CN117376163A - 基于能力开放的用户主导网络数据分析系统及其分析方法 - Google Patents
基于能力开放的用户主导网络数据分析系统及其分析方法 Download PDFInfo
- Publication number
- CN117376163A CN117376163A CN202311484747.4A CN202311484747A CN117376163A CN 117376163 A CN117376163 A CN 117376163A CN 202311484747 A CN202311484747 A CN 202311484747A CN 117376163 A CN117376163 A CN 117376163A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- network
- model
- data analysis
- 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
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 70
- 238000004458 analytical method Methods 0.000 title claims abstract description 40
- 238000012549 training Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims description 14
- 238000013480 data collection Methods 0.000 claims description 10
- 238000013500 data storage Methods 0.000 claims description 6
- 230000001364 causal effect Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000005587 bubbling Effects 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 238000010187 selection method Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 13
- 238000011161 development Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 101150096185 PAAS gene Proteins 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
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
- H04L41/14—Network analysis or design
-
- 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
- H04L41/0803—Configuration setting
-
- 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
- H04L41/0803—Configuration setting
- H04L41/0813—Configuration setting characterised by the conditions triggering a change of settings
-
- 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
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明属于通信技术领域，公开了一种基于能力开放的用户主导网络数据分析系统及其分析方法。本发明结合5G网络新特征，将NWDAF、用户数据分析、用户业务数据、运营商云数据中心的算力资源、开放能力及算法模型库进行了系统级的设计运用，提升用户基于5G网络的数据分析体验，增强业务服务质量。而且本发明将数据分析的主导权交给用户，结合用户侧的业务数据，通过能力开放服务平台进行综合训练，实现了一站式的数据分析服务，既通过能力开放满足业务分析需求，同时减少数据的搬迁中带来的数据安全等问题。
Description
技术领域
本发明属于通信技术领域，具体涉及一种基于能力开放的用户主导网络数据分析系统及其分析方法。
背景技术
5G网络数据分析功能(NWDAF)旨在简化核心网数据的生成和使用方式，生成洞察和采取行动，以增强最终用户体验。3GPP TS 29.520 中定义的NWDAF结合了基于服务的架构的标准接口，以通过订阅或请求模型从其他网络功能和类似程序收集数据。这是为了在网络中提供分析功能以实现自动化或报告，解决主要的自定义界面或格式挑战。这是一种3GPP标准方法，用于从可用于分析的5G核心、云和边缘网络的用户设备、网络功能以及操作、管理和维护 (OAM) 系统等收集数据。
在网络优化的基础上，网络用户尤其是企业用户，也开始利用该功能进行数据分析，通过数据分析提升企业的平台运营水平。NWDAF可以根据配置收集网络切片的负载数据，进行分析并向策略控制功能网元(PCF)等网络功能网元提供切片负载相关的网络数据分析结果，使得PCF等网络功能网元可以根据NWDAF的分析结果对于属于该切片的终端制定相应的网络控制策略或者执行相应的网络行为。
针对企业等网络用户的数据分析需求，随着数据的增长和分析的复杂度提升，对数据的安全、算力及分析模型要求越来越高。
发明内容
本发明针对用户尤其是企业用户对网络及业务数据分析需求，兼顾用户数据的隐私保护，提供了一种基于能力开放的用户主导网络数据分析系统及其分析方法，可由用户选择分析的对象、模型，可选择结合用户数据，在能力开放服务平台上进行分析，为用户提供一站式的数据分析服务。
具体的，一种基于能力开放的用户主导网络数据分析系统，包括：
用户数据服务平台，用于为用户提供数据分析配置UI（即User Interface(用户界面)的简称），包括对分析数据的对象、分析目标、训练模型等，以及付费交易、服务协议在线签署等；
能力开放服务平台，基于PaaS技术架构向用户提供可按需使用的算力及算法、辅助知识库，包括数据分析模型库和算力服务中心；
网络数据存储模块，负责将NWDAF收集到的数据进行存储，并与算力服务中心交互；
用户数据存储模块，用于存储用户数据，并与算力服务中心交互。
作为上述基于能力开放的用户主导网络数据分析系统的进一步说明，所述数据分析模型库用于提供数据分析算法模型，供用户配置后选择使用。
作为上述基于能力开放的用户主导网络数据分析系统的进一步说明，所述算力服务中心基于IaaS技术架构提供计算、存储、网络及GPU服务（即图形处理服务）。
作为上述基于能力开放的用户主导网络数据分析系统的进一步说明，所述能力开放服务平台还包括云数据中心，用于存储运营商网络侧数据。
能力开放平台（Capability Open Platform），简称COP，是一个围绕企业服务集成、接口托管和能力开放打造的稳定的、可靠的、可拓展的平台。其提供了API的全生命周期管理，包含创建、管理、调试、下线等功能；同时支持对API路由转发、认证鉴权、协议转换、流量控制等治理和安全方面的功能；更重要的是提供平台化的服务开放能力，提供API申请授权、安全控制等，将内部系统数据服务、计算资源、存储资源等算力资源提供给外部合作伙伴使用。
PaaS是（Platform as a Service）的缩写简称，是指平台即服务。把服务器平台作为一种服务提供的商业模式，通过网络进行程序提供的服务称之为SaaS(Software as aService)，是云计算三种服务模式之一，而云计算时代相应的服务器平台或者开发环境作为服务进行提供就成为了PaaS。所谓PaaS实际上是指将软件研发的平台作为一种服务，以SaaS的模式提交给用户。因此，PaaS也是SaaS模式的一种应用。但是，PaaS的出现可以加快SaaS的发展，尤其是加快SaaS应用的开发速度。在2007年国内外SaaS厂商先后推出自己的PAAS平台。
IaaS是云计算服务模式（Infrastructure as a Service）的缩写简称，即基础设施级服务。指把IT基础设施作为一种服务通过网络对外提供，并根据用户对资源的实际使用量或占用量进行计费的一种服务模式。在这种服务模型中，普通用户不用自己构建一个数据中心等硬件设施，而是通过租用的方式，利用 Internet从IaaS服务提供商获得计算机基础设施服务，包括服务器、存储和网络等服务。
本发明通过增加用户数据服务平台、能力开放服务平台，可根据用户选定的时间范围、网络地址范围、业务端口范围，收集各类网络数据，调用运营商网络侧数据，选择结合用户数据进行联合训练分析。能力开放服务平台提供多种常用的数据分析模型，涵盖各种场景和需求，包括机器学习、深度学习、自然语言处理、图像识别等，用户可以根据自身业务需求，在平台中选择合适的模型，并进行自定义配置和参数调整。而算力服务中心和云数据中心作为支持能力开放服务平台的基础设施，提供了强大的计算能力和资源，以及提供高性能、可靠性和安全性的环境，确保数据分析的效果和稳定性，用户利用其就近进行数据分析，最大限度减少数据迁移和复杂的配置过程。同时，能力开放服务平台可根据用户的场景需求、数据类型和业务目标等，自动匹配和推荐相应的分析模型，提高用户的分析效率和准确性。
本发明还提供了一种基于能力开放的用户主导网络数据分析方法，包括以下步骤：
S1、用户通过用户数据服务平台，根据业务需要，选定数据收集的时间范围、网络地址范围、业务端口范围，以及调用运营商网络侧数据；
S2、NWDAF根据步骤S1用户配置的数据范围，通过AF（应用功能）将网络数据收集模块中指定的网络数据进行收集，并将网络数据上传至能力开放服务平台中；
S3、用户选择是否结合用户数据进行联合训练分析，如需要则将用户数据上传至能力开放服务平台中；
S4、用户通过选择能力开放服务平台提供的数据分析算法模型，结合收集的网络数据和/或用户数据和/或运营商网络侧数据，进行一站式数据分析并获取分析结果。
关于时间范围，用户可以指定数据收集的起始和结束时间，包括最近一周或最近一个月等。关于网络地址范围，用户可以选择特定的网络地址范围，如IP地址段或特定的子网。关于业务端口范围，用户可以指定需要收集数据的特定端口范围，如80（HTTP）或443（HTTPS）。
用户可以通过用户数据服务平台，与运营商进行数据调用的协商和合作，以获取运营商网络侧的相关数据，运营商网络侧数据可能包括流量统计、会话信息、网络连接状态等，数据调用可以基于网络设备提供的接口，包括路由器、交换机或防火墙等。
联合训练分析通过将不同来源的数据进行整合和处理来实现，例如使用知识推理或因果推理等，可用于业务性能优化、网络安全监测、用户行为分析等。本发明中，用户可以选择将自己的数据与运营商网络侧数据及其他网络数据进行联合训练和分析，以获得更全面的洞察和解决方案。
作为上述基于能力开放的用户主导网络数据分析方法的进一步说明，所述网络数据收集模块包括UE、UPF、RAN、DN。
UE是用户设备（User Equipment）的简称，例如是移动电话和其它通过无线进行连接的设备。UPF是用户面功能（User Plane Function）的简称，作为5GC网络用户面网元，主要支持UE业务数据的路由和转发、数据和业务识别、动作和策略执行等。RAN是无线电接入网（Radio Access Network）的简称，是移动通信系统中的一部分，是无线电接入技术的实现，它存在于一个设备与核心网之间，提供两者间的通信连接。DN 是数据网(DataNetwork)的简称，是用于传输数据业务的通信网，是以数据交换机(分组交换、帧中继交换、ATM交换、高级路由器、IP交换机等)为转接点而组成世界、国家及地区性的网络，是以计算机硬件、软件技术为基础与现代传输技术综合应用的产物。
作为上述基于能力开放的用户主导网络数据分析方法的进一步说明，所述数据分析算法模型的选择流程包括以下步骤：
S1、根据用户的分析类型需求，选择场景模型；
S2、基于选定的场景模型，进行基本数据类型的绑定；
S3、能力开放服务平台根据用户选定的场景模型和基本数据类型的绑定，推荐可选择的数据分析算法模型，并说明每个模型的主要场景、关键数据构成、模型优缺点、训练结果实例、预计费用、单位数据量的预计训练时长等。
作为上述基于能力开放的用户主导网络数据分析方法的进一步说明，所述场景模型包括推理模型、推荐模型、排序模型、图训练模型。
作为上述基于能力开放的用户主导网络数据分析方法的进一步说明，所述推理模型包括神经网络推理NTN、知识推理、因果推理、规则推理AMIE；所述推荐模型包括协同过滤UserCF、矩阵分解MF、隐式反馈IFR、领域推荐NFR；所述排序模型包括决策树、路径排序PRA、冒泡排序、二分法排序；所述图训练模型包括图卷积网络GCN、分布式学习TransE、事件分析、图遍历。
作为上述基于能力开放的用户主导网络数据分析方法的进一步说明，所述推理模型的基本数据类型包括原数据格式、待预测新数据格式、推理类型；所述推荐模型的基本数据类型包括目标用户数据、推荐内容数据、交互数据、数据格式；所述排序模型的基本数据类型包括数据格式、数据权重、排序目标；所述图训练模型的基本数据类型包括数据格式、预测目标、数据集分布；所述数据格式类型包括文本、图片或多模态。
与现有技术相比，本发明具有显著的有益效果：
1、本发明结合5G网络新特征，将NWDAF、用户数据分析、用户业务数据、运营商云数据中心的算力资源、开放能力及算法模型库进行了系统级的设计运用，提升用户基于5G网络的数据分析体验，增强业务服务质量。
2、本发明将数据分析的主导权交给用户，结合用户侧的业务数据，通过能力开放服务平台进行综合训练，实现了一站式的数据分析服务，既通过能力开放满足业务分析需求，同时减少数据的搬迁中带来的数据安全等问题。
附图说明
图1为本发明基于能力开放的用户主导网络数据分析系统模块图。
图2为本发明基于能力开放的用户主导网络数据分析方法流程图。
实施方式
下面结合具体实施例对本发明做进一步说明。
实施例
如图1所示，一种基于能力开放的用户主导网络数据分析系统，包括：
用户数据服务平台，用于为用户提供数据分析配置UI，包括对分析数据的对象、分析目标、训练模型等，以及付费交易、服务协议在线签署等；
能力开放服务平台，基于PaaS技术架构向用户提供可按需使用的算力及算法、辅助知识库，包括数据分析模型库、算力服务中心和云数据中心；所述数据分析模型库用于提供数据分析算法模型，供用户配置后选择使用；所述算力服务中心基于IaaS技术架构提供计算、存储、网络及GPU服务；所述能力开放服务平台还包括云数据中心，用于存储运营商网络侧数据；
网络数据存储模块，负责将NWDAF收集到的数据进行存储，并与算力服务中心交互；
用户数据存储模块，用于存储用户数据，并与算力服务中心交互。
现有技术中，NWDAF可以根据配置收集网络切片的负载数据，协助5GC进行网络优化。而用户只能向运营商定制，运营商收集后将网络数据提供给用户自行分析。本实施例通过在现有技术的基础上，增加用户数据服务平台，用户可自行根据业务需要，选定数据收集的时间范围、网络地址范围、业务端口范围，调用运营商网络侧数据，还可选择结合用户数据进行联合训练分析。通过增加能力开放服务平台，提供常用的数据分析模型及算力中心服务，用户可选择场景匹配的智能分析模型，结合用户数据，利用运营商的云平台、算力中心，就近进行数据分析，减少数据的迁移和复杂的配置，进一步发挥运营商云数据中心、云能力服务作用。
实施例
如图2所示，一种基于能力开放的用户主导网络数据分析系统，包括以下步骤：
S1、用户通过用户数据服务平台，根据业务需要，选定数据收集的时间范围、网络地址范围、业务端口范围，以及调用运营商网络侧数据；
S2、NWDAF根据步骤S1用户配置的数据范围，通过AF将UE、UPF、RAN、DN等网络数据收集模块中指定的网络数据进行收集，并将网络数据上传至能力开放服务平台中；
S3、用户将用户数据上传至能力开放服务平台中，结合用户数据进行联合训练分析；
S4、用户通过选择能力开放服务平台提供的数据分析算法模型，结合收集的网络数据和用户数据和运营商网络侧数据，进行一站式数据分析并获取分析结果。
所述数据分析算法模型的选择流程包括以下步骤：
S1、根据用户的分析类型需求，选择场景模型；所述场景模型包括推理模型、推荐模型、排序模型、图训练模型。所述推理模型包括神经网络推理NTN、知识推理、因果推理、规则推理AMIE；所述推荐模型包括协同过滤UserCF、矩阵分解MF、隐式反馈IFR、领域推荐NFR；所述排序模型包括决策树、路径排序PRA、冒泡排序、二分法排序；所述图训练模型包括图卷积网络GCN、分布式学习TransE、事件分析、图遍历。
S2、基于选定的场景模型，进行基本数据类型的绑定；所述推理模型的基本数据类型包括原数据格式、待预测新数据格式、推理类型；所述推荐模型的基本数据类型包括目标用户数据、推荐内容数据、交互数据、数据格式；所述排序模型的基本数据类型包括数据格式、数据权重、排序目标；所述图训练模型的基本数据类型包括数据格式、预测目标、数据集分布；所述数据格式类型包括文本、图片或多模态。
S3、能力开放服务平台根据用户选定的场景模型和基本数据类型的绑定，推荐可选择的数据分析算法模型，并说明每个模型的主要场景、关键数据构成、模型优缺点、训练结果实例、预计费用、单位数据量的预计训练时长等。
最后，根据用户确定的模型，按照要求数据模型进行数据集关联，确定收集到的网络数据、用户业务数据及分别对应模型中的数字字段信息，完成训练培训的选择配置。
本实施例中，可根据用户选定的时间范围、网络地址范围、业务端口范围，调用运营商网络侧数据，选择结合用户数据进行联合训练分析。根据用户数据类型，向用户推荐智能分析模型，从用户级AI算法舱中根据业务类型进行推荐，并提供运算时间、运算资源使用明细以及预计费用等信息，向用户提供分析结果供用户决策。并对接能力开放平台，用户选定的数据和目标、分析模型后，可直接在能力开放平台上进行自动化分析，形成分析报告。
Claims (10)
1.一种基于能力开放的用户主导网络数据分析系统，其特征在于，包括：
用户数据服务平台，用于为用户提供数据分析配置UI；
能力开放服务平台，基于PaaS技术架构向用户提供可按需使用的算力及算法、辅助知识库，包括数据分析模型库和算力服务中心；
网络数据存储模块，负责将NWDAF收集到的数据进行存储，并与算力服务中心交互；
用户数据存储模块，用于存储用户数据，并与算力服务中心交互。
2.根据权利要求1所述的基于能力开放的用户主导网络数据分析系统，其特征在于，所述数据分析模型库用于提供数据分析算法模型，供用户配置后选择使用。
3.根据权利要求1所述的基于能力开放的用户主导网络数据分析系统，其特征在于，所述算力服务中心基于IaaS技术架构提供计算、存储、网络及GPU服务。
4.根据权利要求1所述的基于能力开放的用户主导网络数据分析系统，其特征在于，所述能力开放服务平台还包括云数据中心，用于存储运营商网络侧数据。
5.一种如权利要求1-5任一所述的基于能力开放的用户主导网络数据分析方法，其特征在于，包括以下步骤：
S1、用户通过用户数据服务平台，根据业务需要，选定数据收集的时间范围、网络地址范围、业务端口范围，以及调用运营商网络侧数据；
S2、NWDAF根据步骤S1用户配置的数据范围，通过AF将网络数据收集模块中指定的网络数据进行收集，并将网络数据上传至能力开放服务平台中；
S3、用户选择是否结合用户数据进行联合训练分析，如需要则将用户数据上传至能力开放服务平台中；
S4、用户通过选择能力开放服务平台提供的数据分析算法模型，结合收集的网络数据和/或用户数据和/或运营商网络侧数据，进行一站式数据分析并获取分析结果。
6.根据权利要求5所述的基于能力开放的用户主导网络数据分析方法，其特征在于，所述网络数据收集模块包括UE、UPF、RAN、DN。
7.根据权利要求6所述的基于能力开放的用户主导网络数据分析方法，其特征在于，所述数据分析算法模型的选择流程包括以下步骤：
S1、根据用户的分析类型需求，选择场景模型；
S2、基于选定的场景模型，进行基本数据类型的绑定；
S3、能力开放服务平台根据用户选定的场景模型和基本数据类型的绑定，推荐可选择的数据分析算法模型。
8.根据权利要求7所述的基于能力开放的用户主导网络数据分析方法，其特征在于，所述场景模型包括推理模型、推荐模型、排序模型、图训练模型。
9.根据权利要求8所述的基于能力开放的用户主导网络数据分析方法，其特征在于，所述推理模型包括神经网络推理NTN、知识推理、因果推理、规则推理AMIE；所述推荐模型包括协同过滤UserCF、矩阵分解MF、隐式反馈IFR、领域推荐NFR；所述排序模型包括决策树、路径排序PRA、冒泡排序、二分法排序；所述图训练模型包括图卷积网络GCN、分布式学习TransE、事件分析、图遍历。
10.根据权利要求8所述的基于能力开放的用户主导网络数据分析方法，其特征在于，所述推理模型的基本数据类型包括原数据格式、待预测新数据格式、推理类型；所述推荐模型的基本数据类型包括目标用户数据、推荐内容数据、交互数据、数据格式；所述排序模型的基本数据类型包括数据格式、数据权重、排序目标；所述图训练模型的基本数据类型包括数据格式、预测目标、数据集分布；所述数据格式类型包括文本、图片或多模态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311484747.4A CN117376163A (zh) | 2023-11-09 | 2023-11-09 | 基于能力开放的用户主导网络数据分析系统及其分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311484747.4A CN117376163A (zh) | 2023-11-09 | 2023-11-09 | 基于能力开放的用户主导网络数据分析系统及其分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117376163A true CN117376163A (zh) | 2024-01-09 |
Family
ID=89394595
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311484747.4A Pending CN117376163A (zh) | 2023-11-09 | 2023-11-09 | 基于能力开放的用户主导网络数据分析系统及其分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117376163A (zh) |
-
2023
- 2023-11-09 CN CN202311484747.4A patent/CN117376163A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP4099635A1 (en) | Method and device for selecting service in wireless communication system | |
| US11805022B2 (en) | Method and device for providing network analytics information in wireless communication network | |
| KR20210054923A (ko) | 이동통신 네트워크에서 rfsp 인덱스 선택을 위한 네트워크 분석 정보 제공하는 방법 및 장치 | |
| EP4087201A1 (en) | Method and apparatus for collecting network traffic in wireless communication system | |
| US20240397480A1 (en) | Intelligent paging | |
| US20180013812A1 (en) | Method, system and apparatus for the transmission and adaption of data | |
| Li et al. | Transforming the 5G RAN with innovation: The confluence of cloud native and intelligence | |
| WO2022116665A1 (zh) | Tcp流的调整方法和系统 | |
| Tsourdinis et al. | AI-driven service-aware real-time slicing for beyond 5G networks | |
| Mohammedali et al. | A survey of mobility management as a service in real-time inter/intra slice control | |
| Sun et al. | Intelligent RAN automation for 5G and beyond | |
| WO2023217026A1 (zh) | 业务处理方法、设备及可读存储介质 | |
| Ustok et al. | Asset administration shell as an enabler of intent-based networks for industry 4.0 automation | |
| WO2023180115A1 (en) | Methods for exposure of data/analytics of a communication network in roaming scenarios | |
| US20250039060A1 (en) | Traffic Classification Optimization in Communication Networks | |
| CN118511567A (zh) | 装置、方法和计算机程序 | |
| CN117376163A (zh) | 基于能力开放的用户主导网络数据分析系统及其分析方法 | |
| US20240129876A1 (en) | Systems and methods for analytics and information sharing between a radio access network and a core network | |
| CN119485456A (zh) | 数据收集方法、系统、设备及存储介质 | |
| Schmidt | Slicing in heterogeneous software-defined radio access networks | |
| CN105027497B (zh) | 一种信息处理的方法及装置 | |
| Makropoulos et al. | 5G and B5G NEF exposure capabilities towards an Industrial IoT use case | |
| Colarieti et al. | QoE provisioning over mobile networks: The CASPER perspective | |
| Kitanov et al. | QoS for 5G mobile services based on intelligent multi-access edge computing | |
| CN114338392B (zh) | 网络数据分析方法和网络数据分析功能实体 |
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 |