[發明專利]基于神經網絡學習的業務分類方法

有效

• 申請號: 201510044591.7
• 申請日: 2015-01-29
• 公開（公告）號: CN104602142B
• 公開（公告）日: 2018-10-26
• 發明（設計）人: 路宏濤;姜定勇;劉東明;劉哲
• 申請（專利權）人: 太倉市同維電子有限公司
• 主分類號: H04Q11/00
• 分類號: H04Q11/00;H04L12/24
• 代理公司: 北京天奇智新知識產權代理有限公司 11340
• 代理人: 楊文錄

基于神經網絡學習的業務分類方法。一種基于神經網絡學習的業務分類方法，本方法包括十步，第一步啟動待業務分類的IP網絡組件，第二步靜態配置待分類業務的優先級和帶寬要求，第三步模擬用戶網絡訪問行為，第四步記錄采集到的業務數據特征信息，第五步使靜態配置業務優先級和帶寬要求達到一定的網絡訪問滿意度，第六步采集以上業務數據特征信息，第七步數據采集完畢，第八步對數據進行歸一化處理，第九步按時間順序將歸一化處理后的訓練樣例數據輸入神經網絡，第十步應用實際的網絡過程。本發明用于基于神經網絡學習的業務分類。

技術領域：

本發明涉及一種基于神經網絡學習的業務分類方法。

背景技術：

無源光網絡PON網絡通信中，根據不同業務類型，靜態地將業務分為固定帶寬要求業務、保證帶寬要求業務、保證帶寬和盡力而為要求業務、盡力而為要求業務；由于業務類型采用靜態劃分方法，不能根據業務場景做出實時調整導致資源利用率不高或較低的用戶滿意度。

傳統IP網絡通信中，一般依據業務的實時性、帶寬等要求劃分為交互類、流類、背景類、會話類四類業務，根據劃分方法的不同，提供固定帶寬、保證帶寬、盡力而為服務。

業務的靜態劃分方法，很好地保證了實時性強、帶寬要求固定的業務的需求；但在實際的網絡運維過程中，并非所有實時性強、固定帶寬要求的業務在所有的時間段內都有，而且像在無源光網絡PON 這種針對千家萬戶的接入網絡，用戶的應用需求及網絡體驗千差萬別；比如，一邊訪問社交網站(歸類為交互類)，一邊下載音樂、電影(歸類為背景類)，這種網絡體驗模式和單純地下載(歸類為背景類)相比，盡管模式差別不大，但是當提供差不多的網絡帶寬服務時，用戶的體驗就差很多了。這種情形下，依然采用現有的方法，勢必導致資源的浪費或者用戶滿意度的降低。

另一方面，用戶的網絡業務體驗又遵循著一定的模式，比如，年輕的用戶可能更傾向于社交網站的訪問、網絡游戲的體驗，而一般家庭用戶可能傾向于視頻業務多一些等。這樣的模式特點，正好符合神經網絡學習的特點，從而為實時業務優先級和帶寬要求調整提供了很好的切入點。

發明內容：

本發明的目的是提供一種在IP通信網絡中依據業務行為的既有特征實現實時的業務分類從而達到提升業務滿意度的基于神經網絡學習的業務分類方法。

上述的目的通過以下的技術方案實現：

一種基于神經網絡學習的業務分類方法，本方法包括十步，第一步啟動待業務分類的IP網絡組件，第二步靜態配置待分類業務的優先級和帶寬要求，第三步模擬用戶網絡訪問行為，第四步記錄采集到的業務數據特征信息，第五步使靜態配置業務優先級和帶寬要求達到一定的網絡訪問滿意度是對于每種上網行為，反復執行第二步、第三步、第四步，盡可能覆蓋大部分用戶網絡訪問行為，使靜態配置業務優先級和帶寬要求達到一定的網絡訪問滿意度；第六步采集以上業務數據特征信息是通過真實無源光網絡PON網絡系統進行；此種情形下，靜態配置業務優先級和帶寬要求通過網絡管理單元下發到各光網絡單元ONU，各光網絡單元ONU完成業務特征信息采集，然后上報到指定的文件服務器；第七步數據采集完畢，第八步對數據進行歸一化處理，第九步按時間順序將歸一化處理后的訓練樣例數據輸入神經網絡，第十步應用實際的網絡過程。

所述的基于神經網絡學習的業務分類方法，所述的第一步啟動待業務分類的IP網絡組件是為了執行第二步～第六步進行神經網絡訓練樣例數據采集；所述的第二步是在待業務分類的IP網絡組件上開啟業務數據特征信息采集；所述的第三步模擬用戶網絡訪問行為是使各種事先靜態配置優先級的各類業務經過開啟業務數據特征信息采集的IP網絡組件。

所述的基于神經網絡學習的業務分類方法，所述的第四步記錄采集到的業務數據特征信息是同時保存相應的靜態配置優先級和帶寬要求，所述的業務數據特征信息包括上行報文大小平均值與方差、上行報文到達間隔平均值與方差、當前業務上行緩存大小、當前業務丟包率、當前業務網絡時延。