CN117910589A - 模型请求方法、装置、通信设备及可读存储介质 - Google Patents
模型请求方法、装置、通信设备及可读存储介质 Download PDFInfo
- Publication number
- CN117910589A CN117910589A CN202211250071.8A CN202211250071A CN117910589A CN 117910589 A CN117910589 A CN 117910589A CN 202211250071 A CN202211250071 A CN 202211250071A CN 117910589 A CN117910589 A CN 117910589A
- Authority
- CN
- China
- Prior art keywords
- model
- information
- request
- task
- models
- 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
- 238000004891 communication Methods 0.000 title claims abstract description 134
- 238000000034 method Methods 0.000 title claims abstract description 101
- 238000007405 data analysis Methods 0.000 claims abstract description 61
- 230000004044 response Effects 0.000 claims abstract description 39
- 238000004458 analytical method Methods 0.000 claims description 46
- 238000012549 training Methods 0.000 claims description 34
- 230000006870 function Effects 0.000 description 40
- 230000008569 process Effects 0.000 description 16
- 230000000694 effects Effects 0.000 description 13
- 230000011664 signaling Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000007726 management method Methods 0.000 description 8
- 238000001914 filtration Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OUSLHGWWWMRAIG-FBCAJUAOSA-N (6r,7r)-7-[[(2z)-2-(furan-2-yl)-2-methoxyiminoacetyl]amino]-3-(hydroxymethyl)-8-oxo-5-thia-1-azabicyclo[4.2.0]oct-2-ene-2-carboxylic acid Chemical compound N([C@@H]1C(N2C(=C(CO)CS[C@@H]21)C(O)=O)=O)C(=O)\C(=N/OC)C1=CC=CO1 OUSLHGWWWMRAIG-FBCAJUAOSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请公开了一种模型请求方法、装置、通信设备及可读存储介质,属于无线通信技术领域,本申请实施例的模型请求方法包括:第一通信设备发送第一请求,所述第一请求用于请求针对一个或多个数据分析任务的多个模型;所述第一通信设备接收第一响应,所述第一响应中包括满足所述第一请求的多个模型的相关信息。
Description
技术领域
本申请属于无线通信技术领域,具体涉及一种模型请求方法、装置、通信设备及可读存储介质。
背景技术
在现有的通信网络中,模型接收端在需要时可以向模型发送端请求训练好的模型,以对数据进行分析。目前,模型接收端一次只能向模型发送端请求一个模型,如果同时需要多个模型的时候,就必须要多次发送多条信令,存在增加网络负担等问题。
发明内容
本申请实施例提供一种模型请求方法、装置、通信设备及可读存储介质,能够解决模型接收端一次只能向模型发送端请求一个模型的问题。
第一方面,提供了一种模型请求方法,包括:
第一通信设备发送第一请求,所述第一请求用于请求针对一个或多个数据分析任务的多个模型;
所述第一通信设备接收第一响应,所述第一响应中包括满足所述第一请求的多个模型的相关信息。
第二方面,提供了一种模型请求方法,包括:
第二通信设备接收第一请求,所述第一请求用于请求针对一个或多个数据分析任务的多个模型;
所述第二通信设备获取满足所述第一请求的多个模型;
所述第二通信设备发送第一响应,所述第一响应中包括所述多个模型的相关信息。
第三方面,提供了一种模型请求装置,包括:
第一发送模块,用于发送第一请求,所述第一请求用于请求针对一个或多个数据分析任务的多个模型;
第一接收模块,用于接收第一响应,所述第一响应中包括满足所述第一请求的多个模型的相关信息。
第四方面,提供了一种模型请求装置,包括:
第一接收模块,用于接收第一请求,所述第一请求用于请求针对一个或多个数据分析任务的多个模型;
获取模块,用于获取满足所述第一请求的多个模型;
第一发送模块,用于发送第一响应,所述第一响应中包括所述多个模型的相关信息。
第五方面,提供了一种通信设备,该终端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或第二方面所述的方法的步骤。
第六方面,提供了一种通信设备,包括处理器及通信接口,其中,所述通信接口用于发送第一请求,所述第一请求用于请求针对一个或多个数据分析任务的多个模型;接收第一响应,所述第一响应中包括满足所述第一请求的多个模型的相关信息。
第七方面,提供了一种通信设备,包括处理器及通信接口,其中,所述通信接口用于接收第一请求,所述第一请求用于请求针对一个或多个数据分析任务的多个模型;所述处理器用于获取满足所述第一请求的多个模型;所述通信接口还用于发送第一响应,所述第一响应中包括所述多个模型的相关信息。
第八方面,提供了一种通信系统,包括:第一通信设备及第二通信设备,所述第一通信设备可用于执行如第一方面所述的模型请求方法的步骤,所述第二通信设备可用于执行如第二方面所述的模型请求方法的步骤。
第九方面,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。
第十方面,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,或实现如第二方面所述的方法。
第十一方面,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或第二方面所述的模型请求方法的步骤。
在本申请实施例中,第一通信设备可以一次请求多个模型,以减少网络内的信令消耗。
附图说明
图1为本申请实施例可应用的一种无线通信系统的框图;
图2为包含AnLF的NWDAF与包含MTLF的NWDAF的信令交互示意图;
图3为本申请实施例的模型请求方法的流程示意图之一;
图4为本申请实施例的模型请求方法的流程示意图之二;
图5为本申请实施例的模型请求方法的流程示意图之三;
图6为本申请实施例的模型请求方法的流程示意图之四;
图7为本申请实施例的模型请求装置的结构示意图之一;
图8为本申请实施例的模型请求装置的结构示意图之二;
图9为本申请实施例的通信设备的结构示意图;
图10为本申请实施例的终端的硬件结构示意图;
图11为本申请实施例的网络侧设备的硬件结构示意图之一;
图12为本申请实施例的网络侧设备的硬件结构示意图之二。
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(6th 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。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(BasicService 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。核心网设备可以包含但不限于如下至少一项:核心网节点、核心网功能、移动管理实体(Mobility ManagementEntity,MME)、接入移动管理功能(Access and Mobility Management Function,AMF)、会话管理功能(Session Management Function,SMF)、用户平面功能(User Plane Function,UPF)、策略控制功能(Policy Control Function,PCF)、策略与计费规则功能单元(Policyand Charging Rules Function,PCRF)、边缘应用服务发现功能(Edge ApplicationServer Discovery Function,EASDF)、统一数据管理(Unified Data Management,UDM),统一数据仓储(Unified Data Repository,UDR)、归属用户服务器(Home SubscriberServer,HSS)、集中式网络配置(Centralized network configuration,CNC)、网络存储功能(Network Repository Function,NRF),网络开放功能(Network Exposure Function,NEF)、本地NEF(Local NEF,或L-NEF)、绑定支持功能(Binding Support Function,BSF)、应用功能(Application Function,AF)等。需要说明的是,在本申请实施例中仅以NR系统中的核心网设备为例进行介绍,并不限定核心网设备的具体类型。
下面首先对本申请涉及的技术点进行简单说明。
1、网络数据分析功能(Network Data Analytics Function,NWDAF)可以拆分成两个网元,如下:
包含模型训练逻辑功能(Model Training Logical Function,MTLF)的NWDAF,用于生成模型并进行模型训练。
包含分析逻辑功能(Analytics Logical Function,AnLF)的NWDAF,用于根据获得的模型进行推理生成预测信息或者生成历史数据的总结。
请参考图2中的步骤1:
通过调用Nnwdaf_MLModelProvision_Subscribe/Nnwdaf_MLModelProvision_Unsubscribe服务操作,NWDAF服务消费者(即包含AnLF的NKDAF)订阅、修改或取消订阅与一组分析(Analytic)标识(Identification,ID)关联的一组训练机器学习(MachineLearning,ML)模型(或者,也可以称为人工智能(Artificial Intelligence,AI)模型)。
当收到与分析ID关联的ML模型的订阅时,包含MTLF的NWDAF可以:
确定现有的经过训练的ML模型是否可用于订阅;或者
确定是否需要为现有经过训练的ML模型触发进一步训练。
如果包含MTLF的NWDAF确定需要进一步训练,则该NWDAF可启动网络功能(NetworkFunction,NF)(例如AMF/数据采集协调功能(Data Collection Coordination Function,DCCF)/分析数据存储功能(Analytics Data Repository Functional,ADRF))、用户设备(User Equipment,UE,也可以称为终端)应用程序(通过AF)或OAM(操作(Operation)、管理(Administration)、维护(Maintenance))的数据收集,以生成ML模型。
如果服务调用用于修改订阅或取消订阅,NWDAF服务消费者将包含一个标识符(订阅相关ID),该标识符将在调用Nnwdaf_MLModelProvision_Subscribe时进行修改。
请参考图2中的步骤2:
如果NWDAF服务消费者订阅了与一组分析ID关联的一组经过训练的ML模型,则包含MTLF的NWDAF通过调用Nnwdaf_MLModelProvision_Notify服务操作,将经过训练的“ML模型信息”(包含一组经过培训的ML模型的文件地址)通知NWDAF服务消费者。
当包含MTLF的NWDAF确定之前提供的经过训练的ML模型需要在步骤1进行重新训练时,包含MTLF的NKDAF还调用NWDAF_MLModelProvision_Notify服务操作来通知可用的重新训练ML模型。
当步骤1用于订阅修改(即,包括订阅相关ID)时,包含MTLF的NWDAF可以提供与以前提供的不同的新训练ML模型,或者通过调用Nnwdaf_MLModelProvision_Notify服务操作重新训练ML模型。
2、ML模型提供的内容
2.1、所述的ML模型供应服务的消费者(即包含AnLF的NWDAF)可以提供如下所列的输入参数):
请求的ML模型的分析信息,包括:
1)分析ID列表:标识使用ML模型的分析。
2)(可选)ML模型过滤器信息:允许选择请求分析的ML模型,例如单一网络切片选择辅助信息(Single Network Slice Selection Assistance Information,S-NSSAI)、关注区域。
3)(可选)ML模型报告的目标:指示请求ML模型的对象,例如特定UE、一组UE或任何UE(即所有UE)。)
4)具有以下参数的ML模型报告信息:
(仅适用于Nnwdaf_MLModelProvision_Subscribe)根据表4.15.1-1、TS 23.502[3]中定义的事件报告信息参数确定的ML模型报告信息参数。
(可选)ML模型目标周期:表示请求分析的ML模型的时间间隔。时间间隔用实际开始时间和实际结束时间表示(例如通过世界协调事件(Coordinated Universal Time,UTC)时间)。
TS 23.502[3]第4.15.1条中定义的通知目标地址(加通知相关ID),允许将从包含MTLF的NWDAF收到的通知与此订阅关联。
2.2、包含MTLF的NWDAF向ML模型供应服务操作的消费者提供的输出信息如下所示:
(仅适用于Nnwdaf_MLModelProvision_Notify)通知相关性信息。
ML模型信息,包括分析ID的ML模型文件地址(例如统一资源定位符(UniformResource Locator,URL)或全限定域名(Fully Qualified Domain Name,FQDN))。
(可选)有效期:表示所提供的ML模型信息适用的时间段。
(可选)空间有效性:表示所提供的ML模型信息适用的区域。
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请求方法、装置、通信设备及可读存储介质进行详细地说明。
请参考图3,本申请实施例提供一种模型请求方法,包括:
步骤31:第一通信设备发送第一请求,所述第一请求用于请求针对一个或多个数据分析任务的多个模型;
步骤32:所述第一通信设备接收第一响应,所述第一响应中包括满足所述第一请求的多个模型的相关信息。
在本申请实施例中,可以一次向模型发送端请求多个模型,以减少网络内的信令消耗。
本申请实施例中,可选的,所述多个数据分析任务的任务标识相同。可选的,多个数据分析任务的任务标识相同即多个数据分析任务为同一类型的数据分析任务。
本申请实施例中,可选的,所述第一通信设备也可以称为模型接收端,可以包括以下至少一项:终端(如终端中的调制解调器(modem,负责打电话、上网、发短信等联网行为));接入网网元;核心网网元;NWDAF;包含AnLF的NWDAF。
本申请实施例中,可选的,所述第一通信设备向第二通信设备发送第一请求,并接收第二通信设备发送的第一响应。
本申请实施例中,可选的,所述第二通信设备可以称为模型发送端,负责模型训练和分发等,可以包括以下至少一项:接入网网元(如基站,基站网关等),核心网网元;NWDAF;包含MTLF的NWDAF;第三方服务器。
本申请实施例中,可选的,所述第一请求中包括以下至少一项:
1)任务标识信息;
用于标识数据分析任务的类型。可选的,属于同一类型的数据分析任务的任务标识相同。
任务标识例如可以为Analytic ID。
2)任务的条件限定信息;
任务的条件限定信息也可以称之为分析筛选信息(Analytic filterinformation),用于指示数据分析结果过滤信息,例如包括感兴趣区域(Areas 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。
3)任务的分析对象信息;
任务的分析对象信息可以理解为分析报告的目标(Target of analyticreporting),用于指明任务分析的对象是某个终端、多个终端或者所有终端。
4)第一指示信息,所述第一指示信息用于指示一次请求多个模型;
本申请实施例中,可选的,所述第一指示信息可以是显式出现,如是一条特定的信元;也可以是隐式的出现,如该第一指示信息是基于该第一请求所在的信令的名字而知道的。
5)所述多个模型的区别信息;
可选的,所述区别信息包括以下至少一项:
所述多个模型对应的多个等级的精度信息(accuracy level);例如高、中、低精度。
所述多个模型对应的多个时段信息;时段信息可以以感兴趣的时间列表信息(List of time period of Interest)的形式出现,例如早、中、晚时间段。
所述多个模型对应的位置信息;位置信息也可以称为区域信息,可以为某个城市或小区(cell)范围等,位置信息例如可以以感兴趣的区域列表(area of interest list)的形式出现,或者其他形式出现;
所述多个模型对应的切片信息。
其中,所述精度信息可以是准确度、最大绝对值误差(Max absolute error,MAE),精确度等。
本申请实施例中,可选的,所述多个模型除了所述区别信息之外,其他均相同,例如,所述多个模型为多个精度不同的分析目标网元的负载情况的模型。
6)模型限定信息,用于限定模型的使用范围;
可选的,所述模型限定信息包括以下至少一项:
模型对应的位置信息;
模型对应的切片信息。
所述模型限定信息用于帮助模型发送端进行模型的选择或者训练,如训练模型的数据需在某一位置范围或者切片内。
本申请实施例中,可选的,所述模型限定信息可以根据任务的条件限定信息得到。所述第一请求中,可以只包括任务的条件限定信息,或者,只包括模型限定信息。
本申请实施例中,可选的,所述第一通信设备发送第一请求之前还包括以下至少一项:
所述第一通信设备在接收到一个任务请求后,针对所述任务请求生成所述第一请求;
所述第一通信设备在预设时间范围内接收到多个任务请求之后,针对所述多个任务请求生成所述第一请求。
所述任务请求用于请求执行数据分析任务,所述第一请求涉及的数据分析任务根据所述任务请求中的数据分析任务得到,或者,与任务请求中的数据分析任务相同。
可选的,所述多个任务请求对应的多个数据分析任务的任务标识相同。即多个数据分析任务的任务类型相同。
可选的,所述任务请求中包括以下至少一项:
任务标识信息;
任务的条件限定信息;
任务的分析对象信息。
其中,任务的条件限定信息也可以称之为分析筛选信息(Analytic filterinformation),用于指示数据分析结果过滤信息,例如包括感兴趣区域(Areas 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。
任务的分析对象信息可以理解为分析报告的目标(Target of analyticreporting),用于指明任务分析的对象是某个终端、多个终端或者所有终端。
本申请实施例中,可选的,所述第一通信设备接收第三通信设备发送的任务请求。所述第三通信设备也可以称为数据服务消费者(Consumer),可以包括以下至少一项:应用处理器(Application Processor,AP,负责操作系统、用户界面和应用程序等),核心网网元(如AMF,SMF等)。
本申请实施例中,可选的,第一通信设备接收的多个任务请求,可以是同一第三通信设备发送的多个任务请求,也可以是多个第三通信设备发送的多个任务请求。
可选的,所述任务请求可以通过Nnwdaf_AnalyticsSubscription_Subscribe发送。
本申请实施例中,可选的,所述模型的相关信息包括以下至少一项:
1)模型信息,所述模型信息为模型本身或者存储模型的地址信息;
2)模型标识信息;
3)模型描述信息;模型描述信息也可以称为模型限定信息等。
可选的,所述模型描述信息包括以下至少一项:
模型对应的精度信息;
模型对应的时段信息;
模型对应的位置信息;
模型对应的切片信息。
4)任务标识信息;
5)任务的条件限定信息;
6)任务的分析对象信息。
请参考图4,本申请实施例中,可选的,所述方法还包括:
步骤33:所述第一通信设备根据接收到的任务请求,请求所需的相关数据;
步骤34:所述第一通信设备使用所述多个模型对所述相关数据进行分析,得到数据分析结果。
本申请实施例中,可选的,所述第一通信设备向第四通信设备请求所需的相关数据。所述第四通信设备也可以称为数据源,可以包括以下至少一项:核心网网元(如AMF,SMF),接入网网元(如基站)等。
本申请实施例中,可选的,所述第一通信设备使用所述多个模型对相关数据进行分析包括:所述第一通信设备针对接收到的不同的任务请求,使用不同的模型对所述相关数据进行分析。
本申请实施例中,可选的,所述得到数据分析结果之后还包括:所述第一通信设备将所述数据分析结果发送给第三通信设备。
举例来说,在一实施例中,如UE向网络请求某一模型或者某一智能化相关的任务时,比如,UE中的消费者AP向模型接收端(如UE中的modem)发送了任务请求,请求执行某一智能化任务,比如预测某一时间的信号强度,解码/编码等;模型接收端(如UE中的modem)向模型发送端(如基站)发送第一请求,请求获取能够完成该任务的多个模型;模型发送端选择其内部训练好的满足第一请求的模型,或者向数据源发送数据请求,请求获取训练数据以进行模型的训练,从而获得/生成满足第一请求的模型;模型发送端向模型接收端返回满足第一请求的多个模型;模型接收端可以使用模型完成消费者所请求的任务并反馈结果给消费者。
在另一实施例中,如核心网中的网元请求某一智能化相关的任务时,比如,消费者网元SMF或AMF等,向模型接收端(如包含AnLF的NWDAF)发送了任务请求,请求执行某一智能化任务,比如预测某一时间的网络负载情况等;模型接收端向模型发送端(如包含MTLF的NWDAF)发送第一请求,请求获取能够完成该任务的多个模型;模型发送端选择其内部训练好的满足第一请求的模型,或者向数据源发送数据请求,请求获取训练数据以进行模型的训练,从而获得/生成满足第一请求的模型;模型发送端向模型接收端返回满足第一请求的多个模型;模型接收端可以使用模型完成消费者所请求的任务并反馈结果给消费者。
请参考图5,本申请实施例提供一种模型请求方法,包括:
步骤51:第二通信设备接收第一请求,所述第一请求用于请求针对一个或多个数据分析任务的多个模型;
步骤52:所述第二通信设备获取满足所述第一请求的多个模型;
步骤53:所述第二通信设备发送第一响应,所述第一响应中包括所述多个模型的相关信息。
在本申请实施例中,可以一次向模型接收端返回多个模型,以减少网络内的信令消耗。
本申请实施例中,可选的,所述多个数据分析任务的任务标识相同。
本申请实施例中,可选的,所述第二通信设备可以称为模型发送端,负责模型训练和分发等,可以包括以下至少一项:接入网网元(如基站,基站网关等),核心网网元;NWDAF;包含MTLF的NWDAF;第三方服务器。
本申请实施例中,可选的,所述第二通信设备接收第一通信设备发送的所述第一请求,并向第一通信设备发送第一响应。
本申请实施例中,可选的,所述第一通信设备也可以称为模型接收端,可以包括以下至少一项:终端(如终端中的调制解调器(modem,负责打电话、上网、发短信等联网行为));接入网网元;核心网网元;NWDAF;包含AnLF的NWDAF。
本申请实施例中,可选的,所述第一请求中包括以下至少一项:
1)任务标识信息;
2)任务的条件限定信息;
3)任务的分析对象信息;
4)第一指示信息,所述第一指示信息用于指示一次请求多个模型;
5)所述多个模型的区别信息;
可选的,所述区别信息包括以下至少一项:
所述多个模型对应的多个等级的精度信息;
所述多个模型对应的多个时段信息;
所述多个模型对应的位置信息;位置信息也可以称为区域信息;
所述多个模型对应的时段信息。
6)模型限定信息,用于限定模型的使用范围;
可选的,所述模型限定信息包括以下至少一项:
模型对应的位置信息;
模型对应的切片信息。
本申请实施例中,可选的,所述第二通信设备获取满足所述第一请求的多个模型包括以下至少一项:
所述第二通信设备获取保存的满足所述第一请求的模型;
所述第二通信设备根据所述第一请求收集训练数据,并使用所述训练数据进行模型训练,得到训练后的模型。
本申请实施例中,可选的,第二通信设备可以从本地保存的模型中,获取满足所述第一请求的模型,也可以从其他通信设备(如ADRF)上保存的模型中,获取满足所述第一请求的模型。
本申请实施例中,可选的,所述第二通信设备从第五通信设备收集训练数据。所述第五通信设备也可以称为数据源,可以包括以下至少一项:核心网网元(如AMF,SMF),接入网网元(如基站)等。
本申请实施例中,可选的,所述第二通信设备获取保存的满足所述第一请求的模型包括:所述第二通信设备根据所述第一请求中的以下至少一项,获取保存的满足所述第一请求的模型:
所述多个模型的区别信息;
模型限定信息,用于限定模型的使用范围;
任务标识信息;
任务的条件限定信息;
任务的分析对象信息。
举例来说,所述第二通信设备可以根据所述多个模型的区别信息、模型限定信息和/或任务的条件限定信息的组合,来确定满足所述第一请求的模型。如使用区别信息中包括精度信息和时段信息,模型限定信息中包括区域信息,确定的多个模型中一个模型为:精度为高精度,处于cell1区域,使用时段为每天中的7:00-11:00;另一个模型为:精度为中精度,处于cell1区域,使用时段为每天中的7:00-11:00;另一个模型为:精度为低精度,处于cell1区域,使用时段为每天中的7:00-11:00。
本申请实施例中,可选的,所述第二通信设备根据所述第一请求收集训练数据包括:所述第二通信设备根据所述第一请求中的以下至少一项,收集训练数据:
所述多个模型的区别信息;
模型限定信息,用于限定模型的使用范围;
任务标识信息;
任务的条件限定信息;
任务的分析对象信息。
举例来说,所述第二通信设备根据第一请求中的多个模型的区别信息中的精确度信息,训练符合所述精确度信息的模型。
所述第二通信设备根据第一请求中的模型限定信息或任务的条件限定信息中的位置信息和/或切片信息,获取符合所述位置信息和/或切换信息的训练数据,并训练模型。
本申请实施例中,可选的,所述模型的相关信息包括以下至少一项:
1)模型信息,所述模型信息为模型本身或者存储模型的地址信息;
2)模型标识信息;
3)模型描述信息;
模型描述信息,用于描述模型的特性,如可以用于描述模型可使用的范围,如其时段,位置,切片信息等。也可以是用于描述该模型的特征,如模型对应的精度信息。
即,所述模型描述信息可以包括以下至少一项:
模型对应的精度信息;
模型对应的时段信息;
模型对应的位置信息;
模型对应的切片信息。
4)任务标识信息;
5)任务的条件限定信息;
6)任务的分析对象信息。
下面结合具体应用场景对本申请实施例的模型请求方法举例进行说明。
本申请实施例一:
请参考图6,本申请实施例的模型请求方法包括以下步骤:
步骤1a:可选的,消费者(consumer)向模型接收端发起任务请求,请求获取目标任务的分析结果。该任务请求用于请求某一数据分析结果,该任务请求可以包括任务信息(任务标识信息,任务的条件限定信息,任务的分析对象信息等)。任务标识信息用于指示所需的数据分析结果,该数据分析结果可以是针对某一类任务的多个数据分析结果。任务的条件限定信息,指示数据分析结果的过滤信息,用于进一步限定任务范围,会根据任务的不同而有所不同。所述过滤信息例如可以包括以下至少一项:区域范围,切片信息,准确度等级,时间等。
步骤1b:可选的,模型接收端接收到多个任务请求,所述多个任务请求比如可以是某一consumer发送的多个任务请求,也可能是多个consumer发送的多个任务请求。
步骤2a:模型接收端决定是否发起第一请求,用于请求多个模型。一种实现方式中,模型接收端在接收到了一个任务请求后,可以决定发起针对该任务请求的第一请求,用于请求多个模型,如为了避免后续多次请求模型,提前请求多个相关的模型,以减少信令消耗;也可以是模型接收端同时或预设时间范围内接收到多个任务请求,且该多个任务请求对应的多个数据分析任务的任务标识相同,模型接收端可以针对该多个任务请求发起第一请求,用于请求多个模型。
步骤2b:模型接收端向模型发送端发送第一请求,用于请求多个模型,以便后续使用模型完成数据分析。
本申请实施例中,可选的,所述第一请求中包括以下至少一项:
1)任务标识信息;
2)任务的条件限定信息;
3)任务的分析对象信息;
4)第一指示信息,所述第一指示信息用于指示一次请求多个模型;
5)所述多个模型的区别信息;
可选的,所述区别信息包括以下至少一项:
所述多个模型对应的多个等级的精度信息;例如高、中、低精度。
所述多个模型对应的多个时段信息。例如早、中、晚时间段。
所述多个模型对应的位置信息;
所述多个模型对应的切片信息。
6)模型限定信息,用于限定模型的使用范围;
可选的,所述模型限定信息包括以下至少一项:
模型对应的位置信息;
模型对应的切片信息。
本申请实施例中,若模型接收端为包含AnLF的NWDAF,模型发送端为包含MTLF的NWDAF,则包含AnLF的NWDAF向包含MTLF的NWDAF发送第一请求时,可通过Nnwdaf_MLModelInfo_Request或者Nnwdaf_MLModelProvision_subscribe等信令进行发送。
步骤3:模型发送端根据第一请求,选择满足第一请求的模型,或者选择目标数据源,向目标数据源发送数据请求以请求训练数据,并使用训练数据进行模型训练。
具体的,模型发送端可以是根据第一请求中的任务信息确定要收集的训练数据的类别,进而确定某一设备的类别,并向该设备发送数据请求,请求获取相关的训练数据。如根据任务信息确定需要收集网元负载数据信息,则确定向UPF网元发送数据请求获取训练数据(如基于内部逻辑或者预先配置)。在获取到相关训练数据后,模型发送端使用该训练数据进行模型训练,从而得到满足第一请求的模型。也可能是,模型发送端保存有经过训练的,满足第一请求的模型(如,该模型发送端接收到过类似的第一请求并已经生成了经过训练的模型),则选择满足第一请求的模型。
步骤4:模型发送端向模型接收端发送第一响应,第一响应中包括满足第一请求的多个模型,可以发送模型本身,如一个文件,或者是储存模型的地址信息等。除此之外,第一响应中还可以包括:模型的标识信息,模型的描述信息等。
步骤5:模型接收端在接收到模型发送端发送的多个模型后,可以针对不同的任务请求(如在步骤1b中接收到的任务请求)使用不同的模型进行模型推理。在进行模型推理时,模型接收端会先根据任务请求中的信息向数据源设备请求模型所需要的相关数据(如,模型的输入数据)。
步骤6:模型接收端反馈数据分析结果给consumer。可以包括数据分析结果,用于指示针对该任务的分析结果,根据任务的不同,该数据分析结果的内容也会不同。比如,对于网元负载任务,该数据分析结果可以为未来某个时间的目标网元的负载情况,如第二天上午的UPF网元负载为高。
本申请实施例提供的模型请求方法,执行主体可以为模型请求装置。本申请实施例中以模型请求装置执行模型请求方法为例,说明本申请实施例提供的模型请求装置。
请参考图7,本申请实施例还提供一种模型请求装置70,包括:
第一发送模块71,用于发送第一请求,所述第一请求用于请求针对一个或多个数据分析任务的多个模型;
第一接收模块72,用于接收第一响应,所述第一响应中包括满足所述第一请求的多个模型的相关信息。
在本申请实施例中,可以一次向模型发送端请求多个模型,以减少网络内的信令消耗。
可选的,所述多个数据分析任务的任务标识相同。
可选的,所述第一请求中包括以下至少一项:
任务标识信息;
任务的条件限定信息;
任务的分析对象信息;
第一指示信息,所述第一指示信息用于指示一次请求多个模型;
所述多个模型的区别信息;
模型限定信息,用于限定模型的使用范围。
可选的,所述区别信息包括以下至少一项:
所述多个模型对应的多个等级的精度信息;
所述多个模型对应的多个时段信息。
可选的,所述模型限定信息包括以下至少一项:
模型对应的位置信息;
模型对应的切片信息。
可选的,所述模型请求装置70还包括以下至少一项:
第一生成模块,用于在接收到一个任务请求后,针对所述任务请求生成所述第一请求;
第二生成模块,用于在预设时间范围内接收到多个任务请求之后,针对所述多个任务请求生成所述第一请求。
可选的,所述多个任务请求对应的多个数据分析任务的任务标识相同。
可选的,所述任务请求中包括以下至少一项:
任务标识信息;
任务的条件限定信息;
任务的分析对象信息。
可选的,所述模型的相关信息包括以下至少一项:
模型信息;
模型标识信息;
模型描述信息;
任务标识信息;
任务的条件限定信息;
任务的分析对象信息。
可选的,所述模型描述信息包括以下至少一项:
模型对应的精度信息;
模型对应的时段信息;
模型对应的位置信息;
模型对应的切片信息。
可选的,所述模型请求装置70还包括:
请求模块,用于根据接收到的任务请求,请求所需的相关数据;
分析模块,用于使用所述多个模型对所述相关数据进行分析,得到数据分析结果。
可选的,所述分析模块,用于针对接收到的不同的任务请求,使用不同的模型对所述相关数据进行分析。
可选的,所述模型请求装置70还包括:
第二发送模块,用于将所述数据分析结果发送给第三通信设备。
本申请实施例提供的模型请求装置能够实现图3至图4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。
请参考图8,本申请实施例还提供一种模型请求装置80,包括:
第一接收模块81,用于接收第一请求,所述第一请求用于请求针对一个或多个数据分析任务的多个模型;
获取模块82,用于获取满足所述第一请求的多个模型;
第一发送模块83,用于发送第一响应,所述第一响应中包括所述多个模型的相关信息。
在本申请实施例中,可以一次向模型接收端返回多个模型,以减少网络内的信令消耗。
可选的,所述多个数据分析任务的任务标识相同。
可选的,所述第一请求中包括以下至少一项:
任务标识信息;
任务的条件限定信息;
任务的分析对象信息;
第一指示信息,所述第一指示信息用于指示一次请求多个模型;
所述多个模型的区别信息;
模型限定信息,用于限定模型的使用范围。
可选的,所述区别信息包括以下至少一项:
所述多个模型对应的多个等级的精度信息;
所述多个模型对应的多个时段信息。
可选的,所述模型限定信息包括以下至少一项:
模型对应的位置信息;
模型对应的切片信息。
可选的,所述获取模块82,用于执行包括以下至少一项:
获取保存的满足所述第一请求的模型;
根据所述第一请求收集训练数据,并使用所述训练数据进行模型训练,得到训练后的模型。
可选的,所述获取模块82,用于根据所述第一请求中的以下至少一项,获取保存的满足所述第一请求的模型:
所述多个模型的区别信息;
模型限定信息,用于限定模型的使用范围;
任务标识信息;
任务的条件限定信息;
任务的分析对象信息。
可选的,所述获取模块82,用于根据所述第一请求中的以下至少一项,收集训练数据:
所述多个模型的区别信息;
模型限定信息,用于限定模型的使用范围;
任务标识信息;
任务的条件限定信息;
任务的分析对象信息。
可选的,所述模型的相关信息包括以下至少一项:
模型本身或者存储模型的地址信息;
模型标识信息;
模型描述信息;
模型对应的任务信息。
可选的,所述模型描述信息包括以下至少一项:
模型对应的精度信息;
模型对应的时段信息;
模型对应的位置信息;
模型对应的切片信息。
本申请实施例提供的模型请求装置能够实现图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。
如图9所示,本申请实施例还提供一种通信设备90,包括处理器91和存储器92,存储器92上存储有可在所述处理器91上运行的程序或指令,例如,该通信设备90为第一通信设备时,该程序或指令被处理器91执行时实现上述第一通信设备执行的模型请求方法实施例的各个步骤,且能达到相同的技术效果。该通信设备90为第二通信设备时,该程序或指令被处理器91执行时实现上述第二通信设备执行的模型请求实施例的各个步骤,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终端,包括处理器和通信接口,通信接口用于发送第一请求,所述第一请求用于请求针对一个或多个数据分析任务的多个模型;接收第一响应,所述第一响应中包括满足所述第一请求的多个模型的相关信息。该终端实施例与上述第一通信设备侧方法实施例对应,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终端实施例中,且能达到相同的技术效果。具体地,图10为实现本申请实施例的一种终端的硬件结构示意图。
该终端100包括但不限于:射频单元101、网络模块102、音频输出单元103、输入单元104、传感器105、显示单元106、用户输入单元107、接口单元108、存储器109以及处理器1010等中的至少部分部件。
本领域技术人员可以理解,终端100还可以包括给各个部件供电的电源(比如电池),电源可以通过电源管理系统与处理器1010逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图10中示出的终端结构并不构成对终端的限定,终端可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置,在此不再赘述。
应理解的是,本申请实施例中,输入单元104可以包括图形处理单元(GraphicsProcessing Unit,GPU)1041和麦克风1042,图形处理器1041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元106可包括显示面板1061,可以采用液晶显示器、有机发光二极管等形式来配置显示面板1061。用户输入单元107包括触控面板1071以及其他输入设备1072中的至少一种。触控面板1071,也称为触摸屏。触控面板1071可包括触摸检测装置和触摸控制器两个部分。其他输入设备1072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆,在此不再赘述。
本申请实施例中,射频单元101接收来自网络侧设备的下行数据后,可以传输给处理器1010进行处理;另外,射频单元101可以向网络侧设备发送上行数据。通常,射频单元101包括但不限于天线、放大器、收发信机、耦合器、低噪声放大器、双工器等。
存储器109可用于存储软件程序或指令以及各种数据。存储器109可主要包括存储程序或指令的第一存储区和存储数据的第二存储区,其中,第一存储区可存储操作系统、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外,存储器109可以包括易失性存储器或非易失性存储器,或者,存储器109可以包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(SynchronousDRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synch link DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DRRAM)。本申请实施例中的存储器109包括但不限于这些和任意其它适合类型的存储器。
处理器1010可包括一个或多个处理单元;可选的,处理器1010集成应用处理器和调制解调处理器,其中,应用处理器主要处理涉及操作系统、用户界面和应用程序等的操作,调制解调处理器主要处理无线通信信号,如基带处理器。可以理解的是,上述调制解调处理器也可以不集成到处理器1010中。
其中,射频单元101,用于发送第一请求,所述第一请求用于请求针对一个或多个数据分析任务的多个模型;接收第一响应,所述第一响应中包括满足所述第一请求的多个模型的相关信息。
在本申请实施例中,可以一次向模型发送端请求多个模型,以减少网络内的信令消耗。
可选的,所述多个数据分析任务的任务标识相同。
可选的,所述第一请求中包括以下至少一项:
任务标识信息;
任务的条件限定信息;
任务的分析对象信息;
第一指示信息,所述第一指示信息用于指示一次请求多个模型;
所述多个模型的区别信息;
模型限定信息,用于限定模型的使用范围。
可选的,所述区别信息包括以下至少一项:
所述多个模型对应的多个等级的精度信息;
所述多个模型对应的多个时段信息。
可选的,所述模型限定信息包括以下至少一项:
模型对应的位置信息;
模型对应的切片信息。
可选的,所述处理器1010用于在接收到一个任务请求后,针对所述任务请求生成所述第一请求;和/或,在预设时间范围内接收到多个任务请求之后,针对所述多个任务请求生成所述第一请求。
可选的,所述多个任务请求对应的多个数据分析任务的任务标识相同。
可选的,所述任务请求中包括以下至少一项:
任务标识信息;
任务的条件限定信息;
任务的分析对象信息。
可选的,所述模型的相关信息包括以下至少一项:
模型信息;
模型标识信息;
模型描述信息;
任务标识信息;
任务的条件限定信息;
任务的分析对象信息。
可选的,所述模型描述信息包括以下至少一项:
模型对应的精度信息;
模型对应的时段信息;
模型对应的位置信息;
模型对应的切片信息。
可选的,所述处理器1010用于根据接收到的任务请求,请求所需的相关数据;使用所述多个模型对所述相关数据进行分析,得到数据分析结果。
可选的,所述处理器1010,用于针对接收到的不同的任务请求,使用不同的模型对所述相关数据进行分析。
可选的,所述射频单元101,还用于将所述数据分析结果发送给第三通信设备。
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,通信接口用于发送第一请求,所述第一请求用于请求针对一个或多个数据分析任务的多个模型;接收第一响应,所述第一响应中包括满足所述第一请求的多个模型的相关信息。该网络侧设备实施例与上述第一通信设备侧方法实施例对应,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。
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,通信接口用于接收第一请求,所述第一请求用于请求针对一个或多个数据分析任务的多个模型;所述处理器用于获取满足所述第一请求的多个模型;所述通信接口还用于发送第一响应,所述第一响应中包括所述多个模型的相关信息。该网络侧设备实施例与上述第二通信设备侧方法实施例对应,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11所示,该网络侧设备110包括:天线111、射频装置112、基带装置113、处理器114和存储器115。天线111与射频装置112连接。在上行方向上,射频装置112通过天线111接收信息,将接收的信息发送给基带装置113进行处理。在下行方向上,基带装置113对要发送的信息进行处理,并发送给射频装置112,射频装置112对收到的信息进行处理后经过天线111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113中实现,该基带装置113包括基带处理器。
基带装置113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11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115连接,以调用存储器115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116,该接口例如为通用公共无线接口(commonpublic radio interface,CPRI)。
具体地,本申请实施例的网络侧设备110还包括:存储在存储器115上并可在处理器114上运行的指令或程序,处理器114调用存储器115中的指令或程序执行图7或图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。
具体地,本申请实施例还提供了一种网络侧设备。如图12所示,该网络侧设备120包括:处理器121、网络接口122和存储器123。其中,网络接口122例如为通用公共无线接口(common public radio interface,CPRI)。
具体地,本申请实施例的网络侧设备120还包括:存储在存储器123上并可在处理器121上运行的指令或程序,处理器121调用存储器123中的指令或程序执行图7或图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请求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,实现上述模型请求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请求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:第一通信设备及第二通信设备设备,所述第一通信设备可用于执行如上所述的第一通信设备侧执行的模型请求方法的步骤,所述第二通信设备可用于执行如上所述的第二通信设备侧执行的模型请求方法的步骤。
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 (26)
1.一种模型请求方法,其特征在于,包括:
第一通信设备发送第一请求,所述第一请求用于请求针对一个或多个数据分析任务的多个模型;
所述第一通信设备接收第一响应,所述第一响应中包括满足所述第一请求的多个模型的相关信息。
2.根据权利要求1所述的方法,其特征在于,所述多个数据分析任务的任务标识相同。
3.根据权利要求1所述的方法,其特征在于,所述第一请求中包括以下至少一项:
任务标识信息;
任务的条件限定信息;
任务的分析对象信息;
第一指示信息,所述第一指示信息用于指示一次请求多个模型;
所述多个模型的区别信息;
模型限定信息,用于限定模型的使用范围。
4.根据权利要求3所述的方法,其特征在于,所述区别信息包括以下至少一项:
所述多个模型对应的多个等级的精度信息;
所述多个模型对应的多个时段信息。
5.根据权利要求3所述的方法,其特征在于,所述模型限定信息包括以下至少一项:
模型对应的位置信息;
模型对应的切片信息。
6.根据权利要求1所述的方法,其特征在于,所述第一通信设备发送第一请求之前还包括以下至少一项:
所述第一通信设备在接收到一个任务请求后,针对所述任务请求生成所述第一请求;
所述第一通信设备在预设时间范围内接收到多个任务请求之后,针对所述多个任务请求生成所述第一请求。
7.根据权利要求6所述的方法,其特征在于,所述多个任务请求对应的多个数据分析任务的任务标识相同。
8.根据权利要求6所述的方法,其特征在于,所述任务请求中包括以下至少一项:
任务标识信息;
任务的条件限定信息;
任务的分析对象信息。
9.根据权利要求1所述的方法,其特征在于,所述模型的相关信息包括以下至少一项:
模型信息;
模型标识信息;
模型描述信息;
任务标识信息;
任务的条件限定信息;
任务的分析对象信息。
10.根据权利要求9所述的方法,其特征在于,所述模型描述信息包括以下至少一项:
模型对应的精度信息;
模型对应的时段信息;
模型对应的位置信息;
模型对应的切片信息。
11.根据权利要求1所述的方法,其特征在于,还包括:
所述第一通信设备根据接收到的任务请求,请求所需的相关数据;
所述第一通信设备使用所述多个模型对所述相关数据进行分析,得到数据分析结果。
12.根据权利要求11所述的方法,其特征在于,所述得到数据分析结果之后还包括:
所述第一通信设备将所述数据分析结果发送给第三通信设备。
13.一种模型请求方法,其特征在于,包括:
第二通信设备接收第一请求,所述第一请求用于请求针对一个或多个数据分析任务的多个模型;
所述第二通信设备获取满足所述第一请求的多个模型;
所述第二通信设备发送第一响应,所述第一响应中包括所述多个模型的相关信息。
14.根据权利要求13所述的方法,其特征在于,所述多个数据分析任务的任务标识相同。
15.根据权利要求13所述的方法,其特征在于,所述第一请求中包括以下至少一项:
任务标识信息;
任务的条件限定信息;
任务的分析对象信息;
第一指示信息,所述第一指示信息用于指示一次请求多个模型;
所述多个模型的区别信息;
模型限定信息,用于限定模型的使用范围。
16.根据权利要求15所述的方法,其特征在于,所述区别信息包括以下至少一项:
所述多个模型对应的多个等级的精度信息;
所述多个模型对应的多个时段信息。
17.根据权利要求15所述的方法,其特征在于,所述模型限定信息包括以下至少一项:
模型对应的位置信息;
模型对应的切片信息。
18.根据权利要求13所述的方法,其特征在于,所述第二通信设备获取满足所述第一请求的多个模型包括以下至少一项:
所述第二通信设备获取保存的满足所述第一请求的模型;
所述第二通信设备根据所述第一请求收集训练数据,并使用所述训练数据进行模型训练,得到训练后的模型。
19.根据权利要求18所述的方法,其特征在于,所述第二通信设备获取保存的满足所述第一请求的模型包括:
所述第二通信设备根据所述第一请求中的以下至少一项,获取保存的满足所述第一请求的模型:
所述多个模型的区别信息;
模型限定信息,用于限定模型的使用范围;
任务标识信息;
任务的条件限定信息;
任务的分析对象信息。
20.根据权利要求18所述的方法,其特征在于,所述第二通信设备根据所述第一请求收集训练数据包括:
所述第二通信设备根据所述第一请求中的以下至少一项,收集训练数据:
所述多个模型的区别信息;
模型限定信息,用于限定模型的使用范围;
任务标识信息;
任务的条件限定信息;
任务的分析对象信息。
21.根据权利要求13所述的方法,其特征在于,所述模型的相关信息包括以下至少一项:
模型信息;
模型标识信息;
模型描述信息;
任务标识信息;
任务的条件限定信息;
任务的分析对象信息。
22.根据权利要求21所述的方法,其特征在于,所述模型描述信息包括以下至少一项:
模型对应的精度信息;
模型对应的时段信息;
模型对应的位置信息;
模型对应的切片信息。
23.一种模型请求装置,其特征在于,包括:
第一发送模块,用于发送第一请求,所述第一请求用于请求针对一个或多个数据分析任务的多个模型;
第一接收模块,用于接收第一响应,所述第一响应中包括满足所述第一请求的多个模型的相关信息。
24.一种模型请求装置,其特征在于,包括:
第一接收模块,用于接收第一请求,所述第一请求用于请求针对一个或多个数据分析任务的多个模型;
获取模块,用于获取满足所述第一请求的多个模型;
第一发送模块,用于发送第一响应,所述第一响应中包括所述多个模型的相关信息。
25.一种通信设备,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12任一项所述的模型请求方法的步骤,或者,所述程序或指令被所述处理器执行时实现如权利要求13至22任一项所述的模型请求方法的步骤。
26.一种可读存储介质,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12任一项所述的模型请求方法的步骤,或者,实现如权利要求13至22任一项所述的模型请求方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211250071.8A CN117910589A (zh) | 2022-10-12 | 2022-10-12 | 模型请求方法、装置、通信设备及可读存储介质 |
PCT/CN2023/123317 WO2024078400A1 (zh) | 2022-10-12 | 2023-10-08 | 模型请求方法、装置、通信设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211250071.8A CN117910589A (zh) | 2022-10-12 | 2022-10-12 | 模型请求方法、装置、通信设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117910589A true CN117910589A (zh) | 2024-04-19 |
Family
ID=90668847
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211250071.8A Pending CN117910589A (zh) | 2022-10-12 | 2022-10-12 | 模型请求方法、装置、通信设备及可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117910589A (zh) |
WO (1) | WO2024078400A1 (zh) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021032497A1 (en) * | 2019-08-16 | 2021-02-25 | Telefonaktiebolaget Lm Ericsson (Publ) | Methods, apparatus and machine-readable media relating to machine-learning in a communication network |
CN112784992A (zh) * | 2019-11-08 | 2021-05-11 | 中国移动通信有限公司研究院 | 一种网络数据分析方法、功能实体及电子设备 |
-
2022
- 2022-10-12 CN CN202211250071.8A patent/CN117910589A/zh active Pending
-
2023
- 2023-10-08 WO PCT/CN2023/123317 patent/WO2024078400A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2024078400A1 (zh) | 2024-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116193500A (zh) | 感知业务实现方法、装置、网络侧设备及终端 | |
CN117910589A (zh) | 模型请求方法、装置、通信设备及可读存储介质 | |
CN116156667A (zh) | 物联网设备的会话建立方法及装置 | |
WO2023207980A1 (zh) | 模型信息获取方法、发送方法、装置、节点和储存介质 | |
WO2023185788A1 (zh) | 候选成员的确定方法、装置及设备 | |
CN116866882A (zh) | 候选成员的确定方法、装置及设备 | |
WO2024088119A1 (zh) | 数据处理方法、装置、终端及网络侧设备 | |
WO2024067438A1 (zh) | Ai模型推理方法、设备及可读存储介质 | |
CN117062098A (zh) | 模型获取方法及通信设备 | |
CN117939621A (zh) | 信息上报方法、装置、通信设备及存储介质 | |
CN117858119A (zh) | 数据收集及处理方法、设备及可读存储介质 | |
CN116684296A (zh) | 数据采集方法及设备 | |
CN116847328A (zh) | 用户面功能网元确定方法及装置 | |
CN117459899A (zh) | 位置信息的获取方法、终端及网络侧设备 | |
CN117528676A (zh) | 托管网络的选网信息的获取方法、终端及网络侧设备 | |
CN116866984A (zh) | 数据获取方法、装置、通信设备及存储介质 | |
CN117640726A (zh) | 数据收集方法、装置及通信设备 | |
CN117479343A (zh) | 数据连接建立方法及设备 | |
CN118175052A (zh) | 模型训练方法、终端及网络侧设备 | |
CN116776988A (zh) | 通信网络中的数据处理方法及网络侧设备 | |
CN117499865A (zh) | 定位方法、装置、设备、系统及存储介质 | |
CN117320081A (zh) | 算力处理方法、装置及通信设备 | |
CN116828444A (zh) | 信息获取方法及装置 | |
CN116419209A (zh) | 数据处理的方法、装置及通信设备 | |
CN116828445A (zh) | 网元注册方法、模型确定方法、装置、网元、通信系统及存储介质 |
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 |