CN113810211B - 网络切片模板的归纳方法及装置、监控方法及装置 - Google Patents
网络切片模板的归纳方法及装置、监控方法及装置 Download PDFInfo
- Publication number
- CN113810211B CN113810211B CN202010543972.0A CN202010543972A CN113810211B CN 113810211 B CN113810211 B CN 113810211B CN 202010543972 A CN202010543972 A CN 202010543972A CN 113810211 B CN113810211 B CN 113810211B
- Authority
- CN
- China
- Prior art keywords
- slice
- template
- induction
- data
- inputting
- 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
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
- H04L41/5041—Network service management, e.g. ensuring proper service fulfilment according to agreements characterised by the time relationship between creation and deployment of a service
-
- 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
- H04L41/08—Configuration management of networks or network elements
- H04L41/0893—Assignment of logical groups to network elements
-
- 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
- H04L41/5041—Network service management, e.g. ensuring proper service fulfilment according to agreements characterised by the time relationship between creation and deployment of a service
- H04L41/5051—Service on demand, e.g. definition and deployment of services in real time
-
- 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
- H04L41/5041—Network service management, e.g. ensuring proper service fulfilment according to agreements characterised by the time relationship between creation and deployment of a service
- H04L41/5054—Automatic deployment of services triggered by the service manager, e.g. service implementation by automatic configuration of network components
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Transfer Between Computers (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明实施例涉及5G技术领域,公开了一种网络切片模板的归纳方法及装置、监控方法及装置,该归纳方法包括:若当前存储的同类切片业务场景的需求信息的数量达到预设值时,对当前存储的预设数量的需求信息进行预处理,所述预设数量小于或等于所述预设值,所述预设数量大于1,一个所述切片业务场景对应一条需求信息;将所述预处理后的需求信息输入至切片归纳模型中,由所述切片归纳模型基于输入的数据进行数据的归纳运算处理,输出一个归纳模板,所述一个归纳模板对应所述预设数量的切片业务场景。通过上述方式,利用切片归纳模型自动对切片业务场景进行切片模板的归纳,得到通用模板,无需为切片业务场景配置单独的切片模板,提高切片模板的通用性,减轻切片模板的管理负担。
Description
技术领域
本发明实施例涉及5G技术领域,具体涉及一种网络切片模板的归纳方法及装置、监控方法及装置。
背景技术
网络切片(Network Slice)是端到端的逻辑功能和其所需的物理或虚拟资源集合,包括接入网、传输网、核心网等,网络切片可认为是5G网络中的虚拟化“专网”;网络切片基于NFV的统一基础设施构建,实现低成本高效运营。网络切片技术可以实现通信网络的逻辑隔离,允许在每个网络切片中配置和重用网络元件及功能以满足特定的行业应用需求。切片管理架构主要由CSMF(Communication Service Management Function,通信业务管理模块)、NSMF(Network Slice Management Function,网络切片管理模块)、NSSMF(NetworkSlice Sutnet Management Function,网络切片子网管理模块)组成。
网络切片实例需要根据网络切片模板而创建,每个切片模板信息主要包括所包含的网络功能描述、网络功能之间关系、资源需求描述、资源配置信息等。
现有技术中,主要针对单个切片应用提出的场景需求,为其新建切片模板,但方式的切片模板过于聚焦该切片应用的需求,而忽略了该类切片应用场景的共性,导致切片模板的通用性和普适性较弱,需要管理的切片模板数量过多。
发明内容
鉴于上述问题,本发明实施例提供了一种本发明第七实施例的设备的结构示意图方法及装置、监控方法及装置,克服了上述问题或者至少部分地解决了上述问题。
根据本发明实施例的一个方面,提供了一种本发明第七实施例的设备的结构示意图方法,所述方法包括:若当前存储的同类切片业务场景的需求信息的数量达到预设值时,对当前存储的预设数量的需求信息进行预处理,所述预设数量小于或等于所述预设值,所述预设数量大于1,一个所述切片业务场景对应一条需求信息;将所述预处理的需求信息输入至切片归纳模型中,由所述切片归纳模型基于输入的数据数据的归纳运算处理,输出一个归纳模板,所述一个归纳模板对应所述预设数量的切片业务场景。
在一种可选的方式中,所述对当前存储的预设数量的需求信息进行预处理,包括:分别对所述预设数量的业务场景的需求信息进行文本清洗;分别对文本清洗之后的需求信息进行文本序列化处理,得到对应的序列化处理结果。
在一种可选的方式中,所述切片归纳模型包括:依次连接的编码器、解码器,所述将所述预处理后的需求信息输入至切片归纳模型中,由所述切片归纳模型基于输入的数据进行数据的归纳运算处理,输出一归纳模板,包括:分别将所述经过预处理的需求信息输入至所述编码器进行编码处理,输出上下文向量;将所述上下文向量输入至所述解码器进行归纳运算处理,输出对应的归纳模板。
在一种可选的方式中,所述编码器包括:词嵌入层、多个分别与所述词嵌入层连接的编码层、与所述编码层均连接的合并层,所述编码层的数量等于或大于所述预设数量,所述分别将所述经过预处理的需求信息输入至所述编码层进行编码处理,输出上下文向量,包括:将所述经过预处理的需求信息输入至所述词嵌入层中进行向量映射,输出对应的向量映射数据;将所述向量映射数据输入对应的编码层进行编码处理,输出对应的编码数据;将所述编码数据输入所述合并层中进行合并处理后输出上下文向量。
在一种可选的方式中,所述解码器包括注意力解码层及与其连接的全连接层,所述将所述上下文向量输入至所述解码器进行归纳运算处理,输出对应的归纳模板,包括:将所述上下文向量输入至所述注意力解码层进行解码处理,基于所述解码数据进行归纳运算,输出对应的归纳数据;将所述归纳数据输入至全连接层进行处理,输出对应的归纳后的切片模板文本序列。
在一种可选的方式中,所述将所述上下文向量输入至所述注意力解码层进行解码处理,基于所述解码数据进行归纳运算,输出对应的归纳数据,包括:将所述上下文向量输入至所述注意力解码层,基于所述上下文向量进行权重赋值;基于所赋权重进行求和运算,输出求和运算结果;基于所述求和运算结果进行归纳运算,输出对应的归纳结果。
根据本发明实施例的另一个方面,提供了一种网络切片模板的归纳装置,包括:预处理模块,用于若当前存储的同类切片业务场景的需求信息的数量达到预设值时,对当前存储的预设数量的需求信息进行预处理,所述预设数量小于或等于所述预设值,所述预设数量大于1,一所述切片业务场景对应一条需求信息;归纳模块,用于将所述预处理后的需求信息输入至切片归纳模型中,由所述切片归纳模型基于输入的数据进行数据的归纳运算处理,输出一个归纳模板,所述一个归纳模板对应所述预设数量的切片业务场景。
根据本发明实施例的一个方面,提供了一种监控方法,所述监控方法包括:接收用户的新建切片请求,所述请求携带对应的切片业务场景的需求信息;若当前没有与所述新建切片请求所在的切片业务场景对应的切片模板时,将所述切片业务场景对应的需求信息存储,并在当前存储的需求信息的数量达到预设值时,将当前存储的预设数量的需求信息发送至网络切片模板的归纳装置,以便所述网络切片模板的归纳装置基于接收的信息进行网络切片模板的归纳并反馈归纳版本,其中,所述预设数量小于或等于所述预设值,所述当前存储的切片业务场景属于同一类,所述预设数量大于1。
根据本发明实施例的另一个方面,提供了一种监控装置,包括:接收模块,用于接收用户的新建切片请求,所述请求携带对应的切片业务场景的需求信息;监控模块,用于若当前没有与所述新建切片请求所在的切片业务场景对应的切片模板时,将所述切片业务场景对应的需求信息存储,并在当前存储的需求信息的数量达到预设值时,将当前存储的预设数量的需求信息发送至网络切片模板的归纳装置,以便所述网络切片模板的归纳装置基于接收的信息进行网络切片模板的归纳并反馈归纳版本,其中,所述预设数量小于或等于所述预设值,所述当前存储的切片业务场景属于同一类,所述预设数量大于1。
根据本发明实施例的另一方面,提供了一种设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述网络切片实例的隔离评估方法、或执行上述监控方法的步骤。
本发明实施例中,利用切片归纳模型自动对切片业务场景进行切片模板的归纳,得到通用模板,无需为单个切片业务场景配置单独的切片模板,提高切片模板的通用性,减轻切片模板的管理负担。
上述说明仅是本发明实施例技术方案的概述,为了能够更清楚了解本发明实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明第一实施例提供的网络切片模板的归纳方法的流程示意图;
图2示出了本发明实施例提供的网络切片模板的归纳方法的编解码神经网络模型的结构示意图;
图3示出了本发明第一实施例提供的网络切片模板的归纳方法的步骤S2的具体流程示意图;
图4示出了本发明第二实施例的网络切片模板的归纳装置的结构示意图;
图5示出了本发明第三实施例提供的监控方法的流程示意图;
图6示出了本发明第四实施例提供的监控装置的结构示意图;
图7示出了本发明第七实施例的设备的结构示意图;
图8示出了本发明第八实施例的设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
图1示出了本发明第一实施例提供的网络切片模板的归纳方法的流程示意图。如图1所示,该方法包括:
步骤S1,若当前存储的同类切片业务场景的需求信息的数量达到预设值时,对当前存储的预设数量的需求信息进行预处理;
具体地,若当前存储的同类切片业务场景的需求信息数量达到预设值时,对当前存储的预设数量的切片业务场景的需求信息进行预处理,一个所述切片业务场景对应一条需求信息,一条需求信息可以包括多项需求子信息;在一个实际场景中,该方法应用于网络切片模板的归纳装置中,由CSMF实时监控当前存储的同类切片业务场景的需求信息的数量,若达到预设值时,从切片业务场景缓存模块中随机抽取预设数量的切片业务场景的需求信息,并获取预设数量的需求信息并反馈至网络切片模板的归纳装置,由网络切片模板的归纳装置当前存储的预设数量的需求信息进行预处理。其中,所述预设值可以根据实际情况而设,但预设数量小于或等于预设值,该预设数量为N,且N为大于1的自然数。需要说明的是,前述当前存储的切片业务场景为新的切片业务场景,该新的切片业务场景指的是与当前存在的切片业务场景不一致的切片业务场景,而存储切片业务场景时可根据类型来存储,所述的CSMF实时监控当前存储的切片业务场景的需求信息的数量指的是监控当前存储的同类切片业务场景的需求信息的数量。另外,新建切片的切片业务场景当前未被配置切片模板。
步骤S2,将预处理的需求信息输入至切片归纳模型中,由切片归纳模型基于输入的数据进行数据的归纳运算处理,输出一个归纳模板。
具体地,将预处理的需求信息输入至切片归纳模型中,由切片模块自动归纳模型基于输入的数据进行模板归纳,输出一归纳模板,所述预设数量的切片业务场景均对应该归纳模板,所述归纳模板为所述预设数量的切片业务场景的切片模板(通用切片模板),即一个归纳模板对应所有预设数量的切片业务场景。
在本实施例中,利用切片归纳模型自动对切片业务场景进行切片模板的归纳,得到通用模板,无需为单个切片业务场景配置单独的切片模板,提高切片模板的通用性,减轻切片模板的管理负担。
在本实施例的一个优选方案中,该步骤S1之前还可包括:
获取数据集;
具体地,首先从CSMF中获取历史同类切片应用业务场景需求信息和对应的正确切片模板信息,每一条数据包含N个同类切片应用场景需求信息和对应该类场景的正确切片模板信息,从而形成总数据集,并对数据集进行文本清洗和文本序列化。其中,正确的切片模板信息指的是用户预先设置好的切片模板信息。然后将该总数据集的80%作为训练集,将该总数据集的20%作为测试集。
进一步地,该场景需求信息(即切片业务场景的需求信息)可以包括多个子信息,分别为:业务场景所需的连接数、所需的最低时延、所需的最大带宽、所需丢包率、所需的安全要求和隔离要求、用户容量等;第i个新建切片应用业务场景需求信息可表示为其中,L为业务场景的需求信息对应的预设文本长度,表示第i个需求信息中的第k个序列数字对应的信息(k大于或等于1,且小于或等于L,L为大于1的自然数)。该切片模板携带的信息可以包括:网络功能描述、网络功能之间关系、资源需求描述、资源配置信息等。可表示为{P1、P2、P3、...、PM},M表示切片模板的预设文本长度(M为大于1的自然数),P表示切片模板信息中的一种子信息,如网络功能描述。
进一步地,对历史的新建切片应用业务场景需求信息集、以及对应的切片模板信息集进行文本清洗并将文本序列化。移除所有标点符号,若文本为中文则对文本进行分词、若文本为英文则将字母统一为小写,同时将每个词索引化,使得每一段文本被转化成一段索引数字,并且对未达到预设文本长度的序列补零。需要说明的是,业务场景需求信息对应的预设文本长度指的是当前存储的所有业务场景的需求信息中,以最长的需求信息对应的文本序列长度作为该业务场景需求信息对应的预设文本长度。业务场景需求信息对应的预设文本长度指的是以当前存储的切片模板信息中,以最长的切片模板信息对应的文本序列长度作为预设文本长度。
例如:取新建切片应用业务场景需求信息集的最长长度L作为其索引序列长度,取描述集的词典大小为scene_vocab_size,取切片模板信息集的最长长度M作为其索引序列长度,资源配置集的词典大小为template_vocab_size。
将总数据集划分为训练集和测试集,总数据集的80%划为训练集,总数据集的20%划为测试集,训练集用于训练模型,测试集用于测试模型。
创建切片归纳模型;
具体地,创建切片归纳模型,该切片归纳模型优选为基于长短期记忆神经元的编解码神经网络模型,见图2,该模型包括:编码器、解码器,该编码器包括:词嵌入层、多个分别与所述词嵌入层连接的编码层(LSTM)、与所述编码层均连接的合并层,该解码器包括注意力解码层及与其连接的全连接层,优选地,有并列的N个编码层,每一编码层分别接入词嵌入层,用于处理一个同类新建切片的业务场景需求信息,然后输出至合并层进行合并处理,每一编码层可以包括依次连接的子编码层(优选为L个),该注意力解码层可以包括依次连接的若干子解码层,优选为M个,见图2所示。
将数据集输入至所创建的切片归纳模型中进行训练,得到优化的切片归纳模型。
具体地,将N个同类新建切片应用业务场景需求信息分别输入N个LSTM层编码成N个固定长度的上下文向量(即同时输入N个同类新建切片应用业务场景需求信息,一条同类新建切片应用业务场景需求信息对应一个LSTM层),将N个固定长度的上下文向量经过合并层合并为1个固定长度的上下文向量h后输入解码器,解码器用于将编码后的上下文向量中生成对应的该类切片场景的切片模板信息,再与正确的切片模板比较来计算目标函数,利用梯度下降逐渐找到使目标函数最小的权重值。将训练收敛后的模型权重作为切片模板自动归纳器。
在本实施例中,该词嵌入层用于将每个词转化为向量,输入数据维度为scene_vocab_size,输出设置为需要将词转换为128维度的空间向量,输入序列长度为L,因此该层输出数据的形状为(None,L,128),该层的作用是对输入的词进行向量映射,将每个词的索引转换为128维的固定形状向量;
每一编码层包括128个LSTM神经元,激活函数设置为“relu”,该层输出数据的形状为(None,L,128),N个编码层输出N个编码数据(一个编码层输出一个编码数据),每一编码数据的长度一致;
合并层用于将N个编码数据按列维度进行合并,合并成1个上下文向量h,例如,可将N个编码数据进行合并成一需求文本序列。
该注意力解码层包括含128个LSTM神经元,激活函数设置为“relu”。该层输出数据的形状为(None,L,128),注意力解码层用于将上下文向量进行解码处理,输出对应的解码数据;
该全连接层的Dense全连接神经元个数为template_vocab_size,激活函数设置为“softmax”,将softmax输出结果送入多类交叉熵损失函数。该层输出数据的形状为(None,template_vocab_size),将训练回合数设置为1000(epochs=1000),批量处理切片应用场景需求信息的数量设置为100(batch_size=100),选择categorical crossentropy多类交叉熵作为损失函数即目标函数(loss='categorical_crossentropy'),梯度下降优化算法选择adam优化器用于改善传统梯度下降的学习速度(optimizer='adam'),通过梯度下降法,经过神经模型的多次训练,损失函数(模板函数)值会逐渐下降,神经网络模型会得到收敛,在经过前述训练回合之之后,得到多个不同的目标函数值,将最小目标函数值的权重值作为最优权重值,然后基于该最优权重值对应的模型作为优化的神经网络模型输出,以后后续使用,完成神经网络模型的优化。
在本实施例的一个优选方案中,该步骤S1具体包括:
分别对预设数量的业务场景的需求信息进行文本清洗;
具体地,分别对每一业务场景的需求信息进行文本清洗;
分别对文本清洗之后的需求信息进行文本序列化处理,得到对应的序列化处理结果;
具体地,对清洗过的需求信息进行序列化处理,例如:移除需求信息中的所有标点符号、若需求信息为中文文本格式,则对该文本进行分词处理;若需求信息为英文文本,则将字母统一为小写格式,然后将每个词索引化处理,将每一段文本转化成一段索引数字,并根据预设文本长度对该索引文字进行序列补全,如该预设文本长度为10,而索引数字的长度为8(索引数字为:01020382),则将该索引数字补全为:0102038200,即将索引数字缺失的长度补零处理。
在本实施例的一个优选方案中,如图3所示,该步骤S2具体包括:
步骤S21,分别将经过预处理的切片业务场景的需求信息输入至编码器进行编码处理,输出上下文向量;
具体地,将N条经过预处理的需求信息输入至编码器进行编码处理,由于编码器包括词嵌入层、N个并列的编码层及一个合并层,首先分别对N条经过预处理的需求信息进行向量映射,输出对应的向量映射数据,然后统一输入对应的编码层进行编码处理,输出对应的编码数据,然后将N条编码数据输入至合并层进行合并处理后输出上下文向量;
步骤S22,将上下文向量输入至解码器进行运算归纳处理,输出对应的归纳模板;
具体地,将上下文向量输入至解码器进行运算归纳处理,输出对应的归纳模板,首先将上下文向量输入至注意力解码层进行解码处理,然后将对应的解码数据进行归纳运算,输出对应的归纳数据。
优选地,该解码层对输入的上下文向量进行解码处理,得到解码后的数据,然后基于每个解码后的数据进行权重赋值,然后将赋值结果及解码后的数据进行归纳运算处理,输出对应的归纳数据(归纳模板结果),优选地,输出为归纳后的切片模板文本序列;
其中,采用第一公式基于每个解码后的数据(例如有N个解码数据)进行权重赋值,然后基于解码后的数据及权重,利用求和公式进行求和运算,基于求和运算结果及利用归纳公式进行归纳运算处理,输出归纳结果至全连接层,由全连接层进行相应处理输出经过归纳的切片模板文本序列,该第一公式为:attentioni=soft max(Dense(xi,yi-1)),其中,xi为第i个输入的切片的需求文本序列,yi-1为表示第i-1(i大于1)个归纳后的切片模板文本序列,求和公式为:所述ci表示归纳结果,该归纳公式为:yi=LSTM(ci),该全连接层采用Dense函数。
例如:对上下文向量进行解码后得到N个解码数据(即N个输入x),然后分别为每一个输入进行权重赋值,在本实施例中,是逐一进行赋值,即对第i-1个x赋值后进行运算输出第i-1个归纳后的切片模板文本序列,然后基于第i-1归纳后的切片模板文本序列及第i个x进行赋值,然后进行运算,以此推理,得到每一个输入x的归纳后的切片模板文本序列,然后基于每一个输入x的归纳后的切片模板文本序列进行归纳运算,输出一个归纳切片模板,需要说明的是,对于第一个输入x,根据第一公式,由于为第一个输入x,此时不存在上一个输出y,此时不考虑y的值,根据输入x来进行权重赋值,可以认为是根据公式(attentioni=soft max(Dense(xi))来进行权重赋值),从第二个输入x开始执行前述第一公式。
在本实施例的一个优选方案中,该步骤S2之后还包括:
将归纳后的切片模板存储至NSMF中。
具体地,将归纳后的切片模板存储至NSMF中,以便NSMF将该切片模板反馈至相关切片用户,通过该用户编辑切片模板。
在本实施例中,利用切片归纳模型自动对切片业务场景进行切片模板的归纳,得到通用模板,无需为单个切片业务场景配置单独的切片模板,提高切片模板的通用性,减轻切片模板的管理负担。
图4示出了本发明第二实施例的网络切片模板的归纳装置的结构示意图。该装置包括:预处理模块41及与其连接的归纳模块42,其中:
预处理模块41,若当前存储的同类切片业务场景的需求信息的数量达到预设值时,用于对当前存储的预设数量的需求信息进行预处理;
具体地,若当前存储的同类切片业务场景的需求信息数量达到预设值时,对当前存储的预设数量的切片业务场景的需求信息进行预处理,一个所述切片业务场景对应一条需求信息,一条需求信息可以包括多项需求子信息;在一个实际场景中,该方法应用于网络切片模板的归纳装置中,由CSMF实时监控当前存储的同类切片业务场景的需求信息的数量,若达到预设值时,从切片业务场景缓存模块中随机抽取预设数量的切片业务场景的需求信息,并获取预设数量的需求信息并反馈至网络切片模板的归纳装置,由网络切片模板的归纳装置当前存储的预设数量的需求信息进行预处理。其中,所述预设值可以根据实际情况而设,但预设数量小于或等于预设值,该预设数量为N,且N为大于1的自然数。需要说明的是,前述当前存储的切片业务场景为新的切片业务场景,该新的切片业务场景指的是与当前存在的切片业务场景不一致的切片业务场景,而存储切片业务场景时可根据类型来存储,所述的CSMF实时监控当前存储的切片业务场景的需求信息的数量指的是监控当前存储的同类切片业务场景的需求信息的数量。另外,新建切片的切片业务场景当前未被配置切片模板。
归纳模块42,用于将预处理的需求信息输入至切片归纳模型中,由切片归纳模型基于输入的数据进行数据的归纳运算处理,输出一个归纳模板。
具体地,将预处理的需求信息输入至切片归纳模型中,由切片模块自动归纳模型基于输入的数据进行模板归纳,输出一归纳模板,所述预设数量的切片业务场景均对应该归纳模板,所述归纳模板为所述预设数量的切片业务场景的切片模板(通用切片模板),即一个归纳模板对应所有预设数量的切片业务场景。
在本实施例中,利用切片归纳模型自动对切片业务场景进行切片模板的归纳,得到通用模板,无需为单个切片业务场景配置单独的切片模板,提高切片模板的通用性,减轻切片模板的管理负担。
在本实施例的一个优选方案中,该装置还包括:获取模块及与其连接的创建优化模块,其中:
获取模块,用于获取数据集;
具体地,首先从CSMF中获取历史同类切片应用业务场景需求信息和对应的正确切片模板信息,每一条数据包含N个同类切片应用场景需求信息和对应该类场景的正确切片模板信息,从而形成总数据集,并对数据集进行文本清洗和文本序列化。其中,正确的切片模板信息指的是用户预先设置好的切片模板信息。然后将该总数据集的80%作为训练集,将该总数据集的20%作为测试集。
进一步地,该场景需求信息(即切片业务场景的需求信息)可以包括多个子信息,分别为:业务场景所需的连接数、所需的最低时延、所需的最大带宽、所需丢包率、所需的安全要求和隔离要求、用户容量等;第i个新建切片应用业务场景需求信息可表示为其中,L为业务场景的需求信息对应的预设文本长度,表示第i个需求信息中的第k个序列数字对应的信息(k大于或等于1,且小于或等于L,L为大于1的自然数)。该切片模板携带的信息可以包括:网络功能描述、网络功能之间关系、资源需求描述、资源配置信息等。可表示为{P1、P2、P3、...、PM},M表示切片模板的预设文本长度(M为大于1的自然数),P表示切片模板信息中的一种子信息,如网络功能描述。
进一步地,对历史的新建切片应用业务场景需求信息集、以及对应的切片模板信息集进行文本清洗并将文本序列化。移除所有标点符号,若文本为中文则对文本进行分词、若文本为英文则将字母统一为小写,同时将每个词索引化,使得每一段文本被转化成一段索引数字,并且对未达到预设文本长度的序列补零。需要说明的是,业务场景需求信息对应的预设文本长度指的是当前存储的所有业务场景的需求信息中,以最长的需求信息对应的文本序列长度作为该业务场景需求信息对应的预设文本长度。业务场景需求信息对应的预设文本长度指的是以当前存储的切片模板信息中,以最长的切片模板信息对应的文本序列长度作为预设文本长度。
例如:取新建切片应用业务场景需求信息集的最长长度L作为其索引序列长度,取描述集的词典大小为scene_vocab_size,取切片模板信息集的最长长度M作为其索引序列长度,资源配置集的词典大小为template_vocab_size。
将总数据集划分为训练集和测试集,总数据集的80%划为训练集,总数据集的20%划为测试集,训练集用于训练模型,测试集用于测试模型。
创建优化模块,用于创建切片归纳模型;
具体地,创建切片归纳模型,该切片归纳模型优选为基于长短期记忆神经元的编解码神经网络模型,见图2,该模型包括:编码器、解码器,该编码器包括:词嵌入层、多个分别与所述词嵌入层连接的编码层(LSTM)、与所述编码层均连接的合并层,该解码器包括注意力解码层及与其连接的全连接层,优选地,有并列的N个编码层,每一编码层分别接入词嵌入层,用于处理一个同类新建切片的业务场景需求信息,然后输出至合并层进行合并处理,每一编码层结构可以包括依次连接的子编码层(优选为L个),该解码层可以包括依次连接的若干子解码层,优选为M个,见图2所示。
还用于将数据集输入至所创建的切片归纳模型中进行训练,得到优化的切片归纳模型。
具体地,将该N个同类新建切片应用业务场景需求信息分别输入编码器的N个LSTM层中,编码成N个固定长度的上下文向量(即同时输入N个同类新建切片应用业务场景需求信息,一条同类新建切片应用业务场景需求信息对应一个LSTM层),将N个固定长度的上下文向量经过合并层合并为1个固定长度的上下文向量h后输入解码器,解码器用于将编码后的上下文向量中生成对应的该类切片场景的切片模板信息,再与正确的切片模板比较来计算目标函数,利用梯度下降逐渐找到使目标函数最小的权重值。将训练收敛后的模型权重作为切片模板自动归纳器。
在本实施例中,该词嵌入层用于将每个词转化为向量,输入数据维度为scene_vocab_size,输出设置为需要将词转换为128维度的空间向量,输入序列长度为L,因此该层输出数据的形状为(None,L,128),该层的作用是对输入的词进行向量映射,将每个词的索引转换为128维的固定形状向量;
每一编码层包括128个LSTM神经元,激活函数设置为“relu”,该层输出数据的形状为(None,L,128),N个编码层输出N个编码数据(一个编码层输出一个编码数据),每一编码数据的长度一致;
合并层用于将N个编码数据按列维度进行合并,合并成1个上下文向量h,例如,可将N个编码数据进行合并成一需求文本序列。
该注意力解码层包括含128个LSTM神经元,激活函数设置为“relu”。该层输出数据的形状为(None,L,128),注意力解码层用于将上下文向量进行解码处理,输出对应的解码数据;
该全连接层的Dense全连接神经元个数为template_vocab_size,激活函数设置为“softmax”,将softmax输出结果送入多类交叉熵损失函数。该层输出数据的形状为(None,template_vocab_size),将训练回合数设置为1000(epochs=1000),批量处理切片应用场景需求信息的数量设置为100(batch_size=100),选择categorical crossentropy多类交叉熵作为损失函数即目标函数(loss='categorical_crossentropy'),梯度下降优化算法选择adam优化器用于改善传统梯度下降的学习速度(optimizer='adam'),通过梯度下降法,经过神经模型的多次训练,损失函数(模板函数)值会逐渐下降,神经网络模型会得到收敛,在经过前述训练回合之之后,得到多个不同的目标函数值,将最小目标函数值的权重值作为最优权重值,然后基于该最优权重值对应的模型作为优化的神经网络模型输出,以后后续使用,完成神经网络模型的优化。
在本实施例的一个优选方案中,该预处理模块41具体用于:分别对预设数量的业务场景的需求信息进行文本清洗;
具体地,分别对每一业务场景的需求信息进行文本清洗;
分别对文本清洗之后的需求信息进行文本序列化处理,得到对应的序列化处理结果;
具体地,对清洗过的需求信息进行序列化处理,例如:移除需求信息中的所有标点符号、若需求信息为中文文本格式,则对该文本进行分词处理;若需求信息为英文文本,则将字母统一为小写格式,然后将每个词索引化处理,将每一段文本转化成一段索引数字,并根据预设文本长度对该索引文字进行序列补全,如该预设文本长度为10,而索引数字的长度为8(索引数字为:01020382),则将该索引数字补全为:0102038200,即将索引数字缺失的长度补零处理。
在本实施例的一个优选方案中,该归纳模块42优选为编解码神经网络模型,包括:编码器及与其连接的解码器,其中:
编码器,用于分别将经过预处理的切片业务场景的需求信息输入至编码器进行编码处理,输出上下文向量;
具体地,将N条经过预处理的需求信息输入至编码器进行编码处理,由于编码器包括词嵌入层、N个并列的编码层及一个合并层,首先分别对N条经过预处理的需求信息进行向量映射,输出对应的向量映射数据,然后统一输入对应的编码层进行编码处理,输出对应的编码数据,然后将N条编码数据输入至合并层进行合并处理后输出上下文向量;
解码器,用于将上下文向量输入至解码器进行运算归纳处理,输出对应的归纳模板;
具体地,将上下文向量输入至解码器进行运算归纳处理,输出对应的归纳模板,首先将上下文向量输入至注意力解码层进行解码处理,然后将对应的解码数据进行归纳运算,输出对应的归纳数据。
优选地,该解码层对输入的上下文向量进行解码处理,得到解码后的数据,然后基于每个解码后的数据进行权重赋值,然后将赋值结果及解码后的数据进行归纳运算处理,输出对应的归纳数据(归纳模板结果),优选地,输出为归纳后的切片模板文本序列;
其中,采用第一公式基于每个解码后的数据进行权重赋值,然后基于解码后的数据及权重,利用求和公式进行求和运算,基于求和运算结果及利用归纳公式进行归纳运算处理,输出归纳结果至全连接层,由全连接层进行相应处理输出经过归纳的切片模板文本序列,该第一公式为:attentioni=soft max(Dense(xi,yi-1)),其中,xi为第i个输入的切片的需求文本序列,yi-1为表示第i-1(i大于1)个归纳后的切片模板文本序列,求和公式为:所述ci表示归纳结果,该归纳公式为:yi=LSTM(ci),该全连接层采用Dense函数。
例如:对上下文向量进行解码后得到N个解码数据(即N个输入x),然后分别为每一个输入进行权重赋值,在本实施例中,是逐一进行赋值,即对第i-1个x赋值后进行运算输出第i-1个归纳后的切片模板文本序列,然后基于第i-1归纳后的切片模板文本序列及第i个x进行赋值,然后进行运算,以此推理,得到每一个输入x的归纳后的切片模板文本序列,然后基于每一个输入x的归纳后的切片模板文本序列进行归纳运算,输出一个归纳切片模板,需要说明的是,对于第一个输入x,根据第一公式,由于为第一个输入x,此时不存在上一个输出y,此时不考虑y的值,根据输入x来进行权重赋值,可以认为是根据公式(attentioni=soft max(Dense(xi))来进行权重赋值),从第二个输入x开始执行前述第一公式。。
在本实施例的一个优选方案中,该归纳装置还包括:与归纳模块42连接的存储模块,其中:
存储模块,用于将归纳后的切片模板存储至NSMF中。
具体地,将归纳后的切片模板存储至NSMF中,以便NSMF将该切片模板反馈至相关切片用户,通过该用户编辑切片模板。
在本实施例中,利用切片归纳模型自动对切片业务场景进行切片模板的归纳,得到通用模板,无需为单个切片业务场景配置单独的切片模板,提高切片模板的通用性,减轻切片模板的管理负担。
图5示出了本发明第三实施例提供的监控方法的流程示意图。如图5所示,该方法包括:
步骤S51,接收新建切片请求;
具体地,若用户需要新建切片业务时,则会进行建立切片业务的请求,该请求会携带对应的切片业务场景的需求信息;该需求信息可以包括:场景所需的连接数、所需的最低时延、所需的最大带宽、所需丢包率、所需的安全要求和隔离要求、用户容量等;第i个新建切片应用业务场景需求信息可表示为其中,L为业务场景需求信息对应的预设文本长度,/>表示第i个新建切片应用业务需求信息中的第k个序列数字对应的信息(k大于或等于1,且小于或等于L,L为大于1的自然数)。该切片模板信息可以包括:网络功能描述、网络功能之间关系、资源需求描述、资源配置信息等。可表示为{P1、P2、P3、...、PM},M表示切片模板的预设文本长度(M为大于1的自然数),P表示切片模板信息中的一种子信息,如网络功能描述。
步骤S52,若当前不存在新建切片请求所在的切片业务场景时,则存储所述切片业务场景的需求信息,并在当前存储的切片业务场景的需求信息的数量达到预设值时,将当前存储的预设数量的切片业务场景的需求信息发送至网络切片模板的归纳装置,以便所述网络切片模板的归纳装置基于接收的信息进行网络切片模板的归纳并反馈归纳版本。
具体地,每接收一个新建切片的需求信息时,首先需要判断该新建切片需要的切片业务场景是否存在,若不存在则需要建立切片业务场景,则将对应的需求信息存储在缓存模块中,并实时监控当前存储的需求信息,优选地,按照切片业务场景的类型进行存储,若当前存储的某一类切片业务场景的数量达到预设值时,从缓存模块中随机抽取预设数量的切片业务场景,将抽取的切片业务场景对应的需求信息传输至网络切片模板的归纳装置,以便所述网络切片模板的归纳装置基于接收的信息进行网络切片模板的归纳并反馈归纳版本,完成该类切片业务场景的切片模板的建立,其中,该类切片业务场景可以使用同一个切片模板。
进一步地,该预设值可以根据实际情况而设,但预设数量小于或等于预设值,该预设数量为N,且N为大于1的自然数。需要说明的是,前述当前存储的切片业务场景为新的切片业务场景,该新的切片业务场景指的是与当前存在的切片业务场景不一致的切片业务场景,而存储切片业务场景时可根据类型来存储,所述的CSMF实时监控当前存储的切片业务场景的数量指的是监控当前存储的同类切片业务场景的数量。另外,存储的切片业务场景当前未被配置切片模板。
在本实施例中,实时监控同类切片的需求信息是否超过预设值,若超过预设值时,则批量处理同类切片的业务场景的需求信息,为其配置通用的归纳模块,无需为单个切片的业务场景配置一个模板,提高模板的通用性及降低成本。
图6示出了本发明第四实施例提供的监控装置的结构示意图。如图6所示,该监控装置包括:接收模块61及与其连接的监控模块62,其中:
接收模块,用于接收新建切片请求;
具体地,若用户需要新建切片业务时,则会进行建立切片业务的请求,该请求会携带对应的切片业务场景的需求信息;该需求信息可以包括:场景所需的连接数、所需的最低时延、所需的最大带宽、所需丢包率、所需的安全要求和隔离要求、用户容量等;第i个新建切片应用业务场景需求信息可表示为其中,L为业务场景需求信息对应的预设文本长度,/>表示第i个新建切片应用业务需求信息中的第k个序列数字对应的信息(k大于或等于1,且小于或等于L,L为大于1的自然数)。该切片模板信息可以包括:网络功能描述、网络功能之间关系、资源需求描述、资源配置信息等。可表示为{P1、P2、P3、...、PM},M表示切片模板的预设文本长度(M为大于1的自然数),P表示切片模板信息中的一种子信息,如网络功能描述。
监控模块,用于若当前不存在新建切片请求所在的切片业务场景时,则存储所述切片业务场景的需求信息,并在当前存储的切片业务场景的需求信息的数量达到预设值时,将当前存储的预设数量的切片业务场景的需求信息发送至网络切片模板的归纳装置,以便所述网络切片模板的归纳装置基于接收的信息进行网络切片模板的归纳并反馈归纳版本。
具体地,每接收一个新建切片的需求信息时,首先需要判断该新建切片需要的切片业务场景是否存在,若不存在则需要建立切片业务场景,则将对应的需求信息存储在缓存模块中,并实时监控当前存储的需求信息,优选地,按照切片业务场景的类型进行存储,若当前存储的某一类切片业务场景的数量达到预设值时,从缓存模块中随机抽取预设数量的切片业务场景,将抽取的切片业务场景对应的需求信息传输至网络切片模板的归纳装置,以便所述网络切片模板的归纳装置基于接收的信息进行网络切片模板的归纳并反馈归纳版本,完成该类切片业务场景的切片模板的建立,其中,该类切片业务场景可以使用同一个切片模板。
进一步地,该预设值可以根据实际情况而设,但预设数量小于或等于预设值,该预设数量为N,且N为大于1的自然数。需要说明的是,前述当前存储的切片业务场景为新的切片业务场景,该新的切片业务场景指的是与当前存在的切片业务场景不一致的切片业务场景,而存储切片业务场景时可根据类型来存储,所述的CSMF实时监控当前存储的切片业务场景的数量指的是监控当前存储的同类切片业务场景的数量。另外,存储的切片业务场景当前未被配置切片模板。
需要说明的是,该监控装置为CSMF的一部分,该CSMF除了现有的结构,还包括该监控装置。
在本实施例中,实时监控同类切片的需求信息是否超过预设值,若超过预设值时,则批量处理同类切片的业务场景的需求信息,为其配置通用的归纳模块,无需为单个切片的业务场景配置一个模板,提高模板的通用性及降低成本。
本发明第五实施例还提供了一种计算机存储介质,所述计算机存储介质包括存储在计算机存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行上述第一实施例中的网络切片模板的归纳方法。
可执行指令具体可以用于使得处理器执行以下操作:
若当前存储的同类切片业务场景的需求信息的数量达到预设值时,对当前存储的预设数量的需求信息进行预处理,所述预设数量小于或等于所述预设值,所述预设数量大于1,一个所述切片业务场景对应一条需求信息;
将所述预处理后的需求信息输入至切片归纳模型中,由所述切片归纳模型基于输入的数据进行数据的归纳运算处理,输出一个归纳模板,所述一个归纳模板对应所述预设数量的切片业务场景。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
分别对所述预设数量的业务场景的需求信息进行文本清洗;
分别对文本清洗之后的需求信息进行文本序列化处理,得到对应的序列化处理结果。
在一种可选的方式中,所述切片归纳模型包括:依次连接的编码器、解码器,所述可执行指令使所述处理器执行以下操作:
分别将所述经过预处理的需求信息输入至所述编码器进行编码处理,输出上下文向量;
将所述上下文向量输入至所述解码器进行归纳运算处理,输出对应的归纳模板。
在一种可选的方式中,所述编码器包括:词嵌入层、多个分别与所述词嵌入层连接的编码层、与所述编码层均连接的合并层,所述编码层的数量等于或大于所述预设数量,所述可执行指令使所述处理器执行以下操作:
将所述经过预处理的需求信息输入至所述词嵌入层中进行向量映射,输出对应的向量映射数据;
将所述向量映射数据输入对应的编码层进行编码处理,输出对应的编码数据;
将所述编码数据输入所述合并层中进行合并处理后输出上下文向量。
在一种可选的方式中,所述解码器包括注意力解码层及与其连接的全连接层,所述可执行指令使所述处理器执行以下操作:
将所述上下文向量输入至所述注意力解码层进行解码处理,基于所述解码数据进行归纳运算,输出对应的归纳数据;
将所述归纳数据输入至全连接层进行处理,输出对应的归纳后的切片模板文本序列。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
将所述上下文向量输入至所述注意力解码层,基于所述上下文向量进行权重赋值;
基于所赋权重进行求和运算,输出求和运算结果;
基于所述求和运算结果进行归纳运算,输出对应的归纳结果。
在本实施例中,在本实施例中,实时监控同类切片的需求信息是否超过预设值,若超过预设值时,则批量处理同类切片的业务场景的需求信息,为其配置通用的归纳模块,无需为单个切片的业务场景配置一个模板,提高模板的通用性及降低成本。
本发明第六实施例还提供了一种计算机存储介质,所述计算机存储介质包括存储在计算机存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行上述第三实施例中的监控方法。
可执行指令具体可以用于使得处理器执行以下操作:
接收用户的新建切片请求,所述请求携带对应的切片业务场景的需求信息;
若当前没有与所述新建切片请求所在的切片业务场景对应的切片模板时,将所述切片业务场景对应的需求信息存储,并在当前存储的需求信息的数量达到预设值时,将当前存储的预设数量的需求信息发送至网络切片模板的归纳装置,以便所述网络切片模板的归纳装置基于接收的信息进行网络切片模板的归纳并反馈归纳版本,其中,所述预设数量小于或等于所述预设值,所述当前存储的切片业务场景属于同一类,所述预设数量大于1。
图7示出了本发明第七实施例的设备的结构示意图,本发明具体实施例并不对设备的具体实现做限定。
如图7所示,该设备可以包括:处理器(processor)702、通信接口(CommunicaLionsInLerface)704、存储器(memory)706、以及通信总线708。
其中:处理器702、通信接口704、以及存储器706通过通信总线708完成相互间的通信。通信接口704,用于与其它设备比如客户端或其它服务器等的网元通信。处理器702,用于执行程序710,具体可以执行上述第一实施例中的网络切片模板的归纳方法的相关步骤。
具体地,程序710可以包括程序代码,该程序代码包括计算机操作指令。
处理器702可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicaLionSpecific InLegraLed CircuiL),或者是被配置成实施本发明实施例的一个或多个集成电路。设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器706,用于存放程序710。存储器706可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volaLile memory),例如至少一个磁盘存储器。
程序710具体可以用于使得处理器702执行以下操作:
若当前存储的同类切片业务场景的需求信息的数量达到预设值时,对当前存储的预设数量的需求信息进行预处理,所述预设数量小于或等于所述预设值,所述预设数量大于1,一个所述切片业务场景对应一条需求信息;
将所述预处理后的需求信息输入至切片归纳模型中,由所述切片归纳模型基于输入的数据进行数据的归纳运算处理,输出一个归纳模板,所述一个归纳模板对应所述预设数量的切片业务场景。
在一种可选的方式中,所述程序710使所述处理器702执行以下操作:
分别对所述预设数量的业务场景的需求信息进行文本清洗;
分别对文本清洗之后的需求信息进行文本序列化处理,得到对应的序列化处理结果。
在一种可选的方式中,所述切片归纳模型包括:依次连接的编码器、解码器,所述程序710使所述处理器702执行以下操作:
分别将所述经过预处理的需求信息输入至所述编码器进行编码处理,输出上下文向量;
将所述上下文向量输入至所述解码器进行归纳运算处理,输出对应的归纳模板。
在一种可选的方式中,所述编码器包括:词嵌入层、多个分别与所述词嵌入层连接的编码层、与所述编码层均连接的合并层,所述编码层的数量等于或大于所述预设数量,所述程序710使所述处理器702执行以下操作:
将所述经过预处理的需求信息输入至所述词嵌入层中进行向量映射,输出对应的向量映射数据;
将所述向量映射数据输入对应的编码层进行编码处理,输出对应的编码数据;
将所述编码数据输入所述合并层中进行合并处理后输出上下文向量。
在一种可选的方式中,所述解码器包括注意力解码层及与其连接的全连接层,所述程序710使所述处理器702执行以下操作:
将所述上下文向量输入至所述注意力解码层进行解码处理,基于所述解码数据进行归纳运算,输出对应的归纳数据;
将所述归纳数据输入至全连接层进行处理,输出对应的归纳后的切片模板文本序列。
在一种可选的方式中,所述程序710使所述处理器702执行以下操作:
将所述上下文向量输入至所述注意力解码层,基于所述上下文向量进行权重赋值;
基于所赋权重进行求和运算,输出求和运算结果;
基于所述求和运算结果进行归纳运算,输出对应的归纳结果。
图8示出了本发明第八实施例的设备的结构示意图,本发明具体实施例并不对设备的具体实现做限定。
如图8所示,该设备可以包括:处理器(processor)802、通信接口(CommunicaLionsInLerface)804、存储器(memory)806、以及通信总线808。
其中:处理器802、通信接口804、以及存储器806通过通信总线808完成相互间的通信。通信接口804,用于与其它设备比如客户端或其它服务器等的网元通信。处理器802,用于执行程序810,具体可以执行上述第三实施例中的监控方法的相关步骤。
具体地,程序810可以包括程序代码,该程序代码包括计算机操作指令。
处理器802可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicaLionSpecific InLegraLed CircuiL),或者是被配置成实施本发明实施例的一个或多个集成电路。设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器806,用于存放程序810。存储器806可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volaLile memory),例如至少一个磁盘存储器。
程序810具体可以用于使得处理器802执行以下操作:
接收用户的新建切片请求,所述请求携带对应的切片业务场景的需求信息;
若当前没有与所述新建切片请求所在的切片业务场景对应的切片模板时,将所述切片业务场景对应的需求信息存储,并在当前存储的需求信息的数量达到预设值时,将当前存储的预设数量的需求信息发送至网络切片模板的归纳装置,以便所述网络切片模板的归纳装置基于接收的信息进行网络切片模板的归纳并反馈归纳版本,其中,所述预设数量小于或等于所述预设值,所述当前存储的切片业务场景属于同一类,所述预设数量大于1。
在本发明中,利用切片归纳模型自动对切片业务场景进行切片模板的归纳,得到通用模板,无需为单个切片业务场景配置单独的切片模板,提高切片模板的通用性,减轻切片模板的管理负担。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
Claims (8)
1.一种网络切片模板的归纳方法,其特征在于,所述方法包括:
若当前存储的同类切片业务场景的需求信息的数量达到预设值时,对当前存储的预设数量的需求信息进行预处理,包括文本清洗和文本序列化处理,所述预设数量小于或等于所述预设值,所述预设数量大于1,一个所述切片业务场景对应一条需求信息;
将预处理后的需求信息输入至切片归纳模型中,由所述切片归纳模型基于输入的数据进行数据的归纳运算处理,输出一个归纳模板,所述一个归纳模板对应所述预设数量的切片业务场景;
所述切片归纳模型包括:依次连接的编码器、解码器,所述将预处理后的需求信息输入至切片归纳模型中,由所述切片归纳模型基于输入的数据进行数据的归纳运算处理,输出一归纳模板,包括:分别将所述经过预处理的需求信息输入至所述编码器进行编码处理,输出上下文向量;将所述上下文向量输入至所述解码器进行归纳运算处理,输出对应的归纳模板;
所述解码器包括注意力解码层及与其连接的全连接层,所述将所述上下文向量输入至所述解码器进行归纳运算处理,输出对应的归纳模板,包括:将所述上下文向量输入至所述注意力解码层进行解码处理,基于解码数据进行归纳运算,输出对应的归纳数据;将所述归纳数据输入至全连接层进行处理,输出对应的归纳后的切片模板文本序列。
2.如权利要求1所述的方法,其特征在于,所述对当前存储的预设数量的需求信息进行预处理,包括:
分别对所述预设数量的业务场景的需求信息进行文本清洗;
分别对文本清洗之后的需求信息进行文本序列化处理,得到对应的序列化处理结果。
3.如权利要求1所述的方法,其特征在于,所述编码器包括:词嵌入层、多个分别与所述词嵌入层连接的编码层、与所述编码层均连接的合并层,所述编码层的数量等于或大于所述预设数量,所述分别将所述经过预处理的需求信息输入至所述编码层进行编码处理,输出上下文向量,包括:
将所述经过预处理的需求信息输入至所述词嵌入层中进行向量映射,输出对应的向量映射数据;
将所述向量映射数据输入对应的编码层进行编码处理,输出对应的编码数据;
将所述编码数据输入所述合并层中进行合并处理后输出上下文向量。
4.如权利要求1所述的方法,其特征在于,所述将所述上下文向量输入至所述注意力解码层进行解码处理,基于所述解码数据进行归纳运算,输出对应的归纳数据,包括:
将所述上下文向量输入至所述注意力解码层,基于所述上下文向量进行权重赋值;
基于所赋权重进行求和运算,输出求和运算结果;
基于所述求和运算结果进行归纳运算,输出对应的归纳结果。
5.一种网络切片模板的归纳装置,其特征在于,所述归纳装置包括:
预处理模块,用于若当前存储的同类切片业务场景的需求信息的数量达到预设值时,对当前存储的预设数量的需求信息进行预处理,包括文本清洗和文本序列化处理,所述预设数量小于或等于所述预设值,所述预设数量大于1,一所述切片业务场景对应一条需求信息;
归纳模块,用于将所述预处理后的需求信息输入至切片归纳模型中,由所述切片归纳模型基于输入的数据进行数据的归纳运算处理,输出一个归纳模板,所述一个归纳模板对应所述预设数量的切片业务场景;
所述切片归纳模型包括:依次连接的编码器、解码器,所述将预处理后的需求信息输入至切片归纳模型中,由所述切片归纳模型基于输入的数据进行数据的归纳运算处理,输出一归纳模板,包括:分别将所述经过预处理的需求信息输入至所述编码器进行编码处理,输出上下文向量;将所述上下文向量输入至所述解码器进行归纳运算处理,输出对应的归纳模板;
所述解码器包括注意力解码层及与其连接的全连接层,所述将所述上下文向量输入至所述解码器进行归纳运算处理,输出对应的归纳模板,包括:将所述上下文向量输入至所述注意力解码层进行解码处理,基于解码数据进行归纳运算,输出对应的归纳数据;将所述归纳数据输入至全连接层进行处理,输出对应的归纳后的切片模板文本序列。
6.一种监控方法,其特征在于,所述方法包括:
接收用户的新建切片请求,所述请求携带对应的切片业务场景的需求信息;
若当前没有与所述新建切片请求所在的切片业务场景对应的切片模板时,将所述切片业务场景对应的需求信息存储,并在当前存储的需求信息的数量达到预设值时,将当前存储的预设数量的需求信息发送至网络切片模板的归纳装置,以便所述网络切片模板的归纳装置基于接收的信息进行网络切片模板的归纳并反馈归纳版本,包括:将所述需求信息输入至切片归纳模型中,所述切片归纳模型包括依次连接的编码器、解码器,分别将所述需求信息输入至所述编码器进行编码处理,输出上下文向量;将所述上下文向量输入至所述解码器进行归纳运算处理,输出对应的归纳模板;所述解码器包括注意力解码层及与其连接的全连接层,所述将所述上下文向量输入至所述解码器进行归纳运算处理,输出对应的归纳模板,包括:将所述上下文向量输入至所述注意力解码层进行解码处理,基于解码数据进行归纳运算,输出对应的归纳数据;将所述归纳数据输入至全连接层进行处理,输出对应的归纳后的切片模板文本序列;其中,所述预设数量小于或等于所述预设值,所述当前存储的切片业务场景属于同一类,所述预设数量大于1。
7.一种监控装置,其特征在于,所述监控装置包括:
接收模块,用于接收用户的新建切片请求,所述请求携带对应的切片业务场景的需求信息;
监控模块,用于若当前没有与所述新建切片请求所在的切片业务场景对应的切片模板时,将所述切片业务场景对应的需求信息存储,并在当前存储的需求信息的数量达到预设值时,将当前存储的预设数量的需求信息发送至网络切片模板的归纳装置,以便所述网络切片模板的归纳装置基于接收的信息进行网络切片模板的归纳并反馈归纳版本,包括:将所述需求信息输入至切片归纳模型中,所述切片归纳模型包括:依次连接的编码器、解码器,分别将所述需求信息输入至所述编码器进行编码处理,输出上下文向量;将所述上下文向量输入至所述解码器进行归纳运算处理,输出对应的归纳模板;所述解码器包括注意力解码层及与其连接的全连接层,所述将所述上下文向量输入至所述解码器进行归纳运算处理,输出对应的归纳模板,包括:将所述上下文向量输入至所述注意力解码层进行解码处理,基于解码数据进行归纳运算,输出对应的归纳数据;将所述归纳数据输入至全连接层进行处理,输出对应的归纳后的切片模板文本序列;其中,所述预设数量小于或等于所述预设值,所述当前存储的切片业务场景属于同一类,所述预设数量大于1。
8.一种网络切片模板的归纳设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行根据权利要求1-4任一项所述网络切片模板的归纳方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010543972.0A CN113810211B (zh) | 2020-06-15 | 2020-06-15 | 网络切片模板的归纳方法及装置、监控方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010543972.0A CN113810211B (zh) | 2020-06-15 | 2020-06-15 | 网络切片模板的归纳方法及装置、监控方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113810211A CN113810211A (zh) | 2021-12-17 |
CN113810211B true CN113810211B (zh) | 2023-07-18 |
Family
ID=78944167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010543972.0A Active CN113810211B (zh) | 2020-06-15 | 2020-06-15 | 网络切片模板的归纳方法及装置、监控方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113810211B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112637928B (zh) * | 2016-09-07 | 2022-06-14 | 华为技术有限公司 | 接入控制方法和装置 |
WO2019210946A1 (en) * | 2018-05-02 | 2019-11-07 | Huawei Technologies Co., Ltd. | Management device for slice management in a network, method and computer program for managing network slices |
CN110972193B (zh) * | 2018-09-28 | 2021-12-03 | 华为技术有限公司 | 一种切片信息处理方法及装置 |
CN111130825B (zh) * | 2018-10-31 | 2022-09-23 | 中兴通讯股份有限公司 | 网络切片模板生成方法、装置、设备及存储介质 |
-
2020
- 2020-06-15 CN CN202010543972.0A patent/CN113810211B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113810211A (zh) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020143320A1 (zh) | 文本词向量获取方法、装置、计算机设备及存储介质 | |
US20190044535A1 (en) | Systems and methods for compressing parameters of learned parameter systems | |
CN110555298B (zh) | 验证码识别模型训练及识别方法、介质、装置、计算设备 | |
CN113570030A (zh) | 数据处理方法、装置、设备以及存储介质 | |
US20220318515A1 (en) | Intelligent text cleaning method and apparatus, and computer-readable storage medium | |
CN111970400B (zh) | 骚扰电话识别方法及装置 | |
CN112699213A (zh) | 语音意图识别方法、装置、计算机设备及存储介质 | |
WO2021042895A1 (zh) | 基于神经网络的验证码识别方法、系统及计算机设备 | |
CN110472246A (zh) | 工单分类方法、装置及存储介质 | |
CN113810211B (zh) | 网络切片模板的归纳方法及装置、监控方法及装置 | |
CN113259145B (zh) | 网络切片的端到端组网方法、组网装置及网络切片设备 | |
CN113824575B (zh) | 故障节点识别的方法、装置、计算设备及计算机存储介质 | |
CN108427599A (zh) | 异步任务统一处理方法、装置及存储介质 | |
CN113747480B (zh) | 5g切片故障的处理方法、装置及计算设备 | |
WO2023065640A1 (zh) | 一种模型参数调整方法、装置、电子设备和存储介质 | |
CN113825148B (zh) | 网络节点告警等级的确定方法、装置及计算设备 | |
CN110069770B (zh) | 一种数据处理系统、方法及计算机设备 | |
CN113824670B (zh) | 5g切片空口协议栈调度方法、装置及计算设备 | |
CN112685555B (zh) | 投诉工单质量检测方法及装置 | |
CN113766532B (zh) | 网络切片实例的隔离评估方法及装置 | |
CN110929118A (zh) | 网络数据处理方法、设备、装置、介质 | |
CN114079958B (zh) | 5g切片实例的容灾池选择方法、装置及计算设备 | |
CN113411195B (zh) | 5g切片的物理层配置方法、装置及计算设备 | |
CN114138546B (zh) | 数据备份的方法、装置、计算设备及计算机存储介质 | |
CN114143163B (zh) | 基于图注意力网络的切片误告警识别方法及装置 |
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 |