CN112583629B - 一种信息处理方法、相关设备及计算机存储介质 - Google Patents
一种信息处理方法、相关设备及计算机存储介质 Download PDFInfo
- Publication number
- CN112583629B CN112583629B CN201910945933.0A CN201910945933A CN112583629B CN 112583629 B CN112583629 B CN 112583629B CN 201910945933 A CN201910945933 A CN 201910945933A CN 112583629 B CN112583629 B CN 112583629B
- Authority
- CN
- China
- Prior art keywords
- information
- action
- network element
- decision
- decision information
- 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
- 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
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5003—Managing SLA; Interaction between SLA and QoS
- H04L41/5009—Determining service level performance parameters or violations of service level contracts, e.g. violations of agreed response time or mean time between failures [MTBF]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Abstract
本申请实施例公开了一种信息处理方法、相关设备及计算机存储介质，其中方法包括：获取意图的多个动作信息；确定所述多个动作信息的决策信息，所述决策信息为所述多个动作信息中包含的信息；根据所述多个动作信息的决策信息确定目标动作信息，所述目标动作信息用于实现所述意图。本申请实施例通过增加辅助选择功能以及流程来快速确定实现意图的目标动作信息，从而提升意图转译的效率。
Description
技术领域
本申请涉及信息处理技术领域，尤其涉及一种信息处理方法、相关设备及计算机存储介质。
背景技术
随着机器学习和大数据分析等技术的发展，基于意图的网络管理在无线网络中也得到应用，旨在减少人机交互并提高网络性能。与现有的基于人的网络管理相比，基于意图的网络管理使用简单的指令，告诉网络“做什么”而不是“怎么做”，以减少大规模的手动决策时的不准确性。此外，垂直行业的无线网络运维场景下，垂直行业用户的运维知识不足，基于意图的网络管理可降低用户对运维知识的需求。其中，上述告诉网络“做什么”，即要实现的意图，例如“提升x区用户视频业务体验”；而从“做什么”到“怎么做”以及执行“怎么做”的过程则为意图转译，即将意图转换为合理的网络部署并执行部署的动作的过程。
目前意图转译主要通过意图驱动管理提供者接收意图驱动管理服务消费者下发的意图，向知识库查询为满足意图所需执行的动作及动作执行条件，知识库进行目标与意图匹配后，将结果反馈给意图驱动管理服务消费者。意图驱动管理服务提供者向网元查询当前网络的状态，并下发该状态下需要执行的动作。
但是无线网络的意图主要面向运维管理，且多数意图可通过特性运维得到满足。无线网络各特性不是完全正交，存在多个方案可同时满足同一意图的场景，意图驱动管理服务提供者在方案选择时，通过随机选择，或逐个尝试的方法进行方案选择，从而导致目前的意图转译的转译效率低。
发明内容
本申请实施例公开了一种信息处理方法、相关设备及计算机存储介质，通过增加辅助选择功能以及流程来快速确定实现意图的目标动作信息，从而提升意图转译的效率。
第一方面，本申请实施例公开提供了数据传输方法，包括：
第一网元获取意图的多个动作信息；
所述第一网元确定所述多个动作信息的决策信息，所述决策信息为所述多个动作信息中包含的信息；
所述第一网元根据所述多个动作信息的决策信息确定目标动作信息，所述目标动作信息用于实现所述意图。
在一种可能的实施方式中，所述第一网元根据所述多个动作信息的决策信息确定目标动作信息，包括：
所述第一网元获取所述意图的业务诉求或所述意图的意图达成的历史经验信息，所述业务诉求是指与所述意图对应的业务要求，所述历史经验信息为与当前场景相同的意图转译事件的信息，所述场景相同是指要实现的意图以及网络状态相同；
所述第一网元根据所述意图的业务诉求或所述意图达成的历史经验信息以及所述决策信息确定所述目标动作信息。
在一种可能的实施方式中，所述第一网元根据所述多个动作信息的决策信息确定目标动作信息，包括：
所述第一网元将所述多个动作的决策信息输入机器学习模型，得到所述目标动作信息。
在一种可能的实施方式中，所述根据所述多个动作信息的决策信息确定目标动作信息，包括：
所述第一网元向第二网元或第三网元发送动作选择请求，所述动作选择请求携带所述多个动作信息的决策信息，所述动作选择请求用于第二网元或第三网元根据所述多个动作信息的决策信息确定目标决策信息；
所述第一网元接收来自所述第二网元或所述第三网元的动作选择响应，所述动作选择响应携带所述目标决策信息或所述目标决策信息的标识信息；
所述第一网元根据所述目标决策信息或所述标识信息确定所述目标动作信息。
在一种可能的实施方式中，所述第一网元确定所述多个动作信息的决策信息，包括：
所述第一网元根据所述多个动作信息的优化增益和负面影响确定所多个动作的决策信息，所述优化增益包含动作和动作对象，所述负面影响包含动作和动作对象；
或者所述第一网元根据所述多个动作信息的操作确定所多个动作的决策信息，所述操作信息包含动作和动作对象。
在一种可能的实施方式中，所述第一网元根据所述多个动作信息的优化增益和负面影响确定所多个动作的决策信息，包括：
所述第一网元根据所述多个动作信息的优化增益和负面影响以及操作确定所多个动作的决策信息。
第二方面，本申请实施例提供一种信息处理方法，包括：
第二网元接收来自第一网元的动作选择请求，所述动作选择请求包括多个动作信息的决策信息，所述多个动作信息为所述第一网元根据意图获取的，所述决策信息为所述多个动作信息中包含的信息；
所述第二网元根据多个动作信息的决策信息确定目标决策信息，所述目标决策信息用于确定所述目标动作；
所述第二网元向所述第一网元发送动作选择响应，所述动作选择响应携带所述目标决策信息，或者携带所述目标决策信息的标识信息。
在一种可能的实施方式中，所述第二网元根据多个动作信息的决策信息确定目标决策信息，包括：
在所述第二网元不能处理所述动作选择请求的情况下，所述第二网元向第三网元发送所述动作选择请求；
所述第二网元接收来自所述第三网元的所述动作选择响应。
在一种可能的实施方式中，所述第二网元根据多个动作信息的决策信息确定目标决策信息，包括：
所述第二网元获取所述意图的业务诉求或所述意图的意图达成的历史经验信息，所述业务诉求是指与所述意图对应的业务要求，所述历史经验信息为与当前场景相同的意图转译事件的信息，所述场景相同是指要实现的意图以及网络状态相同；
所述第二网元根据所述多个动作的决策信息以及所述诉求信息或所述历史经验信息确定所述目标决策信息。
在一种可能的实施方式中，所述第二网元根据多个动作信息的决策信息确定目标决策信息，包括：
所述第二网元将所述多个动作的决策信息输入机器学习模型，得到所述目标决策信息。
在一种可能的实施方式中，所述多个动作信息的决策信息包括所述多个动作信息的操作，或者所述多个动作信息的决策信息包括所述多个动作信息的优化增益和负面影响，或者所述多个动作信息的决策信息包括所述多个动作信息的操作、所述多个动作信息的优化增益和负面影响，所述优化增益包含动作和动作对象，所述负面影响包含动作和动作对象，所述操作信息包含动作和动作对象。
第二方面，本申请实施例提供一种信息处理方法，包括：
第三网元接收来自第一网元或第二网元的动作选择请求，所述动作选择请求，所述动作选择请求包括多个动作信息的决策信息，所述多个动作信息为所述第一网元根据意图获取的，所述决策信息为所述多个动作信息中包含的信息；
第三网元根据多个动作信息的决策信息确定目标决策信息，所述目标决策信息用于确定所述目标动作；
第三网元向所述第一网元或第二网元发送动作选择响应，所述动作选择响应携带所述目标决策信息，或者携带所述目标决策信息的标识信息。
在一种可能的实施方式中，第三网元根据多个动作信息的决策信息确定目标决策信息，包括：
所述第三网元获取所述意图的业务诉求或所述意图的意图达成的历史经验信息，所述业务诉求是指与所述意图对应的业务要求，所述历史经验信息为与当前场景相同的意图转译事件的信息，所述场景相同是指要实现的意图以及网络状态相同；
所述第三网元根据所述多个动作的决策信息以及所述诉求信息或所述历史经验信息确定所述目标决策信息。
在一种可能的实施方式中，第三网元根据多个动作信息的决策信息确定目标决策信息，包括：
所述第二网元将所述多个动作的决策信息输入机器学习模型，得到所述目标决策信息。
在一种可能的实施方式中，所述多个动作信息的决策信息包括所述多个动作信息的操作，或者所述多个动作信息的决策信息包括所述多个动作信息的优化增益和负面影响，或者所述多个动作信息的决策信息包括所述多个动作信息的操作、所述多个动作信息的优化增益和负面影响，所述优化增益包含动作和动作对象，所述负面影响包含动作和动作对象，所述操作信息包含动作和动作对象。
在本申请实施例中，当意图转译过程中存在多个方案(即多个动作信息)可以同时满足同一意图时，第一网元通过将多个动作的优化增益和负面影响作为决策信息，然后通过意图的业务诉求或所述意图的意图达成的历史经验信息所述决策信息中的目标决策信息(即可接受的优化增益和负面影响以及不可接受的负面影响)，或者通过机器学习模型来确定所述决策信息中的目标决策信息，进一步根据所述目标决策信息确定所述多个动作信息中的目标动作信息。可以看出，相比于已有的随机选择动作信息或逐个尝试动作信息的方案，本申请实施例通过增加动作信息的选择流程来确定目标动作信息的方案，可以快速的确定目标动作信息，以及动作信息选择的准确性，从而提升意图转译的效率。
第四方面，本申请实施例提供一种信息处理装置，包括：
获取模块，用于获取意图的多个动作信息；
第一确定模块，用于确定所述多个动作信息的决策信息，所述决策信息为所述多个动作信息中包含的信息；
第二确定模块，用于根据所述多个动作信息的决策信息确定目标动作信息，所述目标动作信息用于实现所述意图。
本申请实施例中所述信息处理装置通过获取意图的多个动作信息，然后从多个信息中提取出决策信息，并根据得到的决策信息来确定所述多个动作信息中的目标动作信息。可见，所述信息处理装置通过增加辅助选择功能以及流程来快速确定实现意图的目标动作信息，从而提升意图转译的效率。
在一种可选的实施方式中，所述第二确定模块，具体用于获取所述意图的业务诉求或所述意图的意图达成的历史经验信息，所述业务诉求是指与所述意图对应的业务要求，所述历史经验信息为与当前场景相同的意图转译事件的信息，所述场景相同是指要实现的意图以及网络状态相同；根据所述意图的业务诉求或所述意图达成的历史经验信息以及所述决策信息确定所述目标动作信息。
在一种可选的实施方式中，所述第二确定模块，具体用于将所述多个动作的决策信息输入机器学习模型，得到所述目标动作信息。
在一种可选的实施方式中，所述第二确定模块，具体用于向第二网元或第三网元发送动作选择请求，所述动作选择请求携带所述多个动作信息的决策信息，所述动作选择请求用于第二网元或第三网元根据所述多个动作信息的决策信息确定目标决策信息；接收来自所述第二网元或所述第三网元的动作选择响应，所述动作选择响应携带所述目标决策信息或所述目标决策信息的标识信息；根据所述目标决策信息或所述标识信息确定所述目标动作信息。
在一种可选的实施方式中，所述第一确定模块，具体用于根据所述多个动作信息的优化增益和负面影响确定所多个动作的决策信息，所述优化增益包含动作和动作对象，所述负面影响包含动作和动作对象；或者根据所述多个动作信息的操作确定所多个动作的决策信息，所述操作信息包含动作和动作对象。
在一种可选的实施方式中，所述第一确定模块，具体用于根据所述多个动作信息的优化增益和负面影响以及操作确定所多个动作的决策信息。
第五方面，本申请实施例还提供一种信息处理装置，包括：
接收模块，用于接收来自第一网元的动作选择请求，所述动作选择请求包括多个动作信息的决策信息，所述多个动作信息为所述第一网元根据意图获取的，所述决策信息为所述多个动作信息中包含的信息；
确定模块，用于根据多个动作信息的决策信息确定目标决策信息，所述目标决策信息用于确定所述目标动作；
发送模块，用于向所述第一网元发送动作选择响应，所述动作选择响应携带所述目标决策信息，或者携带所述目标决策信息的标识信息。
本申请实施例中所述信息处理装置通接收来自第一网元的动作选择请求，其中所动作选择请求携带决策信息；然后确定出所述决策信息中的目标决策信息，最后向所述第一网元发送携带目标决策信息生成动作选择响应，以使所述第一网元根据所述目标决策信息确定目标动作信息。可见，所述信息处理装置通过增加辅助选择功能以及流程来帮助所述第一网元确定实现意图的目标动作信息，从而提升意图转译的效率。
在一种可选的实施方式中，所述确定模块，具体用于在所述第二网元不能处理所述动作选择请求的情况下，所述第二网元向第三网元发送所述动作选择请求；接收来自所述第三网元的所述动作选择响应。
在一种可选的实施方式中，所述确定模块，具体用于获取所述意图的业务诉求或所述意图的意图达成的历史经验信息，所述业务诉求是指与所述意图对应的业务要求，所述历史经验信息为与当前场景相同的意图转译事件的信息，所述场景相同是指要实现的意图以及网络状态相同；根据所述多个动作的决策信息以及所述诉求信息或所述历史经验信息确定所述目标决策信息。
在一种可选的实施方式中，所述确定模块，具体用于所述第二网元将所述多个动作的决策信息输入机器学习模型，得到所述目标决策信息。
在一种可选的实施方式中，所述多个动作信息的决策信息包括所述多个动作信息的操作，或者所述多个动作信息的决策信息包括所述多个动作信息的优化增益和负面影响，或者所述多个动作信息的决策信息包括所述多个动作信息的操作、所述多个动作信息的优化增益和负面影响，所述优化增益包含动作和动作对象，所述负面影响包含动作和动作对象，所述操作信息包含动作和动作对象。
第六方面，本申请实施例还提供一种信息处理装置，包括：
接收模块，用于接收来自第一网元或第二网元的动作选择请求，所述动作选择请求，所述动作选择请求包括多个动作信息的决策信息，所述多个动作信息为所述第一网元根据意图获取的，所述决策信息为所述多个动作信息中包含的信息；
确定模块，用于根据多个动作信息的决策信息确定目标决策信息，所述目标决策信息用于确定所述目标动作；
发送模块，用于向所述第一网元或第二网元发送动作选择响应，所述动作选择响应携带所述目标决策信息，或者携带所述目标决策信息的标识信息。
本申请实施例中所述信息处理装置通接收来自第一网元或第二网元的动作选择请求，其中所动作选择请求携带决策信息；然后确定出所述决策信息中的目标决策信息，最后向所述第一网元或第二网元发送携带目标决策信息生成动作选择响应，以使所述第一网元根据所述目标决策信息确定目标动作信息。可见，所述信息处理装置通过增加辅助选择功能以及流程来帮助所述第一网元确定实现意图的目标动作信息，从而提升意图转译的效率。
在一种可选的实施方式中，所述确定模块，具体用于获取所述意图的业务诉求或所述意图的意图达成的历史经验信息，所述业务诉求是指与所述意图对应的业务要求，所述历史经验信息为与当前场景相同的意图转译事件的信息，所述场景相同是指要实现的意图以及网络状态相同；根据所述多个动作的决策信息以及所述诉求信息或所述历史经验信息确定所述目标决策信息。
在一种可选的实施方式中，所述确定模块，具体用于所述第二网元将所述多个动作的决策信息输入机器学习模型，得到所述目标决策信息。
在一种可选的实施方式中，所述多个动作信息的决策信息包括所述多个动作信息的操作，或者所述多个动作信息的决策信息包括所述多个动作信息的优化增益和负面影响，或者所述多个动作信息的决策信息包括所述多个动作信息的操作、所述多个动作信息的优化增益和负面影响，所述优化增益包含动作和动作对象，所述负面影响包含动作和动作对象，所述操作信息包含动作和动作对象。
第七方面，本申请实施例提供一种信息处理装置，包括处理器和收发器，其中：所述处理器和所述收发器相互连接，所述收发器用于与数据分析设备通信，所述处理器被配置用于执行如第一方面所述的方法。
第八方面，本申请实施例还提供一种信息处理装置，包括处理器和收发器，其中：所述处理器和所述收发器相互连接，所述收发器用于与数据分析设备通信，所述处理器被配置用于执行如第二方面所述的方法。
第九方面，本申请实施例提供一种信息处理装置，包括处理器和收发器，其中：所述处理器和所述收发器相互连接，所述收发器用于与数据分析设备通信，所述处理器被配置用于执行如第三方面所述的方法。
第十方面，本申请实施例提供一种计算机存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的方法。
第十一方面，本申请实施例还提供一种计算机存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第二方面所述的方法。
第十二方面，本申请实施例还提供一种计算机存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第三方面所述的方法。
附图说明
为了更清楚地说明本申请实施例或背景技术中的技术方案，下面将对本申请实施例或背景技术中所需要使用的附图进行说明。
图1是本申请实施例提供的IDMS消费者和IDMS提供者之间的交互示意图；
图2是本申请实施例提供的一种信息处理方法的流程示意图；
图3是本申请实施例提供的另一种信息处理方法的流程示意图；
图4是本申请实施例提供的又一种信息处理方法的流程示意图；
图5是本申请实施例提供的又一种信息处理方法的流程示意图；
图6是本申请实施例提供的又一种信息处理方法的流程示意图；
图7是本申请实施例提供的又一种信息处理方法的流程示意图；
图8是本申请实施例提供的IDM系统分层架构示意图；
图9是本申请实施例提供的一种信息处理装置的结构示意图；
图10是本申请实施例提供的另一种信息处理装置的结构示意图；
图11是本申请实施例提供的另一种信息处理装置的结构示意图；
图12是本申请实施例提供的另一种信息处理装置的结构示意图；
图13是本申请实施例提供的另一种信息处理装置的结构示意图；
图14是本申请实施例提供的另一种信息处理装置的结构示意图。
具体实施方式
下面结合本申请实施例中的附图对本申请实施例进行描述。
本申请实施例提供一种信息处理方法及相关产品，应用于意图驱动管理服务(intent driven management service,IDMS)，在意图转译过程中新增了辅助转译系统或功能，以辅助意图驱动管理服务提供者IDMS Provider完成转译过程中的目标动作选择。
意图驱动管理(intent driven management,IDM)包括意图表达、意图接口和意图的生命周期管理等。意图驱动管理服务(intent driven management service,IDMS)允许IDMS消费者表达管理网络和服务的意图，IDMS提供者进行意图转译，将意图转换为合理的网络部署信息并执行部署操作。IDMS消费者和IDMS提供者之间的交互如图1所示。如图1所示，由 IDMS消费者向IDMS提供者下发意图信息，IDMS提供者接收到意图信息后向IDMS消费者反馈意图接收通知，并反馈意图达成情况。
意图表达由动作Action和对象Object构成，形式上为 <IntentDrivenAction><IntentDrivenObject>二元组，其中，Action用来抽象和简化对网络的操作，形式上包含一个动作名和一系列相关属性<intent driven action name>，<intent driven actionproperties>；Object用来提供管理对象信息，形式上包含一个对象名和一系列用来标识对象的属性<intentdrivenobjectname>,<intentdrivenobjectproperties>。
为提高运维自动化能力和运维效率，在意图表达中引入条件信息，意图表达携带条件信息，主要分为两类：约束条件(post-condition)和生效条件(pre-condition)。约束条件为对指定 Object执行Action后需要满足的参数或性能约束，该约束与Action无关；例如，在不影响物理资源块(physical resource block,PRB)利用率的前提下，将区域X的下行用户速率提高至1Gbps；生效条件为对Object执行Action之前需要满足的前提条件，可以是时间限定、网络状态等；例如，当站点X的边缘下行参考信号接收功率(reference signalreceived power,RSRP)小于 -110dbm时，开通覆盖提升特性。
当IDMS消费者将意图下发到IDMS提供者后，IDMS提供者基于意图知识库和当前网络状态进行意图转译。其中，意图知识库设计如表1所示。
表1.意图知识库设计
| 列名 | 类型 | 描述 |
| 目标 | 字符串 | 操作可达成的效果 |
| 意图满足条件 | 布尔表达式 | 意图是否达成所需要满足的条件 |
| 操作可执行条件 | 布尔表达式 | 目标对应的操作可被执行的条件 |
| 操作类型 | 枚举类型：{脚本，优化} | 指示操作的类型 |
| 操作 | 字符串 | 具体的目标和条件对应的操作 |
| 备注 | 字符串 | 该条表项的说明性文字(可选) |
在如表1所示的意图知识库中，各项列名的具体描述如下：
(1)目标：主要描述的是操作可达成的效果，意图知识库的目标对应的是意图表达中的action，当目标与action匹配后，目标对应的表项才是符合意图的。例如目标可以是“提升长期演进网络语言业务(Voice over Long Term Evolution,VoLTE)质量”。
(2)意图满足条件：主要描述的是意图达成所需要满足的条件，意图知识库的意图满足条件是一个布尔表达式。例如，意图满足条件可以是：视频首播时延<10ms，视频平均每次播放卡顿次数<2，视频卡顿时长占比<10％。
(3)操作可执行条件：主要描述的是目标对应的操作可被执行的条件，意图知识库的操作可执行条件是一个布尔表达式，其中的数据是可以从意图所指示的对象中采集到的，采集到的数据代入布尔表达式，即可判断条件是否为真。例如，一个意图知识库的操作可执行条件为：(小区平均用户数>200或PRB利用率>30％)且CCE利用率>50％，当意图模型中的object 所指示的小区的平均用户数＝220、PRB利用率＝25％、CCE利用率＝60％时，该条件为真；而当小区的平均用户数＝180、PRB利用率＝25％、CCE利用率＝60％时，该条件为假。
(4)操作类型：意图知识库的操作类型是一个枚举类型，有两个取值：如果为“脚本”，则对应的操作中描述的是一个脚本；如果为“优化”，则对应的操作中描述的是一个优化问题。
(5)操作：主要描述的是具体的目标和操作可执行条件对应的操作，意图知识库的操作是一个字符串，描述了具体的操作，根据操作类型的不同描述的是不同的操作。当操作类型为“脚本”时，操作中描述的是对意图所指示的操作对象的一系列操作指令，如：MML命令；而当操作类型为“优化”时，操作中描述的是对意图所指示的操作对象的一系列操作指令以及指令中需要优化的参数。
(6)备注：备注是一个字符串，可以为空，为该条表项的说明性文字。
在本申请实施例中，IDMS提供者接收IDMS消费者下发的意图信息，然后向知识库查询为满足意图所需执行的动作信息，该动作信息包括操作、操作执行条件、意图达成条件以及优化增益和负面影响等信息中的一个或多个；知识库接收到IDMS提供者的查询请求后，其请求中包括目标，知识库进行目标与意图匹配后，将结果(即所述动作信息)反馈给IDMS提供者。接着，IDMS提供者向网元查询当前网络的状态，并下发该状态下需要执行的操作，以便达成意图。
由于无线网络各特性不是完全正交，因此存在多个动作信息可达成意图，即存在多个方案可同时满足同一意图的场景，如表2所示，为本申请实施例提供的一种多个动作信息可同时达成意图的知识库示例。
表2多个动作信息可同时达成意图的知识库示例
如表2所示，对于目标“提升用户视频业务体验”存在三个动作信息，所示三个动作信息的检测指标、意图满足条件、操作可执行条件以及操作类型均相同，具体的操作以及备注(优化增益和负面影响)不同。
其中，所述检测指标是指所述意图满足条件和所述操作可执行条件中涉及到的关键性能指标(key performance indicator,KPI)，所述意图满足条件的KPI为意图监测KPI，所述操作可执行条件的KPI为条件KPI。
另外，表2中，操作可执行条件中的CCE-AvgUtilizationRate表示控制信道元素平均利用率， DL-Packet-Delay表示下行包延时，DL-User-Thp(<5M)-SampIndex表示下行用户吞吐率低于5M 比例。三个动作信息的操作的含义分别为：①、打开上行VOIP调度优化开关，保证在发生SR 漏检时，也能及时对语音用户进行上行调度，避免PDCP丢包定时器超时丢包，同时降低 VOLTE SINR修正算法的IBLER目标值到5，使MCS选阶更保守，降低丢包率；②、配置PDCCH 初始符号数相关参数，以及固定CFI＝3，保证可用CCE资源最大化；③、打开上行连续调度开关，控制VoLTE用户在上行通话期进行连续调度，以减小弱覆盖场景下上行调度时延，从而减小VoLTE业务的上行包时延和包抖动，改善语音质量，以及打开下行重传降阶开关，仅对最后两次重传进行降TBS索引调度，其他重传根据CQI调整的结果确定重传TBS索引，降低下行RBLER，减少语音下行丢包。
另外，在IDMS消费者向IDMS提供者下发意图信息时，意图信息中携带的条件信息(可以包括所述约束条件和生效条件)是可选的，条件信息中不一定包含于优化增益及负面影响信息匹配的信息；因此，当IDMS提供者通过知识库查询到目标存在多个动作信息可达成意图的情况下，IDMS提供者在选择动作信息时没有可供参考的信息；在这种情况下，一般采用随机选择，或者逐个尝试的方法进行动作信息的选择，这将导致意图转译效率降低。
为了解决上述问题，本申请实施例提出了一种信息处理方法，用于辅助所述IDMS提供者选择动作信息，下面对本申请实施例进行详细介绍。需要说明说的是，下文中提到的第一网元是指在意图转译过程中，将意图转换成网络管理任务或策略的一方，即意图驱动管理服务 IDMS中的IDMS提供者；第二网元是指意图转译过程中下发或提出意图的一方，即意图驱动管理服务IDMS中的IDMS消费者；第三网元是指用于辅助所述第一网元进行动作信息选择的网元。
请参阅图2，图2是本申请实施例提供的一种信息处理方法的流程示意图，如图所示，本信息处理方法包括：
101：第一网元获取意图信息对应的多个动作信息。
在本申请实施例中，所述意图信息为与意图相关的信息，所述意图信息可以携带意图标识、意图action和意图object等信息。每个动作信息包括操作、操作可执行条件以及意图满足条件等信息，不包括操作的优化增益和负面影响。
其中，各个动作信息之间的操作不同，各个动作信息之间的操作可执行条件以及意图满足条件可以相同也可以不同。每个动作信息对应一个操作，一个操作可以包括至少一条操作指令，每条操作指令包含动作和动作对象。
例如，表2中存在三个动作信息，相应的对应三个操作，其中操作①中包含了两条操作指令，每条操作指令均以MOD开头。
第一网元获取意图信息对应的多个动作信息的过程，具体可以包括如图2所示的1011-1019。
1011：第一网元接收来自第二网元的意图信息。
第二网元将携带意图标识、意图action和意图object等信息的意图信息下发给第一网元，以使所述第一网元完成意图转译。
1012：第一网元向第二网元发送意图接收通知。
所述意图接收通知用于通知所述第二网元所述意图信息的接收情况，所述接收情况可以包括接收成功和/或接收失败等。
1013：第一网元提取所述意图信息中意图目标的关键词。
在接收到所述意图信息后，所述第一网元对所述意图信息进行词法、语法及语义分析来提取意图目标的关键词。例如，意图信息为：intent1，提升x区用户视频业务体验；则可以提取出意图目标的关键词为：提升、视频、业务体验。其中，所述词法、语法及语义分析可使用计算机领域词法分析器、语法分析器以及语义分析器来实现。
1014：第一网元向知识库发送查询请求。
其中，所述查询请求携带有所述意图目标的关键词，即1013步骤中提取的关键词。所述查询请求用于获取与所述关键词匹配的目标对应的动作信息。
1015：知识库根据所述查询请求进行目标匹配。
所述知识库接收到所述查询请求后，则根据所述查询请求中的关键词进行目标匹配，以得到与所述目标对应的可选动作信息，其中，所述与所述可选动作信息可以包括至少一个动作信息。其中，每个动作信息均包括操作、操作可执行条件、意图满足条件。
所述操作可执行条件包括条件关键性能指标(key performance indicator,KPI)需要满足的条件，其中所述条件KPI是指执行所述操作的前提条件中对应的KPI。例如，所述操作可执行条件可以是：CCE-AvgUtilizationRate<0.7&&DL-Packet-Delay>20ms，其中CCE-AvgUtilizationRate表示控制单元信道元素平均利用率，DL-Packet-Delay表示下行包延时，CCE-AvgUtilizationRate和DL-Packet-Delay均为条件KPI。
所述意图满足条件包括意图监测KPI要满足的条件，所述意图监测KPI是指意图达成需要监测的KPI。例如，所述意图满足条件可以是：视频首播时延<10ms，且视频平均每次播放卡顿次数<2，且视频卡顿时长占比<10％；视频首播时延、视频平均每次播放卡顿次数和视频卡顿时长占比均为监测KPI。
1016：第一网元接收来自知识库的查询结果反馈。
其中，所述查询结果反馈包括步骤1015中得到的与所述目标对应的动作信息。
1017：第一网元向网元发送意图监测KPI、条件KPI订阅请求。
其中，所述意图监测KPI、条件KPI订阅请求用于获取当前网络状态下网元的意图监测KPI 和条件KPI。
1018：第一网元接收来自所述网元的意图监测KPI、条件KPI订阅反馈。
其中，所述意图监测KPI、条件KPI订阅反馈携带所述当前网络状态下网元的意图监测KPI 和条件KPI。
1019：第一网元确定与当前网络状态匹配的动作信息，并保存所述意图监测KPI。
在具体实现中，在所述第一网元接收到所述意图监测KPI、条件KPI订阅反馈后，则从所述查询结果反馈中携带的动作信息中，确定与当前网络状态下的条件KPI(即所述述意图监测 KPI、条件KPI订阅反馈中的条件KPI)匹配的活动信息，从而得到所述多个动作信息。
102：第一网元确定所述多个动作信息的决策信息。
所述决策信息中包括所述多个动作的操作。
103：第一网元根据所述多个动作信息的决策信息确定目标动作信息。
在一种可选的实施方式中，所述第一网元根据所述多个动作信息的决策信息确定目标动作信息可以包括：所述第一网元获取与所述意图信息对应的业务诉求；然后根据所述决策信息以及所述诉求信息确定所述目标动作。
在具体实现中，在获取到所述业务诉求信息后，所述第一网元根据所述业务诉求信息确定所述决策信息中需要执行的操作；然后根据需要执行的操作确定所述目标动作信息。
在另外一种可选的实施方式中，所述第一网元根据所述多个动作信息的决策信息确定目标动作信息可以包括：所述第一网元获取与所述意图信息对应的意图达成的历史经验信息；然后根据所述决策信息以及所述意图达成的历史经验信息确定所述目标动作。其中，本申请实施例以及下文中提到的所述历史经验信息是指与当前的场景相同的意图转译事件的信息，所述场景相同是指要实现的意图以及网络状态相同；所述业务诉求是指与所述意图信息对应的业务要求。
在具体实现中，在获取到所述意图达成的历史经验信息后，所述第一网元根据所述意图达成的历史经验信息确定所述决策信息中需要执行的操作；然后根据需要执行的操作确定所述目标动作信息。
在又一种可选的实施方式中，所述第一网元根据所述多个动作信息的决策信息确定目标动作信息可以包括：所述意图驱动管理服务消费者将所述决策信息输入机器学习模型，并根据所述机器学习模型的输出确定所述目标动作信息。
所述机器学习模型可以是对历史经验的抽象建模，可以选用两层神经网络，输入为所述决策信息中的操作等信息，输出为可接受的或需要执行的操作。
104：第一网元向网元发送操作执行请求。
其中，所述操作执行请求，携带所述目标动作信息的操作，即所述网元需要执行的操作，例如，该操作可以是MOD CELLULSCHALGO.UlEnhencedVoipSchSw:LocalCellId＝％cell_id； UlVoipSchOptSwitch＝ON。
105：第一网元接收来自所述网元的操作执行响应。
所述操作执行响应用于通知所述第一网元是否成功执行所述目标动作的操作。
106：第一网元向网元发送意图监测KPI订阅请求。
所述意图监测KPI订阅请求包括步骤1016中所述查询结果反馈中的意图监测KPI。
107：第一网元接收来自所述网元的意图监测KPI订阅响应。
所述意图监测KPI订阅响应携带所述网元执行所述操作后，所述意图监测KPI对应的值或状态。
108：第一网元对所述操作执行前保存的意图监测KPI和所述操作执行后的意图监测KPI 进行比对。
在接收到来自所述网元的意图监测KPI订阅响应后，所述IDMS对所述意图监测KPI在所述操作被执行前后的值和状态(即所述操作执行前所述IDMS保存的所述意图监测KPI的值，和所述操作执行后所述意图监测KPI订阅响应中所述意图监测KPI的值或状态)进行比较，并得到意图监测KPI的比较结果，所述比较结果用于判断所述意图是否达成。
109：第一网元向第二网元发送意图达成情况。
其中，所述意图达成情况可以包括意图已达成和意图未达成。
具体的，当所述第一网元根据所述比较结果判断所述意图已达成时，则所述第一网元向第二网元发送意图已达成的消息；当所述第一网元根据所述比较结果判断所述意图未达成时，则所述第一网元向第二网元发送意图未达成的消息；可选的，所述意图未达成消息可以包括所述意图监测KPI的比较结果。
在本申请实施例中，当意图转译过程中存在多个方案(即多个动作信息)可以同时满足同一意图时，第一网元通过将多个动作的操作作为决策信息，然后通过意图的业务诉求或所述意图的意图达成的历史经验信息所述决策信息中的目标决策信息(即目标操作)，或者通过机器学习模型来确定所述决策信息中的目标决策信息，进一步根据所述目标决策信息确定所述多个动作信息中的目标动作信息。可以看出，相比于已有的随机选择动作信息或逐个尝试动作信息的方案，本申请实施例通过增加动作信息的选择流程来确定目标动作信息的方案，可以使的第一网元可以快速的确定目标动作信息，以及动作信息选择的准确性，进一步提升了第一网元意图转译的效率。
请参阅图3，图3是本申请实施例提供的另一种信息处理方法的流程示意图，如图所示，本信息处理方法包括：
201：第一网元获取意图信息对应的多个动作信息。
在本申请实施例中，所述意图信息为与意图相关的信息，所述意图信息可以携带意图标识、意图action和意图object等信息。所述动作信息包括操作、操作可执行条件、意图满足条件以及优化增益和负面影响等信息。
其中，各个动作信息之间的操作不同，各个动作信息之间的操作可执行条件以及意图满足条件可以相同也可以不同。每个动作信息对应一个操作，一个操作可以包括至少一条操作指令，每条操作指令包含动作和动作对象。每个操作可以对应至少一个优化增益和/或至少一个负面影响。每个优化增益包含动作和动作对象，每个负面影响包含动作和动作对象。
第一网元获取意图信息对应的多个动作信息的过程，具体可以包括如图3所示的2011-2019。
2011：第一网元接收来自第二网元的意图信息。
第二网元将携带意图标识、意图action和意图object等信息的意图信息下发给第一网元，以使所述第一网元完成意图转译。
2012：第一网元向第二网元发送意图接收通知。
所述意图接收通知用于通知所述第二网元所述意图信息的接收情况，所述接收情况可以包括接收成功和/或接收失败等。
2013：第一网元提取所述意图信息中意图目标的关键词。
在接收到所述意图信息后，所述第一网元对所述意图信息进行词法、语法及语义分析来提取意图目标的关键词。例如，意图信息为：intent1，提升x区用户视频业务体验；则可以提取出意图目标的关键词为：提升、视频、业务体验。其中，所述词法、语法及语义分析可使用计算机领域词法分析器、语法分析器以及语义分析器来实现。
2014：第一网元向知识库发送查询请求。
其中，所述查询请求携带有所述意图目标的关键词，即2013步骤中提取的关键词。所述查询请求用于获取与所述关键词匹配的目标对应的动作信息。
2015：知识库根据所述查询请求进行目标匹配。
所述知识库接收到所述查询请求后，则根据所述查询请求中的关键词进行目标匹配，以得到与所述目标对应的可选动作信息，其中，所述与所述可选动作信息可以包括至少一个动作信息。其中，每个动作信息均包括操作、操作可执行条件、意图满足条件以及优化增益和负面影响等信息。
所述操作条件包括条件KPI需要满足的条件，其中所述条件KPI是指执行所述操作的前提条件中对应的KPI。例如，所述操作可执行条件可以是：CCE-AvgUtilizationRate<0.7&& DL-Packet-Delay>20ms，其中CCE-AvgUtilizationRate表示控制单元信道元素平均利用率， DL-Packet-Delay表示下行包延时，CCE-AvgUtilizationRate和DL-Packet-Delay均为条件KPI。
所述意图满足条件包括意图监测KPI要满足的条件，所述意图监测KPI是指意图达成需要监测的KPI。例如，所述意图满足条件可以是：视频首播时延<10ms，且视频平均每次播放卡顿次数<2，且视频卡顿时长占比<10％；视频首播时延、视频平均每次播放卡顿次数和视频卡顿时长占比均为监测KPI。
2016：第一网元接收来自知识库的查询结果反馈。
其中，所述查询结果反馈包括步骤2015中得到的与所述目标对应的动作信息。
2017：第一网元向网元发送意图监测KPI、条件KPI订阅请求。
其中，所述意图监测KPI、条件KPI订阅请求用于获取当前网络状态下网元的意图监测 KPI和条件KPI。
2018：第一网元接收来自所述网元的意图监测KPI、条件KPI订阅反馈。
其中，所述意图监测KPI、条件KPI订阅反馈携带所述当前网络状态下网元的意图监测 KPI和条件KPI。
2019：第一网元确定与当前网络状态匹配的动作信息，并保存所述意图监测KPI。
在具体实现中，在所述第一网元接收到所述意图监测KPI、条件KPI订阅反馈后，则从所述查询结果反馈中携带的动作信息中，确定与当前网络状态下的条件KPI(即所述述意图监测KPI、条件KPI订阅反馈中的条件KPI)匹配的活动信息，从而得到所述多个动作信息。
202：第一网元确定所述多个动作信息的决策信息。
所述决策信息中包括所述多个动作的优化增益和负面影响。
可选的所述决策信息中还可以包括所述多个动作的操作。
203：第一网元根据所述多个动作信息的决策信息确定目标动作信息。
在一种可选的实施方式中，所述第一网元根据所述多个动作信息的决策信息确定目标动作信息可以包括：所述第一网元获取与所述意图信息对应的业务诉求；然后根据所述决策信息以及所述诉求信息确定所述目标动作。
在具体实现中，当所述决策信息包括所述多个动作的优化增益和负面影响时，在获取到所述业务诉求信息后，所述第一网元根据所述业务诉求信息确定所述决策信息中可接受的优化增益和负面影响，以及不可接受的负面影响；然后根据可接受的优化增益和负面影响，以及不可接受的负面影响确定所述目标动作信息。
例如，业务诉求为保障某场馆演唱会，该业务诉求不能接受的负面影响为小区容量降低，其他的负面影响和优化增益都可接受，在确定目标动作信息时，则只需要将多个动作信息中负面影响包括小区容量降低的动作信息排除，剩下的动作信息则为所述目标动作信息。
可选的，当所述决策信息还包括所述多个动作的操作时，则在所述第一网元根据所述业务诉求信息确定所述决策信息中可接受的优化增益和负面影响，以及不可接受的负面影响之前，所述第一网元可以根据所述述业务诉求确定可接受的操作，并确定所述可接受的操作对应的动作信息，若所述可接受的操作对应的动作信息为一个时，则确定所述可接受的操作对应的动作信息为所述目标动作信息；若所述可接受的操作对应的动作信息为多个时，则继续执行所述第一网元根据所述业务诉求信息确定所述决策信息中可接受的优化增益和负面影响，以及不可接受的负面影响的操作。
在另外一种可选的实施方式中，所述第一网元根据所述多个动作信息的决策信息确定目标动作信息可以包括：所述第一网元获取与所述意图信息对应的意图达成的历史经验信息；然后根据所述决策信息以及所述意图达成的历史经验信息确定所述目标动作。
在具体实现中，当所述决策信息包括所述多个动作的优化增益和负面影响时，在获取到所述意图达成的历史经验信息后，所述第一网元根据所述意图达成的历史经验信息确定所述决策信息中可接受的优化增益和负面影响，以及不可接受的负面影响；然后根据可接受的优化增益和负面影响，以及不可接受的负面影响确定所述目标动作信息。
可选的，当所述决策信息还包括所述多个动作的操作时，则在所述第一网元根据所述意图达成的历史经验信息确定所述决策信息中可接受的优化增益和负面影响，以及不可接受的负面影响之前，所述第一网元可以根据所述述业务诉求确定可接受的操作，并确定所述可接受的操作对应的动作信息，若所述可接受的操作对应的动作信息为一个时，则确定所述可接受的操作对应的动作信息为所述目标动作信息；若所述可接受的操作对应的动作信息为多个时，则继续执行所述第一网元根据所述意图达成的历史经验信息确定所述决策信息中可接受的优化增益和负面影响，以及不可接受的负面影响的操作。
在又一种可选的实施方式中，所述第一网元根据所述多个动作信息的决策信息确定目标动作信息可以包括：所述意图驱动管理服务消费者将所述决策信息输入机器学习模型，并根据所述机器学习模型的输出确定所述目标动作信息。
所述机器学习模型可以是对历史经验的抽象建模，可以选用两层神经网络，输入为所述决策信息中的优化增益，负面影响和操作等信息，输出为可接受的优化增益、可接受的负面影响或需要执行的操作。
204：第一网元向网元发送操作执行请求。
其中，所述操作执行请求，携带所述目标动作信息的操作，即所述网元需要执行的操作，例如，该操作可以是MOD CELLULSCHALGO.UlEnhencedVoipSchSw:LocalCellId＝％cell_id； UlVoipSchOptSwitch＝ON。
在本申请实施例中，图3所示的步骤305-309的实现过程和图2所示的步骤105-109类似，因此不再赘述。
在本申请实施例中，当意图转译过程中存在多个方案(即多个动作信息)可以同时满足同一意图时，第一网元通过将多个动作的优化增益和负面影响作为决策信息，然后通过意图的业务诉求或所述意图的意图达成的历史经验信息所述决策信息中的目标决策信息(即可接受的优化增益和负面影响以及不可接受的负面影响)，或者通过机器学习模型来确定所述决策信息中的目标决策信息，进一步根据所述目标决策信息确定所述多个动作信息中的目标动作信息。可以看出，相比于已有的随机选择动作信息或逐个尝试动作信息的方案，本申请实施例通过增加动作信息的选择流程来确定目标动作信息的方案，可以使的第一网元可以快速的确定目标动作信息，以及动作信息选择的准确性，进一步提升了第一网元意图转译的效率。
请参阅图4，图4是本申请实施例提供的又一种信息处理方法的流程示意图，如图所示，本信息处理方法包括：
301：第一网元获取意图信息对应的多个动作信息。
在本申请实施例中，所述第一网元获取意图信息对应的多个动作信息的过程和图2所示的步骤101相同，此处不再赘述。
302：第一网元确定所述多个动作信息的决策信息。
所述决策信息中包括所述多个动作的操作以及所述与所述操作对应的操作标识。
其中，所述操作标识为操作和动作信息之间的关联信息，即可以通过操作的操作标识确定与该操作对应的动作信息。
303：第一网元根据所述多个动作信息的决策信息确定目标动作信息。
在具体实现中，所述第一网元根据所述多个动作信息的决策信息确定目标动作信息过程，具体可以包括如图4所示的3031-3033。
3031：第一网元向第二网元发送动作选择请求。
其中，所述动作选择请求携带所述多个动作的决策信息。
3032a：第二网元根据所述动作选择请求确定目标决策信息。
在一种可选的实施方式中，所述第二网元根据所述动作选择请求确定目标决策信息可以包括：所述第二网元获取与所述意图信息对应的业务诉求；然后根据所述决策信息以及所述诉求信息确定所述目标决策信息。
在具体实现中，在获取到所述业务诉求信息后，所述第二网元根据所述业务诉求信息确定所述决策信息中需要执行的操作；然后根据需要执行的操作确定所述目标决策信息。
在另外一种可选的实施方式中，所述第二网元根据所述动作选择请求确定目标决策信息可以包括：所述第二网元获取与所述意图信息对应的意图达成的历史经验信息；然后根据所述决策信息以及所述意图达成的历史经验信息确定所述目标决策信息。
在具体实现中，在获取到所述意图达成的历史经验信息后，所述第二网元根据所述意图达成的历史经验信息确定所述决策信息中需要执行的操作；然后根据需要执行的操作确定所述目标决策信息。
在又一种可选的实施方式中，所述第二网元根据所述动作选择请求确定目标决策信息可以包括：所述意图驱动管理服务消费者将所述决策信息输入机器学习模型，并根据所述机器学习模型的输出确定所述目标决策信息。
具体的，所述机器学习模型可以是对历史经验的抽象建模，可以选用两层神经网络，输入为所述决策信息中的操作等信息，输出为可接受的或需要执行的操作，或者为可接受的或需要执行的操作标识。
可以理解的是步骤3032a执行的前提条件为：所述第二网元可以获取到所述业务诉求或者所述意图达成的历史经验信息，或者所述第二网元可以调用所述机器学习模型。若不满足所述前提条件，则执行步骤3032b。
3032b：第二网元根据所述动作选择请求确定目标决策信息。
具体的，所述第二网元根据所述动作选择请求确定目标决策信息的过程，具体可以包括如图4所示的3032b1-3032b3。
3032b1：第二网元向第三网元发送所述动作选择请求。
3032b2：第三网元根据所述动作选择请求确定目标决策信息。
在一种可选的实施方式中，所述第三网元根据所述动作选择请求确定目标决策信息可以包括：所述第三网元获取与所述意图信息对应的业务诉求；然后根据所述决策信息以及所述诉求信息确定所述目标决策信息。
在具体实现中，在获取到所述业务诉求信息后，所述第三网元根据所述业务诉求信息确定所述决策信息中需要执行的操作；然后根据需要执行的操作确定所述目标决策信息。
在另外一种可选的实施方式中，所述第三网元根据所述动作选择请求确定目标决策信息可以包括：所述第三网元获取与所述意图信息对应的意图达成的历史经验信息；然后根据所述决策信息以及所述意图达成的历史经验信息确定所述目标决策信息。
在具体实现中，在获取到所述意图达成的历史经验信息后，所述第三网元根据所述意图达成的历史经验信息确定所述决策信息中需要执行的操作；然后根据需要执行的操作确定所述目标决策信息。
在又一种可选的实施方式中，所述第三网元根据所述动作选择请求确定目标决策信息可以包括：所述意图驱动管理服务消费者将所述决策信息输入机器学习模型，并根据所述机器学习模型的输出确定所述目标决策信息。
3032b3：所述第三网元向所述第二网元发送动作选择响应。
所述第三网元根据所述目标决策信息生成所述动作选择响应，并向所述第二网元发送动作选择响应。所述动作选择响应用于所述第一网元根据所述动作选择响应中携带的信息确定目标动作。
所述动作选择响应携带所述目标决策信息，或者携带所述目标决策信息的标识信息，所述标识信息包括所述目标决策信息中的操作标识。
3033：所述第二网元向所述第一网元发送动作选择响应。
在一种可选的实施方式中，所述第二网元接收来自所述第三网元的动作选择响应，然后向所述第一网元发送动作选择响应。
在另一种可选的实施方式中，所述第二网元根据所述目标决策信息生成所述动作选择响应，并向所述第一网元发送动作选择响应。所述动作选择响应携带所述目标决策信息，或者携带所述目标决策信息的标识信息，所述标识信息包括所述目标决策信息中的操作标识。所述动作选择响应用于所述第一网元根据所述动作选择响应中携带的信息确定目标动作。
304：第一网元向网元发送操作执行请求。
在接收到所述动作选择响应后，所述第一网元根据所述动作选择响应中携带的信息确定目标动作。
其中，所述操作执行请求，携带所述目标动作信息的操作，即所述网元需要执行的操作，例如，该操作可以是MOD CELLULSCHALGO.UlEnhencedVoipSchSw:LocalCellId＝％cell_id； UlVoipSchOptSwitch＝ON。
在本申请实施例中，图4所示的步骤305-309的实现过程和图2所示的步骤105-109类似，因此不再赘述。
在本申请实施例中，当意图转译过程中存在多个方案(即多个动作信息)可以同时满足同一意图时，第一网元通过向第二网元发送携带多个动作的操作(即决策信息)的动作选择请求。第二网元通过意图的业务诉求或所述意图的意图达成的历史经验信息所述决策信息中的目标决策信息(即目标操作)，或者通过机器学习模型来确定所述决策信息中的目标决策信息。若第二网元不能确定目标决策信息，则将所述动作选择请求发送给第三网元，以使第三网元来确定所述目标决策信息(过程和第二网元确定目标决策信息相同)，并接收携带目标决策信息或目标决策信息的标识信息的动作选择响应。然后第二网元向第一网元发送携带目标决策信息或目标决策信息的标识信息的动作选择响应，以使第一网元根据所述目标决策信息或所述信息标识确定所述多个动作信息中的目标动作信息。可以看出，相比于已有的随机选择动作信息或逐个尝试动作信息的方案，本申请实施例通过增加动作信息的选择流程来确定目标动作信息的方案，可以使的第一网元可以快速的确定目标动作信息，以及动作信息选择的准确性，进一步提升了第一网元意图转译的效率。
请参阅图5，图5是本申请实施例提供了一种信息处理方法的流程示意图，如图所示，本信息处理方法包括：
401：第一网元获取意图信息对应的多个动作信息。
在本申请实施例中，所述第一网元获取意图信息对应的多个动作信息的过程和图3所示的步骤201相同，此处不再赘述。
402：第一网元确定所述多个动作信息的决策信息。
所述决策信息中包括所述多个动作的优化增益以及与所述优化增益对应的优化增益标识、负面影响以及与所述负面影响对应的负面影响标识。
其中，所述优化增益标识为优化增益和动作信息之间的关联信息，即可以通过优化增益的优化增益标识确定与优化增益作对应的动作信息。
所述负面影响标识为负面影响和动作信息之间的关联信息，即可以通过负面影响的负面影响标识确定与负面影响作对应的动作信息。
可选的所述决策信息中包括所述多个动作的操作以及所述与所述操作对应的操作标识。
其中，所述操作标识为操作和动作信息之间的关联信息，即可以通过操作的操作标识确定与该操作对应的动作信息。
403：第一网元根据所述多个动作信息的决策信息确定目标动作信息。
在具体实现中，所述第一网元根据所述多个动作信息的决策信息确定目标动作信息过程，具体可以包括如图5所示的4031-4033。
4031：第一网元向第二网元发送动作选择请求。
其中，所述动作选择请求携带所述多个动作的决策信息。
4032a：第二网元根据所述动作选择请求确定目标决策信息。
在一种可选的实施方式中，所述第二网元根据所述动作选择请求确定目标决策信息可以包括：所述第二网元获取与所述意图信息对应的业务诉求；然后根据所述决策信息以及所述诉求信息确定所述目标决策信息。
在具体实现中，在获取到所述业务诉求信息后，在获取到所述业务诉求信息后，所述第二网元根据所述业务诉求信息确定所述决策信息中可接受的优化增益和负面影响，以及不可接受的负面影响；然后根据可接受的优化增益和负面影响，以及不可接受的负面影响确定所述目标决策信息。
例如，业务诉求为保障某场馆演唱会，该业务诉求不能接受的负面影响为小区容量降低，其他的负面影响和优化增益都可接受，在确定目标动作信息时，则只需要将多个动作信息中负面影响包括小区容量降低的动作信息排除，剩下的动作信息则为所述目标动作信息。
可选的，当所述决策信息还包括所述多个动作的操作时，则在所述第二网元根据所述业务诉求信息确定所述决策信息中可接受的优化增益和负面影响，以及不可接受的负面影响之前，所述第二网元可以根据所述述业务诉求确定可接受的操作，若所述可接受的操作为一个时，则确定所述可接受的操作为所述目标决策信息；若所述可接受的操作为多个时，则继续执行所述第二网元根据所述业务诉求信息确定所述决策信息中可接受的优化增益和负面影响的操作。
在另外一种可选的实施方式中，所述第二网元根据所述动作选择请求确定目标决策信息可以包括：所述第二网元获取与所述意图信息对应的意图达成的历史经验信息；然后根据所述决策信息以及所述意图达成的历史经验信息确定所述目标决策信息。
在具体实现中，在获取到所述意图达成的历史经验信息后，所述第二网元根据所述意图达成的历史经验信息确定所述决策信息中可接受的优化增益和负面影响，以及不可接受的负面影响；然后根据可接受的优化增益和负面影响，以及不可接受的负面影响确定所述目标决策信息。
可选的，当所述决策信息还包括所述多个动作的操作时，则在所述第二网元根据所述意图达成的历史经验信息确定所述决策信息中可接受的优化增益和负面影响，以及不可接受的负面影响之前，所述第二网元可以根据所述述业务诉求确定可接受的操作，若所述可接受的操作为一个时，则确定所述可接受的操作为所述目标决策信息；若所述可接受的操作为多个时，则继续执行所述第二网元根据所述意图达成的历史经验信息确定所述决策信息中可接受的优化增益和负面影响，以及不可接受的负面影响的操作。
在又一种可选的实施方式中，所述第二网元根据所述动作选择请求确定目标决策信息可以包括：所述意图驱动管理服务消费者将所述决策信息输入机器学习模型，并根据所述机器学习模型的输出确定所述目标决策信息。
具体的，所述机器学习模型可以是对历史经验的抽象建模，可以选用两层神经网络，输入为所述决策信息中的优化增益，负面影响和操作等信息，输出为可接受的优化增益、可接受的负面影响或需要执行的操作。
可以理解的是步骤4032a执行的前提条件为：所述第二网元可以获取到所述业务诉求或者所述意图达成的历史经验信息，或者所述第二网元可以调用所述机器学习模型。若不满足所述前提条件，则执行步骤4032b。
4032b：第二网元根据所述动作选择请求确定目标决策信息。
具体的，所述第二网元根据所述动作选择请求确定目标决策信息的过程，具体可以包括如图4所示的3032b1-3032b3。
4032b1：第二网元向第三网元发送所述动作选择请求。
4032b2：第三网元根据所述动作选择请求确定目标决策信息。
在一种可选的实施方式中，所述第三网元根据所述动作选择请求确定目标决策信息可以包括：所述第三网元获取与所述意图信息对应的业务诉求；然后根据所述决策信息以及所述诉求信息确定所述目标决策信息。
在具体实现中，在获取到所述业务诉求信息后，所述第三网元根据所述业务诉求信息确定所述决策信息中可接受的优化增益和负面影响，以及不可接受的负面影响；然后根据可接受的优化增益和负面影响，以及不可接受的负面影响确定所述目标决策信息。
例如，业务诉求为保障某场馆演唱会，该业务诉求不能接受的负面影响为小区容量降低，其他的负面影响和优化增益都可接受，在确定目标动作信息时，则只需要将多个动作信息中负面影响包括小区容量降低的动作信息排除，剩下的动作信息则为所述目标动作信息。
可选的，当所述决策信息还包括所述多个动作的操作时，则在所述第三网元根据所述业务诉求信息确定所述决策信息中可接受的优化增益和负面影响，以及不可接受的负面影响之前，所述第三网元可以根据所述述业务诉求确定可接受的操作，若所述可接受的操作为一个时，则确定所述可接受的操作为所述目标决策信息；若所述可接受的操作为多个时，则继续执行所述第三网元根据所述业务诉求信息确定所述决策信息中可接受的优化增益和负面影响的操作。
在另外一种可选的实施方式中，所述第三网元根据所述动作选择请求确定目标决策信息可以包括：所述第三网元获取与所述意图信息对应的意图达成的历史经验信息；然后根据所述决策信息以及所述意图达成的历史经验信息确定所述目标决策信息。
在具体实现中，在获取到所述意图达成的历史经验信息后，所述第三网元根据所述意图达成的历史经验信息确定所述决策信息中可接受的优化增益和负面影响，以及不可接受的负面影响；然后根据可接受的优化增益和负面影响，以及不可接受的负面影响确定所述目标决策信息。
可选的，当所述决策信息还包括所述多个动作的操作时，则在所述第三网元根据所述意图达成的历史经验信息确定所述决策信息中可接受的优化增益和负面影响，以及不可接受的负面影响之前，所述第三网元可以根据所述述业务诉求确定可接受的操作，若所述可接受的操作为一个时，则确定所述可接受的操作为所述目标决策信息；若所述可接受的操作为多个时，则继续执行所述第三网元根据所述意图达成的历史经验信息确定所述决策信息中可接受的优化增益和负面影响，以及不可接受的负面影响的操作。
在又一种可选的实施方式中，所述第三网元根据所述动作选择请求确定目标决策信息可以包括：所述意图驱动管理服务消费者将所述决策信息输入机器学习模型，并根据所述机器学习模型的输出确定所述目标决策信息。
具体的，所述机器学习模型可以是对历史经验的抽象建模，可以选用两层神经网络，输入为所述决策信息中的优化增益，负面影响和操作等信息，输出为可接受的优化增益、可接受的负面影响或需要执行的操作。
4032b3：所述第三网元向所述第二网元发送动作选择响应。
具体的，所述第三网元根据所述决策信息生成所述动作选择响应，并向所述第二网元发送动作选择响应，所述动作选择响应携带所述目标决策信息，或者携带所述决策信息的标识信息。
其中，若所述决策信息包括操作，标识信息包括所述操作的操作标识；若所述决策信息包括可接受的优化增益和/或负面影响，以及包括不可接受的优化增益和/或负面影响，则所述表示信息包括所述可接受的优化增益标识和/或负面影响标识，以及不可接受的优化增益标识和/或负面影响标识。
4033：所述第二网元向所述第一网元发送动作选择响应。
在一种可选的实施方式中，所述第二网元接收来自所述第三网元的动作选择响应，然后向所述第一网元发送动作选择响应。
在另一种可选的实施方式中，所述第二网元根据所述目标决策信息生成所述动作选择响应，并向所述第一网元发送动作选择响应。
在具体实现中，所述第二网元根据所述目标决策信息生成所述动作选择响应，可以包括：所述第二网元根据所述决策信息生成所述动作选择响应，所述动作选择响应携带所述目标决策信息，或携带所述决策信息的标识信息。
其中，若所述决策信息包括操作，标识信息包括所述操作的操作标识；若所述决策信息包括可接受的优化增益和/或负面影响，以及包括不可接受的优化增益和/或负面影响，则所述表示信息包括所述可接受的优化增益标识和/或负面影响标识，以及不可接受的优化增益标识和/或负面影响标识。
404：第一网元向网元发送操作执行请求。
在接收到所述动作选择响应后，所述第一网元根据所述动作选择响应中携带的信息确定目标动作。
其中，所述操作执行请求，携带所述目标动作信息的操作，即所述网元需要执行的操作，例如，该操作可以是MOD CELLULSCHALGO.UlEnhencedVoipSchSw:LocalCellId＝％cell_id； UlVoipSchOptSwitch＝ON。
在本申请实施例中，图5所示的步骤405-409的实现过程和图2所示的步骤105-109类似，因此不再赘述。
在本申请实施例中，当意图转译过程中存在多个方案(即多个动作信息)可以同时满足同一意图时，第一网元通过向第二网元发送携带多个动作的优化增益和负面影响(即决策信息)的动作选择请求。第二网元通过意图的业务诉求或所述意图的意图达成的历史经验信息所述决策信息中的目标决策信息(即可接受的优化增益和负面影响以及不可接受的负面影响)，或者通过机器学习模型来确定所述决策信息中的目标决策信息。若第二网元不能确定目标决策信息，则将所述动作选择请求发送给第三网元，以使第三网元来确定所述目标决策信息(过程和第二网元确定目标决策信息相同)，并接收携带目标决策信息或目标决策信息的标识信息的动作选择响应。然后第二网元向第一网元发送携带目标决策信息或目标决策信息的标识信息的动作选择响应，以使第一网元根据所述目标决策信息或所述信息标识确定所述多个动作信息中的目标动作信息。可以看出，相比于已有的随机选择动作信息或逐个尝试动作信息的方案，本申请实施例通过增加动作信息的选择流程来确定目标动作信息的方案，可以使的第一网元可以快速的确定目标动作信息，以及动作信息选择的准确性，进一步提升了第一网元意图转译的效率。
请参阅图6，图6是本申请实施例提供了一种信息处理方法的流程示意图，如图所示，本信息处理方法包括：
501：第一网元获取意图信息对应的多个动作信息。
在本申请实施例中，所述第一网元获取意图信息对应的多个动作信息的过程和图2所示的步骤101相同，此处不再赘述。
502：第一网元确定所述多个动作信息的决策信息。
所述决策信息中包括所述多个动作的操作以及所述与所述操作对应的操作标识。
其中，所述操作标识为操作和动作信息之间的关联信息，即可以通过操作的操作标识确定与该操作对应的动作信息。
503：第一网元根据所述多个动作信息的决策信息确定目标动作信息。
在具体实现中，所述第一网元根据所述多个动作信息的决策信息确定目标动作信息过程，具体可以包括如图6所示的5 031-5 033。
5031：第一网元向第三网元发送动作选择请求。
其中，所述动作选择请求携带所述多个动作的决策信息。
5032：第三网元根据所述动作选择请求确定目标决策信息。
在一种可选的实施方式中，所述第三网元根据所述动作选择请求确定目标决策信息可以包括：所述第三网元获取与所述意图信息对应的业务诉求；然后根据所述决策信息以及所述诉求信息确定所述目标决策信息。
在具体实现中，在获取到所述业务诉求信息后，所述第三网元根据所述业务诉求信息确定所述决策信息中需要执行的操作；然后根据需要执行的操作确定所述目标决策信息。
在另外一种可选的实施方式中，所述第三网元根据所述动作选择请求确定目标决策信息可以包括：所述第三网元获取与所述意图信息对应的意图达成的历史经验信息；然后根据所述决策信息以及所述意图达成的历史经验信息确定所述目标决策信息。
在具体实现中，在获取到所述意图达成的历史经验信息后，所述第三网元根据所述意图达成的历史经验信息确定所述决策信息中需要执行的操作；然后根据需要执行的操作确定所述目标决策信息。
在又一种可选的实施方式中，所述第三网元根据所述动作选择请求确定目标决策信息可以包括：所述意图驱动管理服务消费者将所述决策信息输入机器学习模型，并根据所述机器学习模型的输出确定所述目标决策信息。
5033：所述第三网元向所述第一网元发送动作选择响应。
所述第三网元根据所述目标决策信息生成所述动作选择响应，并向所述第一网元发送动作选择响应。所述动作选择响应用于所述第一网元根据所述动作选择响应中携带的信息确定目标动作。
所述动作选择响应携带所述目标决策信息，或者携带所述目标决策信息的标识信息，所述标识信息包括所述目标决策信息中的操作标识。
504：第一网元向网元发送操作执行请求。
在接收到所述动作选择响应后，所述第一网元根据所述动作选择响应中的携带的信息确定所述目标动作。
其中，所述操作执行请求，携带所述目标动作信息的操作，即所述网元需要执行的操作，例如，该操作可以是MOD CELLULSCHALGO.UlEnhencedVoipSchSw:LocalCellId＝％cell_id； UlVoipSchOptSwitch＝ON。
在本申请实施例中，图6所示的步骤5 05-5 09的实现过程和图2所示的步骤105-109类似，因此不再赘述。
在本申请实施例中，当意图转译过程中存在多个方案(即多个动作信息)可以同时满足同一意图时，第一网元通过向第三网元发送携带多个动作的操作(即决策信息)的动作选择请求。第三网元通过意图的业务诉求或所述意图的意图达成的历史经验信息所述决策信息中的目标决策信息(即目标操作)，或者通过机器学习模型来确定所述决策信息中的目标决策信息。然后第三网元向第一网元发送携带目标决策信息或目标决策信息的标识信息的动作选择响应，以使第一网元根据所述目标决策信息或所述信息标识确定所述多个动作信息中的目标动作信息。可以看出，相比于已有的随机选择动作信息或逐个尝试动作信息的方案，本申请实施例通过增加动作信息的选择流程来确定目标动作信息的方案，可以使的第一网元可以快速的确定目标动作信息，以及动作信息选择的准确性，进一步提升了第一网元意图转译的效率。
请参阅图7，图7是本申请实施例提供了一种信息处理方法的流程示意图，如图所示，本信息处理方法包括：
601：第一网元获取意图信息对应的多个动作信息。
在本申请实施例中，所述第一网元获取意图信息对应的多个动作信息的过程和图3所示的步骤201相同，此处不再赘述。
602：第一网元确定所述多个动作信息的决策信息。
所述决策信息中包括所述多个动作的优化增益以及与所述优化增益对应的优化增益标识、负面影响以及与所述负面影响对应的负面影响标识。
其中，所述优化增益标识为优化增益和动作信息之间的关联信息，即可以通过优化增益的优化增益标识确定与优化增益作对应的动作信息。
所述负面影响标识为负面影响和动作信息之间的关联信息，即可以通过负面影响的负面影响标识确定与负面影响作对应的动作信息。
可选的所述决策信息中包括所述多个动作的操作以及所述与所述操作对应的操作标识。
其中，所述操作标识为操作和动作信息之间的关联信息，即可以通过操作的操作标识确定与该操作对应的动作信息。
603：第一网元根据所述多个动作信息的决策信息确定目标动作信息。
在具体实现中，所述第一网元根据所述多个动作信息的决策信息确定目标动作信息过程，具体可以包括如图7所示的6031-6033。
6031：第一网元向第三网元发送动作选择请求。
其中，所述动作选择请求携带所述多个动作的决策信息。
6032：第三网元根据所述动作选择请求确定目标决策信息。
在一种可选的实施方式中，所述第三网元根据所述动作选择请求确定目标决策信息可以包括：所述第三网元获取与所述意图信息对应的业务诉求；然后根据所述决策信息以及所述诉求信息确定所述目标决策信息。
在具体实现中，在获取到所述业务诉求信息后，在获取到所述业务诉求信息后，所述第三网元根据所述业务诉求信息确定所述决策信息中可接受的优化增益和负面影响，以及不可接受的负面影响；然后根据可接受的优化增益和负面影响，以及不可接受的负面影响确定所述目标决策信息。
例如，业务诉求为保障某场馆演唱会，该业务诉求不能接受的负面影响为小区容量降低，其他的负面影响和优化增益都可接受，在确定目标动作信息时，则只需要将多个动作信息中负面影响包括小区容量降低的动作信息排除，剩下的动作信息则为所述目标动作信息。
可选的，当所述决策信息还包括所述多个动作的操作时，则在所述第三网元根据所述业务诉求信息确定所述决策信息中可接受的优化增益和负面影响，以及不可接受的负面影响之前，所述第三网元可以根据所述述业务诉求确定可接受的操作，若所述可接受的操作为一个时，则确定所述可接受的操作为所述目标决策信息；若所述可接受的操作为多个时，则继续执行所述第三网元根据所述业务诉求信息确定所述决策信息中可接受的优化增益和负面影响的操作。
在另外一种可选的实施方式中，所述第三网元根据所述动作选择请求确定目标决策信息可以包括：所述第三网元获取与所述意图信息对应的意图达成的历史经验信息；然后根据所述决策信息以及所述意图达成的历史经验信息确定所述目标决策信息。
在具体实现中，在获取到所述意图达成的历史经验信息后，所述第三网元根据所述意图达成的历史经验信息确定所述决策信息中可接受的优化增益和负面影响，以及不可接受的负面影响；然后根据可接受的优化增益和负面影响，以及不可接受的负面影响确定所述目标决策信息。
可选的，当所述决策信息还包括所述多个动作的操作时，则在所述第三网元根据所述意图达成的历史经验信息确定所述决策信息中可接受的优化增益和负面影响，以及不可接受的负面影响之前，所述第三网元可以根据所述述业务诉求确定可接受的操作，若所述可接受的操作为一个时，则确定所述可接受的操作为所述目标决策信息；若所述可接受的操作为多个时，则继续执行所述第三网元根据所述意图达成的历史经验信息确定所述决策信息中可接受的优化增益和负面影响，以及不可接受的负面影响的操作。
在又一种可选的实施方式中，所述第三网元根据所述动作选择请求确定目标决策信息可以包括：所述意图驱动管理服务消费者将所述决策信息输入机器学习模型，并根据所述机器学习模型的输出确定所述目标决策信息。
具体的，所述机器学习模型可以是对历史经验的抽象建模，可以选用两层神经网络，输入为所述决策信息中的优化增益，负面影响和操作等信息，输出为可接受的优化增益、可接受的负面影响或需要执行的操作。
6033：所述第三网元向所述第一网元发送动作选择响应。
在一种可选的实施方式中，所述第三网元根据所述决策信息生成所述动作选择响应，并向所述第一网元发送动作选择响应，所述动作选择响应携带所述目标决策信息，或者携带所述目标决策信息的标识信息。
其中，若所述决策信息包括操作，标识信息包括所述操作的操作标识；若所述决策信息包括可接受的优化增益和/或负面影响，以及包括不可接受的优化增益和/或负面影响，则所述表示信息包括所述可接受的优化增益标识和/或负面影响标识，以及不可接受的优化增益标识和/或负面影响标识。
604：第一网元向网元发送操作执行请求。
在接收到所述动作选择响应后，所述第一网元根据所述动作选择响应中携带的信息确定目标动作。
其中，所述操作执行请求，携带所述目标动作信息的操作，即所述网元需要执行的操作，例如，该操作可以是MOD CELLULSCHALGO.UlEnhencedVoipSchSw:LocalCellId＝％cell_id； UlVoipSchOptSwitch＝ON。
在本申请实施例中，图7所示的步骤605-609的实现过程和图2所示的步骤105-109类似，因此不再赘述。
在本申请实施例中，当意图转译过程中存在多个方案(即多个动作信息)可以同时满足同一意图时，第一网元通过向第三网元发送携带多个动作的优化增益和负面影响(即决策信息)的动作选择请求。第三网元通过意图的业务诉求或所述意图的意图达成的历史经验信息所述决策信息中的目标决策信息(即可接受的优化增益和负面影响以及不可接受的负面影响)，或者通过机器学习模型来确定所述决策信息中的目标决策信息。然后第三网元向第一网元发送携带目标决策信息或目标决策信息的标识信息的动作选择响应，以使第一网元根据所述目标决策信息或所述信息标识确定所述多个动作信息中的目标动作信息。可以看出，相比于已有的随机选择动作信息或逐个尝试动作信息的方案，本申请实施例通过增加动作信息的选择流程来确定目标动作信息的方案，可以使的第一网元可以快速的确定目标动作信息，以及动作信息选择的准确性，进一步提升了第一网元意图转译的效率。
如图8所示，为本申请实施例提供的IDM系统分层架构示意图。其中，通信服务消费者可以包括最终用户、中小型企业、大型企业、垂直行业以及其他通信服务提供者等。IDMS消费者主要下发意图，IDMS提供者主要完成意图转译，将意图转换成网络管理任务或策略。根据IDMS用户的不同，可将意图分为通信服务消费者意图、通信服务提供者意图和网络运营商意图三类。如图8所示，每个上下层之间可以互为一对IDMS消费者和IDMS提供者，上层为IDMS消费者，下层为IDMS提供者。
在本申请实施例中，IDMS消费者，主要下发意图，同时新增辅助转译功能，其可部署在业务支撑系统(Business Support System,BSS)、网络管理系统(Network ManagementSystem， NMS)、网元管理系统(Element Management System,EMS)、RAN集群控制器(Cluster RAN Controller,CLRC)上。
IDMS的提供者，主要完成意图转译及意图执行和位置，其可部署在NMS、EMS、CLRC、网元(Network Element,NE)上。
知识库主要存储网络运维知识，其可部署在BSS、NMS、EMS，也独立部署在服务器或运营商数据中心；
网元可以是4G LTE制式下的网元eNodeB，5G的网元CU/DU/gNodeB。
逻辑网元辅助转译系统主要完成辅助转译，可部署在BSS、NMS、EMS、CLRC，也独立部署在服务器或运营商数据中心。
上述详细阐述了本发明实施例的方法，下面为了便于更好地实施本发明实施例的上述方案，相应地，下面还提供用于配合实施上述方案的相关装置。
上述本申请提供的实施例中，分别从各个网元本身、以及从各个网元之间交互的角度对本申请实施例提供的通信方法的各方案进行了介绍。可以理解的是，各个网元，例如上述第一网元、第二网元、第三网元为了实现上述功能，其包含了执行各个功能相应的硬件结构和/ 或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
请参见图9，图9为本申请实施例提供的一种信息处理装置的结构示意图，该信息处理装置可用于执行上述图2-7中第一网元的操作。如图9所示，所述信息处理装置900至少包括：获取模块910，第一确定模块920以及第二确定模块930；其中，
获取模块910，用于获取意图的多个动作信息；
第一确定模块920，用于确定所述多个动作信息的决策信息，所述决策信息为所述多个动作信息中包含的信息；
第二确定模块930，用于根据所述多个动作信息的决策信息确定目标动作信息，所述目标动作信息用于实现所述意图。
本申请实施例中所述信息处理装置通过获取意图的多个动作信息，然后从多个信息中提取出决策信息，并根据得到的决策信息来确定所述多个动作信息中的目标动作信息。可见，所述信息处理装置通过增加辅助选择功能以及流程来快速确定实现意图的目标动作信息，从而提升意图转译的效率。
在一种可能的实施方式中，所述第二确定模块930，具体用于获取所述意图的业务诉求或所述意图的意图达成的历史经验信息，所述业务诉求是指与所述意图对应的业务要求，所述历史经验信息为与当前场景相同的意图转译事件的信息，所述场景相同是指要实现的意图以及网络状态相同；根据所述意图的业务诉求或所述意图达成的历史经验信息以及所述决策信息确定所述目标动作信息。
在一种可能的实施方式中，所述第二确定模块930，具体用于将所述多个动作的决策信息输入机器学习模型，得到所述目标动作信息。
在一种可能的实施方式中，所述第二确定模块930，具体用于向第二网元或第三网元发送动作选择请求，所述动作选择请求携带所述多个动作信息的决策信息，所述动作选择请求用于第二网元或第三网元根据所述多个动作信息的决策信息确定目标决策信息；接收来自所述第二网元或所述第三网元的动作选择响应，所述动作选择响应携带所述目标决策信息或所述目标决策信息的标识信息；根据所述目标决策信息或所述标识信息确定所述目标动作信息。
在一种可能的实施方式中，所述第一确定模块920，具体用于根据所述多个动作信息的优化增益和负面影响确定所多个动作的决策信息，所述优化增益包含动作和动作对象，所述负面影响包含动作和动作对象；或者根据所述多个动作信息的操作确定所多个动作的决策信息，所述操作信息包含动作和动作对象。
在一种可能的实施方式中，所述第一确定模块920，具体用于根据所述多个动作信息的优化增益和负面影响以及操作确定所多个动作的决策信息。
请参见图10，图10为本申请实施例提供的一种信息处理装置的结构示意图，该信息处理装置可用于执行上述图2-7中第二网元的操作。如图10所示，所述信息处理装置1000至少包括：接收模块1010、确定模块1020以及发送模块1030，其中，
所述接收模块1010，用于接收来自第一网元的动作选择请求，所述动作选择请求包括多个动作信息的决策信息，所述多个动作信息为所述第一网元根据意图获取的，所述决策信息为所述多个动作信息中包含的信息；
所述确定模块1020，用于根据多个动作信息的决策信息确定目标决策信息，所述目标决策信息用于确定所述目标动作；
所述发送模块1030，用于向所述第一网元发送动作选择响应，所述动作选择响应携带所述目标决策信息，或者携带所述目标决策信息的标识信息。
本申请实施例中所述信息处理装置通接收来自第一网元的动作选择请求，其中所动作选择请求携带决策信息；然后确定出所述决策信息中的目标决策信息，最后向所述第一网元发送携带目标决策信息生成动作选择响应，以使所述第一网元根据所述目标决策信息确定目标动作信息。可见，所述信息处理装置通过增加辅助选择功能以及流程来帮助所述第一网元确定实现意图的目标动作信息，从而提升意图转译的效率。
在一种可能的实施方式中，所述确定模块1020，具体用于在所述第二网元不能处理所述动作选择请求的情况下，所述第二网元向第三网元发送所述动作选择请求；接收来自所述第三网元的所述动作选择响应。
在一种可能的实施方式中，所述确定模块1020，具体用于获取所述意图的业务诉求或所述意图的意图达成的历史经验信息，所述业务诉求是指与所述意图对应的业务要求，所述历史经验信息为与当前场景相同的意图转译事件的信息，所述场景相同是指要实现的意图以及网络状态相同；根据所述多个动作的决策信息以及所述诉求信息或所述历史经验信息确定所述目标决策信息。
在一种可能的实施方式中，所述确定模块1020，具体用于所述第二网元将所述多个动作的决策信息输入机器学习模型，得到所述目标决策信息。
在一种可能的实施方式中，所述多个动作信息的决策信息包括所述多个动作信息的操作，或者所述多个动作信息的决策信息包括所述多个动作信息的优化增益和负面影响，或者所述多个动作信息的决策信息包括所述多个动作信息的操作、所述多个动作信息的优化增益和负面影响，所述优化增益包含动作和动作对象，所述负面影响包含动作和动作对象，所述操作信息包含动作和动作对象。
请参见图11，图11为本申请实施例提供的一种信息处理装置的结构示意图，该信息处理装置可用于执行上述图2-7中第三网元的操作。如图11所示，所述信息处理装置1100至少包括：接收模块1110、确定模块1120以及发送模块1130，其中，
所述接收模块1110，用于接收来自第一网元或第二网元的动作选择请求，所述动作选择请求，所述动作选择请求包括多个动作信息的决策信息，所述多个动作信息为所述第一网元根据意图获取的，所述决策信息为所述多个动作信息中包含的信息；
所述确定模块1120，用于根据多个动作信息的决策信息确定目标决策信息，所述目标决策信息用于确定所述目标动作；
所述发送模块1130，用于向所述第一网元或第二网元发送动作选择响应，所述动作选择响应携带所述目标决策信息，或者携带所述目标决策信息的标识信息。
本申请实施例中所述信息处理装置通接收来自第一网元或第二网元的动作选择请求，其中所动作选择请求携带决策信息；然后确定出所述决策信息中的目标决策信息，最后向所述第一网元或第二网元发送携带目标决策信息生成动作选择响应，以使所述第一网元根据所述目标决策信息确定目标动作信息。可见，所述信息处理装置通过增加辅助选择功能以及流程来帮助所述第一网元确定实现意图的目标动作信息，从而提升意图转译的效率。
在一种可能的实施方式中，所述确定模块1120，具体用于获取所述意图的业务诉求或所述意图的意图达成的历史经验信息，所述业务诉求是指与所述意图对应的业务要求，所述历史经验信息为与当前场景相同的意图转译事件的信息，所述场景相同是指要实现的意图以及网络状态相同；根据所述多个动作的决策信息以及所述诉求信息或所述历史经验信息确定所述目标决策信息。
在一种可能的实施方式中，所述确定模块1120，具体用于所述第二网元将所述多个动作的决策信息输入机器学习模型，得到所述目标决策信息。
在一种可能的实施方式中，所述多个动作信息的决策信息包括所述多个动作信息的操作，或者所述多个动作信息的决策信息包括所述多个动作信息的优化增益和负面影响，或者所述多个动作信息的决策信息包括所述多个动作信息的操作、所述多个动作信息的优化增益和负面影响，所述优化增益包含动作和动作对象，所述负面影响包含动作和动作对象，所述操作信息包含动作和动作对象。
需要说明的是，本申请实施例中的各个功能模块还可以根据上述方法实施例中的方法具体实现，在此不再赘述。
请参见图12，图12是本申请实施例提供的一种信息处理装置的结构示意图，所述信息处理装置1200至少包括处理器1210、收发器1220以及存储器1230，所述处理器1210、收发器1220以及存储器1230通过总线1240相互连接，其中，
所述处理器1210可以是中央处理器(central processing unit，CPU)，或者CPU和硬件芯片的组合。上述硬件芯片可以是专用集成电路(application-specific integratedcircuit，ASIC)，可编程逻辑器件(programmable logic device，PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(complex programmable logic device，CPLD)，现场可编程逻辑门阵列 (field-programmable gate array，FPGA)，通用阵列逻辑(generic array logic,GAL)或其任意组合。
所述收发器1220可以包括一个接收器和一个发送器，例如，无线射频模块，以下描述的处理器1210接收或者发送某个消息，具体可以理解为该处理器1210通过该收发器来接收或者发送。
所述存储器1230包括但不限于是随机存取存储器(Random Access Memory，RAM)、只读存储器(Read-Only Memory，ROM)或可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory，EPROM或者快闪存储器)，该存储器1230用于存储相关指令及数据，并可以将存储的数据传输给处理器1210。
该信息处理装置1200中的处理器1210用于读取存储器1230中的相关指令执行以下操作：
处理器1210控制收发器1220中的接收器接收意图的多个动作信息；
所述处理器1210确定所述多个动作信息的决策信息，所述决策信息为所述多个动作信息中包含的信息；
处理器1210根据所述多个动作信息的决策信息确定目标动作信息，所述目标动作信息用于实现所述意图。
具体地，上述信息处理装置1200执行的各种操作的具体实现可参照上述方法实施例中第一网元的具体操作，在此不再赘述。
请参见图13，图13是本申请实施例提供的一种信息处理装置的结构示意图，所述信息处理装置1300至少包括处理器1310、收发器1320以及存储器1330，所述处理器1310、收发器1320以及存储器1330通过总线1340相互连接，其中，
所述处理器1310可以是中央处理器(central processing unit，CPU)，或者CPU和硬件芯片的组合。上述硬件芯片可以是专用集成电路(application-specific integratedcircuit，ASIC)，可编程逻辑器件(programmable logic device，PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(complex programmable logic device，CPLD)，现场可编程逻辑门阵列 (field-programmable gate array，FPGA)，通用阵列逻辑(generic array logic,GAL)或其任意组合。
所述收发器1320可以包括一个接收器和一个发送器，例如，无线射频模块，以下描述的处理器1310接收或者发送某个消息，具体可以理解为该处理器1310通过该收发器来接收或者发送。
所述存储器1330包括但不限于是随机存取存储器(Random Access Memory，RAM)、只读存储器(Read-Only Memory，ROM)或可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory，EPROM或者快闪存储器)，该存储器1330用于存储相关指令及数据，并可以将存储的数据传输给处理器1310。
该信息处理装置1300中的处理器1310控制所述收发器1320中的接收器接收来自第一网元的动作选择请求，所述动作选择请求包括多个动作信息的决策信息，所述多个动作信息为所述第一网元根据意图获取的，所述决策信息为所述多个动作信息中包含的信息；
处理器1310根据多个动作信息的决策信息确定目标决策信息，所述目标决策信息用于确定所述目标动作；
所述处理器1310通过收发器1320中的发送器向所述第一网元发送动作选择响应，所述动作选择响应携带所述目标决策信息，或者携带所述目标决策信息的标识信息。
具体地，上述信息处理装置1300执行的各种操作的具体实现可参照上述方法实施例中第二网元的具体操作，在此不再赘述。
请参见图14，图14是本申请实施例提供的一种信息处理装置的结构示意图，所述信息处理装置1400至少包括处理器1410、收发器1420以及存储器1430，所述处理器1410、收发器1420以及存储器1430通过总线1440相互连接，其中，
所述处理器1410可以是中央处理器(central processing unit，CPU)，或者CPU和硬件芯片的组合。上述硬件芯片可以是专用集成电路(application-specific integratedcircuit，ASIC)，可编程逻辑器件(programmable logic device，PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(complex programmable logic device，CPLD)，现场可编程逻辑门阵列 (field-programmable gate array，FPGA)，通用阵列逻辑(generic array logic,GAL)或其任意组合。
所述收发器1420可以包括一个接收器和一个发送器，例如，无线射频模块，以下描述的处理器1410接收或者发送某个消息，具体可以理解为该处理器1410通过该收发器来接收或者发送。
所述存储器1430包括但不限于是随机存取存储器(Random Access Memory，RAM)、只读存储器(Read-Only Memory，ROM)或可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory，EPROM或者快闪存储器)，该存储器1430用于存储相关指令及数据，并可以将存储的数据传输给处理器1410。
该信息处理装置1400中的处理器1410用于读取存储器1430中的相关指令执行以下操作：
处理器1410通过收发器1420中的接收器接收来自第一网元或第二网元的动作选择请求，所述动作选择请求，所述动作选择请求包括多个动作信息的决策信息，所述多个动作信息为所述第一网元根据意图获取的，所述决策信息为所述多个动作信息中包含的信息；
所述处理器1410根据多个动作信息的决策信息确定目标决策信息，所述目标决策信息用于确定所述目标动作；
所述处理器1410通过收发器1420中的发送器向所述第一网元或第二网元发送动作选择响应，所述动作选择响应携带所述目标决策信息，或者携带所述目标决策信息的标识信息。
具体地，上述信息处理装置1400执行的各种操作的具体实现可参照上述方法实施例中第三网元的具体操作，在此不再赘述。
在上述实施例中，可以全部或部分地通过软件、硬件、固件、或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线 (DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (30)
1.一种信息处理方法，其特征在于，所述方法包括：
第一网元获取意图的多个动作信息；
所述第一网元确定所述多个动作信息的决策信息，所述决策信息为所述多个动作信息中包含的信息；
所述第一网元根据所述多个动作信息的决策信息确定目标动作信息，所述目标动作信息用于实现所述意图。
2.根据权利要求1所述的方法，其特征在于，所述第一网元根据所述多个动作信息的决策信息确定目标动作信息，包括：
所述第一网元获取所述意图的业务诉求或所述意图的意图达成的历史经验信息，所述业务诉求是指与所述意图对应的业务要求，所述历史经验信息为与当前场景相同的意图转译事件的信息，所述场景相同是指要实现的意图以及网络状态相同；
所述第一网元根据所述意图的业务诉求或所述意图达成的历史经验信息以及所述决策信息确定所述目标动作信息。
3.根据权利要求1所述的方法，其特征在于，所述第一网元根据所述多个动作信息的决策信息确定目标动作信息，包括：
所述第一网元将所述多个动作的决策信息输入机器学习模型，得到所述目标动作信息。
4.根据权利要求1所述的方法，其特征在于，所述根据所述多个动作信息的决策信息确定目标动作信息，包括：
所述第一网元向第二网元或第三网元发送动作选择请求，所述动作选择请求携带所述多个动作信息的决策信息，所述动作选择请求用于第二网元或第三网元根据所述多个动作信息的决策信息确定目标决策信息；
所述第一网元接收来自所述第二网元或所述第三网元的动作选择响应，所述动作选择响应携带所述目标决策信息或所述目标决策信息的标识信息；
所述第一网元根据所述目标决策信息或所述标识信息确定所述目标动作信息。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述第一网元确定所述多个动作信息的决策信息，包括：
所述第一网元根据所述多个动作信息的优化增益和负面影响确定所述多个动作信息的决策信息，所述优化增益包含动作和动作对象，所述负面影响包含动作和动作对象；
或者所述第一网元根据所述多个动作信息的操作确定所述多个动作信息的决策信息，所述动作信息包含动作和动作对象。
6.根据权利要求5所述的方法，其特征在于，所述第一网元根据所述多个动作信息的优化增益和负面影响确定所多个动作的决策信息，包括：
所述第一网元根据所述多个动作信息的优化增益和负面影响以及操作确定所多个动作的决策信息。
7.一种信息处理方法，其特征在于，所述方法包括：
第二网元接收来自第一网元的动作选择请求，所述动作选择请求包括多个动作信息的决策信息，所述多个动作信息为所述第一网元根据意图获取的，所述决策信息为所述多个动作信息中包含的信息；
所述第二网元根据多个动作信息的决策信息确定目标决策信息，所述目标决策信息用于确定目标动作；
所述第二网元向所述第一网元发送动作选择响应，所述动作选择响应携带所述目标决策信息，或者携带所述目标决策信息的标识信息。
8.根据权利要求7所述的方法，其特征在于，所述第二网元根据多个动作信息的决策信息确定目标决策信息，包括：
在所述第二网元不能处理所述动作选择请求的情况下，所述第二网元向第三网元发送所述动作选择请求；
所述第二网元接收来自所述第三网元的所述动作选择响应。
9.根据权利要求7所述的方法，其特征在于，所述第二网元根据多个动作信息的决策信息确定目标决策信息，包括：
所述第二网元获取所述意图的业务诉求或所述意图的意图达成的历史经验信息，所述业务诉求是指与所述意图对应的业务要求，所述历史经验信息为与当前场景相同的意图转译事件的信息，所述场景相同是指要实现的意图以及网络状态相同；
所述第二网元根据所述多个动作的决策信息以及所述业务诉求或所述历史经验信息确定所述目标决策信息。
10.根据权利要求7所述的方法，其特征在于，所述第二网元根据多个动作信息的决策信息确定目标决策信息，包括：
所述第二网元将所述多个动作的决策信息输入机器学习模型，得到所述目标决策信息。
11.根据权利要求7-10任一项所述的方法，其特征在于，所述多个动作信息的决策信息包括所述多个动作信息的操作，或者所述多个动作信息的决策信息包括所述多个动作信息的优化增益和负面影响，或者所述多个动作信息的决策信息包括所述多个动作信息的操作、所述多个动作信息的优化增益和负面影响，所述优化增益包含动作和动作对象，所述负面影响包含动作和动作对象，所述动作信息包含动作和动作对象。
12.一种信息处理方法，其特征在于，所述方法包括：
第三网元接收来自第一网元或第二网元的动作选择请求，所述动作选择请求，所述动作选择请求包括多个动作信息的决策信息，所述多个动作信息为所述第一网元根据意图获取的，所述决策信息为所述多个动作信息中包含的信息；
第三网元根据多个动作信息的决策信息确定目标决策信息，所述目标决策信息用于确定目标动作；
第三网元向所述第一网元或第二网元发送动作选择响应，所述动作选择响应携带所述目标决策信息，或者携带所述目标决策信息的标识信息。
13.根据权利要求12所述的方法，其特征在于，所述第三网元根据多个动作信息的决策信息确定目标决策信息，包括：
所述第三网元获取所述意图的业务诉求或所述意图的意图达成的历史经验信息，所述业务诉求是指与所述意图对应的业务要求，所述历史经验信息为与当前场景相同的意图转译事件的信息，所述场景相同是指要实现的意图以及网络状态相同；
所述第三网元根据所述多个动作的决策信息以及所述业务诉求或所述历史经验信息确定所述目标决策信息。
14.根据权利要求12所述的方法，其特征在于，所述第三网元根据多个动作信息的决策信息确定目标决策信息，包括：
所述第三网元将所述多个动作的决策信息输入机器学习模型，得到所述目标决策信息。
15.根据权利要求12-14任一项所述的方法，其特征在于，所述多个动作信息的决策信息包括所述多个动作信息的操作，或者所述多个动作信息的决策信息包括所述多个动作信息的优化增益和负面影响，或者所述多个动作信息的决策信息包括所述多个动作信息的操作、所述多个动作信息的优化增益和负面影响，所述优化增益包含动作和动作对象，所述负面影响包含动作和动作对象，所述动作信息包含动作和动作对象。
16.一种信息处理装置，其特征在于，应用于第一网元，所述装置包括：
获取模块，用于获取意图的多个动作信息；
第一确定模块，用于确定所述多个动作信息的决策信息，所述决策信息为所述多个动作信息中包含的信息；
第二确定模块，用于根据所述多个动作信息的决策信息确定目标动作信息，所述目标动作信息用于实现所述意图。
17.根据权利要求16所述的装置，其特征在于，所述第二确定模块，具体用于获取所述意图的业务诉求或所述意图的意图达成的历史经验信息，所述业务诉求是指与所述意图对应的业务要求，所述历史经验信息为与当前场景相同的意图转译事件的信息，所述场景相同是指要实现的意图以及网络状态相同；根据所述意图的业务诉求或所述意图达成的历史经验信息以及所述决策信息确定所述目标动作信息。
18.根据权利要求16所述的装置，其特征在于，所述第二确定模块，具体用于将所述多个动作的决策信息输入机器学习模型，得到所述目标动作信息。
19.根据权利要求16所述的装置，其特征在于，所述第二确定模块，具体用于向第二网元或第三网元发送动作选择请求，所述动作选择请求携带所述多个动作信息的决策信息，所述动作选择请求用于第二网元或第三网元根据所述多个动作信息的决策信息确定目标决策信息；接收来自所述第二网元或所述第三网元的动作选择响应，所述动作选择响应携带所述目标决策信息或所述目标决策信息的标识信息；根据所述目标决策信息或所述标识信息确定所述目标动作信息。
20.根据权利要求16-19任一项所述的装置，其特征在于，所述第一确定模块，具体用于根据所述多个动作信息的优化增益和负面影响确定所述多个动作信息的决策信息，所述优化增益包含动作和动作对象，所述负面影响包含动作和动作对象；或者根据所述多个动作信息的操作确定所述多个动作信息的决策信息，所述动作信息包含动作和动作对象。
21.根据权利要求20所述的装置，其特征在于，所述第一确定模块，具体用于根据所述多个动作信息的优化增益和负面影响以及操作确定所多个动作的决策信息。
22.一种信息处理装置，其特征在于，应用于第二网元，所述装置包括：
接收模块，用于接收来自第一网元的动作选择请求，所述动作选择请求包括多个动作信息的决策信息，所述多个动作信息为所述第一网元根据意图获取的，所述决策信息为所述多个动作信息中包含的信息；
确定模块，用于根据多个动作信息的决策信息确定目标决策信息，所述目标决策信息用于确定目标动作；
发送模块，用于向所述第一网元发送动作选择响应，所述动作选择响应携带所述目标决策信息，或者携带所述目标决策信息的标识信息。
23.根据权利要求22所述的装置，其特征在于，所述确定模块，具体用于在所述第二网元不能处理所述动作选择请求的情况下，向第三网元发送所述动作选择请求；接收来自所述第三网元的所述动作选择响应。
24.根据权利要求22所述的装置，其特征在于，所述确定模块，具体用于获取所述意图的业务诉求或所述意图的意图达成的历史经验信息，所述业务诉求是指与所述意图对应的业务要求，所述历史经验信息为与当前场景相同的意图转译事件的信息，所述场景相同是指要实现的意图以及网络状态相同；根据所述多个动作的决策信息以及所述业务诉求或所述历史经验信息确定所述目标决策信息。
25.根据权利要求22所述的装置，其特征在于，所述确定模块，具体用于将所述多个动作的决策信息输入机器学习模型，得到所述目标决策信息。
26.根据权利要求22-25任一项所述的装置，其特征在于，所述多个动作信息的决策信息包括所述多个动作信息的操作，或者所述多个动作信息的决策信息包括所述多个动作信息的优化增益和负面影响，或者所述多个动作信息的决策信息包括所述多个动作信息的操作、所述多个动作信息的优化增益和负面影响，所述优化增益包含动作和动作对象，所述负面影响包含动作和动作对象，所述动作信息包含动作和动作对象。
27.一种信息处理装置，其特征在于，应用于第三网元，所述装置包括：
接收模块，用于接收来自第一网元或第二网元的动作选择请求，所述动作选择请求，所述动作选择请求包括多个动作信息的决策信息，所述多个动作信息为所述第一网元根据意图获取的，所述决策信息为所述多个动作信息中包含的信息；
确定模块，用于根据多个动作信息的决策信息确定目标决策信息，所述目标决策信息用于确定目标动作；
发送模块，用于向所述第一网元或第二网元发送动作选择响应，所述动作选择响应携带所述目标决策信息，或者携带所述目标决策信息的标识信息。
28.根据权利要求27所述的装置，其特征在于，所述确定模块，具体用于获取所述意图的业务诉求或所述意图的意图达成的历史经验信息，所述业务诉求是指与所述意图对应的业务要求，所述历史经验信息为与当前场景相同的意图转译事件的信息，所述场景相同是指要实现的意图以及网络状态相同；根据所述多个动作的决策信息以及所述业务诉求或所述历史经验信息确定所述目标决策信息。
29.根据权利要求27所述的装置，其特征在于，所述确定模块，具体用于将所述多个动作的决策信息输入机器学习模型，得到所述目标决策信息。
30.根据权利要求27-29任一项所述的装置，其特征在于，所述多个动作信息的决策信息包括所述多个动作信息的操作，或者所述多个动作信息的决策信息包括所述多个动作信息的优化增益和负面影响，或者所述多个动作信息的决策信息包括所述多个动作信息的操作、所述多个动作信息的优化增益和负面影响，所述优化增益包含动作和动作对象，所述负面影响包含动作和动作对象，所述动作信息包含动作和动作对象。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910945933.0A CN112583629B (zh) | 2019-09-30 | 2019-09-30 | 一种信息处理方法、相关设备及计算机存储介质 |
| PCT/CN2020/117681 WO2021063254A1 (zh) | 2019-09-30 | 2020-09-25 | 一种信息处理方法、相关设备及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910945933.0A CN112583629B (zh) | 2019-09-30 | 2019-09-30 | 一种信息处理方法、相关设备及计算机存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112583629A CN112583629A (zh) | 2021-03-30 |
| CN112583629B true CN112583629B (zh) | 2022-06-10 |
Family
ID=75117110
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910945933.0A Active CN112583629B (zh) | 2019-09-30 | 2019-09-30 | 一种信息处理方法、相关设备及计算机存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN112583629B (zh) |
| WO (1) | WO2021063254A1 (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115835237A (zh) * | 2021-09-17 | 2023-03-21 | 华为技术有限公司 | 通信的方法及其装置 |
| CN115996401A (zh) * | 2021-10-20 | 2023-04-21 | 华为技术有限公司 | 一种意图预评估方法及装置 |
| CN116419293A (zh) * | 2021-12-29 | 2023-07-11 | 华为技术有限公司 | 意图冲突处理的方法及其装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3422663A1 (en) * | 2017-06-29 | 2019-01-02 | Juniper Networks, Inc. | Intent-based network security policy modification |
| CN109245916A (zh) * | 2018-08-15 | 2019-01-18 | 西安电子科技大学 | 一种意图驱动的云化接入网系统及方法 |
| CN110120882A (zh) * | 2018-02-07 | 2019-08-13 | 华为技术有限公司 | 策略驱动方法和装置 |
| CN110166305A (zh) * | 2019-06-04 | 2019-08-23 | 电子科技大学 | 一种基于意图的应用QoE管理方法及系统 |
| CN110198237A (zh) * | 2019-05-27 | 2019-09-03 | 北京邮电大学 | 一种无线意图驱动网络的配置方法 |
| CN110247795A (zh) * | 2019-05-30 | 2019-09-17 | 北京邮电大学 | 一种基于意图的云网资源服务链编排方法及系统 |
| CN110278111A (zh) * | 2019-05-29 | 2019-09-24 | 西安电子科技大学 | 一种意图驱动网络通用架构及其意图驱动网络转译方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170091629A1 (en) * | 2015-09-30 | 2017-03-30 | Linkedin Corporation | Intent platform |
| US9838284B2 (en) * | 2015-10-14 | 2017-12-05 | At&T Intellectual Property I, L.P. | Dedicated software-defined networking network for performance monitoring of production software-defined networking network |
| DK201770431A1 (en) * | 2017-05-15 | 2018-12-20 | Apple Inc. | Optimizing dialogue policy decisions for digital assistants using implicit feedback |
| CN107369443B (zh) * | 2017-06-29 | 2020-09-25 | 北京百度网讯科技有限公司 | 基于人工智能的对话管理方法及装置 |
| US20190238410A1 (en) * | 2018-01-31 | 2019-08-01 | Hewlett Packard Enterprise Development Lp | Verifying network intents |
-
2019
- 2019-09-30 CN CN201910945933.0A patent/CN112583629B/zh active Active
-
2020
- 2020-09-25 WO PCT/CN2020/117681 patent/WO2021063254A1/zh active Application Filing
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3422663A1 (en) * | 2017-06-29 | 2019-01-02 | Juniper Networks, Inc. | Intent-based network security policy modification |
| CN110120882A (zh) * | 2018-02-07 | 2019-08-13 | 华为技术有限公司 | 策略驱动方法和装置 |
| CN109245916A (zh) * | 2018-08-15 | 2019-01-18 | 西安电子科技大学 | 一种意图驱动的云化接入网系统及方法 |
| CN110198237A (zh) * | 2019-05-27 | 2019-09-03 | 北京邮电大学 | 一种无线意图驱动网络的配置方法 |
| CN110278111A (zh) * | 2019-05-29 | 2019-09-24 | 西安电子科技大学 | 一种意图驱动网络通用架构及其意图驱动网络转译方法 |
| CN110247795A (zh) * | 2019-05-30 | 2019-09-17 | 北京邮电大学 | 一种基于意图的云网资源服务链编排方法及系统 |
| CN110166305A (zh) * | 2019-06-04 | 2019-08-23 | 电子科技大学 | 一种基于意图的应用QoE管理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021063254A1 (zh) | 2021-04-08 |
| CN112583629A (zh) | 2021-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112583629B (zh) | 一种信息处理方法、相关设备及计算机存储介质 | |
| US10701606B2 (en) | Dynamic steering of traffic across radio access networks | |
| CN111431941B (zh) | 一种基于移动边缘计算的实时视频码率自适应方法 | |
| US20200401945A1 (en) | Data Analysis Device and Multi-Model Co-Decision-Making System and Method | |
| CN110121180B (zh) | 一种数据分析装置、系统及方法 | |
| US11290344B2 (en) | Policy-driven method and apparatus | |
| US9392517B2 (en) | Facilitation of adaptive traffic flow management by a power-limited mobile device | |
| CN105850173B (zh) | 软件定义网络中的按需无线电协调 | |
| CN101663852A (zh) | 用于动态调整上行链路传输时间的方法和装置 | |
| CN102769551A (zh) | 网络质量评测与网络优化的方法及系统 | |
| CN112672440A (zh) | 指令执行方法、系统、网络设备及存储介质 | |
| US20230146912A1 (en) | Method, Apparatus, and Computing Device for Constructing Prediction Model, and Storage Medium | |
| US20230112127A1 (en) | Electronic device for deploying application and operation method thereof | |
| US20240119362A1 (en) | Information transmission method and apparatus | |
| CN109348486B (zh) | 一种异构无线网络资源分配方法 | |
| WO2014129945A1 (en) | Determination of network parameters in mobile communication networks | |
| CN107333279B (zh) | 最小化路测方法、基站及网络管理系统 | |
| US20220361086A1 (en) | Method and base station for determining transmission path in wireless communication system | |
| US11924065B2 (en) | Method and electronic device for placing micro network function | |
| KR101099355B1 (ko) | 이종망 환경에서 퍼지제어와 데이터마이닝을 이용한 적응적 수직 핸드오버 시스템 및 방법 | |
| WO2023125281A1 (zh) | 意图执行方法及通信装置 | |
| WO2024027427A1 (zh) | 异常检测的方法和通信装置 | |
| WO2023216121A1 (en) | Method, apparatus and computer program | |
| WO2023143371A1 (zh) | 一种通信方法和装置 | |
| WO2023179709A1 (zh) | 信息处理方法、装置、通信设备及可读存储介质 |
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 |