CN113487344B - 通信业务预测方法、集中服务器、边缘业务终端和介质 - Google Patents

通信业务预测方法、集中服务器、边缘业务终端和介质 Download PDF

Info

Publication number
CN113487344B
CN113487344B CN202110655207.2A CN202110655207A CN113487344B CN 113487344 B CN113487344 B CN 113487344B CN 202110655207 A CN202110655207 A CN 202110655207A CN 113487344 B CN113487344 B CN 113487344B
Authority
CN
China
Prior art keywords
service
information
service information
communication
terminal
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
Application number
CN202110655207.2A
Other languages
English (en)
Other versions
CN113487344A (zh
Inventor
刘颖慧
刘楠
赵慧
许翀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN202110655207.2A priority Critical patent/CN113487344B/zh
Publication of CN113487344A publication Critical patent/CN113487344A/zh
Application granted granted Critical
Publication of CN113487344B publication Critical patent/CN113487344B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201Market modelling; Market analysis; Collecting market data
    • G06Q30/0202Market predictions or forecasting for commercial activities
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201Market modelling; Market analysis; Collecting market data

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本公开提供了一种通信业务预测方法,应用于集中服务器,该集中服务器与多个边缘业务终端相连接;该方法包括:响应于目标边缘业务终端发送的用户终端业务查询请求,获取目标边缘业务终端所处的业务区域内的用户终端信息;将第一业务信息发送至目标边缘业务终端;将第二行为数据输入至预设的通信业务预测模型中以进行通信业务预测;将通信业务预测模型输出的第二业务数据整合至第二业务信息中,并将通信业务预测模型的模型参数和第二业务信息发送至目标边缘业务终端。本公开还提供了一种应用于边缘业务终端的通信业务预测方法、集中服务器、边缘业务终端和计算机可读介质。

Description

通信业务预测方法、集中服务器、边缘业务终端和介质
技术领域
本公开涉及通信技术领域,特别涉及一种通信业务预测方法、集中服务器、边缘业务终端和计算机可读介质。
背景技术
现阶段,运营商侧在针对相应用户终端进行通信业务预测时,多通过经验式策略匹配的方式进行,其预测方式简单,精确性较低,无法根据由此方式预测出的通信业务情况进行系统侧的网络优化和网络性能评估,并且用户终端进行通信业务相关的操作,如通信业务查询、选择、变更时,一般通过与运营商服务器或运营商平台的交互进行,而基于运营商服务器的网络架构难以获知当前预测结果对应的客观实际情况,用户反馈无法作用于运营商侧预测方式的改进中。
发明内容
本公开旨在至少解决现有技术中存在的技术问题之一,提出了一种通信业务预测方法、集中服务器、边缘业务终端和计算机可读介质。
为实现上述目的,第一方面,本公开实施例提供了一种通信业务预测方法,应用于集中服务器,所述集中服务器与多个边缘业务终端相连接;所述方法包括:
响应于目标边缘业务终端发送的用户终端业务查询请求,获取所述目标边缘业务终端所处的业务区域内的用户终端信息;其中,所述目标边缘业务终端为所述多个边缘业务终端中的任意一者;所述用户终端信息包括:已选择业务的用户终端对应的第一业务信息,以及未选择业务的用户终端对应的第二业务信息;所述第一业务信息包括第一业务数据和第一行为数据,所述第二业务信息包括第二行为数据;
将所述第一业务信息发送至所述目标边缘业务终端;
将所述第二行为数据输入至预设的通信业务预测模型中以进行通信业务预测,其中,所述通信业务预测模型为预先基于预定算法对业务信息样本进行训练得到;
将所述通信业务预测模型输出的第二业务数据整合至所述第二业务信息中,并将所述通信业务预测模型的模型参数和所述第二业务信息发送至所述目标边缘业务终端。
在一些实施例中,所述通信业务预测模型预先通过如下步骤训练得到:
从集中业务支撑系统数据库和业务支撑系统数据库中获取多个已选择业务的用户终端各自的业务信息,并将所述业务信息作为所述业务信息样本,其中,所述业务信息包括:业务数据和行为数据;
以所述行为数据作为输入数据,以对应的所述业务数据作为验证数据,对所述通信业务预测模型进行训练,其中,训练出的所述通信业务预测模型能够根据所输入的行为数据预测出与该行为数据相匹配的业务数据,以及该业务数据对应的业务类型被选择的概率。
在一些实施例中,所述从集中业务支撑系统数据库和业务支撑系统数据库中获取多个已选择业务的用户终端各自的业务信息,并将所述业务信息作为所述业务信息样本的步骤,包括:
针对获取到的全部所述业务信息,将其中缺失字段长度超过预设的字段长度阈值的业务信息进行去除;
对完成去除后的全部所述业务信息进行离散化处理,对离散化处理后的全部所述业务信息中的异常数值进行异常处理,将完成异常处理后的全部所述业务信息进行整合以得到所述业务信息样本。
在一些实施例中,所述获取目标边缘业务终端所处的业务区域内的用户终端业务信息的步骤,包括:
从在模型训练阶段获取的全部所述业务信息中查询出所述业务区域内的所述第一业务信息;
从所述业务区域对应的业务支撑系统数据库中获取所述第二业务信息。
在一些实施例中,所述方法还包括:
接收各所述边缘业务终端基于用户标签信息生成并发送的补全信息,根据所述补全信息对所述业务信息样本进行更新,其中,所述用户标签信息由所述边缘业务终端根据用户终端选择的共享业务类型获取得到,所述用户标签信息包括:家庭标签信息和企业标签信息;
当更新后的所述业务信息样本对应的用户终端数量满足预设的模型更新条件时,根据更新后的业务信息样本对所述通信业务预测模型进行重训练。
第二方面,本公开实施例还提供了一种通信业务预测方法,应用于边缘业务终端,所述方法包括:
向集中服务器发送用户终端业务查询请求,接收并存储所述集中服务器反馈的自身业务区域内的第一业务信息,其中,所述第一业务信息对应于已选择业务的用户终端,所述第一业务信息包括第一业务数据和第一行为数据;
响应于所述集中服务器发送的通信业务预测模型的模型参数和所述业务区域内的第二业务信息,根据所述第二业务信息中的第二业务数据确定目标业务类型,并向所述第二业务信息对应的用户终端推送所述目标业务类型,其中,所述第二业务信息对应于未选择业务的用户终端,所述第二业务信息还包括第二行为数据,所述第二业务数据为所述集中服务器基于所述第二行为数据通过所述通信业务预测模型预测得到。
在一些实施例中,所述方法还包括:
监测所述第二业务信息对应的用户终端当前的业务选择情况;
响应于所述第二业务信息对应的用户终端选择的业务属于除所述目标业务类型以外的其他业务类型的情况,利用所述其他业务类型对应的业务数据替换所述第二业务信息中的第二业务数据,并将所述第一业务信息和替换后的所述第二业务信息作为边缘侧业务信息样本;
响应于所述边缘侧业务信息样本中所述第二业务信息的数据占比大于或等于预设的样本占比阈值,或者在经过预设的时间间隔之后仍未选择业务的用户终端对应的终端占比大于或等于预设的终端占比阈值的情况,根据所述模型参数和所述边缘侧业务信息样本训练边缘侧业务预测模型;
利用训练好的所述边缘侧业务预测模型对仍未选择业务的用户终端再次进行通信业务预测。
在一些实施例中,所述方法还包括:
响应于所述业务区域内的用户终端选择共享业务类型的情况,获取该用户终端进行业务选择变更后的用户标签信息,其中,所述用户标签信息包括:家庭标签信息和企业标签信息;
根据所述用户标签信息生成补全信息,并将所述补全信息发送至所述集中服务器。
第三方面,本公开实施例还提供了一种集中服务器,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述实施例中任一所述的应用于集中服务器的通信业务预测方法。
第四方面,本公开实施例还提供了一种边缘业务终端,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述实施例中任一所述的应用于边缘业务终端的通信业务预测方法。
第五方面,本公开实施例还提供了一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如上述实施例中任一所述的应用于集中服务器的通信业务预测方法中的步骤,或者,实现如上述实施例中任一所述的应用于边缘业务终端的通信业务预测方法中的步骤。
本公开具有以下有益效果:
本公开实施例提供了一种通信业务预测方法、集中服务器、边缘业务终端和计算机可读介质,可基于集中服务器和多个边缘业务终端的网络架构,集中服务器根据用户终端的行为数据通过通信业务预测模型进行通信业务预测,边缘业务终端针对自身业务区域内的用户终端基于集中服务器的通信业务预测结果进行通信业务的推送、管理和监控,由此提高通信业务预测的精确度。
附图说明
图1为本公开实施例提供的一种通信业务预测方法的流程图;
图2为本公开实施例提供的一种通信业务预测模型的模型训练阶段的流程图;
图3为本公开实施例中步骤S1的一种具体实施方法流程图;
图4为本公开实施例提供的另一种通信业务预测方法的流程图;
图5为本公开实施例提供的又一种通信业务预测方法的流程图;
图6为本公开实施例提供的再一种通信业务预测方法的流程图;
图7为本公开实施例提供的再一种通信业务预测方法的流程图。
具体实施方式
为使本领域的技术人员更好地理解本公开的技术方案,下面结合附图对本公开提供的通信业务预测方法、集中服务器、边缘业务终端和计算机可读介质进行详细描述。
在下文中将参考附图更充分地描述示例实施例,但是所述示例实施例可以以不同形式来体现且不应当被解释为限于本文阐述的实施例。反之,提供这些实施例的目的在于使本公开透彻和完整,并将使本领域技术人员充分理解本公开的范围。
本文所使用的术语仅用于描述特定实施例,且不意欲限制本公开。如本文所使用的,单数形式“一个”和“该”也意欲包括复数形式,除非上下文另外清楚指出。还将理解的是,当本说明书中使用术语“包括”和/或“由……制成”时,指定存在所述特征、整体、步骤、操作、元件和/或组件,但不排除存在或添加一个或多个其他特征、整体、步骤、操作、元件、组件和/或其群组。
将理解的是,虽然本文可以使用术语第一、第二等来描述各种元件,但这些元件不应当受限于这些术语。这些术语仅用于区分一个元件和另一元件。因此,在不背离本公开的指教的情况下,下文讨论的第一元件、第一组件或第一模块可称为第二元件、第二组件或第二模块。
除非另外限定,否则本文所用的所有术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解,诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义,且将不解释为具有理想化或过度形式上的含义,除非本文明确如此限定。
图1为本公开实施例提供的一种通信业务预测方法的流程图。具体地,该方法应用于集中服务器,该集中服务器与多个边缘业务终端相连接;如图1所示,该方法包括:
步骤S1、响应于目标边缘业务终端发送的用户终端业务查询请求,获取目标边缘业务终端所处的业务区域内的用户终端信息。
其中,目标边缘业务终端为多个边缘业务终端中的任意一者;用户终端信息包括已选择业务的用户终端对应的第一业务信息,以及未选择业务的用户终端对应的第二业务信息;第一业务信息包括第一业务数据和第一行为数据,第二业务信息包括第二行为数据;用户终端可为移动终端,包括手机、平板电脑、可穿戴设备以及便携式设备等。
其中,边缘业务终端又可称为移动服务终端、移动边缘服务终端,各边缘业务终端分别对应一个业务区域,任意两个业务区域不完全相同,可存在部分重合的情况;在一些实施例中,业务数据包括:每用户平均收入(Average Revenue Per User,简称ARPU)、入网时间、当前业务、当前业务类型、历史业务、常用业务类型、业务资源使用情况中的至少一者;在一些实施例中,行为数据包括:常用应用、常用应用类型、业务绑定应用使用情况(如定向语音时长使用情况、定向流量使用情况)中的至少一者;在一些实施例中,通信业务可包括语音业务、流量业务、增值业务、短信业务、应用业务、套餐项等。
步骤S2、将第一业务信息发送至目标边缘业务终端。
步骤S3、将第二行为数据输入至预设的通信业务预测模型中以进行通信业务预测。
其中,通信业务预测模型为预先基于预定算法对业务信息样本进行训练得到。
在一些实施例中,通信业务预测模型为支撑向量机(Support Vector Machine,简称SVM)分类模型。
步骤S4、将通信业务预测模型输出的第二业务数据整合至第二业务信息中,并将通信业务预测模型的模型参数和第二业务信息发送至目标边缘业务终端。
其中,第二业务数据为通信业务预测模型根据第二行为数据得出的预测结果,在通信业务预测模型完成通信业务预测并输出结果后,进行整合,并将当前用于预测的模型参数,以及包括第二业务数据和第二行为数据的第二业务信息发送至目标边缘业务终端。
需要说明的是,本公开实施例并未限定步骤S2和步骤S4的执行顺序,即第一业务信息与模型参数、第二业务信息可同时发送,也可先后发送。
本公开实施例提供了一种通信业务预测方法,该方法可用于基于集中服务器和多个边缘业务终端的网络架构,集中服务器根据用户终端的行为数据通过通信业务预测模型进行通信业务预测,提高通信业务预测的精确度。
图2为本公开实施例提供的一种通信业务预测模型的模型训练阶段的流程图。该模型训练阶段为基于图1所示方法的一种具体化可选实施方案。如图2所示,通信业务预测模型预先通过如下步骤训练得到:
步骤S01、从集中业务支撑系统(Centralized Business Support System,简称CBSS)数据库和业务支撑系统(Business Support System,简称BSS)数据库中获取多个已选择业务的用户终端各自的业务信息,并将业务信息作为业务信息样本。
其中,业务信息包括业务数据和行为数据,该业务信息与上述的第一业务信息以及整合后的第二业务信息的数据格式、字段格式相同;集中业务支撑系统数据库存储有较大地域范围内的用户信息,如国家范围、地区范围以及覆盖多省的范围等,业务支撑系统数据库存储省市区域对应的用户信息。
在一些实施例中,在步骤S01中,将业务信息作为业务信息样本的步骤,包括:针对获取到的全部业务信息,将其中缺失字段长度超过预设的字段长度阈值的业务信息进行去除;对完成去除后的全部业务信息进行离散化处理,对离散化处理后的全部业务信息中的异常数值进行异常处理,将完成异常处理后的全部业务信息进行整合以得到业务信息样本。由此,在训练前进行数据预处理,通过去除操作避免错误获取到非目标类型的数据;以及针对非数值格式数据进行离散化、数值化,如采用独热(one hot)编码方式等;最后针对异常数值执行异常数据处理,如采用独立森林算法等。
步骤S02、以行为数据作为输入数据,以对应的业务数据作为验证数据,对通信业务预测模型进行训练。
其中,训练出的通信业务预测模型能够根据所输入的行为数据预测出与该行为数据相匹配的业务数据,以及该业务数据对应的业务类型被选择的概率。
在一些实施例中,业务信息还包括用户基础属性,如年龄、性别等,通信业务预测模型为建立在用户基础属性、行为数据和业务数据之上的数据模型。
图3为本公开实施例中步骤S1的一种具体实施方法流程图。具体地,基于如图2所示的模型训练阶段,如图3所示,步骤S1,获取目标边缘业务终端所处的业务区域内的用户终端业务信息的步骤,包括:
步骤S101、从在模型训练阶段获取的全部业务信息中查询出业务区域内的第一业务信息。
其中,与目标边缘业务终端交互时,从在模型训练阶段预先获取的业务信息中直接获取目标边缘业务终端的业务区域对应的第一业务信息。
步骤S102、从业务区域对应的业务支撑系统数据库中获取第二业务信息。
其中,由于第二业务信息对应于未选择业务的用户终端,当前的第二业务信息中相比完整的业务信息缺失字段较多,在模型训练阶段数据定向获取,或进行数据预处理时,会被舍弃,故从业务区域对应的业务支撑系统数据库中实时获取。
图4为本公开实施例提供的另一种通信业务预测方法的流程图。如图4所示,该方法为基于图1所示方法的一种具体化可选实施方案。具体地,该方法不仅包括步骤S1至步骤S4,还包括步骤S5和步骤S6。下面仅对步骤S5和步骤S6进行详细描述。
步骤S5、接收各边缘业务终端基于用户标签信息生成并发送的补全信息,根据补全信息对业务信息样本进行更新。
其中,用户标签信息由边缘业务终端根据用户终端选择的共享业务类型获取得到,用户标签信息包括家庭标签信息和企业标签信息;用户标签信息依托于共享业务类型的基础标签体系而产生,其中,家庭标签信息、企业标签信息可包括表征家庭/企业独占标识、家庭/企业成员数量、成员入网数量、各成员对应的运营商等标签;根据基于用户标签信息生成的补全信息更新业务信息样本,扩充特征维度。
步骤S6、当更新后的业务信息样本对应的用户终端数量满足预设的模型更新条件时,根据更新后的业务信息样本对通信业务预测模型进行重训练。
在一些实施例中,预设的模型更新条件可包括:业务信息样本中更新的业务信息的数量达到了相应阈值,或者业务信息样本中更新的业务信息占业务信息样本的比例达到了相应阈值,或者业务信息样本中更新的业务信息对应的用户终端数量达到了相应阈值,或者更新后的业务信息样本的数据量达到了相应阈值等。
由此,基于上述业务信息样本自动更新及通信业务预测模型的重训练过程,实现网络侧通信业务预测模型的动态更新。
图5为本公开实施例提供的又一种通信业务预测方法的流程图。具体地,该方法应用于边缘业务终端,该边缘业务终端与上述的集中服务器相连接,该方法包括:
步骤S7、向集中服务器发送用户终端业务查询请求,接收并存储集中服务器反馈的自身业务区域内的第一业务信息。
其中,第一业务信息对应于已选择业务的用户终端,第一业务信息包括第一业务数据和第一行为数据。
在一些实施例中,当边缘业务终端上线时,或边缘业务终端每隔预设的时间段,或当边缘业务终端在预设的一个时间周期内首次接收到用户终端发送的业务查询请求时,向集中服务器发送用户终端业务查询请求。
步骤S8、响应于集中服务器发送的通信业务预测模型的模型参数和业务区域内的第二业务信息,根据第二业务信息中的第二业务数据确定目标业务类型,并向第二业务信息对应的用户终端推送目标业务类型。
其中,第二业务信息对应于未选择业务的用户终端,第二业务信息还包括第二行为数据,第二业务数据为集中服务器基于第二行为数据通过通信业务预测模型预测得到;边缘业务终端基于模型参数获知第二业务信息的预测依据,并获知第二业务数据对应的预测情况,由此进行目标业务类型的推送。
在一些实施例中,第二业务数据包括对应的目标业务类型被选择的概率。
在一些实施例中,该方法还包括:向第二业务信息对应的用户终端推送与目标业务类型对应的至少部分业务。
在一些实施例中,通信业务预测模型的模型参数和第二业务信息的发送并不同步,第二业务信息中包括标识位,其用于指示第二业务数据是通过模型预测得到的结果。
本公开实施例提供了一种通信业务预测方法,该方法可用于基于集中服务器和多个边缘业务终端的网络架构,集中服务器根据用户终端的行为数据通过通信业务预测模型进行通信业务预测,边缘业务终端针对自身业务区域内的用户终端基于集中服务器的通信业务预测结果进行通信业务的推送、管理和监控,由此提高通信业务预测的精确度。
图6为本公开实施例提供的再一种通信业务预测方法的流程图。如图6所示,该方法为基于图5所示方法的一种具体化可选实施方案。具体地,该方法不仅包括步骤S7至步骤S8,还包括步骤S9至步骤S12。下面仅对步骤S9至步骤S12进行详细描述。
步骤S9、监测第二业务信息对应的用户终端当前的业务选择情况。
基于步骤S9中监测得到的业务选择情况执行步骤S10。
步骤S10、响应于第二业务信息对应的用户终端选择的类型属于除目标业务类型以外的其他业务类型的情况,利用其他业务类型对应的业务数据替换第二业务信息中的第二业务数据,并将第一业务信息和替换后的第二业务信息作为边缘侧业务信息样本。
其中,基于实际的业务选择情况确定业务预测结果实际是否正确,当业务选择情况反映出预测结果偏离实际结果时,即用户终端选择的类型属于除目标业务类型以外的其他业务类型时,整合第一业务信息和作替换处理后的第二业务信息,生成边缘侧业务信息样本。
步骤S11、响应于边缘侧业务信息样本中第二业务信息的数据占比大于或等于预设的样本占比阈值,或者在经过预设的时间间隔之后仍未选择业务的用户终端对应的终端占比大于或等于预设的终端占比阈值的情况,根据模型参数和边缘侧业务信息样本训练边缘侧业务预测模型。
其中,在边缘侧业务信息样本中第二业务信息的数据占比较大,即用户终端选择的类型属于除目标业务类型以外的其他业务类型的情况频繁出现时,或者在经过预设的时间间隔之后仍有部分用户终端未选择业务时,边缘业务终端根据已由集中服务器训练过的模型参数和边缘侧业务信息样本进行重新训练,在本地建立边缘侧业务预测模型。
在一些实施例中,还包括:响应于边缘侧业务信息样本的总样本数大于或等于预设的样本数阈值,或在经过预设的时间间隔之后仍未选择业务的用户终端数大于或等于预设的终端数阈值时,根据模型参数和边缘侧业务信息样本训练边缘侧业务预测模型。
步骤S12、利用训练好的边缘侧业务预测模型对仍未选择业务的用户终端再次进行通信业务预测。
在步骤S12中,基于用户终端实际反馈重新在本地训练业务预测模型,并对仍未选择业务的用户终端再次进行通信业务预测,实现基于现实情况的模型动态更新,以及通过边缘业务终端的设置,实现区域性的通信业务管理,及时获知预测结果对应的用户终端反馈,以进行适应性调整。
图7为本公开实施例提供的再一种通信业务预测方法的流程图。如图7所示,该方法为基于图5所示方法的一种具体化可选实施方案。具体地,该方法不仅包括步骤S7至步骤S8,还包括步骤S13和步骤S14。下面仅对步骤S13和步骤S14进行详细描述。
步骤S13、响应于业务区域内的用户终端选择共享业务类型的情况,获取该用户终端进行业务选择变更后的用户标签信息。
其中,用户标签信息包括家庭标签信息和企业标签信息。
步骤S14、根据用户标签信息生成补全信息,并将补全信息发送至集中服务器。
其中,集中服务器根据补全信息对业务信息样本进行更新,并在满足预设的模型更新条件时,根据更新后的业务信息样本对通信业务预测模型进行重训练,实现集中服务器侧的模型动态更新。
本公开实施例还提供了一种集中服务器,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当该一个或多个程序被该一个或多个处理器执行,使得该一个或多个处理器实现如上述实施例中任一的应用于集中服务器的通信业务预测方法。
本公开实施例还提供了一种边缘业务终端,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当该一个或多个程序被该一个或多个处理器执行,使得该一个或多个处理器实现如上述实施例中任一的应用于边缘业务终端的通信业务预测方法。
本公开实施例还提供了一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如上述实施例中任一的应用于集中服务器的通信业务预测方法中的步骤,或者,实现如上述实施例中任一的应用于边缘业务终端的通信业务预测方法中的步骤。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
本文已经公开了示例实施例,并且虽然采用了具体术语,但它们仅用于并仅应当被解释为一般说明性含义,并且不用于限制的目的。在一些实例中,对本领域技术人员显而易见的是,除非另外明确指出,否则可单独使用与特定实施例相结合描述的特征、特性和/或元素,或可与其他实施例相结合描述的特征、特性和/或元件组合使用。因此,本领域技术人员将理解,在不脱离由所附的权利要求阐明的本公开的范围的情况下,可进行各种形式和细节上的改变。

Claims (11)

1.一种通信业务预测方法,其中,应用于集中服务器,所述集中服务器与多个边缘业务终端相连接;所述方法包括:
响应于目标边缘业务终端发送的用户终端业务查询请求,获取所述目标边缘业务终端所处的业务区域内的用户终端信息;其中,所述目标边缘业务终端为所述多个边缘业务终端中的任意一者;所述用户终端信息包括:已选择业务的用户终端对应的第一业务信息,以及未选择业务的用户终端对应的第二业务信息;所述第一业务信息包括第一业务数据和第一行为数据,所述第二业务信息包括第二行为数据;
将所述第一业务信息发送至所述目标边缘业务终端;
将所述第二行为数据输入至预设的通信业务预测模型中以进行通信业务预测,其中,所述通信业务预测模型为预先基于预定算法对业务信息样本进行训练得到;
将所述通信业务预测模型输出的第二业务数据整合至所述第二业务信息中,并将所述通信业务预测模型的模型参数和所述第二业务信息发送至所述目标边缘业务终端。
2.根据权利要求1所述的通信业务预测方法,其中,所述通信业务预测模型预先通过如下步骤训练得到:
从集中业务支撑系统数据库和业务支撑系统数据库中获取多个已选择业务的用户终端各自的业务信息,并将所述业务信息作为所述业务信息样本,其中,所述业务信息包括:业务数据和行为数据;
以所述行为数据作为输入数据,以对应的所述业务数据作为验证数据,对所述通信业务预测模型进行训练,其中,训练出的所述通信业务预测模型能够根据所输入的行为数据预测出与该行为数据相匹配的业务数据,以及该业务数据对应的业务类型被选择的概率。
3.根据权利要求2所述的通信业务预测方法,其中,所述从集中业务支撑系统数据库和业务支撑系统数据库中获取多个已选择业务的用户终端各自的业务信息,并将所述业务信息作为所述业务信息样本的步骤,包括:
针对获取到的全部所述业务信息,将其中缺失字段长度超过预设的字段长度阈值的业务信息进行去除;
对完成去除后的全部所述业务信息进行离散化处理,对离散化处理后的全部所述业务信息中的异常数值进行异常处理,将完成异常处理后的全部所述业务信息进行整合以得到所述业务信息样本。
4.根据权利要求2所述的通信业务预测方法,其中,所述获取目标边缘业务终端所处的业务区域内的用户终端业务信息的步骤,包括:
从在模型训练阶段获取的全部所述业务信息中查询出所述业务区域内的所述第一业务信息;
从所述业务区域对应的业务支撑系统数据库中获取所述第二业务信息。
5.根据权利要求1所述的通信业务预测方法,其中,还包括:
接收各所述边缘业务终端基于用户标签信息生成并发送的补全信息,根据所述补全信息对所述业务信息样本进行更新,其中,所述用户标签信息由所述边缘业务终端根据用户终端选择的共享业务类型获取得到,所述用户标签信息包括:家庭标签信息和企业标签信息;
当更新后的所述业务信息样本对应的用户终端数量满足预设的模型更新条件时,根据更新后的业务信息样本对所述通信业务预测模型进行重训练。
6.一种通信业务预测方法,其中,应用于边缘业务终端,所述方法包括:
向集中服务器发送用户终端业务查询请求,接收并存储所述集中服务器反馈的自身业务区域内的第一业务信息,其中,所述第一业务信息对应于已选择业务的用户终端,所述第一业务信息包括第一业务数据和第一行为数据;
响应于所述集中服务器发送的通信业务预测模型的模型参数以及所述业务区域内的第二业务信息,根据所述第二业务信息中的第二业务数据确定目标业务类型,并向所述第二业务信息对应的用户终端推送所述目标业务类型,其中,所述第二业务信息对应于未选择业务的用户终端,所述第二业务信息还包括第二行为数据,所述第二业务数据为所述集中服务器基于所述第二行为数据通过所述通信业务预测模型预测得到。
7.根据权利要求6所述的通信业务预测方法,其中,还包括:
监测所述第二业务信息对应的用户终端当前的业务选择情况;
响应于所述第二业务信息对应的用户终端选择的业务属于除所述目标业务类型以外的其他业务类型的情况,利用所述其他业务类型对应的业务数据替换所述第二业务信息中的第二业务数据,并将所述第一业务信息和替换后的所述第二业务信息作为边缘侧业务信息样本;
响应于所述边缘侧业务信息样本中所述第二业务信息的数据占比大于或等于预设的样本占比阈值,或者在经过预设的时间间隔之后仍未选择业务的用户终端对应的终端占比大于或等于预设的终端占比阈值的情况,根据所述模型参数和所述边缘侧业务信息样本训练边缘侧业务预测模型;
利用训练好的所述边缘侧业务预测模型对仍未选择业务的用户终端再次进行通信业务预测。
8.根据权利要求6所述的通信业务预测方法,其中,还包括:
响应于所述业务区域内的用户终端选择共享业务类型的情况,获取该用户终端进行业务选择变更后的用户标签信息,其中,所述用户标签信息包括:家庭标签信息和企业标签信息;
根据所述用户标签信息生成补全信息,并将所述补全信息发送至所述集中服务器。
9.一种集中服务器,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至5中任一所述的通信业务预测方法。
10.一种边缘业务终端,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求6至8中任一所述的通信业务预测方法。
11.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1至5中任一所述的通信业务预测方法中的步骤,或者,实现如权利要求6至8中任一所述的通信业务预测方法中的步骤。
CN202110655207.2A 2021-06-11 2021-06-11 通信业务预测方法、集中服务器、边缘业务终端和介质 Active CN113487344B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110655207.2A CN113487344B (zh) 2021-06-11 2021-06-11 通信业务预测方法、集中服务器、边缘业务终端和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110655207.2A CN113487344B (zh) 2021-06-11 2021-06-11 通信业务预测方法、集中服务器、边缘业务终端和介质

Publications (2)

Publication Number Publication Date
CN113487344A CN113487344A (zh) 2021-10-08
CN113487344B true CN113487344B (zh) 2023-01-17

Family

ID=77935325

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110655207.2A Active CN113487344B (zh) 2021-06-11 2021-06-11 通信业务预测方法、集中服务器、边缘业务终端和介质

Country Status (1)

Country Link
CN (1) CN113487344B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523117A (zh) * 2018-10-11 2019-03-26 平安科技(深圳)有限公司 风险预测方法、装置、计算机设备和存储介质
CN109768879A (zh) * 2018-12-14 2019-05-17 北京爱奇艺科技有限公司 目标业务服务器的确定方法、装置及服务器
CN110187945A (zh) * 2019-04-26 2019-08-30 平安科技(深圳)有限公司 指示信息生成方法、装置、终端及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523117A (zh) * 2018-10-11 2019-03-26 平安科技(深圳)有限公司 风险预测方法、装置、计算机设备和存储介质
CN109768879A (zh) * 2018-12-14 2019-05-17 北京爱奇艺科技有限公司 目标业务服务器的确定方法、装置及服务器
CN110187945A (zh) * 2019-04-26 2019-08-30 平安科技(深圳)有限公司 指示信息生成方法、装置、终端及存储介质

Also Published As

Publication number Publication date
CN113487344A (zh) 2021-10-08

Similar Documents

Publication Publication Date Title
CN115022176B (zh) Nwdaf网元的选择方法、装置、电子设备及可读存储介质
CN111667267B (zh) 一种区块链交易风险识别方法及装置
CN107844634B (zh) 多元通用模型平台建模方法、电子设备及计算机可读存储介质
CN105072139B (zh) 推荐方法和装置
CN112187512B (zh) 一种基于流量监控的端口自动扩容方法、装置和设备
CN113626241B (zh) 应用程序的异常处理方法、装置、设备及存储介质
US20190180057A1 (en) Fingerprint-based configuration typing and classification
CN114091610A (zh) 智能决策方法及装置
CN107861769B (zh) 应用清理方法、装置、存储介质及电子设备
CN112685157B (zh) 任务处理方法、装置、计算机设备及存储介质
CN114266288A (zh) 一种网元检测方法及相关装置
CN106095511A (zh) 一种服务器升级方法和装置
CN113487344B (zh) 通信业务预测方法、集中服务器、边缘业务终端和介质
CN108536773A (zh) 一种汽车报警信息整合方法、装置、设备及介质
CN115118631B (zh) 链路异常处理方法、装置、电子设备及存储介质
CN114203304B (zh) 基于智慧医疗大数据的信息推送方法及智慧医疗云服务器
CN111815339B (zh) 一种营销信息推送方法及设备
CN110782215B (zh) 货源确定方法、装置、设备及存储介质
CN106533730B (zh) Hadoop集群组件指标的采集方法及装置
CN112613906A (zh) 基于移动通信网络的营销推荐评估方法、装置、计算机设备
CN108256753B (zh) 一种应急物资调配方法及装置
US20200112474A1 (en) Gateway device and information processing method thereof
CN114650218A (zh) 一种数据获取方法、设备、系统及存储介质
WO2020114584A1 (en) Method and technician allocating system for allocating a field technician
CN116542762A (zh) 用户风险决策方法、装置、计算机设备及介质

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