CN114039868B - 一种增值业务管理方法和装置 - Google Patents

Abstract

本发明公开了一种增值业务管理方法和装置，涉及多个处于不同增值业务场景下的业务客户端，每个业务客户端均存有预设的标注数据向量，方法包括：根据接收到至少一个业务管理请求信息和各个标注数据向量，确定业务管理请求信息在每个业务客户端所占的信息熵权重；基于各个信息熵权重中的最大值，确定业务管理请求信息对应的目标业务客户端；检索预设的业务场景‑网络切片关系库，确定业务管理请求信息对应的目标网络切片；调用目标网络切片发送业务管理请求信息至目标业务客户端，输出对应的目标增值业务管理方案。实现在不同业务场景下的业务客户端的请求准确投放，且通过5G切片满足不同业务所需求的不同网络性能，提高业务处理效率。

Description

一种增值业务管理方法和装置

技术领域

本发明涉及业务管理技术领域，尤其涉及一种增值业务管理方法和装置。

背景技术

随着全社会信息化应用的快速发展，通信网络资源运营企业已进入全业务运营时代，其业务种类已由传统的语音业务扩展为语音、数据、互联网应用等多种类型。尤其是以互联网技术和通信技术为基础的电子渠道已逐步成为全业务运营时代的主流服务营销渠道。

因此，通信网络规模在不断扩大的同时，其运行结构也日益复杂，在不同增值业务场景下所接收到的数据类型众多，可能涉及到多种不同类型、不同部门、不同主题等的数据，而现有技术中通常是基于不同的业务场景分门别类地进行系统开发，以不同的业务场景对应的系统处理相应的数据类型。但上述方法需要进行不同增值业务场景系统的开发，成本较高且可扩展性较低，进而导致业务处理效率低下。

发明内容

本发明提供了一种增值业务管理方法和装置，解决了现有的业务管理方法由于需要根据不同增值业务场景进行不同情况下的开发设置所导致的业务处理效率低下的技术问题。

本发明提供的一种增值业务管理方法，涉及多个处于不同增值业务场景下的业务客户端，每个业务客户端均存有预设的标注数据向量，所述方法包括：

接收至少一个业务管理请求信息；

根据所述业务管理请求信息和各个所述标注数据向量，确定所述业务管理请求信息在每个所述业务客户端所占的信息熵权重；

基于各个所述信息熵权重中的最大值，确定所述业务管理请求信息对应的目标业务客户端；

检索预设的业务场景-网络切片关系库，确定所述业务管理请求信息对应的目标网络切片；

调用所述目标网络切片发送所述业务管理请求信息至所述目标业务客户端；所述目标业务客户端用于响应所述业务管理请求信息，输出对应的目标增值业务管理方案。

可选地，所述根据所述业务管理请求信息和各个所述标注数据向量，确定所述业务管理请求信息在每个所述业务客户端所占的信息熵权重的步骤，包括：

提取所述业务管理请求信息中的目标特征，构建所述业务管理请求信息对应的拟合函数；

采用所述拟合函数与各个所述标注数据向量，结合预设的分类算法确定所述拟合函数在每个所述业务客户端所占的信息熵权重；

所述拟合函数为：

h_β(z^(k))＝β₀+β₁z^(k)

其中，β₀、β₁为第k个所述业务管理请求信息对应的目标特征；

所述分类算法为：

其中，L为所述信息熵权重，(X_m，Y_m)为第m个所述业务客户端对应的标注数据向量，h_β(z)为所述拟合函数，n为所述业务客户端的数量。

可选地，所述基于各个所述信息熵权重中的最大值，确定所述业务管理请求信息对应的目标业务客户端和目标网络切片的步骤，包括：

比较各个所述信息熵权重，确定最大值；

从多个所述标注数据向量中确定所述最大值所关联的目标标注数据向量；

将所述目标标注数据向量所属的所述业务客户端作为所述业务管理请求信息对应的目标业务客户端。

可选地，所述业务场景-网络切片关系库预存有多个网络切片，所述检索预设的业务场景-网络切片关系库，确定所述业务管理请求信息对应的目标网络切片的步骤，包括：

解析所述业务管理请求信息，确定所述业务管理请求信息所对应的目标业务；

根据所述目标业务查询预设的业务场景-网络切片关系库，确定所述目标业务对应的目标网络切片；

所述网络切片包括超高可靠超低时延通信网络切片、大规模机器通信网络切片和增强移动宽带网络切片。

可选地，所述目标业务客户端预存有多个增值业务管理方案；所述目标业务客户端具体用于：

响应所述业务管理请求信息，调用预设的数据分析模型；所述数据分析模型预存有特征样本序列；

通过所述数据分析模型采用所述拟合函数和所述特征样本序列进行数据分析，得到数据分析结果；

根据所述数据分析结果从所述多个增值业务管理方案中确定目标增值业务管理方案并输出；

所述数据分析模型为：

其中，Y(β₀，β₁)为所述数据分析结果，x^(k)为所述特征样本序列内的第k个特征样本，z^(k)为第k个所述业务管理请求信息，j为所述业务管理请求信息的数量。

本发明还提供了一种增值业务管理装置，涉及多个处于不同增值业务场景下的业务客户端，每个业务客户端均存有预设的标注数据向量，所述装置包括：

信息接收模块，用于接收至少一个业务管理请求信息；

信息熵权重确定模块，用于根据所述业务管理请求信息和各个所述标注数据向量，确定所述业务管理请求信息在每个所述业务客户端所占的信息熵权重；

目标业务客户端确定模块，用于基于各个所述信息熵权重中的最大值，确定所述业务管理请求信息对应的目标业务客户端；

目标网络切片确定模块，用于检索预设的业务场景-网络切片关系库，确定所述业务管理请求信息对应的目标网络切片；

切片调用模块，用于调用所述目标网络切片发送所述业务管理请求信息至所述目标业务客户端；所述目标业务客户端用于响应所述业务管理请求信息，输出对应的目标增值业务管理方案。

可选地，所述信息熵权重确定模块具体用于：

提取所述业务管理请求信息中的目标特征，构建所述业务管理请求信息对应的拟合函数；

采用所述拟合函数与各个所述标注数据向量，结合预设的分类算法确定所述拟合函数在每个所述业务客户端所占的信息熵权重；

所述拟合函数为：

h_β(z^(k))＝β₀+β₁z^(k)

其中，β₀、β₁为第k个所述业务管理请求信息对应的目标特征；

所述分类算法为：

其中，L为所述信息熵权重，(X_m，Y_m)为第m个所述业务客户端对应的标注数据向量，h_β(z)为所述拟合函数，n为所述业务客户端的数量。

可选地，所述目标业务客户端确定模块具体用于：

比较各个所述信息熵权重，确定最大值；

从多个所述标注数据向量中确定所述最大值所关联的目标标注数据向量；

将所述目标标注数据向量所属的所述业务客户端作为所述业务管理请求信息对应的目标业务客户端。

可选地，所述业务场景-网络切片关系库预存有多个网络切片，所述目标网络切片确定模块包括：

解析所述业务管理请求信息，确定所述业务管理请求信息所对应的目标业务；

根据所述目标业务查询预设的业务场景-网络切片关系库，确定所述目标业务对应的目标网络切片；

所述网络切片包括超高可靠超低时延通信网络切片、大规模机器通信网络切片和增强移动宽带网络切片。

可选地，所述目标业务客户端预存有多个增值业务管理方案；所述目标业务客户端具体用于：

响应所述业务管理请求信息，调用预设的数据分析模型；所述数据分析模型预存有特征样本序列；

通过所述数据分析模型采用所述拟合函数和所述特征样本序列进行数据分析，得到数据分析结果；

根据所述数据分析结果从所述多个增值业务管理方案中确定目标增值业务管理方案并输出；

所述数据分析模型为：

其中，Y(β₀，β₁)为所述数据分析结果，x^(k)为所述特征样本序列内的第k个特征样本，z^(k)为第k个所述业务管理请求信息，j为所述业务管理请求信息的数量。

从以上技术方案可以看出，本发明具有以下优点：

本发明通过增值业务管理装置接收至少一个业务管理请求信息；根据业务管理请求信息和各个标注数据向量，确定业务管理请求信息在每个业务客户端所占的信息熵权重；基于各个信息熵权重中的最大值，确定业务管理请求信息对应的目标业务客户端；检索预设的业务场景-网络切片关系库，确定业务管理请求信息对应的目标网络切片；调用目标网络切片发送业务管理请求信息至目标业务客户端；目标业务客户端用于响应业务管理请求信息，输出对应的目标增值业务管理方案。从而实现在不同业务场景下的业务客户端的请求准确投放，且通过5G切片的方式发送业务管理请求，进一步满足不同业务所需求的不同网络性能，提高业务处理效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1为本发明实施例提供的一种增值业务管理方法的步骤流程图；

图2为本发明实施例提供的一种目标网络切片检索过程的步骤流程图；

图3为本发明实施例提供的一种增值业务管理方法的结构框图。

具体实施方式

本发明实施例提供了一种增值业务管理方法和装置，用于解决现有的业务管理方法由于需要根据不同增值业务场景进行不同情况下的开发设置所导致的业务处理效率低下的技术问题。

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1，图1为本发明实施例提供的一种增值业务管理方法的步骤流程图。本发明实施例的方法能够应用于增值业务管理装置中，以下对本方法进行进一步的详细说明。

本发明提供的一种增值业务管理方法，涉及多个处于不同增值业务场景下的业务客户端，每个业务客户端均存有预设的标注数据向量，方法包括：

步骤101，接收至少一个业务管理请求信息；

本发明实施例中的业务管理请求信息指的是对请求端的通信终端位置、状态、性能、流量状态、业务资费和在线状态等进行询问或验证的请求信息。

在本发明实施例中，通过增值业务管理装置接收外界发送端发送的至少一个业务管理请求信息，以提供后续业务客户端的数据处理基础。

其中，业务客户端所处的增值业务场景可以包括但不限于电力调控、调度计划、运行方式、水电及新能源应用、继电保护、调度自动化和电力通信等，本发明实施例对此不作限制。

步骤102，根据业务管理请求信息和各个标注数据向量，确定业务管理请求信息在每个业务客户端所占的信息熵权重；

当接收到业务管理请求信息后，可以依据各个业务客户端所预存的标注数据向量，对所接收到的各个业务管理请求信息进行进一步分类，以确定业务管理请求信息所对应的请求类型。

具体地，可以通过根据业务管理请求信息和各个标注数据向量进行计算，以确定业务管理请求信息对于每个业务客户端的信息熵权重。

本发明实施例中的信息熵权重指的是业务管理请求信息所包含的信息量与业务客户端的标注数量向量相比的关联程度，随着关联程度越高，信息熵权重也就越大。

可选地，步骤102可以包括以下子步骤：

提取业务管理请求信息中的目标特征，构建业务管理请求信息对应的拟合函数；

采用拟合函数与各个标注数据向量，结合预设的分类算法确定拟合函数在每个业务客户端所占的信息熵权重；

拟合函数为：

h_β(z^(k))＝β₀+β₁z^(k)

其中，β₀、β₁为第k个业务管理请求信息对应的目标特征；

分类算法为：

其中，L为信息熵权重，(X_m，Y_m)为第m个业务客户端对应的标注数据向量，hβ(z)为拟合函数，n为业务客户端的数量。

在本发明的一个示例中，当增值业务管理装置接收到业务管理请求信息后，可以从业务管理请求信息中提取目标特征，以提取到的目标特征进行拟合函数的构建，在得到单个业务管理请求信息z时，可以将拟合函数构建为h_β(z)，k此时为1，若同时接收到多个业务管理请求信息z^(k)时，则可以为每个业务管理请求信息分别构建拟合函数。在得到拟合函数后，可以采用拟合函数和各个标注数据向量，结合预设的分类算法确定拟合函数在每个业务客户端所占的信息熵权重，也就得到每个业务管理请求信息与每个标注数据向量的关联占比。

需要说明的是，目标特征的提取方法可以包括但不限于Filter、Wrapper或Embedded等，本发明实施例对此不作限制，Filter：过滤法，按照发散性或者相关性对各个特征进行评分，设定阈值或者待选择阈值的个数，选择特征。Wrapper：包装法，根据目标函数(通常是预测效果评分)，每次选择若干特征，或者排除若干特征。Embedded：嵌入法，先使用某些机器学习的算法和模型进行训练，得到各个特征的权值系数，根据系数从大到小选择特征。类似于Filter方法，但是是通过训练来确定特征的优劣

步骤103，基于各个信息熵权重中的最大值，确定业务管理请求信息对应的目标业务客户端；

进一步地，步骤103可以包括以下子步骤：

比较各个信息熵权重，确定最大值；

从多个标注数据向量中确定最大值所关联的目标标注数据向量；

将目标标注数据向量所属的业务客户端作为业务管理请求信息对应的目标业务客户端。

在本发明的一个示例中，在得到各个信息熵权重后，可以通过比较各个信息熵权重的方式，确定信息熵权重的最大值，再依据信息熵权重的最大值从多个标注数据向量中确定最大值所关联的目标标注数据向量，以目标标注数据向量所属的业务客户端作为目标业务客户端。

步骤104，检索预设的业务场景-网络切片关系库，确定业务管理请求信息对应的目标网络切片；

在本发明实施例中，在接收到业务管理请求信息，且确定目标业务客户端后，可以根据业务管理请求信息所对应的业务需求或业务场景，在预设的业务场景-网络切片关系库中进行检索，以确定业务管理请求信息所对应的目标网络切片类型，以此作为选取依据从多个预设的网络切片中确定业务管理请求信息对应目标网络切片。

在本发明的一个示例中，业务场景-网络切片关系库预存有多个网络切片，步骤104可以包括以下子步骤S1-S2：

S1、解析业务管理请求信息，确定业务管理请求信息所对应的目标业务；

S2、根据目标业务查询预设的业务场景-网络切片关系库，确定目标业务对应的目标网络切片；

网络切片包括超高可靠超低时延通信网络切片、大规模机器通信网络切片和增强移动宽带网络切片。

切片技术是5G网络的重要创新之一，该技术可实现将一个物理网络切割成多个虚拟的端对端的网络，每个虚拟网络之间逻辑独立，任何一个虚拟网络发生故障都不会影响到其他的虚拟网络。同时，单个切片更改和添加在网络管理层面具有独立性，无需考虑到网络其他部分的影响。

网络切片包括uRLLC网络切片、mMTC网络切片和eMBB网络切片。其中，uRLLC网络切片包括，uRLLC网络切片面向智能分布式配电自动化、用电负荷需求侧响应业务。mMTC网络切片包括，mMTC网络切片面向分布式能源调控及高级计量两大业务。eMBB网络切片包括，eMBB网络切片面向智能电网的大视频应用，包括了变电站巡检机器人、输电线路无人机巡检、配电房视频综合监控、移动现场施工作业管控、应急现场综合自主网应用。具体的，eMBB网络切片面向智能电网的大视频应用，包括了变电站巡检机器人、输电线路无人机巡检、配电房视频综合监控、移动现场施工作业管控、应急现场综合自主网应用，eMBB网络切片满足高带宽业务需求。uRLL网络切片面向智能分布式配电自动化、用电负荷需求侧响应业务，uRLL网络切片满足低时延业务需求。mMTC网络切片面向分布式能源调控及高级计量两大业务，mMTC网络切片满足大连接业务需求。

在本发明实施例中，可以通过解析业务管理请求，以确定其中所需求的目标业务，按照目标业务对业务场景-网络切片关系库进行检索，确定目标业务对应的目标网络切片。

步骤105，调用目标网络切片发送业务管理请求信息至目标业务客户端；目标业务客户端用于响应业务管理请求信息，输出对应的目标增值业务管理方案。

在本发明的一个示例中，通过调用目标网络切片的方式，发送业务管理请求信息到目标业务客户端，以使目标业务客户端能够准确响应到业务管理请求信息，输出对应的目标增值业务管理方案。能够满足业务需求的资源，满足不同业务的不同网络性能需求，提高了业务管理效率，降低运维难度，增加了各项业务功能的可靠性。

可选地，目标业务客户端预存有多个增值业务管理方案；目标业务客户端具体用于：

响应业务管理请求信息，调用预设的数据分析模型；数据分析模型预存有特征样本序列；

通过数据分析模型采用拟合函数和特征样本序列进行数据分析，得到数据分析结果；

根据数据分析结果从多个增值业务管理方案中确定目标增值业务管理方案并输出；

数据分析模型为：

其中，Y(β₀，β₁)为数据分析结果，x^(k)为特征样本序列内的第k个特征样本，z^(k)为第k个业务管理请求信息，j为业务管理请求信息的数量。

在本发明实施例中，当目标业务客户端接收到业务管理请求信息后，可以通过调度预设的数据分析模型对业务管理请求信息所对应的拟合函数和模型预存的特征样本序列进行数据分析，从而得到数据分析结果，再从多个增值业务管理方案中确定目标增值业务管理方案进行输出。

需要说明的是，增值业务管理方案可以通过采集历史的业务管理请求信息进行构建。

在本发明实施例中，通过增值业务管理装置接收至少一个业务管理请求信息；根据业务管理请求信息和各个标注数据向量，确定业务管理请求信息在每个业务客户端所占的信息熵权重；基于各个信息熵权重中的最大值，确定业务管理请求信息对应的目标业务客户端；检索预设的业务场景-网络切片关系库，确定业务管理请求信息对应的目标网络切片；调用目标网络切片发送业务管理请求信息至目标业务客户端；目标业务客户端用于响应业务管理请求信息，输出对应的目标增值业务管理方案。从而实现在不同业务场景下的业务客户端的请求准确投放，且通过5G切片的方式发送业务管理请求，进一步满足不同业务所需求的不同网络性能，提高业务处理效率。

在本发明的另一个示例中，为对本方法中采用的技术效果加以验证说明，本实施例采用传统技术方案与本发明方法进行对比测试，以科学论证的手段对比试验结果，以验证本方法所具有的真实效果。

传统的技术方案：无法实现业务隔离，故障发生覆盖率高，业务管理效率低、可靠性低，运维难度大。为验证本方法相对传统方法具有较高业务管理效率、可靠性。本实施例中将采用传统业务管理模式和本方法分别对增值业务请求的接收时间、事故发生覆盖率以及业务管理效率进行实时测量对比。分别利用传统业务管理方法与本方法，运用MATLB软件编程实现两种方法的仿真测试，根据实验结果得到仿真数据。每种方法各测试50组数据(根据实际测得组数)，计算获得每组数据时间、事故发生覆盖率，与仿真模拟输入的实际值进行对比计算误差。结果如下表1所示：

表1

由上表1可知，本发明方法相较于传统方法事故发生覆盖率低，管理效率高，从而降低了运维难度，提升了各项业务功能的可靠性。

请参阅图3，图3为本发明实施例提供的一种增值业务管理装置的结构框图。

本发明实施例提供了一种增值业务管理装置，涉及多个处于不同增值业务场景下的业务客户端，每个业务客户端均存有预设的标注数据向量，装置包括：

信息接收模块301，用于接收至少一个业务管理请求信息；

信息熵权重确定模块302，用于根据业务管理请求信息和各个标注数据向量，确定业务管理请求信息在每个业务客户端所占的信息熵权重；

目标业务客户端确定模块303，用于基于各个信息熵权重中的最大值，确定业务管理请求信息对应的目标业务客户端；

目标网络切片确定模块304，用于检索预设的业务场景-网络切片关系库，确定业务管理请求信息对应的目标网络切片；

切片调用模块305，用于调用目标网络切片发送业务管理请求信息至目标业务客户端；目标业务客户端用于响应业务管理请求信息，输出对应的目标增值业务管理方案。

可选地，信息熵权重确定模块302具体用于：

提取业务管理请求信息中的目标特征，构建业务管理请求信息对应的拟合函数；

采用拟合函数与各个标注数据向量，结合预设的分类算法确定拟合函数在每个业务客户端所占的信息熵权重；

拟合函数为：

h_β(z^(k))＝β₀+β₁z^(k)

其中，β₀、β₁为第k个业务管理请求信息对应的目标特征；

分类算法为：

其中，L为信息熵权重，(X_m，Y_m)为第m个业务客户端对应的标注数据向量，h_β(z)为拟合函数，n为业务客户端的数量。

可选地，目标业务客户端确定模块303具体用于：

比较各个信息熵权重，确定最大值；

从多个标注数据向量中确定最大值所关联的目标标注数据向量；

将目标标注数据向量所属的业务客户端作为业务管理请求信息对应的目标业务客户端。

可选地，业务场景-网络切片关系库预存有多个网络切片，目标网络切片确定模块304包括：

解析业务管理请求信息，确定业务管理请求信息所对应的目标业务；

根据目标业务查询预设的业务场景-网络切片关系库，确定目标业务对应的目标网络切片；

网络切片包括超高可靠超低时延通信网络切片、大规模机器通信网络切片和增强移动宽带网络切片。

可选地，目标业务客户端预存有多个增值业务管理方案；目标业务客户端具体用于：

响应业务管理请求信息，调用预设的数据分析模型；数据分析模型预存有特征样本序列；

通过数据分析模型采用拟合函数和特征样本序列进行数据分析，得到数据分析结果；

根据数据分析结果从多个增值业务管理方案中确定目标增值业务管理方案并输出；

数据分析模型为：

其中，Y(β₀，β₁)为数据分析结果，x^(k)为特征样本序列内的第k个特征样本，z^(k)为第k个业务管理请求信息，j为业务管理请求信息的数量。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种增值业务管理方法，其特征在于，涉及多个处于不同增值业务场景下的业务客户端，每个业务客户端均存有预设的标注数据向量，所述方法包括：

接收至少一个业务管理请求信息；

根据所述业务管理请求信息和各个所述标注数据向量，确定所述业务管理请求信息在每个所述业务客户端所占的信息熵权重；

基于各个所述信息熵权重中的最大值，确定所述业务管理请求信息对应的目标业务客户端；

检索预设的业务场景-网络切片关系库，确定所述业务管理请求信息对应的目标网络切片；

调用所述目标网络切片发送所述业务管理请求信息至所述目标业务客户端；所述目标业务客户端用于响应所述业务管理请求信息，输出对应的目标增值业务管理方案；

所述根据所述业务管理请求信息和各个所述标注数据向量，确定所述业务管理请求信息在每个所述业务客户端所占的信息熵权重的步骤，包括：

提取所述业务管理请求信息中的目标特征，构建所述业务管理请求信息对应的拟合函数；

采用所述拟合函数与各个所述标注数据向量，结合预设的分类算法确定所述拟合函数在每个所述业务客户端所占的信息熵权重；

所述拟合函数为：

h_β(z^(k))＝β₀+β₁z^(k)

其中，β₀、β₁为第k个所述业务管理请求信息对应的目标特征，z^(k)为第k个业务管理请求信息；

所述分类算法为：

其中，L为所述信息熵权重，(X_m，Y_m)为第m个所述业务客户端对应的标注数据向量，h_β(z^(k))为所述拟合函数，n为所述业务客户端的数量。

2.根据权利要求1所述的方法，其特征在于，所述基于各个所述信息熵权重中的最大值，确定所述业务管理请求信息对应的目标业务客户端和目标网络切片的步骤，包括：

比较各个所述信息熵权重，确定最大值；

从多个所述标注数据向量中确定所述最大值所关联的目标标注数据向量；

将所述目标标注数据向量所属的所述业务客户端作为所述业务管理请求信息对应的目标业务客户端。

3.根据权利要求1所述的方法，其特征在于，所述业务场景-网络切片关系库预存有多个网络切片，所述检索预设的业务场景-网络切片关系库，确定所述业务管理请求信息对应的目标网络切片的步骤，包括：

解析所述业务管理请求信息，确定所述业务管理请求信息所对应的目标业务；

根据所述目标业务查询预设的业务场景-网络切片关系库，确定所述目标业务对应的目标网络切片；

所述网络切片包括超高可靠超低时延通信网络切片、大规模机器通信网络切片和增强移动宽带网络切片。

4.根据权利要求1所述的方法，其特征在于，所述目标业务客户端预存有多个增值业务管理方案；所述目标业务客户端具体用于：

响应所述业务管理请求信息，调用预设的数据分析模型；所述数据分析模型预存有特征样本序列；

通过所述数据分析模型采用所述拟合函数和所述特征样本序列进行数据分析，得到数据分析结果；

根据所述数据分析结果从所述多个增值业务管理方案中确定目标增值业务管理方案并输出；

所述数据分析模型为：

其中，Y(β₀，β₁)为所述数据分析结果，x^(k)为所述特征样本序列内的第k个特征样本，z^(k)为第k个所述业务管理请求信息，j为所述业务管理请求信息的数量。

5.一种增值业务管理装置，其特征在于，涉及多个处于不同增值业务场景下的业务客户端，每个业务客户端均存有预设的标注数据向量，所述装置包括：

信息接收模块，用于接收至少一个业务管理请求信息；

信息熵权重确定模块，用于根据所述业务管理请求信息和各个所述标注数据向量，确定所述业务管理请求信息在每个所述业务客户端所占的信息熵权重；

目标业务客户端确定模块，用于基于各个所述信息熵权重中的最大值，确定所述业务管理请求信息对应的目标业务客户端；

目标网络切片确定模块，用于检索预设的业务场景-网络切片关系库，确定所述业务管理请求信息对应的目标网络切片；

切片调用模块，用于调用所述目标网络切片发送所述业务管理请求信息至所述目标业务客户端；所述目标业务客户端用于响应所述业务管理请求信息，输出对应的目标增值业务管理方案；

所述信息熵权重确定模块具体用于：

提取所述业务管理请求信息中的目标特征，构建所述业务管理请求信息对应的拟合函数；

采用所述拟合函数与各个所述标注数据向量，结合预设的分类算法确定所述拟合函数在每个所述业务客户端所占的信息熵权重；

所述拟合函数为：

h_β(z^(k))＝β₀+β₁z^(k)

其中，β₀、β₁为第k个所述业务管理请求信息对应的目标特征，z^(k)为第k个业务管理请求信息；

所述分类算法为：

其中，L为所述信息熵权重，(X_m，Y_m)为第m个所述业务客户端对应的标注数据向量，h_β(z^(k))为所述拟合函数，n为所述业务客户端的数量。

6.根据权利要求5所述的装置，其特征在于，所述目标业务客户端确定模块具体用于：

比较各个所述信息熵权重，确定最大值；

从多个所述标注数据向量中确定所述最大值所关联的目标标注数据向量；

将所述目标标注数据向量所属的所述业务客户端作为所述业务管理请求信息对应的目标业务客户端。

7.根据权利要求5所述的装置，其特征在于，所述业务场景-网络切片关系库预存有多个网络切片，所述目标网络切片确定模块包括：

解析所述业务管理请求信息，确定所述业务管理请求信息所对应的目标业务；

根据所述目标业务查询预设的业务场景-网络切片关系库，确定所述目标业务对应的目标网络切片；

所述网络切片包括超高可靠超低时延通信网络切片、大规模机器通信网络切片和增强移动宽带网络切片。

8.根据权利要求5所述的装置，其特征在于，所述目标业务客户端预存有多个增值业务管理方案；所述目标业务客户端具体用于：

响应所述业务管理请求信息，调用预设的数据分析模型；所述数据分析模型预存有特征样本序列；

通过所述数据分析模型采用所述拟合函数和所述特征样本序列进行数据分析，得到数据分析结果；

根据所述数据分析结果从所述多个增值业务管理方案中确定目标增值业务管理方案并输出；

所述数据分析模型为：

其中，Y(β₀，β₁)为所述数据分析结果，x^(k)为所述特征样本序列内的第k个特征样本，z^(k)为第k个所述业务管理请求信息，j为所述业务管理请求信息的数量。