CN117015014A - 数据传输方法、模型训练方法、设备、计算机可读介质 - Google Patents

数据传输方法、模型训练方法、设备、计算机可读介质 Download PDF

Info

Publication number
CN117015014A
CN117015014A CN202210478826.3A CN202210478826A CN117015014A CN 117015014 A CN117015014 A CN 117015014A CN 202210478826 A CN202210478826 A CN 202210478826A CN 117015014 A CN117015014 A CN 117015014A
Authority
CN
China
Prior art keywords
screen
historical
time
data
data transmission
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.)
Pending
Application number
CN202210478826.3A
Other languages
English (en)
Inventor
李彦志
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.)
ZTE Corp
Original Assignee
ZTE Corp
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 ZTE Corp filed Critical ZTE Corp
Priority to CN202210478826.3A priority Critical patent/CN117015014A/zh
Priority to PCT/CN2023/076528 priority patent/WO2023207267A1/zh
Publication of CN117015014A publication Critical patent/CN117015014A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0209—Power saving arrangements in terminal devices
    • H04W52/0225—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal
    • H04W52/0248—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal dependent on the time of the day, e.g. according to expected transmission activity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G06F1/32—Means for saving power
    • G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
    • G06F1/3234—Power saving characterised by the action undertaken
    • G06F1/3287—Power saving characterised by the action undertaken by switching off individual functional units in the computer system
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0209—Power saving arrangements in terminal devices
    • H04W52/0251—Power saving arrangements in terminal devices using monitoring of local events, e.g. events related to user activity
    • H04W52/0254—Power saving arrangements in terminal devices using monitoring of local events, e.g. events related to user activity detecting a user operation or a tactile contact or a motion of the device
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0209—Power saving arrangements in terminal devices
    • H04W52/0251—Power saving arrangements in terminal devices using monitoring of local events, e.g. events related to user activity
    • H04W52/0258—Power saving arrangements in terminal devices using monitoring of local events, e.g. events related to user activity controlling an operation mode according to history or models of usage information, e.g. activity schedule or time of day
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Communication Control (AREA)

Abstract

本申请提供了一种数据传输方法、模型训练方法、电子设备、计算机可读介质，数据传输方法包括：在检测到终端设备息屏的情况下，预测本次息屏的预估时长；根据所述终端设备当前的网络状态参数确定本次进行数据传输需要的目标时长；根据所述预估时长和所述目标时长确定是否进行数据传输。

Description

数据传输方法、模型训练方法、设备、计算机可读介质
技术领域
本申请实施例涉及通信技术领域，特别涉及数据传输方法、模型训练方法、电子设备、计算机可读介质。
背景技术
现在很多终端设备都会对本设备上的某些重要数据定期后台自动备份到服务器。今后万物互联时代，除了终端设备与服务器之间进行数据传输，终端设备之间进行数据传输的频率会更高、数据量会更大。终端设备在数据传输期间，会尽可能占满网络带宽；也会对数据进行快速读写、压缩和解压，这些处理过程对中央处理器(CPU，Central ProcessingUnit)和内存有不小开销。终端设备传输的部分数据，对及时性要求不高，比如系统升级下载资源包，定期备份本机数据等，这些都可以使用后台自动传输策略。如果终端设备在后台数据传输期间用户也在使用终端设备其他应用，后台数据传输就会和用户使用的应用争抢网络、CPU和内存等资源，导致用户很大可能会遇上网络卡顿，打开应用耗时长，读取数据慢等情况，会极大降低用户的使用体验。
发明内容
本申请实施例提供一种数据传输方法、模型训练方法、电子设备、计算机可读介质。
第一方面，本申请实施例提供一种数据传输方法，包括：在检测到终端设备息屏的情况下，预测本次息屏的预估时长；根据所述终端设备当前的网络状态参数确定本次进行数据传输需要的目标时长；根据所述预估时长和所述目标时长确定是否进行数据传输。
第二方面，本申请实施例提供一种模型训练方法，包括：接收终端设备发送的在预设历史时间段内的历史息屏数据；其中，所述历史息屏数据包括：历史息屏时刻、下一次历史亮屏时刻、历史息屏方式、历史日期类别；根据所述历史息屏数据进行模型训练得到所述历史日期类别对应的预测模型；将所述历史日期类别对应的预测模型发送给所述终端设备。
第三方面，本申请实施例提供一种电子设备，包括：至少一个处理器；存储器，存储器上存储有至少一个程序，当所述至少一个程序被所述至少一个处理器执行时，实现上述任意一种数据传输方法，或上述任意一种模型训练方法。
第四方面，本申请实施例提供一种计算机可读介质，计算机可读介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一种数据传输方法，或上述任意一种模型训练方法。
本申请实施例提供的数据传输方法，预测本次息屏的预估时长，并基于本次息屏的预估时长和本次进行数据传输需要的目标时长确定是否进行数据传输，相比传统的在终端设备的网络状态、CPU状态、内存状态、充电状态等均低于设定的阈值时唤醒目标应用启动运行的方式，本申请实施例的数据传输方法仅需要基于本次息屏的预估时长和本次进行数据传输需要的目标时长确定是否进行数据传输，仅需要确保在进行数据传输期间不会影响用户的使用即可，因此，本申请实施例的数据传输方法更加灵活，实用，适用的场合更多，从而提高了用户的使用体验度。
附图说明
图1为本申请一个实施例提供的数据传输方法的流程图；
图2为本申请另一个实施例提供的模型训练方法的流程图；
图3为本申请另一个实施例提供的数据传输装置的组成框图；
图4为本申请另一个实施例提供的模型训练装置的组成框图。
具体实施方式
为使本领域的技术人员更好地理解本申请的技术方案，下面结合附图对本申请提供的数据传输方法、模型训练方法、电子设备、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申请透彻和完整，并将使本领域技术人员充分理解本申请的范围。
在不冲突的情况下，本申请各实施例及实施例中的各特征可相互组合。
如本文所使用的，术语“和/或”包括至少一个相关列举条目的任何和所有组合。
本文所使用的术语仅用于描述特定实施例，且不意欲限制本申请。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至少一个其它特征、整体、步骤、操作、元件、组件和/或其群组。
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申请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为本申请一个实施例提供的数据传输方法的流程图。
第一方面，参照图1，本申请一个实施例提供一种数据传输方法，该方法可以应用于终端设备，该方法包括：
步骤100、在检测到终端设备息屏的情况下，预测本次息屏的预估时长。
在一些示例性实施例中，可以采用本领域技术人员熟知的方式预测本次息屏的预估时长。
在一些示例性实施例中，预测本次息屏的预估时长包括：获取终端设备的息屏时刻和息屏方式；根据息屏时刻和息屏方式预测所述预估时长。
在一些示例性的实施方式中，可以结合历史的息屏时刻、息屏方式，及其对应的息屏时长，基于本次息屏的息屏时刻和息屏方式来预测本次息屏的预估时长。
在另一些示例性实施例中，根据息屏时刻和息屏方式预测预估时长包括：确定息屏时刻对应的日期类别、息屏时刻所处的时间段；将息屏时刻、息屏方式和息屏时刻所处的时间段输入到日期类别对应的预测模型中得到预估时长。
在一些示例性实施例中，息屏时刻是指终端设备的屏幕熄灭的时刻。
在一些示例性实施例中，息屏方式分为手动息屏方式和自动息屏方式，由于这两种方式下用户的状态是不同的，具体的，手动息屏方式说明用户可能已经暂时完成了终端设备上的某项操作，或者需要临时息屏规避一下外在的突发因素，自动息屏方式大多是用户希望屏幕亮着，可能是等待倒计时抢购商品，也可能是抄录终端设备上的一段文字，较长时间没有点击屏幕。不同的息屏方式对模型训练结果和预测结果产生影响，因此需要增加息屏方式作为特征进行预测。
例如，上述息屏方式可以是息屏方式集合S＝{s1，s2}中的元素，s1表示手动息屏方式，s2表示自动息屏方式。
在一些示例性实施例中，息屏时刻对应的日期类别是指息屏时刻所在的日期所属的日期类别。例如对于日期类别集合D＝{d1，d2，……，dn1}，d1表示工作日，d2表示节假日，d3表示购物节，等等。那么如果息屏时刻对应的日期是工作日，则认为息屏时刻对应的日期类别为工作日，以此类推。
在一些示例性实施例中，将一天按照预定标准划分成Y段，比如统一每段X分钟(如5分钟)，那么一天可以划分成1440/X＝Y段，表示成时间段集合Y＝{y1，y2，……，ym}，y1表示第1个时间段，y2表示第2个时间段，以此类推；或者，根据时间段进行划分，比如00:00-6:00按照每段X1分钟进行划分，6:00-9:00按照每段X2分钟进行划分，依次类推，得到Y段。
这样，就可以计算出息屏时刻对应的是哪一个时间段，也就是息屏时刻所处的时间段。
在一些示例性实施例中，由于用户在不同的日期类别对应的日期使用终端设备的习惯不同，因此，在进行模型训练时，需要针对不同的日期类别进行不同预测模型的训练，即不同日期类别对应的预测模型不同。
本申请实施例对日期类别的具体划分方式不作限定。例如，日期类别可以是工作日、节假日、购物节等类别。
步骤101、根据终端设备当前的网络状态参数确定本次进行数据传输需要的目标时长。
在一些示例性实施例中，网络状态参数为网络传输速率；根据终端设备当前的网络状态参数确定本次进行数据传输需要的目标时长可以包括：确定目标时长为本次进行数据传输的数据量和网络传输速率的比值。
步骤102、根据预估时长和目标时长确定是否进行数据传输。
在一些示例性实施例中，根据预估时长和目标时长确定是否进行数据传输包括以下至少之一：在预估时长和目标时长之间的差值大于或等于预设阈值的情况下，确定进行数据传输；在预估时长和目标时长之间的差值小于预设阈值的情况下，确定不进行数据传输。
在一些示例性实施例中，预设阈值可以是正值，也可以是负值。如果预设阈值是负值，则该预设阈值的绝对值应小于某一个值，即表示本次进行数据传输需要的时间长度比本次息屏时间长度稍微长一点也认为是可以进行数据传输的。
在一些示例性实施例中，预设阈值可以根据实际情况由工程师随意设定。
在一些示例性实施例中，该方法还包括：将终端设备在预设历史时间段内的历史息屏数据发送给服务器；其中，历史息屏数据包括：历史息屏时刻、下一次历史亮屏时刻、历史息屏方式、历史日期类别；接收服务器发送的根据历史息屏数据进行模型训练得到的历史日期类别对应的预测模型。
在一些示例性实施例中，为了保证预测模型更好拟合用户的最新习惯，终端设备会持续获取息屏数据发送给服务器，服务器可以清楚历史息屏数据，用新的息屏数据进行模型训练，让模型的参数的权重能随着用户息屏习惯的变化而相应调整，保证预测模型能动态拟合用户的习惯。
在本申请实施例中，只要不是当前时刻的息屏对应的息屏数据均可以认为是历史息屏数据，也就是已经发生过的息屏对应的息屏数据。
在一些示例性实施例中，终端设备可以在每一次检测到息屏时将该次息屏对应的息屏数据发送给服务器，也可以在获得预设历史时间段内的所有历史息屏数据后，再将预设历史时间段内的所有历史息屏数据发送给服务器。
本申请实施例提供的数据传输方法，预测本次息屏的预估时长，并基于本次息屏的预估时长和本次进行数据传输需要的目标时长确定是否进行数据传输，相比传统的在终端设备的网络状态、CPU状态、内存状态、充电状态等均低于设定的阈值时唤醒目标应用启动运行的方式，本申请实施例的数据传输方法仅需要基于本次息屏的预估时长和本次进行数据传输需要的目标时长确定是否进行数据传输，仅需要确保在进行数据传输期间不会影响用户的使用即可，因此，本申请实施例的数据传输方法更加灵活，实用，适用的场合更多，从而提高了用户的使用体验度。
图2为本申请另一个实施例提供的模型训练方法的流程图。
第二方面，参照图2，本申请另一个实施例提供一种模型训练方法，该方法可以应用于服务器，该方法可以包括：
步骤200、接收终端设备发送的在预设历史时间段内的历史息屏数据；其中，历史息屏数据包括：历史息屏时刻、下一次历史亮屏时刻、历史息屏方式、历史日期类别。
在一些示例性实施例中，为了保证预测模型更好拟合用户的最新习惯，终端设备会持续获取息屏数据发送给服务器，服务器可以清楚历史息屏数据，用新的息屏数据进行模型训练，让模型的参数的权重能随着用户息屏习惯的变化而相应调整，保证预测模型能动态拟合用户的习惯。
在本申请实施例中，只要不是终端设备当前时刻的息屏对应的息屏数据均可以认为是历史息屏数据，也就是已经发生过的息屏对应的息屏数据。
在一些示例性实施例中，历史时间段可以预先随意设定，例如设定为60天。
在一些示例性实施例中，在预设历史时间段内的历史息屏数据是指在预设历史时间段内发生的息屏对应的历史息屏数据。
在一些示例性实施例中，历史息屏时刻是指终端设备的屏幕熄灭的时刻。
在一些示例性实施例中，下一次历史亮屏时刻是指终端设备息屏后，再次亮屏的时刻。
在一些示例性实施例中，历史息屏方式分为手动息屏方式和自动息屏方式，由于这两种方式下用户的状态是不同的，具体的，手动息屏方式说明用户可能已经暂时完成了终端设备上的某项操作，或者需要临时息屏规避一下外在的突发因素，自动息屏方式大多是用户希望屏幕亮着，可能是等待倒计时抢购商品，也可能是抄录终端设备上的一段文字，较长时间没有点击屏幕。不同的息屏方式对模型训练结果和预测结果产生影响，因此需要增加息屏方式作为特征进行预测。
例如，上述历史息屏方式可以是息屏方式集合S＝{s1，s2}中的元素，s1表示手动息屏方式，s2表示自动息屏方式。
在一些示例性实施例中，历史息屏时刻对应的历史日期类别是指历史息屏时刻所在的日期所属的日期类别。例如对于日期类别集合D＝{d1，d2，……，dn}，d1表示工作日，d2表示节假日，d3表示购物节，等等。那么如果历史息屏时刻对应的日期是工作日，则认为历史息屏时刻对应的历史日期类别为工作日，以此类推。
步骤201、根据历史息屏数据进行模型训练得到历史日期类别对应的预测模型。
在一些示例性实施例中，不同终端设备的历史息屏数据应分别进行模型训练，也就是说，不同终端设备对应的预测模型不同。
在一些示例性实施例中，根据历史息屏数据进行模型训练得到历史日期类别对应的预测模型包括：将历史息屏数据按照历史日期类别进行划分；根据同一历史日期类别的历史息屏数据进行模型训练得到历史日期类别对应的预测模型。
在一些示例性实施例中，由于用户在不同的日期类别对应的日期使用终端设备的习惯不同，因此，在进行模型训练时，需要针对不同的日期类别进行不同预测模型的训练，即不同日期类别对应的预测模型不同。
本申请实施例对日期类别的具体划分方式不作限定。例如，日期类别可以是工作日、节假日、购物节等类别。
在一些示例性实施例中，根据同一历史日期类别的历史息屏数据进行模型训练得到历史日期类别对应的预测模型包括：对于同一历史日期类别的历史息屏数据，分别确定每一条历史息屏数据对应的训练样本；其中，训练样本包括：历史息屏时刻、下一次历史亮屏时刻、历史息屏方式、息屏时长类型、历史息屏时刻所处的时间段；根据同一历史日期类别的所有历史息屏数据对应的训练样本进行模型训练得到历史日期类别对应的预测模型。
在一些示例性实施例中，将一天按照预定标准划分成Y段，比如统一每段X分钟(如5分钟)，那么一天可以划分成1440/X＝Y段，表示成时间段集合Y＝{y1，y2，……，ym}，y1表示第1个时间段，y2表示第2个时间段，以此类推；或者，根据时间段进行划分，比如00:00-6:00按照每段X1分钟进行划分，6:00-9:00按照每段X2分钟进行划分，依次类推，得到Y段。
这样，就可以计算出历史息屏时刻对应的是哪一个时间段，也就是历史息屏时刻所处的时间段。
在一些示例性实施例中，息屏时长是指下一次历史亮屏时刻和历史息屏时刻之间的时间差。
在一些示例性实施例中，将历史息屏数据按息屏时长进行分类，息屏时长小于A0分钟的历史息屏数据记标记为n0，息屏时长在A0-A1分钟之间的历史息屏数据标记为n1，息屏时长在A1-A2分钟之间的历史息屏数据标记为n2，息屏时长在A2-A3分钟之间的历史息屏数据标记为n3，以此类推。这样，息屏时长类型可以认为是息屏时长类型集合N＝{n0，n1，n2，……}中的元素，n0表示息屏时长小于A0分钟，n1表示息屏时长在A0-A1分钟之间，以此类推。
在一些示例性实施例中，模型训练过程中，将训练样本中的历史息屏时刻、历史息屏方式、历史息屏时刻所处的时间段作为预测模型的输入，将训练样本中的下一次历史亮屏时刻和历史息屏时刻之间的差值作为预测模型的输出进行模型训练，模型训练过程中会用到息屏时长类型进行相关计算。
在一些示例性实施例中，模型训练可以是对决策树(DT，Decision Tree)、逻辑回归(LR，Logistic Regression)、支持向量机(SVM，Support Vector Machine)等经典机器学习算法的训练，也可以是对全连接神经网络、卷积神经网络(CNN，Convolutional NeuralNetworks)、循环神经网络(RNN，Recurrent Neural Network)、长短期记忆网络(LSTM，LongShort-Term Memory)等神经网络模型中的一个或多个模型的组合的训练。
步骤202、将历史日期类别对应的预测模型发送给终端设备。
为了更好的呈现本申请实施例的模型训练方法和数据传输方法，下面通过一个具体示例详细描述模型训练过程和数据传输过程，所列举示例不用于限定本申请实施例的保护范围。
示例
本示例描述模型训练过程和数据传输过程，包括：
1、终端设备在每一次检测到息屏时记录该次息屏对应的息屏数据，将该次息屏对应的息屏数据发送给服务器。
本步骤中，息屏数据包括息屏时刻t1、下一次亮屏时刻t2、息屏方式si和日期类别dj。i，j为大于或等于1的整数。也就是说，息屏数据可以采用一个四元组(dj，t1，t2，si)来表示。
其中，息屏时刻t1是指终端设备的屏幕熄灭的时刻。
其中，下一次亮屏时刻t2是指终端设备息屏后，再次亮屏的时刻。
其中，息屏方式si为息屏方式集合S＝{s1，s2}中的元素，s1表示手动息屏方式，s2表示自动息屏方式。
其中，日期类别dj为日期类别集合D＝{d1，d2，……，dn1}中的元素，d1表示工作日，d2表示节假日，d3表示购物节，等等。
本步骤中，如果终端设备的息屏行为已经结束，则可以认为该次息屏对应的息屏数据是历史息屏数据。
2、服务器接收到终端设备在预设历史时间段内的历史息屏数据，将历史息屏数据按照历史日期类别进行划分，对于同一历史日期类别的历史息屏数据，分别确定每一条历史息屏数据对应的训练样本；根据同一历史日期类别的所有历史息屏数据对应的训练样本进行模型训练得到历史日期类别对应的预测模型。
在本步骤中，历史息屏数据对应的训练样本包括：历史息屏时刻t1、下一次历史亮屏时刻t2、历史息屏方式si、息屏时长类型nk、历史息屏时刻所处的时间段yp。
其中，将历史息屏数据按息屏时长进行分类，息屏时长小于A0分钟的历史息屏数据记标记为n0，息屏时长在A0-A1分钟之间的历史息屏数据标记为n1，息屏时长在A1-A2分钟之间的历史息屏数据标记为n2，息屏时长在A2-A3分钟之间的历史息屏数据标记为n3，以此类推。这样，息屏时长类型nk可以认为是息屏时长类型集合N＝{n0，n1，n2，……}中的元素，n0表示息屏时长小于A0分钟，n1表示息屏时长在A0-A1分钟之间，以此类推。
其中，将一天按照预定标准划分成Y段，比如统一每段X分钟(如5分钟)，那么一天可以划分成1440/X＝Y段，表示成时间段集合Y＝{y1，y2，……，ym}，y1表示第1个时间段，y2表示第2个时间段，以此类推；或者，根据时间段进行划分，比如00:00-6:00按照每段X1分钟进行划分，6:00-9:00按照每段X2分钟进行划分，依次类推，得到Y段。
这样，就可以计算出历史息屏时刻对应的是哪一个时间段，也就是历史息屏时刻所处的时间段。也就是说，历史息屏时刻所处的时间段yp可以认为是时间段集合Y＝{y1，y2，……，ym}中的元素。
3、服务器将历史日期类别对应的预测模型发送给终端设备。
4、在检测到终端设备息屏的情况下，终端设备获取终端设备的息屏时刻和息屏方式。
5、终端设备确定息屏时刻对应的日期类别、息屏时刻所处的时间段。
6、终端设备将息屏时刻、息屏方式和息屏时刻所处的时间段输入到日期类别对应的预测模型中得到本次息屏的预估时长。
7、终端设备确定本次进行数据传输需要的目标时长为本次进行数据传输的数据量和网络传输速率的比值。
8、在预估时长和目标时长之间的差值大于或等于预设阈值的情况下，终端设备确定进行数据传输；在预估时长和目标时长之间的差值小于预设阈值的情况下，终端设备确定不进行数据传输。
第三方面，本申请另一个实施例提供一种电子设备，包括：至少一个处理器；存储器，存储器上存储有至少一个程序，当至少一个程序被至少一个处理器执行时，实现上述任意一种数据传输方法，或上述任意一种模型训练方法。
其中，处理器为具有数据处理能力的器件，其包括但不限于中央处理器(CPU)等；存储器为具有数据存储能力的器件，其包括但不限于随机存取存储器(RAM，更具体如SDRAM、DDR等)、只读存储器(ROM)、带电可擦可编程只读存储器(EEPROM)、闪存(FLASH)。
在一些实施例中，处理器、存储器通过总线相互连接，进而与计算设备的其它组件连接。
第四方面，本申请另一个实施例提供一种计算机可读介质，计算机可读介质上存储有计算机程序，计算机程序被处理器执行时实现上述任意一种数据传输方法，或上述任意一种模型训练方法。
图3为本申请另一个实施例提供的数据传输装置的组成框图。
第五方面，参照图3，本申请另一个实施例提供一种数据传输方法，包括：预测模块301，用于在检测到终端设备息屏的情况下，预测本次息屏的预估时长；确定模块302，用于根据所述终端设备当前的网络状态参数确定本次进行数据传输需要的目标时长；根据预估时长和所述目标时长确定是否进行数据传输。
在一些示例性实施例中，预测模块301具体用于：在检测到终端设备息屏的情况下，获取所述终端设备的息屏时刻和息屏方式；根据所述息屏时刻和所述息屏方式预测所述预估时长。
在一些示例性实施例中，预测模块301具体用于采用以下方式实现所述根据所述息屏时刻和所述息屏方式预测所述预估时长：确定所述息屏时刻对应的日期类别，以及所述息屏时刻所处的时间段；将所述息屏时刻、所述息屏方式和所述息屏时刻所处的时间段输入到所述日期类别对应的预测模型中得到预估时长。
在一些示例性实施例中，还包括：第一模型训练模块303，用于将所述终端设备在预设历史时间段内的历史息屏数据发送给服务器；其中，所述历史息屏数据包括：历史息屏时刻、下一次历史亮屏时刻、历史息屏方式、历史日期类别；接收所述服务器发送的根据所述历史息屏数据进行模型训练得到的所述历史日期类别对应的预测模型。
在一些示例性实施例中，所述网络状态参数为网络传输速率；确定模块302具体用于采用以下方式实现所述根据所述终端设备当前的网络状态参数确定目标时长：确定目标时长为本次进行数据传输的数据量和所述网络传输速率的比值。
在一些示例性实施例中，确定模块302具体用于采用以下至少之一方式实现所述根据所述预估时长和所述目标时长确定是否进行数据传输：在所述预估时长和所述目标时长之间的差值大于或等于预设阈值的情况下，确定进行数据传输；在所述预估时长和所述目标时长之间的差值小于预设阈值的情况下，确定不进行数据传输。
上述数据传输装置的具体实现过程与前述实施例的数据传输方法的具体实现过程相同，这里不再赘述。
图4为本申请另一个实施例提供的模型训练装置的组成框图。
第六方面，参照图4，本申请另一个实施例提供一种模型训练方法，包括：接收模块401，用于接收终端设备发送的在预设历史时间段内的历史息屏数据；其中，所述历史息屏数据包括：历史息屏时刻、下一次历史亮屏时刻、历史息屏方式、历史日期类别；第二模型训练模块402，用于根据所述历史息屏数据进行模型训练得到所述历史日期类别对应的预测模型；发送模块403，用于将所述历史日期类别对应的预测模型发送给所述终端设备。
在一些示例性实施例中，第二模型训练模块402具体用于：将所述历史息屏数据按照所述历史日期类别进行划分；根据同一所述历史日期类别的历史息屏数据进行模型训练得到所述历史日期类别对应的预测模型。
在一些示例性实施例中，第二模型训练模块402具体用于采用以下方式实现所述根据同一所述历史日期类别的历史息屏数据进行模型训练得到所述历史日期类别对应的预测模型：对于同一所述历史日期类别的历史息屏数据，分别确定每一条所述历史息屏数据对应的训练样本；其中，所述训练样本包括：所述历史息屏时刻、所述下一次历史亮屏时刻、所述历史息屏方式、息屏时长类型、所述历史息屏时刻所处的时间段；根据同一所述历史日期类别的所有所述历史息屏数据对应的训练样本进行模型训练得到所述历史日期类别对应的预测模型。
上述模型训练装置的具体实现过程与前述实施例的模型训练方法的具体实现过程相同，这里不再赘述。
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、程序模块或其它数据)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、闪存或其它存储器技术、CD-ROM、数字多功能盘(DVD)或其它光盘存储、磁盒、磁带、磁盘存储或其它磁存储器、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它的介质。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它传输机制之类的调制数据信号中的其它数据，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，或可与其它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申请的范围的情况下，可进行各种形式和细节上的改变。

Claims (11)

1.一种数据传输方法，包括：
在检测到终端设备息屏的情况下，预测本次息屏的预估时长；
根据所述终端设备当前的网络状态参数确定本次进行数据传输需要的目标时长；
根据所述预估时长和所述目标时长确定是否进行数据传输。
2.根据权利要求1所述的数据传输方法，其中，所述预测本次息屏的预估时长包括：
获取所述终端设备的息屏时刻和息屏方式；
根据所述息屏时刻和所述息屏方式预测所述预估时长。
3.根据权利要求2所述的数据传输方法，其中，所述根据所述息屏时刻和所述息屏方式预测所述预估时长包括：
确定所述息屏时刻对应的日期类别，以及所述息屏时刻所处的时间段；
将所述息屏时刻、所述息屏方式和所述息屏时刻所处的时间段输入到所述日期类别对应的预测模型中得到所述预估时长。
4.根据权利要求3所述的数据传输方法，该方法还包括：
将所述终端设备在预设历史时间段内的历史息屏数据发送给服务器；其中，所述历史息屏数据包括：历史息屏时刻、下一次历史亮屏时刻、历史息屏方式、历史日期类别；
接收所述服务器发送的根据所述历史息屏数据进行模型训练得到的所述历史日期类别对应的预测模型。
5.根据权利要求1-4任意一项所述的数据传输方法，其中，所述网络状态参数为网络传输速率；
所述根据所述终端设备当前的网络状态参数确定本次进行数据传输需要的目标时长包括：
确定所述目标时长为本次进行数据传输的数据量和所述网络传输速率的比值。
6.根据权利要求1-4任意一项所述的数据传输方法，其中，所述根据预估时长和所述目标时长确定是否进行数据传输包括以下至少之一：
在所述预估时长和所述目标时长之间的差值大于或等于预设阈值的情况下，确定进行数据传输；
在所述预估时长和所述目标时长之间的差值小于预设阈值的情况下，确定不进行数据传输。
7.一种模型训练方法，包括：
接收终端设备发送的在预设历史时间段内的历史息屏数据；其中，所述历史息屏数据包括：历史息屏时刻、下一次历史亮屏时刻、历史息屏方式、历史日期类别；
根据所述历史息屏数据进行模型训练得到所述历史日期类别对应的预测模型；
将所述历史日期类别对应的预测模型发送给所述终端设备。
8.根据权利要求7所述的模型训练方法，其中，所述根据所述历史息屏数据进行模型训练得到所述历史日期类别对应的预测模型包括：
将所述历史息屏数据按照所述历史日期类别进行划分；
根据同一所述历史日期类别的历史息屏数据进行模型训练得到所述历史日期类别对应的预测模型。
9.根据权利要求8所述的模型训练方法，其中，所述根据同一所述历史日期类别的历史息屏数据进行模型训练得到所述历史日期类别对应的预测模型包括：
对于同一所述历史日期类别的历史息屏数据，分别确定每一条所述历史息屏数据对应的训练样本；其中，所述训练样本包括：所述历史息屏时刻、所述下一次历史亮屏时刻、所述历史息屏方式、息屏时长类型、所述历史息屏时刻所处的时间段；
根据同一所述历史日期类别的所有所述历史息屏数据对应的训练样本进行模型训练得到所述历史日期类别对应的预测模型。
10.一种电子设备，包括：
至少一个处理器；
存储器，所述存储器上存储有至少一个程序，当所述至少一个程序被所述至少一个处理器执行时，实现权利要求1-6任意一项所述的数据传输方法，或权利要求7-9任意一项所述的模型训练方法。
11.一种计算机可读介质，所述计算机可读介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任意一项所述的数据传输方法，或权利要求7-9任意一项所述的模型训练方法。
CN202210478826.3A 2022-04-28 2022-04-28 数据传输方法、模型训练方法、设备、计算机可读介质 Pending CN117015014A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210478826.3A CN117015014A (zh) 2022-04-28 2022-04-28 数据传输方法、模型训练方法、设备、计算机可读介质
PCT/CN2023/076528 WO2023207267A1 (zh) 2022-04-28 2023-02-16 数据传输方法、模型训练方法、设备、计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210478826.3A CN117015014A (zh) 2022-04-28 2022-04-28 数据传输方法、模型训练方法、设备、计算机可读介质

Publications (1)

Publication Number Publication Date
CN117015014A true CN117015014A (zh) 2023-11-07

Family

ID=88517209

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210478826.3A Pending CN117015014A (zh) 2022-04-28 2022-04-28 数据传输方法、模型训练方法、设备、计算机可读介质

Country Status (2)

Country Link
CN (1) CN117015014A (zh)
WO (1) WO2023207267A1 (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11468153B2 (en) * 2018-03-28 2022-10-11 Huawei Technologies Co., Ltd. Terminal device management method and terminal device
CN110505679B (zh) * 2019-08-15 2022-08-16 Oppo广东移动通信有限公司 一种通信终端的功耗控制方法、装置及存储介质
CN113055984B (zh) * 2019-12-26 2022-11-15 Oppo广东移动通信有限公司 终端控制方法、装置、移动终端及存储介质
CN113079558B (zh) * 2020-01-03 2022-10-18 荣耀终端有限公司 一种功耗控制方法、芯片系统及终端设备
CN111741502B (zh) * 2020-06-19 2022-09-30 青岛海信移动通信技术股份有限公司 移动终端及其移动通信网络切换方法

Also Published As

Publication number Publication date
WO2023207267A1 (zh) 2023-11-02

Similar Documents

Publication Publication Date Title
CN110276446B (zh) 模型训练和选择推荐信息的方法和装置
CN109816116B (zh) 机器学习模型中超参数的优化方法及装置
US20200073710A1 (en) Task scheduling method, apparatus, electronic device and storage medium
WO2019180433A1 (en) Predicting using digital twins
CN111444009A (zh) 一种基于深度强化学习的资源分配方法及装置
CN117203612A (zh) 计算设备应用更新的估计的智能生成和管理
EP3557418B1 (en) Resource management of resource-controlled system
CN109274309A (zh) 马达控制方法、装置、电子设备及存储介质
EP3926958A1 (en) Method and apparatus for optimizing video playback start, device and storage medium
US10277473B2 (en) Model deployment based on benchmarked devices
CN109617806B (zh) 一种数据流量调度方法及装置
CN115345557A (zh) 一种定价方法、装置、计算机设备及可读存储介质
US9477458B2 (en) Dynamic timeout determination for microcontroller management of firmware updates
CN117015014A (zh) 数据传输方法、模型训练方法、设备、计算机可读介质
CN109976885B (zh) 基于多任务操作系统的事件处理方法、装置及存储介质
US10180894B2 (en) Identifying a stack frame responsible for resource usage
CN112866767B (zh) 一种投屏控制方法、装置、电子设备及存储介质
CN115098290A (zh) 基于自动更新的nlp模型的智能人工服务方法和装置
JP7079059B2 (ja) ネットワーク管理システムおよびプログラム
US9047572B2 (en) Mode determination for multivariate time series data
CN113822307A (zh) 一种图像预测方法、设备和存储介质
CN112866130B (zh) 报文组包间隔调整方法及装置
CN112766698B (zh) 应用业务压力确定方法及装置
CN112887219B (zh) 报文组包间隔调整方法及装置
US20240177179A1 (en) System and method for management of inference models of varying complexity

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication