基于动态场景化编排计费流程方法及系统与流程

1.本发明涉及运营商业务技术领域，尤其涉及一种基于动态场景化编排计费流程方法及一种基于动态场景化编排计费流程系统。


背景技术：

2.目前，电信运营计费系统大多都是基于消息或文件流处理模式，其处理流程为：采集网元提供消息或文件、消息协议转换或文件预处理、计费批价算费、详单生成、详单处理、账务处理、信控及服务查询。
3.现阶段传统计费是所有业务场景进行混合批价，导致系统的计算资源浪费，并且批价计算流程过长，用户资源、锁等竞争，影响计费的效率进而导致部分敏感用户的提醒延迟。
4.传统计费系统按照固定的模块调用方式、固化的流程处理方式实现。对于相同的计费场景、计算逻辑无法沉淀经验，依据经验来做流程控制和应用计算逻辑结果。虽然行业内对系统进行分布式、云化、微服务化架构演进升级，考量的都是系统构建环境及容量的弹性伸缩，但很少进行计费流程的动态编排。


技术实现要素：

5.针对上述问题，本发明提供了一种基于动态场景化编排计费流程方法及系统，通过机器学习、人工智能技术构建的动态场景编排模型，对计费业务请求的计费处理流程根据场景进行动态化的最优编排，从而达到节省计算算力、提升计费效率，实现了节能降本增效。
6.为实现上述目的，本发明提供了一种基于动态场景化编排计费流程方法，包括：基于运营商用户数据构建并训练动态场景编排模型；基于所述动态场景编排模型对接收到的计费业务请求编排得到最优编排策略；将所述最优编排策略写入计费集群，以动态编排所述计费业务请求对应的计费功能；根据编排后的计费功能完成计费处理。
7.在上述技术方案中，优选地，所述动态场景编排模型的构建及训练过程具体包括：通过大数据平台获取具有基础标签的用户数据、通过详单管理平台获取套餐资费数据和详单数据；利用特征工程技术将所述用户数据、所述套餐资费数据和所述详单数据生成训练数据；将所述训练数据拆分为训练集、验证集和测试集，在dnn神经网络中利用所述训练集构建所述动态场景编排模型；利用所述验证集和所述测试集评估所述动态场景编排模型，并调整训练参数直至所述所述动态场景编排模型的准确率达到预设要求。
8.在上述技术方案中，优选地，所述训练数据包括用户基础标签特征数据、用户行为特征数据和标注特征数据，所述用户基础标签特征数据中包含用户的基础特征，所述用户行为特征数据中包含用户使用计费业务行为的特征，所述标注特征数据中包含所述用户基础标签特征数据和所述用户行为特征数据适用场景的标注标签数据。
9.在上述技术方案中，优选地，所述最优编排策略基于场景策略、模型策略和围栏策
略三个维度决定；所述场景策略为根据所述计费业务请求中存在的显著可区分特征对应场景以及因业务需要特殊规定场景，通过配置实现固定编排策略；所述模型策略为根据所述计费业务请求中的特征数据，由所述动态场景编排模型预测得到对应的场景策略；所述围栏策略为根据默认策略，对所述场景策略未包含和所述模型策略无法预测的请求得出默认策略；其中，所述场景策略的优先级最高，所述模型策略的优先级次之，所述围栏策略的优先级最低。
10.在上述技术方案中，优选地，所述最优编排策略包括系统级场景动态编排和组件级场景动态编排；所述系统级场景动态编排的控制范围为按集群、按场景进行调度策略编排；所述组件级场景动态编排的控制范围为单个计费引擎内部不同组件进行调度策略编排。
11.在上述技术方案中，优选地，所述将所述最优编排策略写入计费集群以动态编排所述计费业务请求对应的计费功能具体包括：控制引擎根据所述最优编排策略，按照所述系统级场景动态编排对计费集群进行策略编排和/或按照所述组件级场景动态编排对计费引擎中的组件进行策略编排。
12.本发明还提出一种基于动态场景化编排计费流程系统，应用如上述技术方案中任一项公开的基于动态场景化编排计费流程方法，包括：模型构建模块，用于基于运营商用户数据构建并训练动态场景编排模型；策略编排模块，用于基于所述动态场景编排模型对接收到的计费业务请求编排得到最优编排策略；计费编排模块，用于将所述最优编排策略写入计费集群，以动态编排所述计费业务请求对应的计费功能；计费处理模块，用于根据编排后的计费功能完成计费处理。
13.在上述技术方案中，优选地，所述动态场景编排模型的构建及训练过程具体包括：通过大数据平台获取具有基础标签的用户数据、通过详单管理平台获取套餐资费数据和详单数据；利用特征工程技术将所述用户数据、所述套餐资费数据和所述详单数据生成训练数据；将所述训练数据拆分为训练集、验证集和测试集，在dnn神经网络中利用所述训练集构建所述动态场景编排模型；利用所述验证集和所述测试集评估所述动态场景编排模型，并调整训练参数直至所述所述动态场景编排模型的准确率达到预设要求；其中，所述训练数据包括用户基础标签特征数据、用户行为特征数据和标注特征数据，所述用户基础标签特征数据中包含用户的基础特征，所述用户行为特征数据中包含用户使用计费业务行为的特征，所述标注特征数据中包含所述用户基础标签特征数据和所述用户行为特征数据适用场景的标注标签数据。
14.在上述技术方案中，优选地，所述最优编排策略基于场景策略、模型策略和围栏策略三个维度决定；所述场景策略为根据所述计费业务请求中存在的显著可区分特征对应场景以及因业务需要特殊规定场景，通过配置实现固定编排策略；所述模型策略为根据所述计费业务请求中的特征数据，由所述动态场景编排模型预测得到对应的场景策略；所述围栏策略为根据默认策略，对所述场景策略未包含和所述模型策略无法预测的请求得出默认策略；其中，所述场景策略的优先级最高，所述模型策略的优先级次之，所述围栏策略的优先级最低。
15.在上述技术方案中，优选地，所述最优编排策略包括系统级场景动态编排和组件级场景动态编排；所述系统级场景动态编排的控制范围为按集群、按场景进行调度策略编
排；所述组件级场景动态编排的控制范围为单个计费引擎内部不同组件进行调度策略编排。
16.与现有技术相比，本发明的有益效果为：通过机器学习、人工智能技术构建的动态场景编排模型，对计费业务请求的计费处理流程根据场景进行动态化的最优编排，从而节省了计算算力、提升了计费效率，实现了节能降本增效。
附图说明
17.图1为本发明一种实施例公开的基于动态场景化编排计费流程方法的流程示意图；
18.图2为本发明一种实施例公开的基于动态场景化编排计费流程系统的模块示意图；
19.图3为本发明一种实施例公开的基于动态场景化编排计费流程系统的运行原理示意图；
20.图4为本发明一种实施例公开的基于动态场景化编排计费流程系统的运行逻辑示意图。
21.图中，各组件与附图标记之间的对应关系为：
22.11.模型构建模块，12.策略编排模块，13.计费编排模块，14.计费处理模块。
具体实施方式
23.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
24.下面结合附图对本发明做进一步的详细描述：
25.如图1所示，根据本发明提供的一种基于动态场景化编排计费流程方法，包括：基于运营商用户数据构建并训练动态场景编排模型；基于动态场景编排模型对接收到的计费业务请求编排得到最优编排策略；将最优编排策略写入计费集群，以动态编排计费业务请求对应的计费功能；根据编排后的计费功能完成计费处理。
26.在该实施例中，通过机器学习、人工智能技术构建的动态场景编排模型，对计费业务请求的计费处理流程根据场景进行动态化的最优编排，从而节省了计算算力、提升了计费效率，实现了节能降本增效。
27.具体地，基于构建并训练完成的动态场景编排模型，资源服务(余额、累积量)、业务规则服务，根据每次请求的话单要素，编排最优策略，并将编排好的策略提供给应用服务。应用服务进行控制和调度，具体根据编排策执行系统模块编排控制和调度，实现不同模块的流转。每次计费请求时，解析话单的要素，通过动态场景编排模型获取当前的最优调度策略，由控制引擎将对应的计费请求消息发送到对应编排的集群中，并携带对应的组件编排策略标识，供计费引擎解析计费调度使用。计费服务按编排策略计费，计费服务根据提供的编排策略实现计费组件根据编排策略执行，资料获取、算费、资源扣减等处理。计费系统根据编排的策略完成计费处理。
28.在上述实施例中，优选地，动态场景编排模型的构建及训练过程具体包括：通过大数据平台获取具有基础标签的用户数据、通过详单管理平台获取套餐资费数据和详单数据；利用特征工程技术将用户数据、套餐资费数据和详单数据生成训练数据；将训练数据拆分为训练集、验证集和测试集，在dnn神经网络中利用训练集构建动态场景编排模型；利用验证集和测试集评估动态场景编排模型，并调整训练参数直至动态场景编排模型的准确率达到预设要求。
29.具体地，利用用户基础标签、套餐资费、详单等数据，采用特征工程技术生成训练数据，利用dnn神经网络构建动态场景编排模型。其中，优选地，训练数据包括用户基础标签特征数据、用户行为特征数据和标注特征数据，用户基础标签特征数据中包含用户的基础特征，包括年龄分段、网龄、区域属性等，用户行为特征数据中包含用户使用计费业务行为的特征，包括使用业务标识(例如阿里、腾讯)、小区、基站、上网时间、使用流量、套餐等信息，标注特征数据中包含用户基础标签特征数据和用户行为特征数据适用场景的标注标签数据。在实施过程中，将训练数据拆分训练集、验证集、测试集。训练集作为训练模型的训练数据，验证集、测试集来评估模型，通过调整模型训练参数到模型最优效果。优选地，auc、loss作为模型的评价指标，模型准确率要求达到95％以上。
30.在上述实施例中，优选地，基于构建的场景规则模型，资源服务(余额、累积量)、业务规则服务，根据每次请求的话单要素，编排最优策略，并将编排好的策略提供给应用服务。具体地，最优编排策略基于场景策略、模型策略和围栏策略三个维度决定。
31.场景策略为根据计费业务请求中存在的显著可区分特征对应场景以及因业务需要特殊规定场景，通过配置实现固定编排策略，优先级最高。
32.模型策略为根据计费业务请求中的特征数据，由动态场景编排模型预测得到对应的场景策略，优先级次之。
33.围栏策略为根据默认策略，对场景策略未包含和模型策略无法预测的请求得出默认策略，优先级最低。
34.在上述实施例中，优选地，最优编排策略包括两级编排能力，具体为系统级场景动态编排和组件级场景动态编排。其中，系统级场景动态编排的控制范围为按集群、按场景进行调度策略编排；组件级场景动态编排的控制范围为单个计费引擎内部不同组件进行调度策略编排。
35.在上述实施例中，优选地，将最优编排策略写入计费集群以动态编排计费业务请求对应的计费功能具体包括：控制引擎根据最优编排策略，按照系统级场景动态编排对计费集群进行策略编排和/或按照组件级场景动态编排对计费引擎中的组件进行策略编排。
36.具体地，以用户计费请求为物联网消息话单为例，对上述基于系统级别的动态场景化编排计费流程方法的实施步骤进行说明如下：
37.1)基于物联网计费用户标签、历史详单、业务规则建模，生成场景编排模型；
38.2)综合预处理平台接收到计费请求，调用场景编排服务引擎携带话单计费要素信息；
39.3)场景编排服务，判定请求类型为物联网合账计费请求，将其按照计费累账、无提醒、生成详单编排，并返回编排策略；
40.4)综合预处理将编排策略写入计费话单字段policycode中并发送至后端计费集
群；
41.5)计费服务根据编排策略仅需累账处理，则不求用户资料、套餐资源、局数据解析、判断短信提醒等服务，直接执行费用账，调度发送详单管理服务落话单；
42.6)详单管理接受落地请求服务，根据编排策略直接落详单处理。
43.具体地，以用户计费请求为物联网消息话单、用户套餐资源量充足为例，对上述基于组件级别的动态场景化编排计费流程方法的实施步骤进行说明如下：
44.1)基于计费用户标签、历史详单、业务规则建模，生成场景编排模型。
45.2)综合预处理平台接收到计费请求，调用场景编排服务引擎携带话单计费要素信息。
46.3)场景编排服务，判定用户连续计费请求走相同套餐场景，将其按走相同场景编排，用户资源量充足，并返回编排策略。
47.4)综合预处理将编排策略写入计费话单字段policycode中并发送至后端计费集群。
48.5)计费服务根据编排策略走相同套餐资源(普通用户计费请求需要：计费依据获取、套餐订购解析、费用计算等十二项服务请求)，则不求用户资料、局数据解析、直接执行累积量累计处理后，调度发送详单管理服务落话单。
49.6)详单管理接受落地请求服务，根据编排策落详单处理。
50.如图2所示，本发明还提出一种基于动态场景化编排计费流程系统，应用如上述实施例中任一项公开的基于动态场景化编排计费流程方法，包括：模型构建模块11，用于基于运营商用户数据构建并训练动态场景编排模型；策略编排模块12，用于基于动态场景编排模型对接收到的计费业务请求编排得到最优编排策略；计费编排模块13，用于将最优编排策略写入计费集群，以动态编排计费业务请求对应的计费功能；计费处理模块14，用于根据编排后的计费功能完成计费处理。
51.在上述实施例中，优选地，动态场景编排模型的构建及训练过程具体包括：通过大数据平台获取具有基础标签的用户数据、通过详单管理平台获取套餐资费数据和详单数据；利用特征工程技术将用户数据、套餐资费数据和详单数据生成训练数据；将训练数据拆分为训练集、验证集和测试集，在dnn神经网络中利用训练集构建动态场景编排模型；利用验证集和测试集评估动态场景编排模型，并调整训练参数直至动态场景编排模型的准确率达到预设要求；其中，训练数据包括用户基础标签特征数据、用户行为特征数据和标注特征数据，用户基础标签特征数据中包含用户的基础特征，用户行为特征数据中包含用户使用计费业务行为的特征，标注特征数据中包含用户基础标签特征数据和用户行为特征数据适用场景的标注标签数据。
52.在上述实施例中，优选地，最优编排策略基于场景策略、模型策略和围栏策略三个维度决定；场景策略为根据计费业务请求中存在的显著可区分特征对应场景以及因业务需要特殊规定场景，通过配置实现固定编排策略；模型策略为根据计费业务请求中的特征数据，由动态场景编排模型预测得到对应的场景策略；围栏策略为根据默认策略，对场景策略未包含和模型策略无法预测的请求得出默认策略；其中，场景策略的优先级最高，模型策略的优先级次之，围栏策略的优先级最低。
53.在上述实施例中，优选地，最优编排策略包括系统级场景动态编排和组件级场景
动态编排；系统级场景动态编排的控制范围为按集群、按场景进行调度策略编排；组件级场景动态编排的控制范围为单个计费引擎内部不同组件进行调度策略编排。
54.根据上述实施例提供的基于动态场景化编排计费流程系统，基于运营商用户大数据标签、计费详单数据、业务规则数据，采用机器学习、人工智能技术建立动态编排场景模型。计费请求时动态识别场景，生成场景编排策略规则。计费系统在消息接入、综合预处理调用场景编排服务，将每次计费识别的场景编排策略编码数据封装到计费消息话单中并实现流程调度控制。
55.根据该系统，能够支撑系统模块、业务处理两级的场景动态计费编排能力。基于机器学习、人工智能技术实现场景化编排模型，具备场景智能识别能力。而且，动态场景计费编排可基于经验简化流程调度、处理流程，节省计算算力、提升计费系统处理性能、节能降本增效，预计可降低计费算力50％。
56.如图3和图4所示，根据上述实施例公开的基于动态场景化编排计费流程系统，在实施过程中，其各平台所实现的功能如下：
57.(1)特征工程平台：标签数据的采集、特征工程处理，生成模型训练所需的训练数据；
58.(2)模型训练中心：采用特征工程平台生成的训练数据，训练生产场景编排模型及模型管理相关功能；
59.(3)策略引擎平台：模型训练中心生成的模型调用、业务请求处理、动态场景编排和计费请求调度功能，实现动态场景编排控制调度功能；
60.(4)运营管理平台：系统功能管理、服务调度、指标管理和持续监控运营大屏展示；
61.(5)融合计费：运营商现网计费引擎服务，与本方案对编排引擎对接，作为接收端来处理动态编排引擎编排后的计费消息计费功能；
62.(6)综合预处理平台：运营商现网预处理平台，与本方案的消息接口对接，作为输入端接入。
63.以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。