任务驱动的有效语义状态供给方法

本发明涉及一种任务驱动的有效语义状态供给方法，属于网络信息处理。

背景技术：

1、天地空一体化网络通过低轨卫星、临近空间平台、无人机、地面网关、边缘节点和移动终端协同，为遥感监测、灾害响应、海洋观测、交通监测和低空巡检等业务提供广域信息服务。此类网络的拓扑和链路状态随时间快速变化，节点存储、计算和通信资源受限，若每一任务均从源端传输完整图像、文本或传感器数据，将产生大量重复通信并增加端到端时延、网络拥塞和能量消耗。

2、传统内容缓存依据文件标识、内容名称或访问热度判断命中，命中后直接交付文件副本。面向任务的语义服务并不要求逐比特恢复全部原始数据，而要求获得足以支撑任务判断、决策或控制的目标状态。不同时间、不同节点和不同文件标识的数据可能描述同一区域或事件的相近状态，因而具有跨对象标识的复用价值；同名对象也可能因灾害、交通突变、语义模型升级或观测不确定度变化而失去当前任务价值。

3、仅利用信息年龄不能准确刻画上述有效性。稳定区域的较早状态可能仍能支持当前任务，而突发事件中的近期状态可能迅速失效。语义状态是否能够复用还取决于缓存状态与当前任务之间的语义漂移、语义版本一致性、请求端和缓存端不确定度、任务优先级以及任务的新鲜度要求。

4、现有语义通信通常对当前源数据进行语义编码并优化传输，较少研究网络中已有历史语义状态能否作为接收端条件知识、仍需补充多少纠正信息以及复用失败时如何安全退化为完整传输。仅依据相似度进行激进复用，容易向高优先级任务提供过时或错误状态；一律完整传输又无法利用分布式历史状态减少通信量。

5、此外，固定相似度阈值难以适应动态网络和动态任务。当网络拥塞较高、近期语义需求集中且缓存健康状况良好时，可以适度扩大低风险复用范围；当高优先级任务增多、缓存状态风险上升或语义版本变化时，应提高门控阈值并保留更多纠正性残差。

技术实现思路

1、针对现有技术的门控阈值固定且与传输量控制割裂，无法实现环境感知驱动的自适应复用与连续供给的因果联动的问题，本发明提供一种任务驱动的有效语义状态供给方法。

2、本发明的一种任务驱动的有效语义状态供给方法，包括：

3、获取多模态的任务请求，对所述任务请求进行语义提取，生成任务语义向量和任务画像；

4、获取当前网络状态信息和缓存状态信息，根据所述当前网络状态信息、所述缓存状态信息和历史观测，生成短时预测控制量；

5、根据所述任务语义向量和所述短时预测控制量，从分层语义状态缓存中检索候选状态，对所述候选状态执行资格门控；其中，所述资格门控的判定阈值由所述短时预测控制量动态调节；

6、针对通过所述资格门控的候选状态，根据所述候选状态相对于所述任务请求的失效风险确定目标纠正性残差比例；其中，所述目标纠正性残差比例随所述短时预测控制量中的预测拥塞指标升高而降低，随所述任务画像中的任务权重升高而升高；

7、根据所述任务请求中的完整数据量和所述目标纠正性残差比例生成纠正性残差，将所述纠正性残差发送至接收端；

8、在所述接收端，根据所述候选状态和所述纠正性残差恢复目标语义状态，并将所述目标语义状态写回所述分层语义状态缓存中。

9、作为优选，所述获取多模态的任务请求，对所述任务请求进行语义提取，生成任务语义向量和任务画像，包括：

10、获取所述任务请求的多模态数据，所述多模态数据包括图像模态数据、文本模态数据、传感器模态数据和事件模态数据中的至少一种；

11、对各模态数据分别进行编码，得到各模态特征向量；

12、对所述各模态特征向量进行归一化处理和维度对齐处理，得到各模态对齐特征；

13、根据各模态的任务相关性权重和模态可靠性权重，对所述各模态对齐特征进行加权融合，生成所述任务语义向量；

14、根据所述任务请求中的任务标签，通过任务映射函数将所述任务标签映射为所述任务画像；所述任务画像包括任务类型、任务权重、最大允许完成时延、新鲜度要求和语义版本。

15、作为优选，获取当前网络状态信息和缓存状态信息，根据所述当前网络状态信息、所述缓存状态信息和历史观测，生成短时预测控制量，包括：

16、获取动态网络拓扑、链路容量、队列压力、丢包风险、近期语义需求、缓存价值、缓存风险和任务压力，构建预测信念状态；当前网络状态信息包括动态网络拓扑、链路容量、队列压力、丢包风险；所述缓存状态信息包括缓存价值和缓存风险；

17、根据历史观测和前一时隙动作，通过预测函数生成短时预测状态；

18、根据所述短时预测状态，计算预测拥塞指标和缓存健康指标，作为所述短时预测控制量。

19、作为优选，根据所述任务语义向量和所述短时预测控制量，从分层语义状态缓存中检索候选状态，对所述候选状态执行资格门控，包括：

20、分别从近端语义状态缓存、区域语义状态缓存和全局语义状态缓存中检索缓存状态，计算该缓存状态的语义向量与所述任务语义向量之间的相似度；

21、根据所述预测拥塞指标和缓存健康指标，结合所述任务画像中的任务权重，确定各缓存层级的判定阈值；

22、将所述相似度大于或等于对应缓存层级所述判定阈值、且与所述任务请求具有相同语义版本和可比对象的缓存状态，确定为通过资格门控的候选状态。

23、作为优选，判定阈值为：

24、；

25、其中，为基础门控阈值，为任务权重调节因子，为缓存年龄调节因子，为由所述缓存健康指标得到的缓存健康调节因子，为由所述预测拥塞指标得到的网络拥塞调节因子，为判定阈值下限，为判定阈值上限。

26、作为优选，针对通过所述资格门控的候选状态，根据所述候选状态相对于所述任务请求的失效风险确定目标纠正性残差比例，包括：

27、计算所述候选状态的缓存状态年龄；

28、所述缓存状态年龄为当前时刻与所述候选状态的更新时间之差；

29、根据所述缓存状态年龄、所述任务语义向量与所述候选状态的语义向量之间的语义漂移、所述候选状态的语义版本与所述任务请求的语义版本是否一致、所述任务请求的请求端不确定度以及所述候选状态的缓存端不确定度，结合所述任务画像中的任务权重，计算请求条件化错误语义状态年龄；

30、根据所述相似度与所述判定阈值的裕量，计算可复用比例，根据所述可复用比例确定基础残差比例；

31、根据所述请求条件化错误语义状态年龄、所述任务权重以及所述语义版本是否一致，对所述基础残差比例进行修正，得到有界的目标纠正性残差比例。

32、作为优选，请求条件化错误语义状态年龄为：

33、；

34、其中，为年龄-漂移交互项权重，为纯语义漂移权重，为版本失配权重，为不确定度权重，为语义版本失配指示函数，取值为1表示任务请求的语义版本 与候选状态的语义版本不一致；取值为0表示一致；为请求端不确定度，为缓存端不确定度；

35、为缓存状态年龄，为所述任务语义向量与所述候选状态的语义向量之间的语义漂移，为所述任务画像中的任务权重，为任务权重指数。

36、作为优选，根据所述任务请求中的完整数据量和所述目标纠正性残差比例生成纠正性残差，包括：

37、计算实际传输数据量为所述完整数据量与所述目标纠正性残差比例的乘积；

38、当所述目标纠正性残差比例小于1时，根据所述候选状态与所述任务请求对应的目标状态之间的差异，生成数据量为所述实际传输数据量的纠正性残差；

39、当不存在通过所述资格门控的候选状态时，令所述目标纠正性残差比例等于1，执行完整数据传输。

40、作为优选，在所述接收端，根据所述候选状态和所述纠正性残差恢复目标语义状态，包括：

41、当接收到所述纠正性残差时，以所述候选状态作为先验条件知识，根据所述任务画像中的任务类型和语义版本，通过条件解码器将所述候选状态与所述纠正性残差融合，恢复出所述目标语义状态；

42、当接收到完整数据时，直接解码所述完整数据，恢复出所述目标语义状态。

43、作为优选，缓存状态包含以下字段：目标对象标识、语义向量、语义版本、更新时间、不确定度、历史效用、命中次数、缓存层级、缓存端存储占用和来源上下文。

44、本发明的有益效果，本技术通过动态预测网络-语义状态，自适应调节缓存检索的门控阈值，并将门控阈值的变化连续映射为目标残差比例，使候选状态的复用决策与传输数据量的控制形成因果闭环，解决了固定阈值无法适应动态环境以及复用判定与供给量割裂的技术问题。本发明将缓存对象由文件副本提升为同时具有内容、时间、版本、不确定度、来源、层级和历史效用的任务可调用语义状态，能够发现不同文件标识和不同观测时刻之间的任务复用关系。本发明通过多模态编码、归一化、维度对齐、任务相关性加权和模态可靠性加权形成统一任务语义向量，使观测内容、任务意图、时限、新鲜度和优先级共同参与状态供给。本发明利用网络—语义世界模型输出预测拥塞、语义需求熵、任务压力和缓存健康指标，使候选门控阈值能够随网络与任务环境变化而调整。本发明通过错误语义状态年龄把年龄—漂移交互、即时语义漂移、版本失配、联合不确定度和任务权重统一为请求条件化风险，避免仅依据时间戳或余弦相似度进行复用。本发明将状态有效性风险直接映射为有界目标残差比例和实际传输数据量，并通过最小残差和完整传输回退机制保证供给安全。本发明接收端把候选状态作为条件知识，只传输纠正性残差即可恢复目标语义状态；恢复后的状态重新进入分层语义缓存，形成闭环。本发明方法采用在线、因果处理，可适用于天地空一体化网络、数字孪生、工业互联网、车联网和边缘感知系统。