。
6.根据权利要求4所述的方法,其特征在于,在通过k-means聚类算法手肘法将所述流速进行聚类之后,在获取分类后的流速之前,所述方法还包括:通过轮廓系数算法验证所述流速的聚类结果。
7.一种优化消息交互过程的系统,其特征在于,包括:
第一获取单元,用于获取历史计费数据,所述历史计费数据包括用户标识、业务数据、时段及资源使用量;
模型训练单元,用于将所述历史计费数据作为训练数据,对构建的动态配额模型进行训练直至到达收敛,所述动态配额模型用于预测业务计费请求中的配额信息和时长信息;
所述模型训练单元包括:
第一获取模块,用于根据所述历史计费数据获取所述业务数据对应的流速,所述流速用于表示单位时间业务使用的流量;
第一聚类模块,用于将所述业务数据按照所述流速进行聚类,并将分类后的类别值作为所述类别值对应的业务数据的业务标签;
第二聚类单元,用于将所述流速进行聚类,获取分类后的流速,并将分类后的聚类中心值作为所述聚类中心值对应的流速的流速标签;
第二获取模块,用于将所述业务标签与所述流速标签与所述用户标识关联,获取训练标签数据;
训练模块,用于通过所述训练标签数据对构建的动态配额模型进行训练直至到达收敛;
第一接收单元,用于接收用户端发送的业务使用请求;
预测单元,用于通过所述动态配额模型预测所述业务使用请求对应的配额信息和时长信息;
发送单元,用于向所述用户端发送业务使用响应,所述业务使用响应包括所述业务计费请求匹配的配额信息和时长信息。
8.根据权利要求7所述的系统,其特征在于,所述预测单元包括:
第三获取模块,用于获取所述业务使用请求对应的业务计费信息,所述业务计费信息包括用户标识、业务标识和时段;
预测模块,用于通过动态配额模型预测与所述用户标识、业务标识和时段相匹配的配额信息和时长信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011502353.3A CN112566054B (zh) | 2020-12-18 | 2020-12-18 | 一种优化消息交互过程的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011502353.3A CN112566054B (zh) | 2020-12-18 | 2020-12-18 | 一种优化消息交互过程的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112566054A CN112566054A (zh) | 2021-03-26 |
CN112566054B true CN112566054B (zh) | 2022-04-19 |
Family
ID=75063517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011502353.3A Active CN112566054B (zh) | 2020-12-18 | 2020-12-18 | 一种优化消息交互过程的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112566054B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118659941A (zh) * | 2024-08-20 | 2024-09-17 | 天翼物联科技有限公司 | 物联网卡在线计费授权方法、装置、平台和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6477143B1 (en) * | 1998-01-25 | 2002-11-05 | Dror Ginossar | Method and apparatus for packet network congestion avoidance and control |
CN106663038A (zh) * | 2014-06-30 | 2017-05-10 | 亚马逊科技公司 | 用于机器学习的特征处理配方 |
CN107465708A (zh) * | 2016-06-02 | 2017-12-12 | 腾讯科技(深圳)有限公司 | 一种cdn带宽调度系统及方法 |
CN110298567A (zh) * | 2019-06-18 | 2019-10-01 | 上海电力学院 | 利用综合能源系统能耗大数据确定典型日负荷曲线的方法 |
CN111314869A (zh) * | 2020-02-18 | 2020-06-19 | 中国联合网络通信集团有限公司 | 流量配额分配方法、装置、电子设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140279731A1 (en) * | 2013-03-13 | 2014-09-18 | Ivan Bezdomny Inc. | System and Method for Automated Text Coverage of a Live Event Using Structured and Unstructured Data Sources |
CN111447577B (zh) * | 2020-02-18 | 2021-07-27 | 中国联合网络通信集团有限公司 | 配额管理方法及设备 |
-
2020
- 2020-12-18 CN CN202011502353.3A patent/CN112566054B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6477143B1 (en) * | 1998-01-25 | 2002-11-05 | Dror Ginossar | Method and apparatus for packet network congestion avoidance and control |
CN106663038A (zh) * | 2014-06-30 | 2017-05-10 | 亚马逊科技公司 | 用于机器学习的特征处理配方 |
CN107465708A (zh) * | 2016-06-02 | 2017-12-12 | 腾讯科技(深圳)有限公司 | 一种cdn带宽调度系统及方法 |
CN110298567A (zh) * | 2019-06-18 | 2019-10-01 | 上海电力学院 | 利用综合能源系统能耗大数据确定典型日负荷曲线的方法 |
CN111314869A (zh) * | 2020-02-18 | 2020-06-19 | 中国联合网络通信集团有限公司 | 流量配额分配方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112566054A (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106462461B (zh) | 用于针对用户的移动宽带服务和虚拟化云资源的消费向用户开账单的系统、设备和方法 | |
CN111954173B (zh) | 发送短信的方法、装置、服务器及计算机可读存储介质 | |
CN110381455B (zh) | 流量监控处理方法和相关装置和系统 | |
CN110233741B (zh) | 服务计费方法、装置、设备及存储介质 | |
CN103269493A (zh) | 一种推送带宽业务的方法及设备 | |
CN113127168A (zh) | 服务分配方法、系统、装置、服务器及介质 | |
CN106658358A (zh) | 一种共享网络的方法、装置和终端 | |
CN112328760A (zh) | 服务提供方法、装置和系统 | |
CN112566054B (zh) | 一种优化消息交互过程的方法及系统 | |
CN115423030A (zh) | 一种设备识别的方法和装置 | |
CN108076443B (zh) | 一种在线计费系统中流量的分配方法及在线计费系统 | |
CN105184559A (zh) | 一种支付系统及方法 | |
CN104992060A (zh) | 用户年龄估计方法及装置 | |
CN110351345B (zh) | 用于业务请求处理的方法及装置 | |
CN105827425B (zh) | 一种网络控制的方法及装置 | |
CN1322706C (zh) | 一种实时分段计费的方法 | |
CN116860470A (zh) | 数据传输方法、装置、计算机设备和存储介质 | |
CN114390015B (zh) | 一种基于物模型的数据推送系统、方法、设备及存储介质 | |
CN100512268C (zh) | 一种基于事务的业务运营系统及方法 | |
CN110620748B (zh) | 数据包的识别方法、装置、系统和计算机可读存储介质 | |
CN112131267A (zh) | 计数处理方法、装置、服务器和计数处理系统 | |
CN117539949B (zh) | 数据库访问请求的处理方法、装置、电子设备和存储介质 | |
CN115208831B (zh) | 请求处理方法、装置、设备及存储介质 | |
CN112003953B (zh) | 广告推送方法及服务器 | |
CN114205764B (zh) | 话务资源共享方法、装置、设备和计算机可读存储介质 |
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 |