CN117062047A - 模型处理方法、装置、网络侧设备及可读存储介质 - Google Patents

Abstract

本申请公开了一种模型处理方法、装置、网络侧设备及可读存储介质，属于通信技术领域，本申请实施例的模型处理方法包括：第一网元向第二网元发送注册请求消息，注册请求消息包括第一网元的能力信息，能力信息包括模型数量信息和模型信息中的至少一项；第一网元从第二网元接收注册请求响应消息；模型数量信息用于指示第一网元支持的与分析任务标识对应的模型的数量；模型信息包括第一网元支持的与分析任务标识对应的模型的以下至少一种信息：模型标识；模型性能信息；推理时长；训练数据来源信息；训练数据时间信息。

Description

模型处理方法、装置、网络侧设备及可读存储介质

技术领域

本申请属于通信技术领域，具体涉及一种模型处理方法、装置、网络侧设备及可读存储介质。

背景技术

目前，网元进行注册时，通常通过在注册请求消息中携带网元的基本信息，例如地址、类型和能力信息等，网元注册后可以被其他网元发现。例如，针对分析任务，某一网元可以通过注册的基本信息发现注册网元，并调用注册网元中的模型针对分析执行相应的推理，由于网元在注册时仅携带基本信息进行注册，在调用注册网元中的模型针对分析执行相应的模型推理时，可能会导致推理结果的准确度较差，无法满足分析任务的需求。因此，现有技术中存在调用其他网元中的模型进行模型推理的可靠性较差的问题。

发明内容

本申请实施例提供一种模型处理方法、装置、网络侧设备及可读存储介质，能够解决模型推理的可靠性较差的问题。

第一方面，提供了一种模型处理方法，包括：

第一网元向第二网元发送注册请求消息，所述注册请求消息包括所述第一网元的能力信息，所述能力信息包括模型数量信息和模型信息中的至少一项；

所述第一网元从所述第二网元接收注册请求响应消息；

其中，所述模型数量信息用于指示所述第一网元支持的与分析任务标识对应的模型的数量；所述模型信息包括第一网元支持的与分析任务标识对应的模型的以下至少一种信息：

模型标识；

模型性能信息；

模型大小，所述模型大小用于指示存储或运行模型需要的存储空间；

推理时长，所述推理时长用于指示基于模型进行模型推理操作所需的时长；

训练数据来源信息，所述训练数据来源信息用于指示模型在训练阶段所使用的训练数据来源的位置信息和网元信息中的至少一项；

训练数据时间信息，所述训练数据时间信息用于指示模型在训练阶段所使用的训练数据的产生的时间。

第二方面，提供了一种模型处理方法，包括：

第二网元从第一网元接收注册请求消息，所述注册请求消息包括所述第一网元的能力信息；

所述第二网元储存所述能力信息，并向所述第一网元发送注册请求响应消息；

其中，所述能力信息包括模型数量信息和模型信息中的至少一项；所述模型数量信息用于指示所述第一网元支持的与分析任务标识对应的模型的数量；所述模型信息包括第一网元支持的与分析任务标识对应的模型的以下至少一种信息：

模型标识；

模型性能信息；

模型大小，所述模型大小用于指示存储或运行模型需要的存储空间；

推理时长，所述推理时长用于指示基于模型进行模型推理操作所需的时长；

训练数据来源信息，所述训练数据来源信息用于指示模型在训练阶段所使用的训练数据来源的位置信息和网元信息至少一项；

训练数据时间信息，所述训练数据时间信息用于指示模型在训练阶段所使用的训练数据的产生的时间。

第三方面，提供了一种模型处理方法，包括：

第三网元向第二网元发送第二请求消息，所述第二请求消息包括目标分析任务的分析任务标识；

所述第三网元从所述第二网元接收第二请求响应消息，所述第二请求响应消息用于指示N个第一网元，所述N个第一网元为能够提供可用于执行所述目标分析任务的模型的第一网元，N为正整数；

所述第三网元向所述N个第一网元中的目标网元发送第一请求消息；

所述第三网元从所述目标网元接收第一请求响应消息，所述第一请求响应消息包括目标模型和用于获取所述目标模型的地址信息中的至少一项，所述目标模型可用于执行所述目标分析任务。

第四方面，提供了一种模型处理装置，包括：

第一发送模块，用于向第二网元发送注册请求消息，所述注册请求消息包括所述第一网元的能力信息，所述能力信息包括模型数量信息和模型信息中的至少一项；

第一接收模块，用于从所述第二网元接收注册请求响应消息；

其中，所述模型数量信息用于指示第一网元支持的与分析任务标识对应的模型的数量；所述模型信息包括第一网元支持的与分析任务标识对应的模型的以下至少一种信息：

模型标识；

模型性能信息；

模型大小，所述模型大小用于指示存储或运行模型需要的存储空间；

推理时长，所述推理时长用于指示基于模型进行模型推理操作所需的时长；

训练数据来源信息，所述训练数据来源信息用于指示模型在训练阶段所使用的训练数据来源的位置信息和网元信息中的至少一项；

训练数据时间信息，所述训练数据时间信息用于指示模型在训练阶段所使用的训练数据的产生的时间。

第五方面，提供了一种模型处理装置，包括：

第二接收模块，用于从第一网元接收注册请求消息，所述注册请求消息包括所述第一网元的能力信息；

存储模块，用于储存所述能力信息；

第二发送模块，用于向所述第一网元发送注册请求响应消息；

其中，所述能力信息包括模型数量信息和模型信息中的至少一项；所述模型数量信息用于指示所述第一网元支持的与分析任务标识对应的模型的数量；所述模型信息包括第一网元支持的与分析任务标识对应的模型的以下至少一种信息：

模型标识；

模型性能信息；

模型大小，所述模型大小用于指示存储或运行模型需要的存储空间；

推理时长，所述推理时长用于指示基于模型进行模型推理操作所需的时长；

训练数据来源信息，所述训练数据来源信息用于指示模型在训练阶段所使用的训练数据来源的位置信息和网元信息至少一项；

训练数据时间信息，所述训练数据时间信息用于指示模型在训练阶段所使用的训练数据的产生的时间。

第六方面，提供了一种模型处理装置，包括：

第三发送模块，用于向第二网元发送第二请求消息，所述第二请求消息包括目标分析任务的分析任务标识；

第三接收模块，还用于从所述第二网元接收第二请求响应消息，所述第二请求响应消息用于指示N个第一网元，所述N个第一网元为能够提供可用于执行所述目标分析任务的模型的第一网元，N为正整数；

所述第三发送模块，还用于向所述N个第一网元中的目标网元发送第一请求消息；

所述第三接收模块，还用于第三网元从所述目标网元接收第一请求响应消息，所述第一请求响应消息包括目标模型和用于获取所述目标模型的地址信息中的至少一项，所述目标模型可用于执行所述目标分析任务。

第七方面，提供了一种网络侧设备，该网络侧设备包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤，或者实现如第二方面所述的方法的步骤，或者实现如第三方面所述的方法的步骤。

第八方面，提供了一种网络侧设备，包括处理器及通信接口，其中，

在网络侧设备为第一网元时，所述通信接口用于向第二网元发送注册请求消息，所述注册请求消息包括所述第一网元的能力信息，所述能力信息包括模型数量信息和模型信息中的至少一项；从所述第二网元接收注册请求响应消息；其中，所述模型数量信息用于指示所述第一网元支持的与分析任务标识对应的模型的数量；所述模型信息包括第一网元支持的与分析任务标识对应的模型的以下至少一种信息：模型标识；第一性能信息模型性能信息；模型大小，所述模型大小用于指示存储或运行模型需要的存储空间；推理时长，所述推理时长用于指示基于模型进行模型推理操作所需的时长；训练数据来源信息，所述训练数据来源信息用于指示模型在训练阶段所使用的训练数据来源的位置信息和网元信息中的至少一项；训练数据时间信息，所述训练数据时间信息用于指示模型在训练阶段所使用的训练数据的产生的时间；

或者，在网络侧设备为第二网元时，所述通信接口用于从第一网元接收注册请求消息，所述注册请求消息包括所述第一网元的能力信息；向所述第一网元发送注册请求响应消息；所述处理器用于储存所述能力信息；其中，所述能力信息包括模型数量信息和模型信息中的至少一项；所述模型数量信息用于指示所述第一网元支持的与分析任务标识对应的模型的数量；所述模型信息包括第一网元支持的与分析任务标识对应的模型的以下至少一种信息：模型标识；模型性能信息；模型大小，所述模型大小用于指示存储或运行模型需要的存储空间；推理时长，所述推理时长用于指示基于模型进行模型推理操作所需的时长；训练数据来源信息，所述训练数据来源信息用于指示模型在训练阶段所使用的训练数据来源的位置信息和网元信息至少一项；训练数据时间信息，所述训练数据时间信息用于指示模型在训练阶段所使用的训练数据的产生的时间；

或者，在网络侧设备为第三网元时，所述通信接口用于向第二网元发送第二请求消息，所述第二请求消息包括目标分析任务的分析任务标识；从所述第二网元接收第二请求响应消息，所述第二请求响应消息用于指示N个第一网元，所述N个第一网元为能够提供可用于执行所述目标分析任务的模型的第一网元，N为正整数；向所述N个第一网元中的目标网元发送第一请求消息；从所述目标网元接收第一请求响应消息，所述第一请求响应消息包括目标模型和用于获取所述目标模型的地址信息中的至少一项，所述目标模型可用于执行所述目标分析任务。

第九方面，提供了一种通信系统，包括：第一网元、第二网元和第三网元，所述第一网元可用于执行如第一方面所述的模型处理方法的步骤，所述第二网元可用于执行如第二方面所述的模型处理方法的步骤，所述第三网元可用于执行如第三方面所述的模型处理方法的步骤。

第十方面，提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤，或者实现如第二方面所述的方法的步骤，或者实现如第三方面所述的方法的步骤。

第十一方面，提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方法的步骤，，者实现如第二方面所述的方法的步骤，或者实现如第三方面所述的方法的步骤。

第十二方面，提供了一种计算机程序/程序产品，所述计算机程序/程序产品被存储在存储介质中，所述计算机程序/程序产品被至少一个处理器执行以实现如第一方面所述的方法的步骤，或者实现如第二方面所述的方法的步骤，或者实现如第三方面所述的方法的步骤。

本申请实施例通过第一网元向第二网元发送注册请求消息，所述注册请求消息包括所述第一网元的能力信息，所述能力信息包括模型数量信息和模型信息中的至少一项；所述第一网元从所述第二网元接收注册请求响应消息。这样，由于在注册时携带了上述能力信息，使得第二网元可以根据能力信息确定与目标分析任务匹配的第一网元，从而可以通过调用匹配的第一网元中的模型针对目标分析任务进行模型推理。因此本申请实施例可以提高了模型推理的可靠性。

附图说明

图1是本申请实施例可应用的网络结构示意图；

图2是本申请实施例提供的一种模型处理方法的流程图之一；

图3是本申请实施例提供的一种模型处理方法的流程图之二；

图4是本申请实施例提供的一种模型处理方法的流程图之三；

图5是本申请实施例提供的一种模型处理方法的流程图之一；

图6是本申请实施例提供的一种模型处理装置的结构图之一；

图7是本申请实施例提供的一种模型处理装置的结构图之二；

图8是本申请实施例提供的一种模型处理装置的结构图之三；

图9是本申请实施例提供的一种通信设备的结构图；

图10是本申请实施例提供的一种网络侧设备的结构图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本申请保护的范围。

本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”所区别的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”一般表示前后关联对象是一种“或”的关系。

值得指出的是，本申请实施例所描述的技术不限于长期演进型(Long TermEvolution，LTE)/LTE的演进(LTE-Advanced，LTE-A)系统，还可用于其他无线通信系统，诸如码分多址(Code Division Multiple Access，CDMA)、时分多址(Time DivisionMultiple Access，TDMA)、频分多址(Frequency Division Multiple Access，FDMA)、正交频分多址(Orthogonal Frequency Division Multiple Access，OFDMA)、单载波频分多址(Single-carrier Frequency Division Multiple Access，SC-FDMA)和其他系统。本申请实施例中的术语“系统”和“网络”常被可互换地使用，所描述的技术既可用于以上提及的系统和无线电技术，也可用于其他系统和无线电技术。以下描述出于示例目的描述了新空口(New Radio，NR)系统，并且在以下大部分描述中使用NR术语，但是这些技术也可应用于NR系统应用以外的应用，如第6代(6^th Generation，6G)通信系统。

图1示出本申请实施例可应用的一种无线通信系统的框图。无线通信系统包括终端11和网络侧设备12。其中，终端11可以是手机、平板电脑(Tablet Personal Computer)、膝上型电脑(Laptop Computer)或称为笔记本电脑、个人数字助理(Personal DigitalAssistant，PDA)、掌上电脑、上网本、超级移动个人计算机(ultra-mobile personalcomputer，UMPC)、移动上网装置(Mobile Internet Device，MID)、增强现实(augmentedreality，AR)/虚拟现实(virtual reality，VR)设备、机器人、可穿戴式设备(WearableDevice)、车载设备(VUE)、行人终端(PUE)、智能家居(具有无线通信功能的家居设备，如冰箱、电视、洗衣机或者家具等)、游戏机、个人计算机(personal computer，PC)、柜员机或者自助机等终端侧设备，可穿戴式设备包括：智能手表、智能手环、智能耳机、智能眼镜、智能首饰(智能手镯、智能手链、智能戒指、智能项链、智能脚镯、智能脚链等)、智能腕带、智能服装等。除了上述终端设备，也可以是终端内的芯片，例如调制解调器(Modem)芯片，系统级芯片(System on Chip,SoC)。需要说明的是，在本申请实施例并不限定终端11的具体类型。网络侧设备12可以包括接入网设备或核心网设备，其中，接入网设备12也可以称为无线接入网设备、无线接入网(Radio Access Network,RAN)、无线接入网功能或无线接入网单元。接入网设备12可以包括基站、WLAN接入点或WiFi节点等，基站可被称为节点B、演进节点B(eNB)、接入点、基收发机站(Base Transceiver Station，BTS)、无线电基站、无线电收发机、基本服务集(Basic Service Set，BSS)、扩展服务集(Extended Service Set，ESS)、家用B节点、家用演进型B节点、发送接收点(Transmitting Receiving Point，TRP)或所述领域中其他某个合适的术语，只要达到相同的技术效果，所述基站不限于特定技术词汇，需要说明的是，在本申请实施例中仅以NR系统中的基站为例进行介绍，并不限定基站的具体类型。

一、网络存储功能(Network Repository Function，NRF)。

NRF主要负责服务发现功能(service discovery function)和维护网络功能实体(Network Function，NF)配置文件(NF profile)等，其中，NF profile记录了NF的标识和简单能力信息。其中，网络功能实体可以称之为网元，或网元功能实体。

可选地，针对NF的注册，NF可以使用第一服务，该第一服务可以称之为Nnrf_NFManagement服务。

可选地，针对NF的发现，如一个网元想发现另一个网元的信息，则可以通过第二服务，该第二服务可以称之为Nnrf_NFDiscovery服务。

二、网元注册到NRF的流程。

注册流程包括以下步骤：

步骤1，NF服务消费者(即NF实例)向NRF发送注册请求消息(例如Nnrf_NFManagement_NFRegister请求消息)，以在NF服务消费者第一次开始工作时通知NRF其NF配置文件。

步骤2，NRF存储NF服务消费者的NF配置文件，并标记NF服务消费者可用。

步骤3，NRF确认NF注册，并通过Nnrf_NFManagement_NFRegister响应。

下面结合附图，通过一些实施例及其应用场景对本申请实施例提供的模型处理方法进行详细地说明。

参照图2，本申请实施例提供了一种模型处理方法，如图2所示，该模型处理方法包括：

步骤201，第一网元向第二网元发送注册请求消息，所述注册请求消息包括所述第一网元的能力信息，所述能力信息包括模型数量信息和模型信息中的至少一项；

步骤202，所述第一网元从所述第二网元接收注册请求响应消息；

其中，所述模型数量信息用于指示所述第一网元支持的与分析任务标识对应的模型的数量；所述模型信息包括第一网元支持的与分析任务标识对应的模型的以下至少一种信息：

模型标识；

模型性能信息；

模型大小，所述模型大小用于指示存储或运行模型需要的存储空间；

推理时长，所述推理时长用于指示基于模型进行模型推理操作所需的时长；

训练数据来源信息，所述训练数据来源信息用于指示模型在训练阶段所使用的训练数据来源的位置信息和网元信息中的至少一项；

训练数据时间信息，所述训练数据时间信息用于指示模型在训练阶段所使用的训练数据的产生的时间。

本申请实施例中，上述第一网元可以理解为模型训练网元，例如，在一些实施例中可以为模型训练逻辑功能(Model Training logical function，MTLF)，或者称之为网络数据分析功能(Network Data Analytics Function，NWDAF)中包含的MTLF。上述第二网元可以理解为NRF。

应理解，上述注册请求消息除了包括能力信息之外还可以包括其他的信息，例如，可以包括：

NF类型，NF类型用于指示此次注册的网元是何种网元，例如为NWDAF类型或者MTLF类型。

网元实例标识信息(NF instance ID)，用于指示此次注册网络的网元表示信息，例如全限定域名(Fully Qualified Domain Name，FQDN)或者IP地址信息；

所支持的分析任务标识(analytic ID)，用于表示该NWDAF网元所能进行的任务类型。

可选地，上述模型性能信息可以用于表示模型输出结果的准确度和误差值等。在一些实施例中，该模型性能信息可以包括以下至少一项：第一性能信息，所述第一性能信息用于指示模型在训练阶段能达到的性能；第二性能信息，所述第二性能信息用于指示模型在推理阶段能达到的性能。

可选地，第二网元接收到上述注册请求消息后，可以储存注册请求消息中携带的信息，并确认注册通过后，向第一网元发送注册请求响应消息。

可选地，上述模型大小可以通过模型的参数量(parameter)表示。上述训练数据来源信息和训练数据时间信息可以理解为模型训练的数据信息，当然在其他实施例中注册请求消息还可以包括其他模型训练的数据信息，在此不做进一步的限定。

需要说明的是，在第三网元需要调用第一网元中的模型执行目标分析任务时，可以首先向第二网元发送第二请求消息，以请求查询可以执行目标分析任务的第一网元。由于第二网元中储存有能力信息，从而可以根据能力信息确定可用于执行所述目标分析任务的模型的N个第一网元。然后由第三网元从N个第一网元中选择目标网元，并调用目标网元中的模型执行目标分析任务，即利用目标网元中的模型对目标任务进行模型推理。由于在第二网元中可以基于能力信息查询到匹配目标分析任务的第一网元，从而可以提高后续针对目标分析任务进行模型推理的可靠性。与此同时，可以避免由于针对目标分析任务进行模型推理的准确度较低和/或误差值较大，导致需要重新查询新的第一网元重新执行目标分析任务的模型推理。因此本申请实施例还可以进一步提高第一网元的查询效率。

例如，在一些实施例中，当目标信息包括模型数量信息，第二网元可以匹配获得满足目标分析任务的模型数量要求的第一网元，从而可以提高针对目标分析任务进行模型推理的可靠性。在一些实施例中，当目标信息包括模型信息时，第一网元可以匹配获得满足对目标分析任务的模型要求(如模型性能要求)的第一网元，从而可以提高针对目标分析任务进行模型推理的可靠性。

可选地，上述第三网元可以理解为数据分析逻辑功能(Analytics logicalfunction，AnLF)，或者称之为NWDAF中包含的AnLF。

本申请实施例通过第一网元向第二网元发送注册请求消息，所述注册请求消息包括所述第一网元的能力信息，所述能力信息包括模型数量信息和模型信息中的至少一项；所述第一网元从所述第二网元接收注册请求响应消息。这样，由于在注册时携带了上述能力信息，使得第二网元可以根据能力信息确定与目标分析任务匹配的第一网元，从而可以通过调用匹配的第一网元中的模型针对目标分析任务进行模型推理。因此本申请实施例可以提高了模型推理的可靠性。

可选地，在一些实施例中，所述第一网元从所述第二网元接收注册请求响应消息之后，所述方法还包括：

所述第一网元从第三网元接收第一请求消息，所述第一请求消息用于获取可用于执行目标分析任务的目标模型；

所述第一网元向所述第三网元发送第一请求响应消息，所述第一请求响应消息包括所述目标模型和用于获取所述目标模型的地址信息中的至少一项。

本申请实施例中，上述第三网元获得N个第一网元后，可以向第一网元发送第一请求消息，以请求获取可执行目标分析任务的目标模型。其中，上述目标分析任务请求可以为第三网元从第四网元接收到的信息，例如，第四网元可以向第三网元发送任务请求消息，该任务请求消息可以包括目标分析任务的分析任务标识，进一步还可以包括任务限定信息，该任务限定信息可以包括数据分析任务模型的限定信息和分析目标(analytic target)，其中，数据分析任务模型的限定信息可以称之为机器学习模型的限定信息(MachineLearning model filter info)。其中，任务限定信息可以用于限定任务范围，如模型所针对的分析对象(如对某个UE进行移动性分析)、任务目标时间、感兴趣区域(Area ofInterest，AOI)、单一网络切片选择辅助信息(Single Network Slice SelectionAssistance Information，S-NSSAI)和数据网络名(Data Network Name，DNN)等

可选地，所述第一网元接收到第一请求消息后，可以基于第一请求消息确定可用于执行目标分析任务的目标模型，然后通过第一请求响应消息指示目标模型。第三网元接收到第一请求响应消息后，可以利用目标模型针对目标任务执行模型推理操作，并生成目标分析报告，最后将目标分析报告发送给第四网元。

可选地，在一些实施例中，所述第一请求消息包括所述目标分析任务的分析任务标识和模型限定信息，所述模型限定信息包括以下至少一项：

模型的数量的限定信息；

模型标识的限定信息；

模型性能信息的限定信息；

模型大小的限定信息；

推理时长的限定信息；

训练数据来源的限定信息；

训练数据时间的限定信息。

在本申请实施例中，上述模型限定信息可以基于上述任务限定信息确定，也可以由协议约定(例如，协议约定不同的任务对应的模型限定信息)，或者由第三网元自主确定。其中，第一网元反馈的目标模型应当满足上述模型限定信息，具体情况如下：

上述模型的数量的限定信息可以理解为，与目标分析任务的分析任务标识对应的模型的数量的限定信息。在一些实施例中，模型的数量的限定信息可以包括一个数量阈值，在模型限定信息包括模型的数量的限定信息的情况下，第一网元需要向第三网元反馈的目标模型的数量应大于或等于该数量阈值，或者反馈的目标模型的数量应小于或等于该数量阈值。

针对模型标识的限定信息可以包括一个或者多个预设模型标识，在模型限定信息包括模型标识的限定信息的情况下，第一网元需要从该预设模型标识对应的模型中反馈目标模型至第三网元，或者，第三网元需要从除该预设模型标识对应的模型之外的模型中反馈目标模型至第三网元。

针对模型性能信息的限定信息可以包括性能指标，在模型限定信息包括性能信息的限定信息的情况下，第一网元需要向第三网元反馈满足性能指标的目标模型。该模型性能信息的限定信息可以包括第一性能信息的限定信息和第二性能信息的限定信息中的至少一项。

针对模型大小的限定信息可以包括模型大小阈值，在模型限定信息包括模型大小的限定信息的情况下，第一网元需要向第三网元反馈大于或等于该模型大小阈值的目标模型，或者反馈小于或等于该模型大小阈值的目标模型。

针对推理时长的限定信息可以包括推理时间阈值，在模型限定信息包括推理时长的限定信息的情况下，第一网元需要向第三网元反馈大于或等于该推理时间阈值的目标模型，或者反馈小于或等于该推理时间阈值的目标模型。

针对训练数据来源的限定信息可以包括训练数据来源信息，在模型限定信息包括训练数据来源的限定信息的情况下，第一网元需要从通过该训练数据来源信息训练的模型中反馈目标模型至第三网元，或者，第三网元需要从除通过该训练数据来源信息训练的模型之外的模型中反馈目标模型至第三网元。

针对训练数据时间信息的限定信息可以包括训练数据时间阈值，在模型限定信息包括训练数据时间信息的限定信息的情况下，可以基于该时间阈值确定时间范围，第一网元需要向第三网元反馈的目标模型在训练阶段所使用的训练数据的产生的时间位于该时间范围内。

可选地，所述第一性能信息包括模型在训练时的以下至少一项信息：第一性能指标、第一性能指标的计算方法、第一时间信息、第一数值和第一结果；其中，所述第一性能指标包括训练时准确度和训练时误差值中的至少一项，所述第一时间信息包括计算所述第一性能指标对应的时间信息，所述第一数值用于表示计算所述第一性能指标所用的数据数量，所述第一结果为基于多个所述第一性能指标计算获得的结果值。

本申请实施例中，上述第一性能指标也可以理解为模型在训练时表现(performance in Training)。即基于某种统计计算得到的值，例如可以为上述训练时准确度(accuracy in Training，AiT)和训练时误差值(Mean Absolute Error in Training，MAEiT)中的至少一项。其中，训练时准确度可以称之为模型在训练时的准确度，该准确度可以将模型决策结果正确的次数处于总决策次数得到准确度。例如，第一网元可以设置一个验证数据集用于评估模型准确度，该验证集中包括用于模型输入的数据和真实的标签数据，第一网元将验证输入数据输入训练后的模型得到输出数据，第一网元再比较输出数据与真实标签数据是否一致，进而利用上述计算方法获得模型准确度的值。

上述第一性能指标的计算方法可包括以下至少一项：模型预测准确数和模型预测总数的比、MAE、均方根误差(Root Mean Square Error)、召回(Recall)和F1分数(F1score)等。

上述第一时间信息表示为一个时间节点或者一段时间(如包括计算第一性能指标的开始时间和计算第一性能指标的结束时间)。

上述第一结果可以表示多个所述第一性能指标的分布情况，具体可以通过预设的计算方法进行计算得到，例如该第一结果可以为平均值、中位数或者方差等。

可选地，在一些实施例中，所述第二性能信息包括模型在实际使用时的以下至少一项信息：第二性能指标、第二性能指标的计算方法、第二时间信息、第二数值和第二结果；其中，所述第二性能指标包括实际使用时准确度和实际使用时误差值中的至少一项，所述第二时间信息包括计算所述第二性能指标对应的时间信息，

本申请实施例中，实际使用可以理解为使用模型进行模型推理，上述第二性能信息与上述第一性能信息对应，第二性能指标也可以理解为模型在实际使用时表现(performance in Use)。例如，上述第二性能指标的计算方法可包括以下至少一项：模型预测准确数和模型预测总数的比、MAE、均方根误差(Root Mean Square Error)、召回(Recall)和F1分数(F1score)等。上述第二时间信息表示为一个时间节点或者一段时间(如包括计算第二性能指标的开始时间和计算第二性能指标的结束时间)。上述第二结果可以表示多个所述第二性能指标的分布情况，具体可以通过预设的计算方法进行计算得到，例如该第二结果可以为平均值、中位数或者方差等。

为了更好的理解本申请，以下通过一些实例进行说明。

如图3所示，一个网元利用另一网元中的模型对目标分析任务进行模型推理包括以下流程：

步骤301，MTLF向NRF发送注册请求消息。该注册请求消息可以称之为能力注册消息进行能力注册。

可选地，注册请求消息可以包括MTLF自身标识信息和支持的analytic ID等信息之外，还可以包括上述能力信息，即包括模型数量信息和模型信息中的至少一项。

其中，模型信息中的准确度和误差值可以判断两个模型中哪个模型更适合目标分析任务；准确度的分布可以判断该模型的表现是否稳定；通过判断模型训练数据的来源信息和时间信息，可以判断是否该模型与目标分析任务匹配(例如老的数据所训练的模型有更大概率会受到网络数据变化的影响)。

步骤302，NRF储存该注册请求消息中携带的信息；

步骤303，NRF发送注册请求响应消息。

步骤304，任务消费者向AnLF发送任务请求消息，该任务请求消息包括目标分析任务的分析任务标识、数据分析任务模型的限定信息和分析目标。

可选地，上述步骤303和步骤304的顺序在此不做约定，通常的步骤303位于步骤304之前。

步骤305，AnLF向NRF发送第二请求消息，该第二请求消息用于寻找合适的MTLF，除了携带上述目标分析任务的分析任务标识和数据分析任务模型的限定信息之外，还可以进一步包括目标要求信息。

可选地，该目标要求信息包括以下至少一项：

模型的数量的要求信息；

模型标识的要求信息；

模型性能信息的要求信息；

模型大小的要求信息，所述模型大小用于指示存储或运行模型需要的存储空间；

推理时长的要求信息，所述推理时长用于指示基于模型进行模型推理操作所需的时长；

训练数据来源的要求信息，所述训练数据来源信息用于指示模型在训练阶段所使用的训练数据来源的位置信息和网元信息中的至少一项；

训练数据时间的要求信息，所述训练数据时间信息用于指示模型在训练阶段所使用的训练数据的产生的时间。

本申请实施例中，目标要求信息可以理解为对模型的要求或者对模型的限定要求。其中，上述模型的数量的限定信息可以数量阈值，此时合适的MTLF能够提供可用于执行所述目标分析任务的模型的数量需要大于或等于该数量阈值，或者小于或等于该数量阈值。上述模型标识要求信息可以包括至少一个模型标识，此时合适的MTLF能够提供可用于执行所述目标分析任务的模型包括或者不包括该至少一个模型标识对应的模型。模型性能信息的要求信息可以包括性能指标(例如可以包括第一性能指标和第二性能指标中至少一项)，此时合适的MTLF能够提供可用于执行所述目标分析任务的模型需要满足要求的性能指标。上述模型大小的限定信息可以包括模型大小阈值，此时合适的MTLF能够提供可用于执行所述目标分析任务的模型需要包括大于或等于该模型大小阈值的模型或者需要包括小于或等于该模型大小阈值的模型。上述训练数据来源的限定信息可以包括训练数据来源信息，此时合适的MTLF能够提供可用于执行所述目标分析任务的模型需要包括或者不包括通过该训练数据来源信息训练的模型。上述训练数据时间信息可以包括训练数据时间阈值，可以基于该时间阈值确定时间范围，此时合适的MTLF需要包括训练阶段所使用的训练数据的产生的时间位于该时间范围内的模型。

步骤306，NRF向AnLF反馈第二请求响应消息，其中该第二请求响应消息需包括确定的N个MTLF。进一步地，还可以包括每一个MTLF支持的任务分析标识、模型数量信息和模型信息中的至少一项。

应理解，NRF基于第二请求消息确定N个MTLF。可选地，每一MTLF包括支持上述目标分析任务的分析任务标识的模型，且该模型(或者说该MTLF)需要满足上述目标要求信息和数据分析任务模型的限定信息。

可选地，在一些实施例中，第二请求响应消息还可以包括N个第一网元中每一第一网元对应的有效时间。该有效时间可以理解为MTLF注册的能力信息的有效时间，超过该时间，MTLF的能力信息可能会发生变化，在有效时间之外，请求MTLF中的模型可能会导致最终的模型推理的可靠性无法得到保障。因此，AnLF优先可以去请求处于有效时间内的MTLF中的模型。

步骤307，AnLF在N个MTLF中确定目标MTLF。

例如，若NRF反馈一个MTLF，则将该MTLF确定为目标MTLF；若NRF反馈多个MTLF，则还需从多个MTLF中选择一个作为目标MTLF。当然在其他实施例中，AnLF还可以选择至少两个MTLF作为目标MTLF。

步骤308，AnLF向目标MTLF发送第一请求消息(即模型获取请求)，例如可以为Nnwdaf_MLModelInfo_Request或者Nnwdaf_MLModelProvision_Request。

在该第一请求消息中可以包括所述目标分析任务的分析任务标识和模型限定信息。

其中，AnLF接收到第一请求消息后，可以根据目标分析任务的分析任务标识和模型限定信息匹配出合适的目标模型。

步骤309，目标MTLF向AnLF发送第一请求响应消息，该第一请求响应消息包括目标模型和用于获取目标模型的地址信息。

第一请求信息包括目标模型可以理解为包括模型的配置文件和模型的描述信息等，上述目标模型的地址信息可以包括统一资源定位符(Uniform Resource Locator，URL)、FQDN信息和IP地址等。AnLF获取到地址信息后，可以直接下载目标模型。

步骤310，AnLF基于目标模型针对目标分析任务执行模型推理，获得目标任务报告。

可选地，AnLF可以使用一个目标模型获得推理结果，并将该推理结果作为目标任务报告；AnLF也可以使用多个目标模型获得不同的推理结果，最后基于多个推理结果生成目标任务报告，例如，可以对多个推理结果进行聚合(aggregation)或者投票(voting)等操作获得最终的推理结果作为目标任务报告。该目标任务报告可以理解为数据分析结果信息。

步骤311，AnLF向任务消费者反馈任务请求响应消息，所述任务请求响应消息包括所述目标分析报告。

参照图4，本申请实施例还提供了一种模型处理方法，如图4所示，该模型处理方法包括：

步骤401，第二网元从第一网元接收注册请求消息，所述注册请求消息包括所述第一网元的能力信息；

步骤402，所述第二网元储存所述能力信息，并向所述第一网元发送注册请求响应消息；

其中，所述能力信息包括模型数量信息和模型信息中的至少一项；所述模型数量信息用于指示所述第一网元支持的与分析任务标识对应的模型的数量；所述模型信息包括第一网元支持的与分析任务标识对应的模型的以下至少一种信息：

模型标识；

模型性能信息；

模型大小，所述模型大小用于指示存储或运行模型需要的存储空间；

推理时长，所述推理时长用于指示基于模型进行模型推理操作所需的时长；

训练数据来源信息，所述训练数据来源信息用于指示模型在训练阶段所使用的训练数据来源的位置信息和网元信息至少一项；

训练数据时间信息，所述训练数据时间信息用于指示模型在训练阶段所使用的训练数据的产生的时间。

可选地，所述第二网元储存所述能力信息，并向所述第一网元发送注册请求响应消息之后，所述方法还包括：

所述第二网元从第三网元接收第二请求消息，所述第二请求消息包括目标分析任务的分析任务标识；

所述第二网元基于所述第二请求消息确定N个第一网元，所述N个第一网元为能够提供可用于执行所述目标分析任务的模型的第一网元，N为正整数；

所述第二网元向所述第三网元发送第二请求响应消息，所述第二请求响应消息用于指示所述N个第一网元。

可选地，所述第二请求消息还包括目标要求信息，所述N个第一网元中的任一个第一网元满足所述目标要求信息，其中，所述目标要求信息包括以下至少一项：

模型的数量的要求信息；

模型标识的要求信息；

模型性能信息的要求信息；

模型大小的要求信息；

推理时长的要求信息；

训练数据来源的要求信息；

训练数据时间的要求信息。

可选地，所述第二请求响应消息包括所述N个第一网元的标识信息和所述N个第一网元的地址信息中的至少一项。

可选地，所述第二请求响应消息还包括所述N个第一网元中每一第一网元对应的有效时间。

可选地，所述模型性能信息包括以下至少一项：

第一性能信息，所述第一性能信息用于指示模型在训练阶段能达到的性能；

第二性能信息，所述第二性能信息用于指示模型在推理阶段能达到的性能。

可选地，所述第二请求响应消息还包括所述第一网元支持的任务分析标识和所述能力信息。

可选地，所述第一性能信息包括模型在训练时的以下至少一项信息：第一性能指标、第一性能指标的计算方法、第一时间信息、第一数值和第一结果；其中，所述第一性能指标包括训练时准确度和训练时误差值中的至少一项，所述第一时间信息包括计算所述第一性能指标对应的时间信息，所述第一数值用于表示计算所述第一性能指标所用的数据数量，所述第一结果为基于多个所述第一性能指标计算获得的结果值。

可选地，所述第二性能信息包括模型在实际使用时的以下至少一项信息：第二性能指标、第二性能指标的计算方法、第二时间信息、第二数值和第二结果；其中，所述第二性能指标包括实际使用时准确度和实际使用时误差值中的至少一项，所述第二时间信息包括计算所述第二性能指标对应的时间信息，所述第二数值用于表示计算所述第二性能指标所用的数据数量，所述第二结果为基于多个所述第二性能指标计算获得的结果值。

参照图5，本申请实施例还提供了一种模型处理方法，如图5所示，该模型处理方法包括：

步骤501，第三网元向第二网元发送第二请求消息，所述第二请求消息包括目标分析任务的分析任务标识；

步骤502，所述第三网元从所述第二网元接收第二请求响应消息，所述第二请求响应消息用于指示N个第一网元，所述N个第一网元为能够提供可用于执行所述目标分析任务的模型的第一网元，N为正整数；

步骤503，所述第三网元向所述N个第一网元中的目标网元发送第一请求消息；

步骤504，所述第三网元从所述目标网元(任务消费者)接收第一请求响应消息，所述第一请求响应消息包括目标模型和用于获取所述目标模型的地址信息中的至少一项，所述目标模型可用于执行所述目标分析任务。

可选地，所述第三网元向第二网元发送第二请求消息之前，所述方法还包括：

所述第三网元从第四网元接收任务请求消息，所述任务请求消息包括目标分析任务的分析任务标识。

可选地，所述第三网元从所述目标网元接收第一请求响应消息之后，所述方法还包括：

所述第三网元利用所述目标模型执行所述目标分析任务，获得目标分析报告；

所述第三网元向所述第四网元发送任务请求响应消息，所述任务请求响应消息包括所述目标分析报告。

可选地，所述目标模型的数量为M1个，M1为正整数，所述第三网元利用所述目标模型执行所述目标分析任务，获得目标分析报告包括：

所述第三网元利用M2个所述目标模型执行针对所述目标分析任务的模型推理，获得M2个推理结果，M2为小于或等于M1的正整数；

所述第三网元基于所述M2个推理结果，生成所述目标分析报告。

可选地，所述第三网元基于所述M2个推理结果，生成所述目标分析报告包括：

所述第三网元对所述M2个推理结果进行加权平均，得到所述目标分析报告。

所述第三网元对所述M2个推理结果进行平均运算，得到所述目标分析报告。

所述第三网元对所述M2个推理结果进行累加，得到所述目标分析报告。

需要说明的是，在进行加权平均时可以考虑模型的性能，例如模型的准确度为0.6，则对推理结果的加权值可以为0.6。在进行累加时也可以考虑模型的性能，例如模型的准确度为0.6，则对推理结果的权值可以为0.6。

可选地，所述目标网元为一个所述第一网元。

可选地，所述第一请求消息包括所述目标分析任务的分析任务标识和模型限定信息，所述模型限定信息包括以下至少一项：

模型的数量的限定信息；

模型标识的限定信息；

模型性能信息的限定信息；

模型大小的限定信息，所述模型大小用于指示存储或运行模型需要的存储空间；

推理时长的限定信息，所述推理时长用于指示基于模型进行模型推理操作所需的时长；

训练数据来源的限定信息，所述训练数据来源信息用于指示模型在训练阶段所使用的训练数据来源的位置信息和网元信息中的至少一项；

训练数据时间的限定信息，所述训练数据时间信息用于指示模型在训练阶段所使用的训练数据的产生的时间。

可选地，所述模型性能信息包括以下至少一项：

第一性能信息，所述第一性能信息用于指示模型在训练阶段能达到的性能；

第二性能信息，所述第二性能信息用于指示模型在推理阶段能达到的性能。

可选地，所述第一性能信息包括模型在训练时的以下至少一项信息：第一性能指标、第一性能指标的计算方法、第一时间信息、第一数值和第一结果；其中，所述第一性能指标包括训练时准确度和训练时误差值中的至少一项，所述第一时间信息包括计算所述第一性能指标对应的时间信息，所述第一数值用于表示计算所述第一性能指标所用的数据数量，所述第一结果为基于多个所述第一性能指标计算获得的结果值。

可选地，所述第二性能信息包括模型在实际使用时的以下至少一项信息：第二性能指标、第二性能指标的计算方法、第二时间信息、第二数值和第二结果；其中，所述第二性能指标包括实际使用时准确度和实际使用时误差值中的至少一项，所述第二时间信息包括计算所述第二性能指标对应的时间信息，所述第二数值用于表示计算所述第二性能指标所用的数据数量，所述第二结果为基于多个所述第二性能指标计算获得的结果值。

可选地，所述第二请求消息还包括目标要求信息，所述N个第一网元中的任一个第一网元满足所述目标要求信息，所述目标要求信息包括以下至少一项：

模型的数量的要求信息；

模型标识的要求信息；

模型性能信息的要求信息；

模型大小的要求信息，所述模型大小用于指示存储或运行模型需要的存储空间；

推理时长的要求信息，所述推理时长用于指示基于模型进行模型推理操作所需的时长；

训练数据来源的要求信息，所述训练数据来源信息用于指示模型在训练阶段所使用的训练数据来源的位置信息和网元信息中的至少一项；

训练数据时间的要求信息，所述训练数据时间信息用于指示模型在训练阶段所使用的训练数据的产生的时间。

可选地，所述第二请求响应消息包括所述N个第一网元的标识信息和所述N个第一网元的地址信息中的至少一项。

可选地，所述第二请求响应消息还包括所述N个第一网元中每一第一网元对应的有效时间。

可选地，所述第二请求响应消息还包括所述第一网元支持的任务分析标识和所述能力信息。

本申请实施例提供的模型处理方法，执行主体可以为模型处理装置。本申请实施例中以模型处理装置执行模型处理方法为例，说明本申请实施例提供的模型处理装置。

参照图6，本申请实施例还提供了一种模型处理装置，如图6所示，该模型处理装置600包括：

第一发送模块601，用于向第二网元发送注册请求消息，所述注册请求消息包括所述第一网元的能力信息，所述能力信息包括模型数量信息和模型信息中的至少一项；

第一接收模块602，用于从所述第二网元接收注册请求响应消息；

其中，所述模型数量信息用于指示第一网元支持的与分析任务标识对应的模型的数量；所述模型信息包括第一网元支持的与分析任务标识对应的模型的以下至少一种信息：

模型标识；

模型性能信息；

模型大小，所述模型大小用于指示存储或运行模型需要的存储空间；

推理时长，所述推理时长用于指示基于模型进行模型推理操作所需的时长；

训练数据来源信息，所述训练数据来源信息用于指示模型在训练阶段所使用的训练数据来源的位置信息和网元信息中的至少一项；

训练数据时间信息，所述训练数据时间信息用于指示模型在训练阶段所使用的训练数据的产生的时间。

可选地，所述第一接收模块602还用于从第三网元接收第一请求消息，所述第一请求消息用于获取可用于执行目标分析任务的目标模型；

所述第一发送模块601还用于向所述第三网元发送第一请求响应消息，所述第一请求响应消息包括所述目标模型和用于获取所述目标模型的地址信息中的至少一项。

可选地，所述第一请求消息包括所述目标分析任务的分析任务标识和模型限定信息，所述模型限定信息包括以下至少一项：

模型的数量的限定信息；

模型标识的限定信息；

模型性能信息的限定信息；

模型大小的限定信息；

推理时长的限定信息；

训练数据来源的限定信息；

训练数据时间的限定信息。

可选地，所述模型性能信息包括以下至少一项：

第一性能信息，所述第一性能信息用于指示模型在训练阶段能达到的性能；

第二性能信息，所述第二性能信息用于指示模型在推理阶段能达到的性能。

可选地，所述第一性能信息包括模型在训练时的以下至少一项信息：第一性能指标、第一性能指标的计算方法、第一时间信息、第一数值和第一结果；其中，所述第一性能指标包括训练时准确度和训练时误差值中的至少一项，所述第一时间信息包括计算所述第一性能指标对应的时间信息，所述第一数值用于表示计算所述第一性能指标所用的数据数量，所述第一结果为基于多个所述第一性能指标计算获得的结果值。

可选地，所述第二性能信息包括模型在实际使用时的以下至少一项信息：第二性能指标、第二性能指标的计算方法、第二时间信息、第二数值和第二结果；其中，所述第二性能指标包括实际使用时准确度和实际使用时误差值中的至少一项，所述第二时间信息包括计算所述第二性能指标对应的时间信息，所述第二数值用于表示计算所述第二性能指标所用的数据数量，所述第二结果为基于多个所述第二性能指标计算获得的结果值。

参照图7，本申请实施例还提供了一种模型处理装置，如图7所示，该模型处理装置700包括：

第二接收模块701，用于从第一网元接收注册请求消息，所述注册请求消息包括所述第一网元的能力信息；

存储模块702，用于储存所述能力信息；

第二发送模块703，用于向所述第一网元发送注册请求响应消息；

其中，所述能力信息包括模型数量信息和模型信息中的至少一项；所述模型数量信息用于指示所述第一网元支持的与分析任务标识对应的模型的数量；所述模型信息包括第一网元支持的与分析任务标识对应的模型的以下至少一种信息：

模型标识；

模型性能信息；

模型大小，所述模型大小用于指示存储或运行模型需要的存储空间；

推理时长，所述推理时长用于指示基于模型进行模型推理操作所需的时长；

训练数据来源信息，所述训练数据来源信息用于指示模型在训练阶段所使用的训练数据来源的位置信息和网元信息至少一项；

训练数据时间信息，所述训练数据时间信息用于指示模型在训练阶段所使用的训练数据的产生的时间。

可选地，模型处理装置700包括第一确定模块，

所述第二接收模块701还用于从第三网元接收第二请求消息，所述第二请求消息包括目标分析任务的分析任务标识；

所述第一确定模块用于基于所述第二请求消息确定N个第一网元，所述N个第一网元为能够提供可用于执行所述目标分析任务的模型的第一网元，N为正整数；

所述第二发送模块703还用于向所述第三网元发送第二请求响应消息，所述第二请求响应消息用于指示所述N个第一网元。

可选地，所述第二请求消息还包括目标要求信息，所述N个第一网元中的任一个第一网元满足所述目标要求信息，其中，所述目标要求信息包括以下至少一项：

模型的数量的要求信息；

模型标识的要求信息；

模型性能信息的要求信息；

模型大小的要求信息；

推理时长的要求信息；

训练数据来源的要求信息；

训练数据时间的要求信息。

可选地，所述第二请求响应消息包括所述N个第一网元的标识信息和所述N个第一网元的地址信息中的至少一项。

可选地，所述第二请求响应消息还包括所述N个第一网元中每一第一网元对应的有效时间。

可选地，所述模型性能信息包括以下至少一项：

第一性能信息，所述第一性能信息用于指示模型在训练阶段能达到的性能；

第二性能信息，所述第二性能信息用于指示模型在推理阶段能达到的性能。

可选地，所述第一性能信息包括模型在训练时的以下至少一项信息：第一性能指标、第一性能指标的计算方法、第一时间信息、第一数值和第一结果；其中，所述第一性能指标包括训练时准确度和训练时误差值中的至少一项，所述第一时间信息包括计算所述第一性能指标对应的时间信息，所述第一数值用于表示计算所述第一性能指标所用的数据数量，所述第一结果为基于多个所述第一性能指标计算获得的结果值。

可选地，所述第二性能信息包括模型在实际使用时的以下至少一项信息：第二性能指标、第二性能指标的计算方法、第二时间信息、第二数值和第二结果；其中，所述第二性能指标包括实际使用时准确度和实际使用时误差值中的至少一项，所述第二时间信息包括计算所述第二性能指标对应的时间信息，所述第二数值用于表示计算所述第二性能指标所用的数据数量，所述第二结果为基于多个所述第二性能指标计算获得的结果值。

参照图8，本申请实施例还提供了一种模型处理装置，如图8所示，该模型处理装置800包括：

第三发送模块801，用于向第二网元发送第二请求消息，所述第二请求消息包括目标分析任务的分析任务标识；

第三接收模块802，还用于从所述第二网元接收第二请求响应消息，所述第二请求响应消息用于指示N个第一网元，所述N个第一网元为能够提供可用于执行所述目标分析任务的模型的第一网元，N为正整数；

所述第三发送模块801，还用于向所述N个第一网元中的目标网元发送第一请求消息；

所述第三接收模块802，还用于第三网元从所述目标网元接收第一请求响应消息，所述第一请求响应消息包括目标模型和用于获取所述目标模型的地址信息中的至少一项，所述目标模型可用于执行所述目标分析任务。

可选地，第三接收模块802还用于，从第四网元接收任务请求消息，所述任务请求消息包括目标分析任务的分析任务标识。

可选地，所述模型处理装置800还包括：

执行模块，用于利用所述目标模型执行所述目标分析任务，获得目标分析报告；

所述第三发送模块801还用于向所述第四网元发送任务请求响应消息，所述任务请求响应消息包括所述目标分析报告。

可选地，所述目标模型的数量为M1个，M1为正整数，所述执行模块具体用于：利用M2个所述目标模型执行针对所述目标分析任务的模型推理，获得M2个推理结果，M2为小于或等于M1的正整数；基于所述M2个推理结果，生成所述目标分析报告。

可选地，所述目标网元为一个所述第一网元。

可选地，所述第一请求消息包括所述目标分析任务的分析任务标识和模型限定信息，所述模型限定信息包括以下至少一项：

模型的数量的限定信息；

模型标识的限定信息；

模型性能信息的限定信息；

模型大小的限定信息，所述模型大小用于指示存储或运行模型需要的存储空间；

推理时长的限定信息，所述推理时长用于指示基于模型进行模型推理操作所需的时长；

训练数据来源的限定信息，所述训练数据来源信息用于指示模型在训练阶段所使用的训练数据来源的位置信息和网元信息中的至少一项；

训练数据时间的限定信息，所述训练数据时间信息用于指示模型在训练阶段所使用的训练数据的产生的时间。

可选地，所述模型性能信息包括以下至少一项：

第一性能信息，所述第一性能信息用于指示模型在训练阶段能达到的性能；

第二性能信息，所述第二性能信息用于指示模型在推理阶段能达到的性能。

可选地，所述第一性能信息包括模型在训练时的以下至少一项信息：第一性能指标、第一性能指标的计算方法、第一时间信息、第一数值和第一结果；其中，所述第一性能指标包括训练时准确度和训练时误差值中的至少一项，所述第一时间信息包括计算所述第一性能指标对应的时间信息，所述第一数值用于表示计算所述第一性能指标所用的数据数量，所述第一结果为基于多个所述第一性能指标计算获得的结果值。

可选地，所述第二性能信息包括模型在实际使用时的以下至少一项信息：第二性能指标、第二性能指标的计算方法、第二时间信息、第二数值和第二结果；其中，所述第二性能指标包括实际使用时准确度和实际使用时误差值中的至少一项，所述第二时间信息包括计算所述第二性能指标对应的时间信息，所述第二数值用于表示计算所述第二性能指标所用的数据数量，所述第二结果为基于多个所述第二性能指标计算获得的结果值。

可选地，所述第二请求消息还包括目标要求信息，所述N个第一网元中的任一个第一网元满足所述目标要求信息，所述目标要求信息包括以下至少一项：

模型的数量的要求信息；

模型标识的要求信息；

模型性能信息的要求信息；

模型大小的要求信息，所述模型大小用于指示存储或运行模型需要的存储空间；

推理时长的要求信息，所述推理时长用于指示基于模型进行模型推理操作所需的时长；

训练数据来源的要求信息，所述训练数据来源信息用于指示模型在训练阶段所使用的训练数据来源的位置信息和网元信息中的至少一项；

训练数据时间的要求信息，所述训练数据时间信息用于指示模型在训练阶段所使用的训练数据的产生的时间。

可选地，所述第二请求响应消息包括所述N个第一网元的标识信息和所述N个第一网元的地址信息中的至少一项。

可选地，所述第二请求响应消息还包括所述N个第一网元中每一第一网元对应的有效时间。

本申请实施例中的模型处理装置可以是电子设备，例如具有操作系统的电子设备，也可以是电子设备中的部件，例如集成电路或芯片。该电子设备可以是终端，也可以为除终端之外的其他设备。示例性的，终端可以包括但不限于上述所列举的终端11的类型，其他设备可以为服务器、网络附属存储器(Network Attached Storage，NAS)等，本申请实施例不作具体限定。

本申请实施例提供的模型处理装置能够实现图2至图5的方法实施例实现的各个过程，并达到相同的技术效果，为避免重复，这里不再赘述。

可选的，如图9所示，本申请实施例还提供一种通信设备900，包括处理器901和存储器902，存储器902上存储有可在所述处理器901上运行的程序或指令，该程序或指令被处理器901执行时实现上述模型处理方法实施例的各个步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。

本申请实施例还提供一种网络侧设备，包括处理器和通信接口，在网络侧设备为第一网元时，所述通信接口用于向第二网元发送注册请求消息，所述注册请求消息包括所述第一网元的能力信息，所述能力信息包括模型数量信息和模型信息中的至少一项；从所述第二网元接收注册请求响应消息；其中，所述模型数量信息用于指示所述第一网元支持的与分析任务标识对应的模型的数量；所述模型信息包括第一网元支持的与分析任务标识对应的模型的以下至少一种信息：模型标识；模型性能信息；模型大小，所述模型大小用于指示存储或运行模型需要的存储空间；推理时长，所述推理时长用于指示基于模型进行模型推理操作所需的时长；训练数据来源信息，所述训练数据来源信息用于指示模型在训练阶段所使用的训练数据来源的位置信息和网元信息中的至少一项；训练数据时间信息，所述训练数据时间信息用于指示模型在训练阶段所使用的训练数据的产生的时间；

或者，在网络侧设备为第二网元时，所述通信接口用于从第一网元接收注册请求消息，所述注册请求消息包括所述第一网元的能力信息；向所述第一网元发送注册请求响应消息；所述处理器用于储存所述能力信息；其中，所述能力信息包括模型数量信息和模型信息中的至少一项；所述模型数量信息用于指示所述第一网元支持的与分析任务标识对应的模型的数量；所述模型信息包括第一网元支持的与分析任务标识对应的模型的以下至少一种信息：模型标识；模型性能信息；模型大小，所述模型大小用于指示存储或运行模型需要的存储空间；推理时长，所述推理时长用于指示基于模型进行模型推理操作所需的时长；训练数据来源信息，所述训练数据来源信息用于指示模型在训练阶段所使用的训练数据来源的位置信息和网元信息至少一项；训练数据时间信息，所述训练数据时间信息用于指示模型在训练阶段所使用的训练数据的产生的时间；

或者，在网络侧设备为第三网元时，所述通信接口用于向第二网元发送第二请求消息，所述第二请求消息包括目标分析任务的分析任务标识；从所述第二网元接收第二请求响应消息，所述第二请求响应消息用于指示N个第一网元，所述N个第一网元为能够提供可用于执行所述目标分析任务的模型的第一网元，N为正整数；向所述N个第一网元中的目标网元发送第一请求消息；从所述目标网元接收第一请求响应消息，所述第一请求响应消息包括目标模型和用于获取所述目标模型的地址信息中的至少一项，所述目标模型可用于执行所述目标分析任务。

上述网络侧设备实施例与上述第一网元、第二网元和第三网元方法实施例对应，上述方法实施例的各个实施过程和实现方式均可适用于该网络侧设备实施例中，且能达到相同的技术效果。

具体地，本申请实施例还提供了一种网络侧设备。如图10所示，该网络侧设备1000包括：天线1001、射频装置1002、基带装置1003、处理器1004和存储器1005。天线1001与射频装置1002连接。在上行方向上，射频装置1002通过天线1001接收信息，将接收的信息发送给基带装置1003进行处理。在下行方向上，基带装置1003对要发送的信息进行处理，并发送给射频装置1002，射频装置1002对收到的信息进行处理后经过天线1001发送出去。

以上实施例中网络侧设备执行的方法可以在基带装置1003中实现，该基带装置1003包括基带处理器。

基带装置1003例如可以包括至少一个基带板，该基带板上设置有多个芯片，如图10所示，其中一个芯片例如为基带处理器，通过总线接口与存储器1005连接，以调用存储器1005中的程序，执行以上方法实施例中所示的网络设备操作。

该网络侧设备还可以包括网络接口1006，该接口例如为通用公共无线接口(common public radio interface，CPRI)。

具体地，本发明实施例的网络侧设备1000还包括：存储在存储器1005上并可在处理器1004上运行的指令或程序，处理器1004调用存储器1005中的指令或程序执行图6至图8所示各模块执行的方法，并达到相同的技术效果，为避免重复，故不在此赘述。

本申请实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述模型处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

其中，所述处理器为上述实施例中所述的终端中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。

本申请实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述模型处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

应理解，本申请实施例提到的芯片还可以称为系统级芯片，系统芯片，芯片系统或片上系统芯片等。

本申请实施例另提供了一种计算机程序/程序产品，所述计算机程序/程序产品被存储在存储介质中，所述计算机程序/程序产品被至少一个处理器执行以实现上述模型处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

本申请实施例还提供了一种通信系统，包括：第一网元、第二网元和第三网元，所述第一网元用于执行如图2及第一网元侧各个方法实施例的各个过程，所述第二网元用于执行如图4及第二网元侧各个方法实施例的各个过程，所述第三网元用于执行如图5及第三网元侧各个方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。

上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。

Claims (31)

1.一种模型处理方法，其特征在于，包括：

第一网元向第二网元发送注册请求消息，所述注册请求消息包括所述第一网元的能力信息，所述能力信息包括模型数量信息和模型信息中的至少一项；

所述第一网元从所述第二网元接收注册请求响应消息；

其中，所述模型数量信息用于指示所述第一网元支持的与分析任务标识对应的模型的数量；所述模型信息包括第一网元支持的与分析任务标识对应的模型的以下至少一种信息：

模型标识；

模型性能信息；

模型大小，所述模型大小用于指示存储或运行模型需要的存储空间；

推理时长，所述推理时长用于指示基于模型进行模型推理操作所需的时长；

训练数据来源信息，所述训练数据来源信息用于指示模型在训练阶段所使用的训练数据来源的位置信息和网元信息中的至少一项；

训练数据时间信息，所述训练数据时间信息用于指示模型在训练阶段所使用的训练数据的产生的时间。

2.根据权利要求1所述的方法，其特征在于，所述第一网元从所述第二网元接收注册请求响应消息之后，所述方法还包括：

所述第一网元从第三网元接收第一请求消息，所述第一请求消息用于获取可用于执行目标分析任务的目标模型；

所述第一网元向所述第三网元发送第一请求响应消息，所述第一请求响应消息包括所述目标模型和用于获取所述目标模型的地址信息中的至少一项。

3.根据权利要求2所述的方法，其特征在于，所述第一请求消息包括所述目标分析任务的分析任务标识和模型限定信息，所述模型限定信息包括以下至少一项：

模型的数量的限定信息；

模型标识的限定信息；

模型性能信息的限定信息；

模型大小的限定信息；

推理时长的限定信息；

训练数据来源的限定信息；

训练数据时间的限定信息。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述模型性能信息包括以下至少一项：

第一性能信息，所述第一性能信息用于指示模型在训练阶段能达到的性能；

第二性能信息，所述第二性能信息用于指示模型在推理阶段能达到的性能。

5.根据权利要求4所述的方法，其特征在于，所述第一性能信息包括模型在训练时的以下至少一项信息：第一性能指标、第一性能指标的计算方法、第一时间信息、第一数值和第一结果；其中，所述第一性能指标包括训练时准确度和训练时误差值中的至少一项，所述第一时间信息包括计算所述第一性能指标对应的时间信息，所述第一数值用于表示计算所述第一性能指标所用的数据数量，所述第一结果为基于多个所述第一性能指标计算获得的结果值。

6.根据权利要求4所述的方法，其特征在于，所述第二性能信息包括模型在实际使用时的以下至少一项信息：第二性能指标、第二性能指标的计算方法、第二时间信息、第二数值和第二结果；其中，所述第二性能指标包括实际使用时准确度和实际使用时误差值中的至少一项，所述第二时间信息包括计算所述第二性能指标对应的时间信息，所述第二数值用于表示计算所述第二性能指标所用的数据数量，所述第二结果为基于多个所述第二性能指标计算获得的结果值。

7.一种模型处理方法，其特征在于，包括：

第二网元从第一网元接收注册请求消息，所述注册请求消息包括所述第一网元的能力信息；

所述第二网元储存所述能力信息，并向所述第一网元发送注册请求响应消息；

其中，所述能力信息包括模型数量信息和模型信息中的至少一项；所述模型数量信息用于指示所述第一网元支持的与分析任务标识对应的模型的数量；所述模型信息包括第一网元支持的与分析任务标识对应的模型的以下至少一种信息：

模型标识；

模型性能信息；

模型大小，所述模型大小用于指示存储或运行模型需要的存储空间；

推理时长，所述推理时长用于指示基于模型进行模型推理操作所需的时长；

训练数据来源信息，所述训练数据来源信息用于指示模型在训练阶段所使用的训练数据来源的位置信息和网元信息至少一项；

训练数据时间信息，所述训练数据时间信息用于指示模型在训练阶段所使用的训练数据的产生的时间。

8.根据权利要求7所述的方法，其特征在于，所述第二网元储存所述能力信息，并向所述第一网元发送注册请求响应消息之后，所述方法还包括：

所述第二网元从第三网元接收第二请求消息，所述第二请求消息包括目标分析任务的分析任务标识；

所述第二网元基于所述第二请求消息确定N个第一网元，所述N个第一网元为能够提供可用于执行所述目标分析任务的模型的第一网元，N为正整数；

所述第二网元向所述第三网元发送第二请求响应消息，所述第二请求响应消息用于指示所述N个第一网元。

9.根据权利要求8所述的方法，其特征在于，所述第二请求消息还包括目标要求信息，所述N个第一网元中的任一个第一网元满足所述目标要求信息，其中，所述目标要求信息包括以下至少一项：

模型的数量的要求信息；

模型标识的要求信息；

模型性能信息的要求信息；

模型大小的要求信息；

推理时长的要求信息；

训练数据来源的要求信息；

训练数据时间的要求信息。

10.根据权利要求8所述的方法，其特征在于，所述第二请求响应消息包括所述N个第一网元的标识信息和所述N个第一网元的地址信息中的至少一项。

11.根据权利要求8所述的方法，其特征在于，所述第二请求响应消息还包括所述N个第一网元中每一第一网元对应的有效时间。

12.根据权利要求7至11中任一项所述的方法，其特征在于，所述模型性能信息包括以下至少一项：

第一性能信息，所述第一性能信息用于指示模型在训练阶段能达到的性能；

第二性能信息，所述第二性能信息用于指示模型在推理阶段能达到的性能。

13.根据权利要求12所述的方法，其特征在于，所述第一性能信息包括模型在训练时的以下至少一项信息：第一性能指标、第一性能指标的计算方法、第一时间信息、第一数值和第一结果；其中，所述第一性能指标包括训练时准确度和训练时误差值中的至少一项，所述第一时间信息包括计算所述第一性能指标对应的时间信息，所述第一数值用于表示计算所述第一性能指标所用的数据数量，所述第一结果为基于多个所述第一性能指标计算获得的结果值。

14.根据权利要求12所述的方法，其特征在于，所述第二性能信息包括模型在实际使用时的以下至少一项信息：第二性能指标、第二性能指标的计算方法、第二时间信息、第二数值和第二结果；其中，所述第二性能指标包括实际使用时准确度和实际使用时误差值中的至少一项，所述第二时间信息包括计算所述第二性能指标对应的时间信息，所述第二数值用于表示计算所述第二性能指标所用的数据数量，所述第二结果为基于多个所述第二性能指标计算获得的结果值。

15.一种模型处理方法，其特征在于，包括：

第三网元向第二网元发送第二请求消息，所述第二请求消息包括目标分析任务的分析任务标识；

所述第三网元从所述第二网元接收第二请求响应消息，所述第二请求响应消息用于指示N个第一网元，所述N个第一网元为能够提供可用于执行所述目标分析任务的模型的第一网元，N为正整数；

所述第三网元向所述N个第一网元中的目标网元发送第一请求消息；

所述第三网元从所述目标网元接收第一请求响应消息，所述第一请求响应消息包括目标模型和用于获取所述目标模型的地址信息中的至少一项，所述目标模型可用于执行所述目标分析任务。

16.根据权利要求15所述的方法，其特征在于，所述第一请求消息包括所述目标分析任务的分析任务标识和模型限定信息，所述模型限定信息包括以下至少一项：

模型的数量的限定信息；

模型标识的限定信息；

模型性能信息；

模型大小的限定信息，所述模型大小用于指示存储或运行模型需要的存储空间；

推理时长的限定信息，所述推理时长用于指示基于模型进行模型推理操作所需的时长；

训练数据来源的限定信息，所述训练数据来源信息用于指示模型在训练阶段所使用的训练数据来源的位置信息和网元信息中的至少一项；

训练数据时间的限定信息，所述训练数据时间信息用于指示模型在训练阶段所使用的训练数据的产生的时间。

17.根据权利要求16所述的方法，其特征在于，所述模型性能信息包括以下至少一项：

第一性能信息，所述第一性能信息用于指示模型在训练阶段能达到的性能；

第二性能信息，所述第二性能信息用于指示模型在推理阶段能达到的性能。

18.根据权利要求17所述的方法，其特征在于，所述第一性能信息包括模型在训练时的以下至少一项信息：第一性能指标、第一性能指标的计算方法、第一时间信息、第一数值和第一结果；其中，所述第一性能指标包括训练时准确度和训练时误差值中的至少一项，所述第一时间信息包括计算所述第一性能指标对应的时间信息，所述第一数值用于表示计算所述第一性能指标所用的数据数量，所述第一结果为基于多个所述第一性能指标计算获得的结果值。

19.根据权利要求17所述的方法，其特征在于，所述第二性能信息包括模型在实际使用时的以下至少一项信息：第二性能指标、第二性能指标的计算方法、第二时间信息、第二数值和第二结果；其中，所述第二性能指标包括实际使用时准确度和实际使用时误差值中的至少一项，所述第二时间信息包括计算所述第二性能指标对应的时间信息，所述第二数值用于表示计算所述第二性能指标所用的数据数量，所述第二结果为基于多个所述第二性能指标计算获得的结果值。

20.根据权利要求15所述的方法，其特征在于，所述第二请求消息还包括目标要求信息，所述N个第一网元中的任一个第一网元满足所述目标要求信息，所述目标要求信息包括以下至少一项：

模型的数量的要求信息；

模型标识的要求信息；

模型性能信息的要求信息；

模型大小的要求信息，所述模型大小用于指示存储或运行模型需要的存储空间；

推理时长的要求信息，所述推理时长用于指示基于模型进行模型推理操作所需的时长；

训练数据来源的要求信息，所述训练数据来源信息用于指示模型在训练阶段所使用的训练数据来源的位置信息和网元信息中的至少一项；

训练数据时间的要求信息，所述训练数据时间信息用于指示模型在训练阶段所使用的训练数据的产生的时间。

21.根据权利要求15所述的方法，其特征在于，所述第三网元向第二网元发送第二请求消息之前，所述方法还包括：

所述第三网元从第四网元接收任务请求消息，所述任务请求消息包括目标分析任务的分析任务标识。

22.根据权利要求21所述的方法，其特征在于，所述第三网元从所述目标网元接收第一请求响应消息之后，所述方法还包括：

所述第三网元利用所述目标模型执行所述目标分析任务，获得目标分析报告；

所述第三网元向所述第四网元发送任务请求响应消息，所述任务请求响应消息包括所述目标分析报告。

23.根据权利要求22所述的方法，其特征在于，所述目标模型的数量为M1个，M1为正整数，所述第三网元利用所述目标模型执行所述目标分析任务，获得目标分析报告包括：

所述第三网元利用M2个所述目标模型执行针对所述目标分析任务的模型推理，获得M2个推理结果，M2为小于或等于M1的正整数；

所述第三网元基于所述M2个推理结果，生成所述目标分析报告。

24.根据权利要求15所述的方法，其特征在于，所述目标网元为一个所述第一网元。

25.根据权利要求15所述的方法，其特征在于，所述第二请求响应消息包括所述N个第一网元的标识信息和所述N个第一网元的地址信息中的至少一项。

26.根据权利要求15所述的方法，其特征在于，所述第二请求响应消息还包括所述N个第一网元中每一第一网元对应的有效时间。

27.一种模型处理装置，其特征在于，包括：

第一发送模块，用于向第二网元发送注册请求消息，所述注册请求消息包括第一网元的能力信息，所述能力信息包括模型数量信息和模型信息中的至少一项；

第一接收模块，用于从所述第二网元接收注册请求响应消息；

其中，所述模型数量信息用于指示第一网元支持的与分析任务标识对应的模型的数量；所述模型信息包括第一网元支持的与分析任务标识对应的模型的以下至少一种信息：

模型标识；

模型性能信息；

模型大小，所述模型大小用于指示存储或运行模型需要的存储空间；

推理时长，所述推理时长用于指示基于模型进行模型推理操作所需的时长；

训练数据来源信息，所述训练数据来源信息用于指示模型在训练阶段所使用的训练数据来源的位置信息和网元信息中的至少一项；

训练数据时间信息，所述训练数据时间信息用于指示模型在训练阶段所使用的训练数据的产生的时间。

28.一种模型处理装置，其特征在于，包括：

第二接收模块，用于从第一网元接收注册请求消息，所述注册请求消息包括所述第一网元的能力信息；

存储模块，用于储存所述能力信息；

第二发送模块，用于向所述第一网元发送注册请求响应消息；

其中，所述能力信息包括模型数量信息和模型信息中的至少一项；所述模型数量信息用于指示所述第一网元支持的与分析任务标识对应的模型的数量；所述模型信息包括第一网元支持的与分析任务标识对应的模型的以下至少一种信息：

模型标识；

模型性能信息；

模型大小，所述模型大小用于指示存储或运行模型需要的存储空间；

推理时长，所述推理时长用于指示基于模型进行模型推理操作所需的时长；

训练数据来源信息，所述训练数据来源信息用于指示模型在训练阶段所使用的训练数据来源的位置信息和网元信息至少一项；

训练数据时间信息，所述训练数据时间信息用于指示模型在训练阶段所使用的训练数据的产生的时间。

29.一种模型处理装置，其特征在于，包括：

第三发送模块，用于向第二网元发送第二请求消息，所述第二请求消息包括目标分析任务的分析任务标识；

第三接收模块，还用于从所述第二网元接收第二请求响应消息，所述第二请求响应消息用于指示N个第一网元，所述N个第一网元为能够提供可用于执行所述目标分析任务的模型的第一网元，N为正整数；

所述第三发送模块，还用于向所述N个第一网元中的目标网元发送第一请求消息；

所述第三接收模块，还用于从所述目标网元接收第一请求响应消息，所述第一请求响应消息包括目标模型和用于获取所述目标模型的地址信息中的至少一项，所述目标模型可用于执行所述目标分析任务。

30.一种网络侧设备，其特征在于，包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至26任一项所述的模型处理方法的步骤。

31.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1至26任一项所述的模型处理方法的步骤。