无线侧网元的模型训练方法、装置、网络设备及存储介质与流程

本技术涉及移动通信，具体涉及一种无线侧网元的模型训练方法、装置、网络设备及存储介质。

背景技术：

1、在通信网络的运营中，对网络进行建模可以在网络关键指标预测、网络故障根因定位、参数调整效果预估、参数下发决策等场景中产生重要的作用。

2、在现有的方案中，只对同一种类型的小区数据进行建模，又或者针对不同类型的小区数据，采用相同的方式进行建模和处理。但是在现网中，不同的厂商、制式的网元设备所服务的小区(不同类型的小区)会有不同的数据，例如4g和5g的数据有差别，不同厂商的设备参数有差别，所以如果用同一方式对数据进行建模会使得模型只能学习到共有数据的规律，忽视掉不同类型小区特有的数据中蕴含的信息，导致模型精确度较低。

技术实现思路

1、本技术的至少一个实施例提供了一种无线侧网元的模型训练方法、装置、网络设备及存储介质，用于解决现有技术中针对所有小区都采用相同的方式进行建模和处理，导致模型只能学习到共有数据的规律，模型精确度较低的问题。

2、为了解决上述技术问题，本技术是这样实现的：

3、第一方面，本技术实施例提供了一种无线侧网元的模型训练方法，应用于网络设备，包括：

4、通过多种不同类型小区的第一小区数据和第二小区数据对无线侧网元的模型进行训练，得到目标模型；所述小区的类型根据所述小区关联设备的厂商和/或制式确定；所述第一小区数据为第一时间段内的小区数据，所述第二小区数据为第二时间段内的小区数据，所述第一时间段早于所述第二时间段；所述无线侧网元的模型包括：嵌入学习模块、基础模型模块以及数据恢复模块；

5、其中，所述嵌入学习模块用于根据小区类型对所述第一小区数据进行编码，得到每种类型小区对应的第一中间数据；所述嵌入学习模块包括多个嵌入学习子模块，每个所述嵌入学习子模块用于处理一种类型的小区对应的第一小区数据；

6、所述基础模型模块用于将所述第一中间数据作为输入，对每种类型小区的共性特征进行学习，得到每种类型小区对应的第二中间数据；

7、所述数据恢复模块用于根据小区类型对输入的所述第二中间数据进行解码，得到所述第二时间段内每种类型小区的目标小区数据；所述数据恢复模块包括多个数据恢复子模块，每个所述数据恢复子模块用于处理一种类型的小区对应的所述第二中间数据。

8、可选的，通过多种不同类型小区的第一小区数据和第二小区数据对无线侧网元的模型进行训练之前，还包括：

9、对不同类型的所述小区的第一小区数据进行数据处理，得到处理后每种类型小区对应的第一小区数据；

10、其中，处理后每种类型小区对应的第一小区数据的格式和长度相同。

11、通过多种不同类型小区的第一小区数据和第二小区数据对无线侧网元的模型进行训练，包括：

12、所述嵌入学习模块中的每个所述嵌入学习子模块依次对对应的类型的小区的第一小区数据进行编码，且第m+1个嵌入学习子模块的输入包括第m个嵌入学习子模块对应的小区类型的所述第一中间数据，第n个嵌入学习子模块的输出为每种类型小区的所述第一中间数据；

13、第一个数据恢复子模块的输入为经过所述基础模型将处理后得到的所述第二中间数据，且所述数据恢复模块中的每个所述数据恢复子模块一次进行任务处理；第p+1个数据恢复子模块的输入包括第p个数据恢复子模块对应的小区类型的所述目标小区数据，第q个数据恢复子模块的输出为所述每种类型小区的所述目标小区数据；

14、其中，m为大于1的整数，n大于m，且n为所述嵌入学习子模块的总数量；p为大于1的整数，q大于p，且q为所述数据恢复子模块的总数量。

15、可选地，通过多种不同类型小区的第一小区数据和第二小区数据对无线侧网元的模型进行训练，包括：

16、所述嵌入学习模块中的每个所述嵌入学习子模块同时对对应类型的小区的第一小区数据进行编码，得到每种类型小区对应的所述第一中间数据；

17、所述基础模型模块的输入为每个所述嵌入学习子模块输出的每种小区类型的所述第一中间数据；

18、每个所述数据恢复子模块的输入为所述基础模型模块输出的每种类型小区对应的所述第二中间数据，且每个所述数据恢复子模块同时进行数据恢复，得到每种类型小区对应的所述目标小区数据。

19、可选地，根据小区类型对所述第一小区数据进行编码，得到每种类型小区对应的第一中间数据之后，还包括：

20、对所述第一中间数据进行数据处理，使得每种类型小区对应的第一中间数据的格式和长度相同。

21、可选地，根据小区类型对输入的所述第二中间数据进行解码，得到第二时间段内每种类型小区的目标小区数据之后，还包括：

22、对所述目标小区数据进行数据处理，使得每种类型小区对应的目标小区数据的格式和长度相同。

23、可选地，所述无线侧网元的模型还包括：损失计算模块；

24、所述损失计算模块用于计算所述目标小区数据与所述第二时间段对应的第二小区数据之间的偏差；所述第一时间段和所述第二时间段为当前时刻之前的时间段；所述偏差为均方误差；

25、所述第二小区数据为历史数据中所述第二时间段内每种类型小区对应的小区数据。

26、可选地，所述方法还包括：

27、根据所述偏差对所述无线侧网元的模型进行调整，得到所述目标模型。

28、第二方面，本技术实施例提供了一种无线侧网元的模型训练装置，包括：

29、训练模块，用于通过多种不同类型小区的第一小区数据和第二小区数据对无线侧网元的模型进行训练，得到目标模型；所述小区的类型根据所述小区关联设备的厂商和/或制式确定；所述第一小区数据为第一时间段内的小区数据，所述第二小区数据为第二时间段内的小区数据，所述第一时间段早于所述第二时间段；所述无线侧网元的模型包括：嵌入学习模块、基础模型模块以及数据恢复模块；

30、其中，所述嵌入学习模块用于根据小区类型对所述第一小区数据进行编码，得到每种类型小区对应的第一中间数据；所述嵌入学习模块包括多个嵌入学习子模块，每个所述嵌入学习子模块用于处理一种类型的小区对应的第一小区数据；

31、所述基础模型模块用于将所述第一中间数据作为输入，对每种类型小区的共性特征进行学习，得到每种类型小区对应的第二中间数据；

32、所述数据恢复模块用于根据小区类型对输入的所述第二中间数据进行解码，得到所述第二时间段内每种类型小区的目标小区数据；所述数据恢复模块包括多个数据恢复子模块，每个所述数据恢复子模块用于处理一种类型的小区对应的所述第二中间数据。

33、第三方面，本技术实施例提供了一种网络设备，包括处理器，其中，

34、所述处理器，用于通过多种不同类型小区的第一小区数据和第二小区数据对无线侧网元的模型进行训练，得到目标模型；所述小区的类型根据所述小区关联设备的厂商和/或制式确定；所述第一小区数据为第一时间段内的小区数据，所述第二小区数据为第二时间段内的小区数据，所述第一时间段早于所述第二时间段；所述无线侧网元的模型包括：嵌入学习模块、基础模型模块以及数据恢复模块；

35、其中，所述嵌入学习模块用于根据小区类型对所述第一小区数据进行编码，得到每种类型小区对应的第一中间数据；所述嵌入学习模块包括多个嵌入学习子模块，每个所述嵌入学习子模块用于处理一种类型的小区对应的第一小区数据；

36、所述基础模型模块用于将所述第一中间数据作为输入，对每种类型小区的共性特征进行学习，得到每种类型小区对应的第二中间数据；

37、所述数据恢复模块用于根据小区类型对输入的所述第二中间数据进行解码，得到所述第二时间段内每种类型小区的目标小区数据；所述数据恢复模块包括多个数据恢复子模块，每个所述数据恢复子模块用于处理一种类型的小区对应的所述第二中间数据。

38、第四方面，本技术实施例提供了一种网络设备，包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序，所述程序在被所述处理器执行时实现如上所述的无线侧网元的模型训练方法的步骤。

39、第五方面，本技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有程序，所述程序在被处理器执行时，实现如上所述的无线侧网元的模型训练方法的步骤。

40、第六方面，提供一种计算机程序产品，包括计算机指令，该计算机指令被处理器执行时实现如上所述的无线侧网元的模型训练方法的步骤。

41、与现有技术相比，本技术实施例提供的无线侧网元的模型训练方法、装置、网络设备及存储介质，根据小区关联设备的厂商和/或制式进行分类，在无线侧网元的模型的建模过程中根据小区的类型，针对不同类型的小区采用不同的模型模块进行学习，使得无线侧网元的模型不仅能够对小区数据中的共性数据进行学习，还能对不同类型小区的特有数据进行学习，从而提高无线侧网元的模型的精确度。解决了现有技术中针对所有小区都采用相同的方式进行建模和处理，导致模型只能学习到共有数据的规律，模型精确度较低的问题。