[發明專利]一種網絡管控系統的意圖預測方法和意圖預測裝置

有效

• 申請號: 202110515792.6
• 申請日: 2021-05-12
• 公開（公告）號: CN113239272B
• 公開（公告）日: 2022-11-29
• 發明（設計）人: 易晶晶
• 申請（專利權）人: 烽火通信科技股份有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9537;G06N3/04;G06N3/08
• 代理公司: 深圳市六加知識產權代理有限公司 44372
• 代理人: 宋建平

本發明公開了一種網絡管控系統的意圖預測方法和意圖預測裝置，方法包括將所述訓練數據輸入至神經網絡模型進行訓練得到第一預測模型，并通過所述第一預測模型得到所述測試數據對應的時間單元的預測數據；如果所述預測數據與所述測試數據之間存在突變區域，則通過知識圖譜查詢所述突變區域所對應的下一時間單元的用戶操作，基于下一時間單元的用戶操作生成矯正數據；通過所述測試數據和所述矯正數據對所述第一預測模型進行優化，得到第二預測模型，采用所述第二預測模型預測用戶在所述目標時間單元的意圖。本發明從用戶數據包內容出發，利用深度包檢測技術識別用戶業務相關的關鍵特征用來表征用戶意圖，提高了理解意圖的基礎。

技術領域

本發明屬于通信網絡領域，更具體地，涉及一種網絡管控系統的意圖預測方法和意圖預測裝置。

背景技術

5G時代對網絡運維帶來巨大的挑戰，網絡復雜度陡然增大，網絡流量爆炸式增長，網絡成本高居不下。意圖是一種表征用戶目的和操作意愿的對象，通過翻譯，意圖可以表示為具體的服務或者網絡的配置，具體包含一個或多個具備關聯性的處理流程。當前通信網絡的運維管控系統對用戶的意圖進行的處理多為被動識別和轉譯，對用戶使用習慣關注較少，缺乏分析和主動運維的意識，用戶體驗感有限。

目前，現有技術對用戶的意圖預測研究多采用簡單的時序神經網絡等算法對用戶意圖本身進行序列化建模，基于人工智能模型的預測功能一般面向的是單目標數據類的預測，如網絡故障預測、流量預測等。通過多層次上的演算得出預測模型，預測類型有限。且基于關聯度較低的數據預測效果較差，無法預測基于操作序列理解的意圖。另一方面，用戶的未來意圖與歷史意圖之間的關系在不同的場景下表現出隨機性、連續性或關聯性等不同特征，單對意圖本身建模較為片面，這種預測方式會造成算法過擬合導致預測錯誤，進而降低意圖預測的準確度。

而且，人工運維參與度高，配置流程繁瑣，配置周期長，效率低、出錯率高，運維成本和壓力大增；網絡故障和問題的響應方式比較被動，網絡感知性差，欠缺主動運維能力，致使客戶體驗感差。

發明內容

針對現有技術的以上缺陷或改進需求，本發明提供了一種網絡管控系統的意圖預測方法和意圖預測裝置，將該意圖預測方法應用于通信行業的網絡管控系統的智能運維領域，覆蓋了規律穩定型和短期序列型意圖的預測，可較為精準地預測用戶未來的意圖，對用戶未來意圖進行預配置推薦保障了意圖理解的合理性和準確性，提高了網絡運維的智能性和高效性。

第一方面，本發明提供了一種網絡管控系統的意圖預測方法，所述意圖預測方法包括：

獲取目標時間單元之前的預設時長內的歷史數據，對所述歷史數據進行解析得到能夠表征用戶意圖的特征矩陣，將所述特征矩陣劃分為訓練數據和測試數據；

將所述訓練數據輸入至神經網絡模型進行訓練得到第一預測模型，并通過所述第一預測模型得到所述測試數據對應的時間單元的預測數據；

如果所述預測數據與所述測試數據之間存在突變區域，則通過知識圖譜查詢所述突變區域所對應的下一時間單元的用戶操作，基于下一時間單元的用戶操作生成矯正數據；

通過所述測試數據和所述矯正數據對所述第一預測模型進行優化，得到第二預測模型，采用所述第二預測模型預測用戶在所述目標時間單元的意圖。

優選的，所述意圖預測方法還包括：

按照預設的步長對所述預測數據與所述測試數據進行協方差運算，如果所述協方差均為正值，則不存在突變區域，則按照所述第一預測模型預測用戶在目標時間單元的意圖；

如果部分步長范圍內的協方差為負值，則存在突變區域，需要對所述第一預測模型進行優化。

優選的，如果所述預測數據與所述測試數據之間存在突變區域，則通過知識圖譜查詢所述突變區域所對應的下一時間單元的用戶操作，基于下一時間單元的用戶操作生成矯正數據包括：