一种模型训练方法和装置与流程
本技术涉及通信，尤其涉及一种模型训练方法和装置。
背景技术：
1、网络数据分析是一种按照标准规范从网络功能网元、应用功能网元或网络管理系统收集相关网络数据，使用机器学习和大数据挖掘技术，将收集的各种维度的数据，进行关联分析，训练拟合出模型，根据模型输出分析或预测的服务。其中，模型可以进一步分为预测模型和控制模型。预测模型可以利用历史或当前的网络数据训练拟合模型，以此预测网络运行状态，是网络数据分析网元的重要组成部分；控制模型用于描述如果采取特定网络行为会对未来网络运行产生的影响，以此来模拟特定网络行为的后果，并决策是否应该采取这个网络行为，是网络控制网元的重要组成部分。无论是预测模型，还是控制模型，都可以使用机器学习技术，通过大量网络数据进行模型训练得到。
2、然而，在具体实现中，由于收集的网络数据有限或各个区域的业务差异，很难一开始就训练出精准的预测模型；另外一方面，很难一开始就为网元行为和网络如何运行进行精确建模，难以准确评估各种网络行为对网络运行产生的影响，从而难以决策应该采取什么网络行为。因此，现有技术从一开始就依赖精确的模型，然而现实却是在初始时难以具备精准的模型，使得网络控制智能化难以实现。
技术实现思路
1、本技术实施例提供一种模型训练方法和装置，用于快速提升模型的精度，使得快速网络敛到期望的目标，进而提高网络控制的智能性。
2、第一方面，提供一种模型训练方法，包括：第一网元根据第一网络预测模型确定第二网络指标，其中第一网络预测模型的输入参数包括第一网络指标，第一网络指标包括网络在第一时刻的实际网络指标和/或在第一时刻之前的实际网络指标，第二网络指标为第一网络预测模型根据第一网络指标输出的网络在第二时刻的网络指标，第二时刻晚于第一时刻；第一网元确定第一预测偏差，第一预测偏差为第二网络指标相对于第三网络指标的偏差，第三网络指标为网络在第二时刻的实际网络指标，网络在第一时刻与第二时刻之间执行第一指令，第一指令用于调整网络的网络参数；第一网元根据第一预测偏差和第一指令调整第一网络预测模型的模型参数，得到第二网络预测模型；其中，第二网络预测模型的输入参数包括第一网络指标和第一指令时，第二网络预测模型输出的网络在第二时刻的网络指标相对于第三网络指标的偏差小于第一预测偏差。
3、上述方案中，将网络行为(如第一指令)作为输入参数来训练网络预测模型，可快速提升网络预测模型在该网络行为下的预测精度，使得网络快速敛到期望的目标。这样，可以允许网络一开始使用低精度的网络预测模型来实现网络智能化，可以提高网络控制的智能性。
4、一种可能的设计中，第一网元可以根据第一指令对指令进行聚类，或者，第一网元根据第一网络指标和第二网络指标对指令进行聚类，得到第一类指令；其中，第一指令属于第一类指令。进而第一网元可以根据第一预测偏差和第一类指令调整第一网络预测模型的模型参数，得到第二网络预测模型。可选的，第一类指令中各个指令对应的网络指标改变量在预设范围内。
5、如此，可快速提升网络预测模型在同一类网络行为(如第一类指令)下的预测精度，可以提高模型训练效率。
6、一种可能的设计中，第一网元可以向第二网元发送第一网络指标和/或第二网络指标；第一网元可以从第二网元接收第一指令，其中第一指令由第二网元上运行的网络控制模型输出，网络控制模型的输入参数包括第一网络指标和/或第二网络指标，还包括网络运行目标。
7、如此，第一网元可以从第二网元处获得第一指令，提高了方案的可靠性。另外有助于网络预测模型和网络控制模型进行联动调整，使得预测和控制的配合更加精准。
8、一种可能的设计中，网络运行目标包括目标用户对应的网络运行目标，第一指令包括目标用户对应的网络调整参数。
9、如此，可以兼顾网络整体运行性能和目标用户的业务体验。
10、一种可能的设计中，第一网元可以向第三网元发送第二网络指标，第二网络指标用于用户预测模型输出目标用户在第二时刻对应的网络指标。
11、如此，可以实现对目标用户的网络指标进行预测，进而更好地保障目标用户的网络服务质量。
12、一种可能的设计中，第一网络预测模型的输入参数还包括第一指令，第二网络指标为第一网络预测模型根据第一网络指标和第一指令输出的网络在第二时刻的网络指标。换而言之，调整前后的网络预测模型均将网络行为作为输入参数。
13、如此，可以对网络预测模型进行多轮训练，使得网络预测模型在网络执行第一指令的情况下的预测偏差会越来越小，进一步提高网络预测模型的精度。
14、第二方面，提供一种模型训练方法，包括：第二网元根据第一网络控制模型确定第一指令；其中，第一网络控制模型的输入参数包括网络运行目标、至少一个网络指标，第一指令为第一网络控制模型输出的推测使至少一个网络指标达到网络运行目标的指令，第一指令用于调整网络的网络参数；第二网元确定第一控制偏差，第一控制偏差为第一指令对应的至少一个网络指标的改变量相对于能够达到网络运行目标的目标网络指标改变量的偏差；第二网元根据第一控制偏差对第一网络控制模型的模型参数进行调整，得到第二网络控制模型；其中，第二网络控制模型的输入参数包括网络运行目标和至少一个网络指标时，第二网络控制模型输出的第二指令对应的至少一个网络指标的改变量相对于目标网络指标改变量的偏差低于第一控制偏差。
15、上述方案中，第二网元基于网络行为的行为效果(如第一指令对应的至少一个网络指标的改变量)、能够达到网络运行目标的目标网络指标改变量确定网络控制模型的控制偏差，并基于控制偏差来训练网络控制模型，可以快速提升网络控制模型的控制精度，使得网络可以快速敛到期望的网络运行目标。
16、一种可能的设计中，至少一个网络指标为第一网络指标，其中第一网络指标为网络的实际网络指标；至少一个网络指标的改变量为网络执行第一指令后第一网络指标的改变量；目标网络指标改变量为网络运行目标与第一网络指标的差值。
17、该设计中，将第一指令产生的实际网络指标的改变量作为第一指令的行为效果，将第一指令执行前第一网络指标与网络运行目标的差值作为目标网络指标改变量，实现简单，易实施。
18、一种可能的设计中，至少一个网络指标为第二网络指标，其中第二网络指标为网络预测模型根据网络在第一时刻的实际网络指标和/或在第一时刻之前的实际网络指标输出的网络在第二时刻的网络指标，第二时刻晚于第一时刻；至少一个网络指标的改变量为网络执行第一指令后第二网络指标的改变量；目标网络指标改变量为网络运行目标与第二网络指标的差值。
19、该设计中，将第一指令产生的网络预测指标的改变量作为第一指令的行为效果，将第一指令执行前网络预测指标与网络运行目标的差值作为目标网络指标改变量，实现简单，易实施。
20、一种可能的设计中，至少一个网络指标包括第一网络指标和第二网络指标，其中第一网络指标为网络在第一时刻的实际网络指标和/或在第一时刻之前的实际网络指标，第二网络指标为网络预测模型根据第一网络指标输出的网络在第二时刻的网络指标，第二时刻晚于第一时刻；至少一个网络指标的改变量为网络执行第一指令后第二网络指标的改变量或者网络执行第一指令后第一网络指标的改变量；目标网络指标改变量为网络运行目标与第一网络指标的差值。
21、该设计中，将第一指令产生的网络预测指标或实际网络指标的改变量作为第一指令的行为效果，将第一指令执行前实际网络指标与网络运行目标的差值作为目标网络指标改变量，实现方式灵活、简单、易实施。
22、一种可能的设计中，第一网络控制模型的模型参数的初始值根据网络意图确定。网络意图例如是网络运维人员输入的网络运维人员对网络的意图。换言之，第一网络控制模型可以是低精度的网络控制模型。
23、如此，可以实现基于低精度的网络控制模型来实现网络智能化，可以提高网络控制的智能性。
24、一种可能的设计中，第二网元可以向第一网元发送第一指令，第一指令用于调整第一网元上运行的网络预测模型的模型参数。
25、如此，有助于网络预测模型和网络控制模型进行联动调整，使得预测和控制的配合更加精准。
26、一种可能的设计中，网络运行目标包括目标用户对应的网络运行目标，第一指令包括目标用户对应的网络调整参数，第一网络控制模型的输入参数还包括目标用户对应的网络调整参数。第二网元还可以从第四网元获取目标用户对应的网络调整参数，网络调整参数由第四网元上运行的用户控制模型输出。
27、如此，可以实现对目标用户的网络指标进行调整，进而更好地保障目标用户的网络服务质量。
28、第三方面，提供一种通信装置，该装置包括用于实现第一方面或第一方面任一种可能的设计中所述方法的模块或单元或技术手段。
29、示例性的，该通信装置可以包括：
30、确定模块，用于根据第一网络预测模型确定第二网络指标，其中第一网络预测模型的输入参数包括第一网络指标，第一网络指标包括网络在第一时刻的实际网络指标和/或在第一时刻之前的实际网络指标，第二网络指标为第一网络预测模型根据第一网络指标输出的网络在第二时刻的网络指标，第二时刻晚于第一时刻；
31、训练模块，用于确定第一预测偏差，第一预测偏差为第二网络指标相对于第三网络指标的偏差，第三网络指标为网络在第二时刻的实际网络指标，网络在第一时刻与第二时刻之间执行第一指令，第一指令用于调整网络的网络参数；根据第一预测偏差和第一指令调整第一网络预测模型的模型参数，得到第二网络预测模型；其中，第二网络预测模型的输入参数包括第一网络指标和第一指令时，第二网络预测模型输出的网络在第二时刻的网络指标相对于第三网络指标的偏差小于第一预测偏差。
32、第四方面，提供一种通信装置，该装置包括用于实现第二方面或第二方面任一种可能的设计中所述方法的模块或单元或技术手段。
33、示例性的，该通信装置可以包括：
34、确定模块，用于根据第一网络控制模型确定第一指令；其中，第一网络控制模型的输入参数包括网络运行目标、至少一个网络指标，第一指令为第一网络控制模型输出的推测使至少一个网络指标达到网络运行目标的指令，第一指令用于调整网络的网络参数；
35、训练模块，用于确定第一控制偏差，第一控制偏差为第一指令对应的至少一个网络指标的改变量相对于能够达到网络运行目标的目标网络指标改变量的偏差；根据第一控制偏差对第一网络控制模型的模型参数进行调整，得到第二网络控制模型；其中，第二网络控制模型的输入参数包括网络运行目标和至少一个网络指标时，第二网络控制模型输出的第二指令对应的至少一个网络指标的改变量相对于目标网络指标改变量的偏差低于第一控制偏差。
36、第五方面，提供一种通信装置，包括处理器和接口电路，接口电路用于接收来自通信装置之外的其它通信装置的信号并传输至处理器或将来自处理器的信号发送给通信装置之外的其它通信装置，处理器通过逻辑电路或执行代码指令用于实现如第一方面或第一方面任一种可能的设计或第二方面或第二方面任一种可能的设计中所述的方法。
37、第六方面，本技术实施例提供一种通信装置，包括与存储器耦合的处理器，该处理器用于调用所述存储器中存储的程序，以执行如第一方面或第一方面任一种可能的设计或第二方面或第二方面任一种可能的设计中所述的方法。该存储器可以位于该装置之内，也可以位于该装置之外。且该处理器可以是一个或多个。
38、第七方面，提供一种计算机可读存储介质，该存储介质中存储有计算机程序或指令，当计算机程序或指令被通信装置执行时，实现如第一方面或第一方面任一种可能的设计或第二方面或第二方面任一种可能的设计中所述的方法。
39、第八方面，本技术实施例还提供一种计算机程序产品，该计算机程序产品包括计算机程序或指令，当计算机程序或指令被通信装置运行时，使得如第一方面或第一方面任一种可能的设计或第二方面或第二方面任一种可能的设计中所述的方法被执行。
40、第九方面，提供一种通信系统，包括用于执行如第一方面或第一方面任一种可能的设计中所述方法的第一网元，和用于执行如第二方面或第二方面任一种可能的设计中所述方法的第二网元。
41、以上第三方面至第九方面及其任意可能的设计的有益效果可参见第一方面至第二方面及其任意可能的设计所述有益效果的描述，不再具体展开。
技术特征：
1.一种模型训练方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述第一网元根据所述第一预测偏差和所述第一指令调整所述第一网络预测模型的模型参数，得到第二网络预测模型，包括：
3.如权利要求2所述的方法，其特征在于，所述第一类指令中各个指令对应的网络指标改变量在预设范围内。
4.如权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：
5.如权利要求4所述的方法，其特征在于，所述网络运行目标包括目标用户对应的网络运行目标，所述第一指令包括所述目标用户对应的网络调整参数。
6.如权利要求5所述的方法，其特征在于，所述方法还包括：
7.如权利要求1-3任一项所述的方法，其特征在于，所述第一网络预测模型的输入参数还包括所述第一指令，所述第二网络指标为所述第一网络预测模型根据所述第一网络指标和所述第一指令输出的所述网络在所述第二时刻的网络指标。
8.一种模型训练方法，其特征在于，包括：
9.如权利要求8所述的方法，其特征在于，所述至少一个网络指标为第一网络指标，其中所述第一网络指标为所述网络的实际网络指标；所述至少一个网络指标的改变量为所述网络执行所述第一指令后所述第一网络指标的改变量；所述目标网络指标改变量为所述网络运行目标与所述第一网络指标的差值；或者，
10.如权利要求8或9所述的方法，其特征在于，所述第一网络控制模型的模型参数的初始值根据网络意图确定。
11.如权利要求8-10任一项所述的方法，其特征在于，还包括：
12.如权利要求8-11任一项所述的方法，其特征在于，所述网络运行目标包括目标用户对应的网络运行目标，所述第一指令包括所述目标用户对应的网络调整参数，所述第一网络控制模型的输入参数还包括所述目标用户对应的网络调整参数；
13.一种通信装置，其特征在于，包括处理器和存储器：
14.如权利要求13所述的装置，其特征在于，所述处理器，具体用于：
15.如权利要求13所述的装置，其特征在于，所述第一类指令中各个指令对应的网络指标改变量在预设范围内。
16.如权利要求13-15任一项所述的装置，其特征在于，所述装置还包括接口电路，所述接口电路用于向第二网元发送所述第一网络指标和/或所述第二网络指标；以及从所述第二网元接收所述第一指令，其中所述第一指令由所述第二网元上运行的网络控制模型输出，所述网络控制模型的输入参数包括所述第一网络指标和/或所述第二网络指标，还包括网络运行目标。
17.如权利要求16所述的装置，其特征在于，所述网络运行目标包括目标用户对应的网络运行目标，所述第一指令包括所述目标用户对应的网络调整参数。
18.如权利要求17所述的装置，其特征在于，所述接口电路还用于：
19.如权利要求13-15任一项所述的装置，其特征在于，所述第一网络预测模型的输入参数还包括所述第一指令，所述第二网络指标为所述第一网络预测模型根据所述第一网络指标和所述第一指令输出的所述网络在所述第二时刻的网络指标。
20.一种通信装置，其特征在于，包括处理器和存储器：
21.如权利要求20所述的装置，其特征在于，所述至少一个网络指标为第一网络指标，其中所述第一网络指标为所述网络的实际网络指标；所述至少一个网络指标的改变量为所述网络执行所述第一指令后所述第一网络指标的改变量；所述目标网络指标改变量为所述网络运行目标与所述第一网络指标的差值；或者，
22.如权利要求20或21所述的装置，其特征在于，所述第一网络控制模型的模型参数的初始值根据网络意图确定。
23.如权利要求20-22任一项所述的装置，其特征在于，还包括：
24.如权利要求20-23任一项所述的装置，其特征在于，所述网络运行目标包括目标用户对应的网络运行目标，所述第一指令包括所述目标用户对应的网络调整参数，所述第一网络控制模型的输入参数还包括所述目标用户对应的网络调整参数；
25.一种通信装置，其特征在于，包括用于执行如权利要求1-7中的任一项所述的方法的模块或者用于执行如权利要求8-12中的任一项所述的方法的模块。
26.一种计算机可读存储介质，其特征在于，所述存储介质中存储有计算机程序或指令，当所述计算机程序或指令被通信装置执行时，实现如权利要求1-7中任一项所述的方法，或者如权利要求8-12中的任一项所述的方法。
技术总结
本申请实施例提供一种模型训练方法和装置，用于快速提升模型的精度，使得快速网络敛到期望的目标，进而提高网络控制的智能性。第一网元将网络行为(如第一指令)作为输入参数来训练网络预测模型，可快速提升网络预测模型在该网络行为下的预测精度，使得网络快速敛到期望的目标。第二网元基于网络行为的行为效果(如第一指令对应的至少一个网络指标的改变量)、以及够达到网络运行目标的目标网络指标改变量来训练网络控制模型，可以快速提升网络控制模型的控制精度，使得网络可以快速敛到期望的网络运行目标。
技术研发人员：李卓明
受保护的技术使用者：华为技术有限公司
技术研发日：
技术公布日：2024/9/23