JP7392139B2 - ネットワークデータ分析方法、機能エンティティ及び電子機器 - Google Patents

ネットワークデータ分析方法、機能エンティティ及び電子機器 Download PDF

Info

Publication number
JP7392139B2
JP7392139B2 JP2022526286A JP2022526286A JP7392139B2 JP 7392139 B2 JP7392139 B2 JP 7392139B2 JP 2022526286 A JP2022526286 A JP 2022526286A JP 2022526286 A JP2022526286 A JP 2022526286A JP 7392139 B2 JP7392139 B2 JP 7392139B2
Authority
JP
Japan
Prior art keywords
entity
model
training
nwdaf
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.)
Active
Application number
JP2022526286A
Other languages
English (en)
Other versions
JP2022554384A (ja
Inventor
愛華 李
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.)
China Mobile Communications Group Co Ltd
China Mobile Communications Ltd Research Institute
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Communications Ltd Research Institute
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 China Mobile Communications Group Co Ltd, China Mobile Communications Ltd Research Institute filed Critical China Mobile Communications Group Co Ltd
Publication of JP2022554384A publication Critical patent/JP2022554384A/ja
Application granted granted Critical
Publication of JP7392139B2 publication Critical patent/JP7392139B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Mobile Radio Communication Systems (AREA)

Description

本願は、通信技術分野に関し、特にネットワークデータ分析方法、機能エンティティ及び電子機器に関する。
（関連出願の相互参照）
本願は、２０１９年１１月８日に中国で提出された中国特許出願番号Ｎｏ．２０１９１１０８９３１４．２の優先権を主張しており、同出願の内容の全ては、ここに参照として取り込まれる。
ネットワークデータ分析機能（Ｎｅｔｗｏｒｋ Ｄａｔａ Ａｎａｌｙｔｉｃｓ Ｆｕｎｃｔｉｏｎ：ＮＷＤＡＦ）エンティティは、１つの複合体として設定され、データレイク、訓練プラットフォーム、推論プラットフォームなどのユニットを含み、ＮＷＤＡＦエンティティと各ネットワークエレメントとインタラクションを行い、データ収集、モデル訓練及び推論演算を完了し、必要に応じて訓練分析結果を関連ネットワークエレメントに配信する。
現在では、ＮＷＤＡＦエンティティ全体の設計にモデル訓練機能が含まれることによって、モデル訓練機能の使用が十分に柔軟ではないことを引き起こす。
本願の実施例は、ＮＷＤＡＦエンティティのモデル訓練機能の使用が十分に柔軟ではないという問題を解決するためのネットワークデータ分析方法、機能エンティティ及び電子機器を提供する。
上記技術的課題を解決するために、本願は、以下のように実施される。
第１態様によれば、本願の実施例は、ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティに用いられるネットワークデータ分析方法を提供する。前記ネットワークデータ分析方法は、
１つのモデルを生成するよう第１対象に要求することであって、前記第１対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールである、ことと、
前記第１対象から送信された前記モデルを受信することと、を含む。
第２態様によれば、本願の実施例は、ネットワークリポジトリ機能(ＮＲＦ)エンティティに用いられるネットワークデータ分析方法を提供する。前記ネットワークデータ分析方法は、
ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティから送信された第２要求メッセージを受信することと、
前記ＮＷＤＡＦエンティティに第２応答メッセージを送信することであって、前記第２応答メッセージは、利用可能な第２対象を指示するためのものであり、前記第２対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールである、ことと、を含む。
第３態様によれば、本願の実施例は、訓練対象に用いられるネットワークデータ分析方法を提供する。前記訓練対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールを含み、前記ネットワークデータ分析方法は、
ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティから送信された要求を受信し、モデルを生成することと、
前記ＮＷＤＡＦエンティティに前記モデルを送信することと、を含む。
第４態様によれば、機能エンティティを提供する。前記機能エンティティは、ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティであり、前記機能エンティティは、プロセッサと、送受信機と、を備え、
前記送受信機は、１つのモデルを生成するよう第１対象に要求し、前記第１対象から送信された前記モデルを受信するように構成され、前記第１対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールである。
第５態様によれば、本願の実施例は、機能エンティティを提供する。前記機能エンティティは、ネットワークリポジトリ機能(ＮＲＦ)エンティティであり、前記機能エンティティは、プロセッサと、送受信機と、を備え、
前記送受信機は、ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティから送信された第２要求メッセージを受信し、前記ＮＷＤＡＦエンティティに第２応答メッセージを送信するように構成され、前記第２応答メッセージは、利用可能な第２対象を指示するためのものであり、前記第２対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールである。
第６態様によれば、本願の実施例は、機能エンティティを提供する。機能エンティティは、訓練対象であり、前記訓練対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールを含み、前記機能エンティティは、プロセッサと、送受信機と、を備え、
前記送受信機は、ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティから送信された要求を受信し、モデルを生成し、前記ＮＷＤＡＦエンティティに前記モデルを送信するように構成される。
第７態様によれば、本願の実施例は、機能エンティティを提供する。前記機能エンティティは、ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティであり、前記機能エンティティは、
１つのモデルを生成するよう第１対象に要求するように構成される要求モジュールであって、前記第１対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールである、要求モジュールと、
前記第１対象から送信された前記モデルを受信するように構成される受信モジュールと、を備える。
第８態様によれば、本願の実施例は、機能エンティティを提供する。前記機能エンティティは、ネットワークリポジトリ機能(ＮＲＦ)エンティティであり、前記機能エンティティは、
ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティから送信された第２要求メッセージを受信するように構成される受信モジュールと、
前記ＮＷＤＡＦエンティティに第２応答メッセージを送信するように構成される送信モジュールであって、前記第２応答メッセージは、利用可能な第２対象を指示するためのものであり、前記第２対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールである、送信モジュールと、を備える。
第９態様によれば、本願の実施例は、機能エンティティを提供する。前記機能エンティティは、訓練対象であり、前記訓練対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールを含み、前記機能エンティティは、
ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティから送信された要求を受信し、モデルを生成するように構成される受信モジュールと、
前記ＮＷＤＡＦエンティティに前記モデルを送信するように構成される送信モジュールと、を備える。
第１０態様によれば、本願の実施例は、電子機器を提供する。前記電子機器は、プロセッサと、メモリと、前記メモリに記憶されており、且つ前記プロセッサで実行可能なコンピュータプログラムと、を備え、前記コンピュータプログラムが前記プロセッサによって実行される時、前記プロセッサに第１態様に記載のネットワークデータ分析方法におけるステップを実現させ、又は、前記コンピュータプログラムが前記プロセッサによって実行される時、前記プロセッサに第２態様に記載のネットワークデータ分析方法におけるステップを実現させ、又は、前記コンピュータプログラムが前記プロセッサによって実行される時、第３態様に記載のネットワークデータ分析方法におけるステップを実現させる。
第１１態様によれば、本願の実施例は、コンピュータ可読記憶媒体を提供する。前記コンピュータ可読記憶媒体にコンピュータプログラムが記憶されており、前記コンピュータプログラムがプロセッサによって実行される時、前記プロセッサに第１態様に記載のネットワークデータ分析方法におけるステップを実現させ、又は、前記コンピュータプログラムがプロセッサによって実行される時、前記プロセッサに第２態様に記載のネットワークデータ分析方法におけるステップを実現させ、又は、前記コンピュータプログラムがプロセッサによって実行される時、前記プロセッサに第３態様に記載のネットワークデータ分析方法におけるステップを実現させる。
本願の実施例において、ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティは、１つのモデルを生成するよう第１対象に要求し、前記第１対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールであり、前記第１対象から送信された前記モデルを受信する。第１対象とＮＷＤＡＦエンティティが分離した２つのエンティティであるため、モデル訓練機能を有する第１対象は、複数のＮＷＤＡＦによる使用に供することができ、柔軟性を向上させる。
本願の実施例によるネットワークデータ分析方法のフローチャートのその一である。 本願の実施例によるネットワークデータ分析方法のフローチャートのその二である。 本願の実施例によるネットワークデータ分析方法のフローチャートのその三である。 本願の実施例による複数の機能エンティティ間の情報送信の概略図である。 本願の実施例による第１機能エンティティの構造図である。 本願の実施例による第２機能エンティティの構造図である。 本願の実施例による第３機能エンティティの構造図である。 本願の実施例による別の機能エンティティの構造図である。
本願の実施例における技術的解決手段をより明確に説明するために、以上、本願の実施例の説明に必要な図面を簡単に説明する。勿論、以上の記述における図面は本願のいくつかの実施例に過ぎず、当業者は創造的な労力を要することなく、これらの図面に基づいて他の図面を得ることもできる。
以下は、本願の実施例における添付図面を結び付けながら、本願の実施例における技術的解決手段を明瞭且つ完全に記述する。明らかに、記述された実施例は、本願の一部の実施例であり、全部の実施例ではない。本願における実施例に基づき、当業者が創造的な労力を払わない前提で得られたすべての他の実施例は、いずれも本願の保護範囲に属する。
５Ｇの第１版の規格において、３ＧＰＰ（登録商標）は、機械学習に基づくＮＷＤＡＦエンティティをネットワークスライス選択機能及びポリシー制御機能の基礎とする。換言すれば、ネットワークスライス選択機能及びポリシー制御機能の実行は、ＮＷＤＡＦエンティティに依存する必要がある。ＮＷＤＡＦエンティティは、多くのタイプのデータに対して「収集」操作及びデータ処理操作を行うことができ、例えば、全ての５Ｇネットワークスライスのトラフィック負荷をリアルタイムにセンシングし、５Ｇ移動端末に対するユーザの使用行為を収集して分析し、５Ｇアプリケーションの実行性能などを収集して分析し、続いて、機械学習技術を用いてそれに対してリアルタイムな分析を行い、決定を行う。
本願の具体的な実施例は、上記５Ｇ移動通信システムに用いられてもよい。理解すべきこととして、本願の実施例は、同様に、ＮＷＤＡＦ又は類似した機能エンティティが設けられているネットワークに用いられてもよい。
以下、本願の具体的な実施例を更に詳しく説明する。
図１を参照すると、図１は、本願の実施例によるネットワークデータ分析方法のフローチャートである。該方法は、ネットワークデータ分析エンティティに用いられ、図１に示すように、前記ネットワークデータ分析方法は、以下のステップを含む。
ステップ１０１において、１つのモデルを生成するよう第１対象に要求し、前記第１対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールである。
モデルは、統計モデルであってもよく、予測モデルであってもよい。
ステップ１０２において、前記第１対象から送信された前記モデルを受信する。
本実施例において、モデルは、第１対象によって送信され、ネットワークデータ分析機能（Ｎｅｔｗｏｒｋ Ｄａｔａ Ａｎａｌｙｔｉｃｓ Ｆｕｎｃｔｉｏｎ：ＮＷＤＡＦ）エンティティに送信される。第１対象とＮＷＤＡＦは、分離した２つのエンティティである。このように、モデル訓練機能を有する第１対象は、１つの物理エンティティ又は論理エンティティとして単独に存在し、各第１対象が複数のＮＷＤＡＦによる使用に供することができ、柔軟性を向上させる。
本実施例において、ＮＷＤＡＦエンティティは、１つのモデルを生成するよう第１対象に要求し、前記第１対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールであり、前記第１対象から送信された前記モデルを受信する。第１対象とＮＷＤＡＦエンティティが分離した２つのエンティティであるため、モデル訓練機能を有する第１対象は、複数のＮＷＤＡＦによる使用に供することができ、柔軟性を向上させる。
本願の一実施例において、１つのモデルを生成するよう第１対象に要求することは、具体的には、
前記第１対象に第１要求メッセージを送信することであって、前記第１要求メッセージは、前記モデルを生成するよう前記第１対象に要求するためのものであり、前記モデルは、第１応答メッセージで搬送されること、
又は、
第３対象によって提供された、前記モデルを生成するための訓練サービスを呼び出すことであって、前記第３対象は、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールである、ことである。
本実施例において、１つのモデルを生成するよう第１対象に要求することは、２つの方式を含む。第１方式は、第１対象に第１要求メッセージを送信することによって、モデルを生成するよう第１対象に要求することである。第２方式は、第３対象によって提供された、前記モデルを生成するための訓練サービスを呼び出すことによって、モデルを生成するよう第１対象に要求することである。
訓練モジュールは、論理的には、ＮＷＤＡＦエンティティに属するが、物理的配置において、ＮＷＤＡＦエンティティに設けられてもよく、他のエンティティ又はネットワークエレメントに配置されてもよい。訓練機能エンティティ、訓練サービスモジュール及び訓練モジュールはいずれもソフトウェアロジックモジュールであり、ソフトウェア実現形態の別称である。
本願の一実施例において、前記第１要求メッセージは、
アルゴリズム識別子パラメータと、アルゴリズム性能要件パラメータと、データアドレスパラメータと、のうちの少なくとも１つを含む。
具体的には、アルゴリズム識別子パラメータは、どのアルゴリズムを使用して訓練することを要求するかを指示するためのものであってもよく、アルゴリズム性能パラメータは、要求されるアルゴリズムの性能要件を指示するためのものであってもよく、データアドレスパラメータは、どこからデータを収集して訓練を行うかを指示するためのものであってもよい。
本願の一実施例において、前記第１応答メッセージは、
モデル識別子と、モデル入力パラメータと、モデル出力パラメータと、モデルパラメータと、のうちの少なくとも１つを含む。
本願の一実施例において、１つのモデルを生成するよう第１対象に要求する前に、
ネットワークリポジトリ機能(ＮＲＦ)エンティティに第２要求メッセージを送信することと、
前記ＮＲＦエンティティから返信された第２応答メッセージを受信することであって、前記第２応答メッセージは、利用可能な第２対象を指示するためのものであり、前記第２対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールであり、前記第１対象は、前記第２対象から選択されたものである、ことと、を更に含む。
具体的には、現在のシステムアーキテクチャにおいて、全てのサービス、訓練プラットフォームなどは、一括してネットワークリポジトリ機能（ＮＦ Ｒｅｐｏｓｉｔｏｒｙ Ｆｕｎｃｔｉｏｎ：ＮＲＦ）に登録されてもよい。第１対象を決定する前に、即ち、ＮＷＤＡＦエンティティが１つのモデルを生成するよう第１対象に要求する前に、ＮＲＦエンティティから現在の利用可能な対象を知らせることによって、第１対象に対するランダムな選択を避けることができる。即ち、ＮＷＤＡＦエンティティは、ＮＲＦエンティティに第２要求メッセージを送信し、利用可能な第２対象を返信するよう前記ＮＲＦエンティティに要求する。
更に、ＮＷＤＡＦエンティティは、自体の需要を提出してもよい。例えば、第２要求メッセージにパラメータを搬送する。前記パラメータは、前記ＮＲＦエンティティによる前記第２対象の決定に用いられる。このように決定された第２対象は、更に、ＮＷＤＡＦエンティティの需要に合致する。ＮＲＦエンティティは、第２要求メッセージで搬送されるパラメータに基づいて、第２対象を決定し、第２応答メッセージをＮＷＤＡＦエンティティに送信してもよく、第２応答メッセージは、利用可能な第２対象を指示するためのものである。
ＮＷＤＡＦエンティティは、ＮＲＦエンティティから返信された第２応答メッセージを受信し、第２応答メッセージによる指示に基づいて、第２対象から第１対象を選択する。第２応答メッセージは第２対象のパラメータを搬送し、第２対象のパラメータは、ＮＷＤＡＦエンティティが第２対象から前記第１対象を選択するために用いられる。
ＮＲＦエンティティから返信された第２対象が複数である可能性がある。第２応答メッセージが第２対象のパラメータを搬送するため、ＮＷＤＡＦエンティティが複数の第２対象から適切な第２対象を選択することに有利であり、例えば、訓練精度が高い対象の選択、又は、訓練速度が速い対象の選択に有利である。
本願の一実施例において、第１対象から送信された前記モデルを受信した後、
ＮＲＦエンティティにモデル登録メッセージを送信することであって、前記モデル登録メッセージは、前記モデルの識別子情報と、ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティのアドレス情報と、を含む、ことを更に含む。
具体的には、ＮＷＤＡＦエンティティは、ＮＲＦエンティティにモデル登録メッセージを送信し、ＮＲＦエンティティへのＮＷＤＡＦエンティティの登録を完了し、後続のネットワーク機能（Ｎｅｔｗｏｒｋ Ｆｕｎｃｔｉｏｎ：ＮＦ）エンティティによるモデルの呼び出しと取得に供する。
更に、ＮＷＤＡＦエンティティが１つのモデルを生成するよう第１対象に要求することは、ＮＦエンティティの要求に基づいて行われると、ＮＷＤＡＦエンティティは、第１対象から送信されたモデルを受信した後、モデルを該ＮＦに送信する。
図２を参照すると、図２は、本願の実施例によるネットワークデータ分析方法のフローチャートである。該方法は、ネットワークリポジトリ機能エンティティに用いられ、図２に示すように、前記ネットワークデータ分析方法は、以下のステップを含む。
ステップ２０１において、ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティから送信された第２要求メッセージを受信する。
ステップ２０２において、前記ＮＷＤＡＦエンティティに第２応答メッセージを送信し、前記第２応答メッセージは、利用可能な第２対象を指示するためのものであり、前記第２対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールである。
具体的には、ＮＷＤＡＦエンティティが１つのモデルを生成するよう第１対象に要求する前に、ＮＲＦエンティティから現在の利用可能な対象を知らせることによって、第１対象に対するランダムな選択を避けることができる。即ち、ＮＷＤＡＦエンティティは、ＮＲＦエンティティに第２要求メッセージを送信し、利用可能な第２対象を返信するよう前記ＮＲＦエンティティに要求する。
ＮＲＦエンティティは、ＮＷＤＡＦエンティティから送信された第２要求メッセージを受信した後、前記ＮＷＤＡＦエンティティに第２応答メッセージを送信し、前記第２応答メッセージは、利用可能な第２対象を指示するためのものであり、それによってＮＷＤＡＦエンティティは第２対象を取得した後、第２対象から第１対象を選択し、１つのモデルを生成するよう第１対象に要求することができる。
本実施例において、ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティから送信された第２要求メッセージを受信し、前記ＮＷＤＡＦエンティティに第２応答メッセージを送信し、前記第２応答メッセージは、利用可能な第２対象を指示するためのものであり、前記第２対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールである。このように、ＮＷＤＡＦエンティティは、第２対象を取得した後、第２対象から第１対象を選択し、１つのモデルを生成するよう第１対象に要求することができる。第１対象とＮＷＤＡＦエンティティが分離した２つのエンティティであるため、モデル訓練機能を有する第１対象は、複数のＮＷＤＡＦによる使用に供することができ、柔軟性を向上させる。
本願の一実施例において、ＮＷＤＡＦから送信された第２要求メッセージを受信する前に、
登録待ち対象から送信された登録要求メッセージを受信することであって、前記第２対象は、前記ネットワークリポジトリ機能（ＮＲＦ）エンティティにおける登録済み対象から選択されたものである、ことを更に含む。
本実施例において、全てのサービス、訓練プラットフォームなどは、一括してＮＲＦエンティティに登録されてもよい。ＮＲＦエンティティは、登録待ち対象から送信された登録要求メッセージを受信し、ＮＲＦエンティティは、ＮＷＤＡＦエンティティから送信された第２要求メッセージを受信した後、ＮＷＤＡＦエンティティに、利用可能な第２対象を指示するための第２応答メッセージを返信する。第２対象は、前記ＮＲＦにおける登録済み対象から選択されたものである。
更に、登録要求メッセージは、
アドレスパラメータと、位置パラメータと、負荷パラメータと、アルゴリズム能力パラメータと、サポートされるアルゴリズムタイプパラメータと、のうちの少なくとも１つの登録待ち対象のパラメータを含む。
更に、第２要求メッセージは、パラメータを搬送し、前記パラメータは、ＮＲＦエンティティによる前記第２対象の決定に用いられる。
具体的には、ＮＷＤＡＦエンティティは、自体の需要を提出してもよい。例えば、第２要求メッセージにパラメータを搬送する。前記パラメータは、前記ＮＲＦエンティティによる前記第２対象の決定に用いられる。このように決定された第２対象は、更に、ＮＷＤＡＦエンティティの需要に合致する。ＮＲＦエンティティは、第２要求メッセージで搬送されるパラメータに基づいて、第２対象を決定し、第２応答メッセージをＮＷＤＡＦエンティティに送信してもよく、第２応答メッセージは、利用可能な第２対象を指示するためのものである。
更に、第２応答メッセージは、前記第２対象のパラメータを搬送し、前記第２対象のパラメータは、前記ＮＷＤＡＦエンティティが前記第２対象から第１対象を選択するために用いられる。
具体的には、ＮＲＦエンティティから返信された第２対象が複数である可能性がある。第２応答メッセージが第２対象のパラメータを搬送するため、ＮＷＤＡＦエンティティが複数の第２対象から適切な第２対象を選択することに有利であり、例えば、訓練精度が高い対象の選択、又は、訓練速度が速い対象の選択に有利である。
本願の一実施例において、前記ＮＷＤＡＦエンティティに第２応答メッセージを送信した後、
前記ＮＷＤＡＦエンティティから送信されたモデル登録メッセージを受信することであって、前記モデル登録メッセージは、前記モデルの識別子情報と、前記ＮＷＤＡＦエンティティのアドレス情報と、を含む、ことを更に含む。
具体的には、ＮＷＤＡＦエンティティは、ＮＲＦエンティティにモデル登録メッセージを送信し、ＮＲＦエンティティへのＮＷＤＡＦエンティティの登録を完了し、後続のＮＦエンティティによるモデルの呼び出しと取得に供する。
図３を参照すると、図３は、本願の実施例によるネットワークデータ分析方法のフローチャートである。該方法は、訓練対象に用いられ、前記訓練対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールを含む。図３に示すように、前記ネットワークデータ分析方法は、以下のステップを含む。
ステップ３０１において、ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティから送信された要求を受信し、モデルを生成する。
訓練対象は、第１対象であってもよく、第３対象であってもよい。モデルは、統計モデルであってもよく、予測モデルであってもよい。
ステップ３０２において、前記ＮＷＤＡＦエンティティに前記モデルを送信する。
訓練対象は、生成されたモデルをＮＷＤＡＦエンティティに送信する。
本実施例において、訓練対象は、ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティから送信された要求を受信し、モデルを生成し、前記ＮＷＤＡＦエンティティに前記モデルを送信する。訓練対象がモデル訓練機能を有し、且つ訓練対象とＮＷＤＡＦエンティティが分離した２つのエンティティであるため、モデル訓練機能を有する訓練対象は、複数のＮＷＤＡＦによる使用に供することができ、柔軟性を向上させる。
本願の一実施例において、ＮＷＤＡＦエンティティから送信された要求を受信し、モデルを生成することは、具体的には、
前記ＮＷＤＡＦエンティティから送信された第１要求メッセージを受信した後、データ訓練を行い、前記モデルを生成すること、
又は、
前記ＮＷＤＡＦエンティティから送信されたデータ訓練サービスの呼び出し要求を受信し、前記モデルの生成のための訓練サービスを提供することである。
具体的には、訓練対象は、ＮＷＤＡＦエンティティから送信された要求に基づいて、２つのモデル生成方式を提供することができる。
第１方式は、ＮＷＤＡＦエンティティから送信された第１要求メッセージを受信した後、データ訓練を行い、前記モデルを生成することである。第２方式は、ＮＷＤＡＦエンティティから送信されたデータ訓練サービスの呼び出し要求を受信し、モデルの生成のための訓練サービスを提供し、ＮＷＤＡＦエンティティによるモデル生成用訓練サービスの呼び出しに供する。本実施例において、訓練モジュールは、論理的には、ＮＷＤＡＦエンティティに属するが、物理的配置において、ＮＷＤＡＦエンティティに設けられてもよく、他のエンティティ又はネットワークエレメントに配置されてもよい。訓練機能エンティティ、訓練サービスモジュール及び訓練モジュールはいずれもソフトウェアロジックモジュールであり、ソフトウェア実現形態の別称である。
本願の一実施例において、ＮＷＤＡＦエンティティから送信された要求を受信し、モデルを生成する前に、
ネットワークリポジトリ機能(ＮＲＦ)エンティティに登録要求メッセージを送信し、前記ＮＲＦエンティティに登録するよう要求することを更に含む。
本実施例において、訓練対象は、ＮＲＦエンティティに登録されてもよい。ＮＲＦエンティティは、訓練対象から送信された登録要求メッセージを受信し、前記ＮＲＦエンティティに登録するよう要求する。このように、ＮＲＦエンティティは、ＮＷＤＡＦエンティティから送信された第２要求メッセージを受信した後、ＮＷＤＡＦエンティティに、利用可能な第２対象を指示するための第２応答メッセージを返信する。第２対象は、前記ＮＲＦにおける登録済み対象から選択されたものである。
本願の一実施例において、前記第１要求メッセージは、アルゴリズム識別子パラメータと、アルゴリズム性能要件パラメータと、データアドレスパラメータと、のうちの少なくとも１つを含む。
具体的には、アルゴリズム識別子パラメータは、どのアルゴリズムを使用して訓練することを要求するかを指示するためのものであってもよく、アルゴリズム性能パラメータは、要求されるアルゴリズムの性能要件を指示するためのものであってもよく、データアドレスパラメータは、どこからデータを収集して訓練を行うかを指示するためのものであってもよい。
本願の一実施例において、ＮＷＤＡＦエンティティから送信された要求を受信し、モデルを生成した後、
前記ＮＷＤＡＦエンティティに、前記モデルの、モデル識別子と、モデル入力パラメータと、モデル出力パラメータと、モデルパラメータと、のうちの少なくとも１つを送信することを更に含む。
図４を参照すると、図４は、本願の実施例による複数の機能エンティティ間の情報送信の概略図である。図４において４つの機能エンティティが含まれ、それぞれ、ＮＲＦエンティティ、ＮＷＤＡＦエンティティ、ＡＩ訓練プラットフォーム１（訓練対象１と理解されてもよい）及びＡＩ訓練プラットフォーム２（訓練対象２と理解されてもよい）である。
ステップ１ａにおいて、訓練プラットフォーム１がＮＲＦエンティティに登録し、訓練プラットフォーム１のアドレス、位置、負荷、アルゴリズム能力などをＮＲＦエンティティに知らせ、ＮＲＦエンティティが訓練プラットフォーム１に応答メッセージ（Ｎｎｒｆ＿ＮＦＭａｎａｇｅｍｅｎｔ＿ＮＦＲｅｇｉｓｔｅｒ＿ｒｅｑｕｅｓｔ／Ｒｓｐ）を返信する。即ち、訓練プラットフォーム１（Ｔｒａｉｎｉｎｇ Ｐｌａｔｆｏｒｍ）は、アドレス、位置、負荷、アルゴリズム能力、アルゴリズムタイプなどの情報を含む自己の能力をＮＲＦに登録する。
ステップ１ｂにおいて、訓練プラットフォーム２がＮＲＦエンティティに登録し、訓練プラットフォーム２のアドレス、位置、負荷、アルゴリズム能力などをＮＲＦエンティティに知らせ、ＮＲＦエンティティが訓練プラットフォーム２に応答メッセージ（Ｎｎｒｆ＿ＮＦＭａｎａｇｅｍｅｎｔ＿ＮＦＲｅｇｉｓｔｅｒ＿ｒｅｑｕｅｓｔ／Ｒｓｐ）を返信する。即ち、訓練プラットフォーム２（Ｔｒａｉｎｉｎｇ Ｐｌａｔｆｏｒｍ）は、アドレス、位置、負荷、アルゴリズム能力、アルゴリズムタイプなどの情報を含む自己の能力をＮＲＦに登録する。
ステップ２において、ＮＷＤＡＦエンティティがデータ分析をトリガーする。ＮＷＤＡＦ（推論プラットフォームＩｎｆｅｒｅｎｃｅ Ｐｌａｔｆｏｒｍ又は推論機能Ｉｎｆｅｒｅｎｃｅ Ｆｕｎｃｔｉｏｎ）は、特定のＡｎａｌｙｔｉｃｓに対するデータ分析をトリガーする。以下の２つのケースを含む。
（ａ）ＮＦがＡｎａｌｙｔｉｃｓ Ｄａｔａを報告するようＮＷＤＡＦに要求する。
（ｂ）ＮＷＤＡＦ自身がデータ分析をトリガーし、Ａｎａｌｙｔｉｃｓ Ｄａｔａを得る。
ステップ３において、ＮＷＤＡＦエンティティがＮＲＦエンティティに要求メッセージ（第１要求メッセージと理解されてもよい）を送信し、要求メッセージは、アルゴリズムタイプ、ＮＷＤＡＦアドレスなどを含み、即ち、ＮＷＤＡＦは、ＮＲＦに対して訓練プラットフォームのサービスを要求し、該要求は、アルゴリズム能力、アルゴリズムタイプ、ＮＷＤＡＦアドレスなどの情報を搬送する。
ステップ４において、ＮＲＦエンティティが応答メッセージ（Ｎｎｒｆ＿ＮＦＤｉｓｃｏｖｅｒｙ＿Ｒｅｑｕｅｓｔ ｒｅｓｐｏｎｓｅ）を返信し、応答メッセージは、１つ又は複数の訓練プラットフォーム情報を含み、訓練プラットフォームアドレス、サポートアルゴリズム識別子、アルゴリズム性能、アルゴリズム速度などを含む。
ステップ５において、ＮＷＤＡＦエンティティが、ＮＲＦエンティティから返信された情報に基づいて、１つの訓練プラットフォームを選択し、図４において、ＮＷＤＡＦエンティティがＮＲＦエンティティ出力に基づいて訓練プラットフォーム１を選択する。
ステップ６において、ＮＷＤＡＦエンティティが訓練プラットフォーム１にモデル要求を送信し、該要求は、アルゴリズム識別子、アルゴリズム識別子、アルゴリズム性能要件、（選択可能な）データアドレスを搬送する。
ステップ７において、訓練プラットフォームがデータ収集及びモデル訓練を実行する。
ステップ８において、訓練プラットフォームがＮＷＤＡＦエンティティにモデル応答を返信し、該応答は、モデル識別子、モデル入力（Ｅｖｅｎｔ ＩＤリスト）、モデル出力、モデルパラメータを含む。
ステップ９において、ＮＷＤＡＦエンティティがモデルの部署を完了する。
ステップ１０において、ステップ２におけるケース（ａ）について、ＮＷＤＡＦエンティティが、要求するＮＦにＡｎａｌｙｔｉｃｓ Ｄａｔａ結果を返信する。
ステップ２におけるケース（ｂ）について、ＮＷＤＡＦは、ＮＲＦに登録し、Ａｎａｌｙｔｉｃ ＩＤ及びＮＷＤＡＦアドレスを搬送し、後続のＮＦによるＡｎａｌｙｔｉｃｓ Ｄａｔａの呼び出しと取得に供する。
図４において、ＮＷＤＡＦエンティティは、ＮＲＦエンティティに、ｎａｌｙｔｉｃｓ ＩＤ、ＮＷＤＡＦアドレスを含む登録メッセージ（Ｎｎｒｆ＿ＮＦＭａｎａｇｅｍｅｎｔ＿ＮＦＲｅｇｉｓｔｅｒ＿Ｒｅｑｕｅｓｔ）を送信し、ＮＲＦエンティティは、ＮＷＤＡＦエンティティに応答メッセージを返信する。
本願において、訓練プラットフォーム側（Ｔｒａｉｎｉｎｇ Ｐｌａｔｆｏｒｍ）は、
ＮＲＦに、アドレス、位置、負荷、アルゴリズム能力、アルゴリズムタイプなどの情報を含む自己能力を登録することをサポートすることと、
ＮＷＤＡＦのモデル要求（アルゴリズム識別子、アルゴリズム性能要件、データアドレスなどの情報を含む）に基づいて、データ収集及びデータ訓練を実行することをサポートすることと、
ＮＷＤＡＦにモデル応答を返信することをサポートすることであって、該応答は、モデル識別子、モデル入力（Ｅｖｅｎｔ ＩＤリスト）、モデル出力、モデルパラメータなどの情報を搬送する、ことと、を含む。
ＮＷＤＡＦ側（推論プラットフォームＩｎｆｅｒｅｎｃｅ Ｐｌａｔｆｏｒｍ又は推論機能Ｉｎｆｅｒｅｎｃｅ Ｆｕｎｃｔｉｏｎ）は、
ＮＲＦに訓練プラットフォームのサービスを要求することをサポートすることであって、該要求は、アルゴリズム能力、アルゴリズムタイプ、ＮＷＤＡＦアドレスなどの情報を搬送する、ことと、
ＮＲＦから返信された情報に基づいて、１つの訓練プラットフォームを選択することをサポートすることと、
訓練プラットフォームに対してモデル要求を開始することをサポートすることであって、該モデル要求は、アルゴリズム識別子、アルゴリズム性能要件、データアドレスなどの情報を搬送する、ことと、
訓練プラットフォームから返信されたモデル応答を受信し、該モデル応答は、モデル識別子、モデル入力（Ｅｖｅｎｔ ＩＤリスト）、モデル出力、モデルパラメータなどの情報を含み、モデルの部署を完了することをサポートすることと、
ＮＦから送信されたＡｎａｌｙｔｉｃｓ Ｄａｔａ報告の要求をサポートすることと、
要求を行うＮＦにＡｎａｌｙｔｉｃｓ Ｄａｔａ結果を返信することをサポートすることと、
自体によってデータ分析をトリガーし、Ａｎａｌｙｔｉｃｓ Ｄａｔａを得ることをサポートすることと、
ＮＲＦにＡｎａｌｙｔｉｃｓ Ｄａｔａ結果を登録することをサポートすることであって、該結果は、Ａｎａｌｙｔｉｃ ＩＤ及びＮＷＤＡＦアドレスを搬送する、ことと、を含む。
ＮＲＦ側は、
訓練プラットフォームによる、アドレス、位置、負荷、アルゴリズム能力、アルゴリズムタイプなどの情報を含む関連能力の登録をサポートすることと、
ＮＷＤＡＦに１つ又は複数の訓練プラットフォーム情報を返信することをサポートすることであって、該情報は、訓練プラットフォームアドレス、サポートアルゴリズム識別子、アルゴリズム性能、アルゴリズム速度などを含む、ことと、
ＮＷＤＡＦからのＡｎａｌｙｔｉｃｓ Ｄａｔａ登録要求を受信することをサポートし、Ａｎａｌｙｔｉｃ ＩＤとＮＷＤＡＦアドレスなどのパラメータの処理をサポートすることと、を含む。
本願のネットワークデータ分析方法は、データ訓練プラットフォームとＮＷＤＡＦネットワークエレメントを分離されることができる。ＮＷＤＡＦは、ＮＲＦによって能力を登録し、訓練プラットフォームを発見し、実際の部署において、訓練プラットフォームとして、第三者ＡＩプラットフォームを用いてもよく、自己開発されたＡＩプラットフォームを用いてもよい。
図５を参照すると、図５は、本願の実施例による機能エンティティの構造概略図である。図５に示すように、第１機能エンティティ５００は、
１つのモデルを生成するよう第１対象に要求するように構成される要求モジュール５０１であって、前記第１対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールである、要求モジュール５０１と、
前記第１対象から送信された前記モデルを受信するように構成される第１受信モジュール５０２と、を備える。
更に、要求モジュール５０１は、
前記第１対象に第１要求メッセージを送信ように構成され、前記第１要求メッセージは、前記モデルを生成するよう前記第１対象に要求するためのものであり、前記モデルは、第１応答メッセージで搬送され、
又は、
第３対象によって提供された、前記モデルを生成するための訓練サービスを呼び出すように構成され、前記第３対象は、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールである。
更に、第１機能エンティティ５００は、
ネットワークリポジトリ機能(ＮＲＦ)エンティティに第２要求メッセージを送信するように構成される第１送信モジュールと、
前記ＮＲＦエンティティから返信された第２応答メッセージを受信するように構成される第２受信モジュールであって、前記第２応答メッセージは、利用可能な第２対象を指示するためのものであり、前記第２対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールであり、前記第１対象は、前記第２対象から選択されたものである、第２受信モジュールと、を更に備える。
更に、前記第２要求メッセージは、パラメータを搬送し、前記パラメータは、前記ＮＲＦエンティティによる前記第２対象の決定に用いられる。
更に、前記第２応答メッセージは、前記第２対象のパラメータを搬送し、前記第２対象のパラメータは、前記ネットワークデータ分析機能エンティティが前記第２対象から前記第１対象を選択するために用いられる。
更に、前記第１要求メッセージは、
アルゴリズム識別子パラメータと、アルゴリズム性能要件パラメータと、データアドレスパラメータと、のうちの少なくとも１つを含む。
更に、前記第１応答メッセージは、モデル識別子と、モデル入力パラメータと、モデル出力パラメータと、モデルパラメータと、のうちの少なくとも１つを含む。
更に、第１機能エンティティ５００は、
ＮＲＦエンティティにモデル登録メッセージを送信するように構成される第２送信モジュールであって、前記モデル登録メッセージは、前記モデルの識別子情報と、ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティのアドレス情報と、を含む、第２送信モジュールを更に備える。
第１機能エンティティ５００は、図１に示される方法の実施例におけるネットワークデータ分析機能エンティティによって実現された各プロセスを実現させることができ、説明の繰り返しを回避するために、ここで詳細な説明を省略する。
本願の実施例の第１機能エンティティ５００は、１つのモデルを生成するよう第１対象に要求し、前記第１対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールであり、前記第１対象から送信された前記モデルを受信する。第１対象とＮＷＤＡＦエンティティが分離した２つのエンティティであるため、モデル訓練機能を有する第１対象は、複数のＮＷＤＡＦによる使用に供することができ、柔軟性を向上させる。
図６を参照すると、図６は、本願の実施例による機能エンティティの構造概略図である。図６に示すように、第２機能エンティティ６００は、
ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティから送信された第２要求メッセージを受信するように構成される第１受信モジュール６０１と、
前記ＮＷＤＡＦエンティティに第２応答メッセージを送信するように構成される送信モジュール６０２であって、前記第２応答メッセージは、利用可能な第２対象を指示するためのものであり、前記第２対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールである、送信モジュール６０２と、を備える。
更に、第２機能エンティティ６００は、
登録待ち対象から送信された登録要求メッセージを受信するように構成される第１受信モジュールであって、前記第２対象は、前記ネットワークリポジトリ機能（ＮＲＦ）エンティティにおける登録済み対象から選択されたものである、第１受信モジュールを更に備える。
更に、前記登録要求メッセージは、
アドレスパラメータと、位置パラメータと、負荷パラメータと、アルゴリズム能力パラメータと、サポートされるアルゴリズムタイプパラメータと、のうちの少なくとも１つの登録待ち対象のパラメータを含む。
更に、前記第２要求メッセージは、パラメータを搬送し、前記パラメータは、ＮＲＦエンティティによる前記第２対象の決定に用いられる。
更に、前記第２応答メッセージは、前記第２対象のパラメータを搬送し、前記第２対象のパラメータは、前記ＮＷＤＡＦエンティティが前記第２対象から第１対象を選択するために用いられる。
更に、第２機能エンティティ６００は、
前記ＮＷＤＡＦエンティティから送信されたモデル登録メッセージを受信するように構成される第２受信モジュールであって、前記モデル登録メッセージは、前記モデルの識別子情報と、前記ＮＷＤＡＦエンティティのアドレス情報と、を含む、第２受信モジュールを更に備える。
第２機能エンティティ６００は、図２に示される方法の実施例におけるネットワークリポジトリ機能エンティティによって実現された各プロセスを実現させることができ、説明の繰り返しを回避するために、ここで詳細な説明を省略する。
本願の実施例の第２機能エンティティ６００は、ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティから送信された第２要求メッセージを受信し、前記ＮＷＤＡＦエンティティに第２応答メッセージを送信し、前記第２応答メッセージは、利用可能な第２対象を指示するためのものであり、前記第２対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールである。このように、ＮＷＤＡＦエンティティは、第２対象を取得した後、第２対象から第１対象を選択し、１つのモデルを生成するよう第１対象に要求することができる。第１対象とＮＷＤＡＦエンティティが分離した２つのエンティティであるため、モデル訓練機能を有する第１対象は、複数のＮＷＤＡＦによる使用に供することができ、柔軟性を向上させる。
図７を参照すると、図７は、本願の実施例による機能エンティティの構造概略図である。図７に示すように、第３機能エンティティ７００は、訓練対象であり、前記訓練対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールを含む。第３機能エンティティ７００は、
ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティから送信された要求を受信し、モデルを生成するように構成される受信モジュール７０１と、
前記ＮＷＤＡＦエンティティに前記モデルを送信するように構成される第１送信モジュール７０２と、を備える。
更に、前記受信モジュール７０１は、
前記ＮＷＤＡＦエンティティから送信された第１要求メッセージを受信した後、データ訓練を行い、前記モデルを生成し、
又は、
前記ＮＷＤＡＦエンティティから送信されたデータ訓練サービスの呼び出し要求を受信し、前記モデルの生成のための訓練サービスを提供するように構成される。
更に、第３機能エンティティ７００は、
ネットワークリポジトリ機能(ＮＲＦ)エンティティに登録要求メッセージを送信し、前記ＮＲＦエンティティに登録するよう要求するように構成される第２送信モジュールをさらに備える。
更に、前記第１要求メッセージは、アルゴリズム識別子パラメータと、アルゴリズム性能要件パラメータと、データアドレスパラメータと、のうちの少なくとも１つを含む。
更に、第３機能エンティティ７００は
前記ＮＷＤＡＦエンティティに、前記モデルの、モデル識別子と、モデル入力パラメータと、モデル出力パラメータと、モデルパラメータと、のうちの少なくとも１つを送信するように構成される第３送信モジュールを更に備える。
第３機能エンティティ７００は、図３に示される方法の実施例における訓練対象によって実現された各プロセスを実現させることができ、説明の繰り返しを回避するために、ここで詳細な説明を省略する。
本実施例における訓練対象７００は、ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティから送信された要求を受信し、モデルを生成し、前記ＮＷＤＡＦエンティティに前記モデルを送信する。訓練対象がモデル訓練機能を有し、且つ訓練対象とＮＷＤＡＦエンティティが分離した２つのエンティティであるため、モデル訓練機能を有する訓練対象は、複数のＮＷＤＡＦによる使用に供することができ、柔軟性を向上させる。
図８を参照すると、本願の実施例は、機能エンティティを更に提供する。前記機能エンティティは、バス１００１と、送受信機１００２と、アンテナ１００３と、バスインタフェース１００４と、プロセッサ１００５と、メモリ１００６と、を備える。
本願の一実施例において、前記機能エンティティがネットワークデータ分析機能エンティティである場合、前記機能エンティティは、プロセッサと、送受信機と、を備え、
前記送受信機は、１つのモデルを生成するよう第１対象に要求し、前記第１対象から送信された前記モデルを受信するように構成され、前記第１対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールである。
更に、前記送受信機は更に、
前記第１対象に第１要求メッセージを送信ように構成され、前記第１要求メッセージは、前記モデルを生成するよう前記第１対象に要求するためのものであり、前記モデルは、第１応答メッセージで搬送され、
又は、
第３対象によって提供された、前記モデルを生成するための訓練サービスを呼び出すように構成され、前記第３対象は、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールである。
更に、前記送受信機は更に、
ネットワークリポジトリ機能(ＮＲＦ)エンティティに第２要求メッセージを送信し、
前記ＮＲＦエンティティから返信された第２応答メッセージを受信するように構成され、前記第２応答メッセージは、利用可能な第２対象を指示するためのものであり、前記第２対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールであり、前記第１対象は、前記第２対象から選択されたものである。
更に、前記第２要求メッセージは、パラメータを搬送し、前記パラメータは、前記ＮＲＦエンティティによる前記第２対象の決定に用いられる。
更に、前記第２応答メッセージは、前記第２対象のパラメータを搬送し、前記第２対象のパラメータは、前記ネットワークデータ分析機能エンティティが前記第２対象から前記第１対象を選択するために用いられる。
更に、前記第１要求メッセージは、
アルゴリズム識別子パラメータと、アルゴリズム性能要件パラメータと、データアドレスパラメータと、のうちの少なくとも１つを含む。
更に、前記第１応答メッセージは、モデル識別子と、モデル入力パラメータと、モデル出力パラメータと、モデルパラメータと、のうちの少なくとも１つを含む。
更に、前記送受信機は更に、
ＮＲＦエンティティにモデル登録メッセージを送信するように構成され、前記モデル登録メッセージは、前記モデルの識別子情報と、ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティのアドレス情報と、を含む。
該実施形態において、前記機能エンティティは、メモリ１００６に記憶されており、且つプロセッサ１００５で実行できるコンピュータプログラムと、を更に備える。前記コンピュータプログラムがプロセッサ１００５によって実行される時、
１つのモデルを生成するよう第１対象に要求するステップであって、前記第１対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールである、ステップと、
前記第１対象から送信された前記モデルを受信するステップと、を実現させることができる。
更に、１つのモデルを生成するよう第１対象に要求することは、具体的には、
前記第１対象に第１要求メッセージを送信することであって、前記第１要求メッセージは、前記モデルを生成するよう前記第１対象に要求するためのものであり、前記モデルは、第１応答メッセージで搬送されること、
又は、
第３対象によって提供された、前記モデルを生成するための訓練サービスを呼び出すことであって、前記第３対象は、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールである、ことである。
更に、前記コンピュータプログラムがプロセッサ１００５によって実行される時、
ネットワークリポジトリ機能(ＮＲＦ)エンティティに第２要求メッセージを送信するステップと、
前記ＮＲＦエンティティから返信された第２応答メッセージを受信するステップであって、前記第２応答メッセージは、利用可能な第２対象を指示するためのものであり、前記第２対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールであり、前記第１対象は、前記第２対象から選択されたものである、ステップと、を更に実現させる。
更に、前記第２要求メッセージは、パラメータを搬送し、前記パラメータは、前記ＮＲＦエンティティによる前記第２対象の決定に用いられる。
更に、前記第２応答メッセージは、前記第２対象のパラメータを搬送し、前記第２対象のパラメータは、前記ネットワークデータ分析機能エンティティが前記第２対象から前記第１対象を選択するために用いられる。
更に、前記第１要求メッセージは、
アルゴリズム識別子パラメータと、アルゴリズム性能要件パラメータと、データアドレスパラメータと、のうちの少なくとも１つを含む。
更に、前記第１応答メッセージは、モデル識別子と、モデル入力パラメータと、モデル出力パラメータと、モデルパラメータと、のうちの少なくとも１つを含む。
更に、前記コンピュータプログラムがプロセッサ１００５によって実行される時、
ＮＲＦエンティティにモデル登録メッセージを送信するステップであって、前記モデル登録メッセージは、前記モデルの識別子情報と、ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティのアドレス情報と、を含む、ステップを更に実現させる。
機能エンティティは、図１に示される方法の実施例におけるネットワークデータ分析機能エンティティによって実現された各プロセスを実現させることができ、説明の繰り返しを回避するために、ここで詳細な説明を省略する。
本願の実施例の機能エンティティは、１つのモデルを生成するよう第１対象に要求し、前記第１対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールであり、前記第１対象から送信された前記モデルを受信する。第１対象とＮＷＤＡＦエンティティが分離した２つのエンティティであるため、モデル訓練機能を有する第１対象は、複数のＮＷＤＡＦによる使用に供することができ、柔軟性を向上させる。
本願の一実施例において、前記機能エンティティがネットワークリポジトリ機能エンティティである場合、前記機能エンティティは、プロセッサと、送受信機と、を備え、
前記送受信機は、ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティから送信された第２要求メッセージを受信し、前記ＮＷＤＡＦエンティティに第２応答メッセージを送信するように構成され、前記第２応答メッセージは、利用可能な第２対象を指示するためのものであり、前記第２対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールである。
更に、前記送受信機は更に、
登録待ち対象から送信された登録要求メッセージを受信するように構成され、前記第２対象は、前記ネットワークリポジトリ機能（ＮＲＦ）エンティティにおける登録済み対象から選択されたものである。
更に、前記登録要求メッセージは、
アドレスパラメータと、位置パラメータと、負荷パラメータと、アルゴリズム能力パラメータと、サポートされるアルゴリズムタイプパラメータと、のうちの少なくとも１つの登録待ち対象のパラメータを含む。
更に、前記第２要求メッセージは、パラメータを搬送し、前記パラメータは、ＮＲＦエンティティによる前記第２対象の決定に用いられる。
更に、前記第２応答メッセージは、前記第２対象のパラメータを搬送し、前記第２対象のパラメータは、前記ＮＷＤＡＦエンティティが前記第２対象から第１対象を選択するために用いられる。
更に、前記送受信機は更に、
前記ＮＷＤＡＦエンティティから送信されたモデル登録メッセージを受信するように構成され、前記モデル登録メッセージは、前記モデルの識別子情報と、前記ＮＷＤＡＦエンティティのアドレス情報と、を含む。
該実施形態において、前記機能エンティティは、メモリ１００６に記憶されており、且つプロセッサ１００５で実行できるコンピュータプログラムを更に備える。前記コンピュータプログラムがプロセッサ１００５によって実行される時、
ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティから送信された第２要求メッセージを受信するステップと、
前記ＮＷＤＡＦエンティティに第２応答メッセージを送信するステップであって、前記第２応答メッセージは、利用可能な第２対象を指示するためのものであり、前記第２対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールである、ステップと、を実現させることができる。
更に、前記コンピュータプログラムがプロセッサ１００５によって実行される時、
登録待ち対象から送信された登録要求メッセージを受信するステップであって、前記第２対象は、前記ネットワークリポジトリ機能（ＮＲＦ）エンティティにおける登録済み対象から選択されたものである、ステップを更に実現させる。
更に、前記登録要求メッセージは、
アドレスパラメータと、位置パラメータと、負荷パラメータと、アルゴリズム能力パラメータと、サポートされるアルゴリズムタイプパラメータと、のうちの少なくとも１つの登録待ち対象のパラメータを含む。
更に、前記第２要求メッセージは、パラメータを搬送し、前記パラメータは、ＮＲＦエンティティによる前記第２対象の決定に用いられる。
更に、前記第２応答メッセージは、前記第２対象のパラメータを搬送し、前記第２対象のパラメータは、前記ＮＷＤＡＦエンティティが前記第２対象から第１対象を選択するために用いられる。
更に、前記コンピュータプログラムがプロセッサ１００５によって実行される時、
前記ＮＷＤＡＦエンティティから送信されたモデル登録メッセージを受信するステップであって、前記モデル登録メッセージは、前記モデルの識別子情報と、前記ＮＷＤＡＦエンティティのアドレス情報と、を含む、ステップを更に実現させる。
機能エンティティは、図２に示される方法の実施例におけるネットワークリポジトリ機能エンティティによって実現された各プロセスを実現させることができ、説明の繰り返しを回避するために、ここで詳細な説明を省略する。
本実施例の機能エンティティは、ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティから送信された第２要求メッセージを受信し、前記ＮＷＤＡＦエンティティに第２応答メッセージを送信し、前記第２応答メッセージは、利用可能な第２対象を指示するためのものであり、前記第２対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールである。このように、ＮＷＤＡＦエンティティは、第２対象を取得した後、第２対象から第１対象を選択し、１つのモデルを生成するよう第１対象に要求することができる。第１対象とＮＷＤＡＦエンティティが分離した２つのエンティティであるため、モデル訓練機能を有する第１対象は、複数のＮＷＤＡＦによる使用に供することができ、柔軟性を向上させる。
本願の一実施例において、前記機能エンティティは、訓練対象であり、前記訓練対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールを含む場合、前記機能エンティティは、プロセッサと、送受信機と、を備え、
前記送受信機は、ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティから送信された要求を受信し、モデルを生成し、前記ＮＷＤＡＦエンティティに前記モデルを送信するように構成される。
更に、前記送受信機は更に、
前記ＮＷＤＡＦエンティティから送信された第１要求メッセージを受信した後、データ訓練を行い、前記モデルを生成し、
又は、
前記ＮＷＤＡＦエンティティから送信されたデータ訓練サービスの呼び出し要求を受信し、前記モデルの生成のための訓練サービスを提供するように構成される。
更に、前記送受信機は更に、
ネットワークリポジトリ機能(ＮＲＦ)エンティティに登録要求メッセージを送信し、前記ＮＲＦエンティティに登録するよう要求するように構成される。
更に、前記第１要求メッセージは、アルゴリズム識別子パラメータと、アルゴリズム性能要件パラメータと、データアドレスパラメータと、のうちの少なくとも１つを含む。
更に、前記送受信機は更に、
前記ＮＷＤＡＦエンティティに、前記モデルの、モデル識別子と、モデル入力パラメータと、モデル出力パラメータと、モデルパラメータと、のうちの少なくとも１つを送信するように構成される。
該実施形態において、前記機能エンティティは、メモリ１００６に記憶されており、且つプロセッサ１００５で実行できるコンピュータプログラムと、を更に備える。前記コンピュータプログラムがプロセッサ１００５によって実行される時、
ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティから送信された要求を受信し、モデルを生成するステップと、
前記ＮＷＤＡＦエンティティに前記モデルを送信するステップと、を実現させることができる。
更に、前記コンピュータプログラムがプロセッサ１００５によって実行される時、前記ＮＷＤＡＦエンティティから送信された第１要求メッセージを受信した後、データ訓練を行い、前記モデルを生成するステップ、
又は、
前記ＮＷＤＡＦエンティティから送信されたデータ訓練サービスの呼び出し要求を受信し、前記モデルの生成のための訓練サービスを提供するステップを更に実現させる。
更に、前記コンピュータプログラムがプロセッサ１００５によって実行される時、ネットワークリポジトリ機能(ＮＲＦ)エンティティに登録要求メッセージを送信し、前記ＮＲＦエンティティに登録するよう要求するステップを更に実現させる。
更に、前記第１要求メッセージは、アルゴリズム識別子パラメータと、アルゴリズム性能要件パラメータと、データアドレスパラメータと、のうちの少なくとも１つを含む。
更に、前記コンピュータプログラムがプロセッサ１００５によって実行される時、前記ＮＷＤＡＦエンティティに、前記モデルの、モデル識別子と、モデル入力パラメータと、モデル出力パラメータと、モデルパラメータと、のうちの少なくとも１つを送信するステップを更に実現させる。
機能エンティティは、図３に示される方法の実施例における訓練対象によって実現された各プロセスを実現させることができ、説明の繰り返しを回避するために、ここで詳細な説明を省略する。
本実施例における機能エンティティは、ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティから送信された要求を受信し、モデルを生成し、前記ＮＷＤＡＦエンティティに前記モデルを送信する。訓練対象がモデル訓練機能を有し、且つ訓練対象とＮＷＤＡＦエンティティが分離した２つのエンティティであるため、モデル訓練機能を有する訓練対象は、複数のＮＷＤＡＦによる使用に供することができ、柔軟性を向上させる。
図８において、バスアーキテクチャ（バス１００１で代表される）、バス１００１は、任意の数の相互接続されたバスとブリッジを含んでもよく、バス１００１は、プロセッサ１００５によって代表される一つ又は複数のプロセッサとメモリ１００６によって代表されるメモリの各種の回路をリンクする。バス１００１は、周辺機器、電圧レギュレータ及びパワー管理回路などのような各種の他の回路をリンクしてもよい。それらは、すべて当分野でよく知られているものであるため、本明細書では、これをさらに説明しない。バスインタフェース１００４は、バス１００１と送受信機１００２との間にインターフェースを提供する。送受信機１００２は、一つの素子であってもよく、複数の素子であってもよく、例えば複数の受信機と送信機は、伝送媒体で各種の他の装置と通信するためのユニットを提供する。プロセッサ１００５によって処理されるデータは、アンテナ１００３によって無線媒体上で伝送され、更に、アンテナ１００３はさらに、データを受信し且つデータをプロセッサ１００５に伝送する。
プロセッサ１００５は、バス１００１と通常の処理を管理する役割を持ち、さらに、タイミング、周辺インターフェース、電圧調整、電源管理及び他の制御機能を含む様々な機能を提供することができる。メモリ１００６は、プロセッサ１００５が操作を実行する時に使用されるデータを記憶するために用いられてもよい。
選択的に、プロセッサ１００５は、ＣＰＵ、ＡＳＩＣ、ＦＰＧＡ又はＣＰＬＤであってもよい。
選択的に、本願の実施例は、電子機器をさらに提供する。プロセッサ１００５と、メモリ１００６と、メモリ１００６に記憶され、前記プロセッサ１００５上で実行できるコンピュータプログラムとを含み、このコンピュータプログラムがプロセッサ１００５によって実行される時、上記図１－図３のうちいずれか１つのネットワークデータ分析方法の実施例の各プロセスを実現させ、且つ同じ技術的効果を達することができる。説明の繰り返しを回避するために、ここで説明を省略する。
本願の実施例は、コンピュータ可読記憶媒体をさらに提供する。コンピュータ可読記憶媒体にコンピュータプログラムが記憶されており、該コンピュータプログラムがプロセッサによって実行される時、上記図１－図３のうちいずれか１つのネットワークデータ分析方法の実施例の各プロセスを実現させ、且つ同じ技術的効果を達することができる。説明の繰り返しを回避するために、ここで説明を省略する。
ここで、前記コンピュータ可読記憶媒体は、例えば、ＲＯＭ、ＲＡＭ、磁気ティスク又は光ディスクなどである。
なお、本明細書において、「含む」、「包含」という用語又はその他の任意の変形は、非排他的な「含む」を意図的にカバーするものであり、それにより、一連の要素を含むプロセス、方法、物品又は装置は、それらの要素を含むだけではなく、明確にリストアップされていない他の要素も含み、又はこのようなプロセス、方法、物品又は装置に固有の要素も含む。それ以上の制限がない場合に、「……を一つ含む」という文章で限定された要素について、この要素を含むプロセス、方法、物品又は装置には他の同じ要素も存在することが排除されるものではない。
以上の実施の形態の記述によって、当業者であればはっきりと分かるように、上記実施例の方法は、ソフトウェアと必要な汎用ハードウェアプラットフォームの形態によって実現されてもよい。無論、ハードウェア又はソフトウェアによっても実現されるが、多くの場合、前者は、好適な実施の形態である。このような理解を踏まえて、本願の技術案は、実質には又は従来の技術に寄与した部分がソフトウェア製品の形式によって表われてもよい。このコンピュータソフトウェア製品は、一つの記憶媒体（例えばＲＯＭ／ＲＡＭ、磁気ディスク、光ディスク）に記憶され、一台の端末（携帯電話、コンピュータ、サーバ、エアコン又はネットワーク機器などであってもよい）に本願の各実施例に記載の方法を実行させるための若干の指令を含む。
以上は、添付図面を結び付けながら、本願の実施例を記述していたが、本願は、上述した具体的な実施の形態に限らず、上述した具体的な実施の形態は、例示的なものに過ぎず、制限性のあるものではない。当業者は、本願による示唆を基にして、本願の趣旨や請求項が保護する範囲から逸脱しない限り、多くの形式の変更を行うことができ、それらは、いずれも本願の保護範囲に入っている。

Claims (10)

  1. ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティに用いられるネットワークデータ分析方法であって、
    １つのモデルを生成するよう第１対象に要求することであって、前記第１対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールである、ことと、
    前記第１対象から送信された前記モデルのモデル情報を受信することと、を含み、
    前記ネットワークデータ分析方法は、
    前記１つのモデルを生成するよう第１対象に要求する前に、
    ネットワークリポジトリ機能(ＮＲＦ)エンティティに第２要求メッセージを送信することと、
    前記ＮＲＦエンティティから返信された第２応答メッセージを受信することであって、前記第２応答メッセージは、利用可能な第２対象を指示するためのものであり、前記第２対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールであり、前記第１対象は、前記第２対象から選択されたものである、ことと、を更に含む、ネットワークデータ分析方法。
  2. 前記１つのモデルを生成するよう第１対象に要求することは、具体的には、
    前記第１対象に第１要求メッセージを送信することであって、前記第１要求メッセージは、前記モデルを生成するよう前記第１対象に要求するためのものであり、前記モデル情報は、第１応答メッセージで搬送されること、
    又は、
    第１対象によって提供された、前記モデルを生成するための訓練サービスを呼び出すことであって、前記第１対象は、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールである、ことであることを特徴とする
    請求項１に記載のネットワークデータ分析方法。
  3. 前記第２要求メッセージは、パラメータを搬送し、前記パラメータは、前記ＮＲＦエンティティによる前記第２対象の決定に用いられ、
    及び／又は、
    前記第２応答メッセージは、前記第２対象のパラメータを搬送し、前記第２対象のパラメータは、前記ＮＷＤＡＦエンティティが前記第２対象から前記第１対象を選択するために用いられることを特徴とする
    請求項１に記載のネットワークデータ分析方法。
  4. 前記第１要求メッセージは、アルゴリズム識別子パラメータと、アルゴリズム性能要件パラメータと、データアドレスパラメータと、のうちの少なくとも１つを含み、
    前記第１応答メッセージは、モデル識別子と、モデル入力パラメータと、モデル出力パラメータと、モデルパラメータと、のうちの少なくとも１つを含むことを特徴とする
    請求項２に記載のネットワークデータ分析方法。
  5. 前記第１対象から送信された前記モデルを受信した後、
    前記ＮＲＦエンティティにモデル登録メッセージを送信することであって、前記モデル登録メッセージは、前記モデルの識別子情報と、前記ＮＷＤＡＦエンティティのアドレス情報と、を含む、ことを更に含むことを特徴とする
    請求項２又は３に記載のネットワークデータ分析方法。
  6. ネットワークリポジトリ機能(ＮＲＦ)エンティティに用いられるネットワークデータ分析方法であって、
    ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティから送信された第２要求メッセージを受信することと、
    前記ＮＷＤＡＦエンティティに第２応答メッセージを送信することであって、前記第２応答メッセージは、前記ＮＷＤＡＦエンティティが第２対象から、１つのモデルを生成するよう要求するための第１対象を選択するように、利用可能な第２対象を指示するためのものであり、前記第２対象は、訓練プラットフォーム、訓練モジュール、訓練機能エンティティ又は訓練サービスモジュールである、ことと、を含む、ネットワークデータ分析方法。
  7. 前記ＮＷＤＡＦエンティティから送信された前記第２要求メッセージを受信する前に、登録待ち対象から送信された登録要求メッセージを受信することであって、前記第２対象は、前記ＮＲＦエンティティにおける登録済み対象から選択されたものである、ことを更に含み、
    前記登録要求メッセージは登録待ち対象のパラメータを含み、前記登録待ち対象のパラメータは、アドレスパラメータと、位置パラメータと、負荷パラメータと、アルゴリズム能力パラメータと、サポートされるアルゴリズムタイプパラメータと、のうちの少なくとも１つを含み、
    前記第２要求メッセージは、パラメータを搬送し、前記パラメータは、前記ＮＲＦエンティティによる前記第２対象の決定に用いられ、及び／又は、
    前記第２応答メッセージは、前記第２対象のパラメータを搬送し、前記第２対象のパラメータは、前記ＮＷＤＡＦエンティティが前記第２対象から第１対象を選択するために用いられることを特徴とする
    請求項６に記載のネットワークデータ分析方法。
  8. 前記ＮＷＤＡＦエンティティに第２応答メッセージを送信した後、
    前記ＮＷＤＡＦエンティティから送信されたモデル登録メッセージを受信することであって、前記モデル登録メッセージは、前記モデルの識別子情報と、前記ＮＷＤＡＦエンティティのアドレス情報と、を含む、ことを更に含むことを特徴とする
    請求項６又は７に記載のネットワークデータ分析方法。
  9. 機能エンティティであって、前記機能エンティティは、ネットワークデータ分析機能（ＮＷＤＡＦ）エンティティであり、前記機能エンティティは、プロセッサと、送受信機と、を備え、
    前記送受信機は、前記プロセッサと協力して、請求項１－５のいずれか一項に記載のネットワークデータ分析方法を実行する、機能エンティティ。
  10. 機能エンティティであって、前記機能エンティティは、ネットワークリポジトリ機能（ＮＲＦ）エンティティであり、前記機能エンティティは、プロセッサと、送受信機と、を備え、
    前記送受信機は、前記プロセッサと協力して、請求項６－８のいずれか一項に記載のネットワークデータ分析方法を実行する、機能エンティティ。
JP2022526286A 2019-11-08 2020-09-16 ネットワークデータ分析方法、機能エンティティ及び電子機器 Active JP7392139B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201911089314.2 2019-11-08
CN201911089314.2A CN112784992A (zh) 2019-11-08 2019-11-08 一种网络数据分析方法、功能实体及电子设备
PCT/CN2020/115631 WO2021088520A1 (zh) 2019-11-08 2020-09-16 网络数据分析方法、功能实体及电子设备

Publications (2)

Publication Number Publication Date
JP2022554384A JP2022554384A (ja) 2022-12-28
JP7392139B2 true JP7392139B2 (ja) 2023-12-05

Family

ID=75749000

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022526286A Active JP7392139B2 (ja) 2019-11-08 2020-09-16 ネットワークデータ分析方法、機能エンティティ及び電子機器

Country Status (5)

Country Link
US (1) US20220408280A1 (ja)
EP (1) EP4054227A4 (ja)
JP (1) JP7392139B2 (ja)
CN (1) CN112784992A (ja)
WO (1) WO2021088520A1 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115767514A (zh) * 2021-09-03 2023-03-07 华为技术有限公司 一种通信方法、通信装置及通信系统
CN118044167A (zh) * 2022-01-28 2024-05-14 华为技术有限公司 通信方法和装置
WO2024011514A1 (en) * 2022-07-14 2024-01-18 Zte Corporation Model control and management for wireless communications
CN117675598A (zh) * 2022-08-24 2024-03-08 中国电信股份有限公司 模型获取方法、装置及系统
CN117910589A (zh) * 2022-10-12 2024-04-19 维沃移动通信有限公司 模型请求方法、装置、通信设备及可读存储介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2013202350B2 (en) * 2012-05-04 2015-04-02 Fishy & Madge Pty Ltd Network data analysis
US9565079B1 (en) * 2013-01-10 2017-02-07 F5 Networks, Inc. Holographic statistics reporting
US10348517B2 (en) * 2015-10-09 2019-07-09 Openet Telecom Ltd. System and method for enabling service lifecycle based policy, licensing, and charging in a network function virtualization ecosystem
US10986516B2 (en) * 2017-03-10 2021-04-20 Huawei Technologies Co., Ltd. System and method of network policy optimization
US11051192B2 (en) * 2017-08-11 2021-06-29 Convida Wireless, Llc Network data analytics in a communications network
US20220292398A1 (en) * 2019-08-16 2022-09-15 Telefonaktiebolaget Lm Ericsson (Publ) Methods, apparatus and machine-readable media relating to machine-learning in a communication network
CN110569288A (zh) * 2019-09-11 2019-12-13 中兴通讯股份有限公司 一种数据分析方法、装置、设备和存储介质
CN114402341A (zh) * 2019-09-30 2022-04-26 华为技术有限公司 一种确定设备信息的方法、装置以及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
3rd Generation Partnership Project; Technical Specification Group Services and System Aspects; Architecture enhancements for 5G System (5GS) to support network data analytics services (Release 16)，3GPP TS 23.288 [online]，2019年04月24日，V0.4.0，Internet<URL:https://www.3gpp.org/ftp/Specs/archive/23_series/23.288/23288-040.zip>
China Mobile et al.，New Key Issue: Functionality Separation from NWDAF，3GPP TSG SA WG2 #135 S2-1909970 [online]，2019年10月11日，Internet<URL:https://www.3gpp.org/ftp/tsg_sa/WG2_Arch/TSGS2_135_Split/Docs/S2-1909970.zip>

Also Published As

Publication number Publication date
EP4054227A1 (en) 2022-09-07
JP2022554384A (ja) 2022-12-28
CN112784992A (zh) 2021-05-11
EP4054227A4 (en) 2023-01-04
WO2021088520A1 (zh) 2021-05-14
US20220408280A1 (en) 2022-12-22

Similar Documents

Publication Publication Date Title
JP7392139B2 (ja) ネットワークデータ分析方法、機能エンティティ及び電子機器
KR102415845B1 (ko) 사물 인터넷 리소스 구독 방법, 디바이스, 및 시스템
CN105450618A (zh) 一种api服务器处理大数据的运算方法及其系统
US11237888B2 (en) Message processing method and system, storage medium and electronic device
US20190208529A1 (en) Method and Apparatus for Group Management During Machine-to-Machine Communication
EP3358786B1 (en) Information processing method in m2m and apparatus
CN107294811A (zh) 网络检测方法、网络检测装置及智能终端
CN104937613A (zh) 量化数据质量的探试
CN113326061A (zh) 熔断配置修改方法、装置、设备及可读存储介质
US11228537B2 (en) Resource processing method and system, storage medium and electronic device
CN106332177B (zh) 一种实现成员资源处理的方法及装置
CN115002117B (zh) 内容分发网络动态调度方法、系统、设备及存储介质
US20160125330A1 (en) Rolling upgrade of metric collection and aggregation system
CN107347024A (zh) 一种存储操作日志的方法和装置
KR20220009346A (ko) 엣지 컴퓨팅 지원을 위한 정보 변경 알림 장치 및 방법
CN116132221B (zh) 网络靶场平台的虚实互联方法、装置、设备及存储介质
CN101482816B (zh) 中介软件桥接系统及方法
CN114826867B (zh) 处理数据的方法、装置、系统及存储介质
CN111200826A (zh) 一种面向移动边缘计算的方法
WO2023109905A1 (zh) 一种数字孪生网络构建方法及网元
WO2022057355A1 (zh) 数据包的识别方法及装置
CN115643558B (zh) 数据处理方法、装置、电子设备及存储介质
JP6502418B2 (ja) 電子機器管理システム及び電子機器管理方法
CN113760646A (zh) 系统健康监控方法、装置、设备及存储介质
CN116882518A (zh) 模型提供方法和系统、模型训练网元和存储介质

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220525

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220525

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230531

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230627

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230810

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20231024

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20231122

R150 Certificate of patent or registration of utility model

Ref document number: 7392139

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150