模型訓練方法、網絡故障預測方法、裝置、設備、存儲介質及計算機程序產品與流程

本申請涉及無線通信，尤其涉及一種模型訓練方法、網絡故障預測方法、裝置、設備、存儲介質及計算機程序產品。

背景技術：

1、網絡管理平臺在通信專網運維中負責對網絡的配置、故障、性能、安全和帳戶等功能進行管理。其中，網絡故障檢測在通信專網運維中至關重要，網絡管理平臺通常采用設置門限和告警策略的方式，當指標超過門限并符合告警策略時，推送告警日志提示網絡發生故障，或采用無監督機器學習算法進行網絡異常檢測。

2、但相關技術中，基于固定門限的故障檢測技術無法提前預知網絡發生故障，而基于人工智能的技術方案在故障預測時不能適應隨機變化的場景，導致網絡故障預測結果的準確率較低。

技術實現思路

1、有鑒于此，本申請實施例期望提供一種模型訓練方法、網絡故障預測方法、裝置、設備、存儲介質及計算機程序產品，能夠提高網絡故障預測結果的準確率。

2、本申請實施例的技術方案是這樣實現的：

3、第一方面，本申請實施例提供一種模型訓練方法，所述方法包括：

4、獲取與網絡關聯的歷史時序數據和歷史文本數據；

5、基于歷史時序數據，構建提示語集合；從提示語集合中選擇目標提示語，目標提示語優于提示語集合中除目標提示語之外的剩余提示語；

6、基于目標提示語、歷史時序數據和歷史文本數據，對初始模型進行訓練，得到目標模型，目標模型用于對網絡故障進行預測。

7、第二方面，本申請實施例提供一種網絡故障預測方法，所述方法包括：

8、獲取第一時刻的用戶操作信息和第一時刻與網絡關聯的時序數據；

9、對用戶操作信息和時序數據進行融合處理，得到待輸入提示語；

10、基于待輸入提示語和目標模型進行網絡故障預測，目標模型是利用如上述的模型訓練方法訓練得到的。

11、第三方面，本申請實施例提供一種模型訓練裝置，所述模型訓練裝置包括：

12、第一獲取單元，用于獲取與網絡關聯的歷史時序數據和歷史文本數據；

13、選擇單元，用于基于歷史時序數據，構建提示語集合；從提示語集合中選擇目標提示語，目標提示語優于提示語集合中除目標提示語之外的剩余提示語；

14、訓練單元，用于基于目標提示語、歷史時序數據和歷史文本數據，對初始模型進行訓練，得到目標模型，目標模型用于對網絡故障進行預測。

15、第四方面，本申請實施例提供一種網絡故障預測裝置，所述網絡故障預測裝置包括：

16、第二獲取單元，用于獲取第一時刻的用戶操作信息和第一時刻與網絡關聯的時序數據；

17、融合單元，用于對用戶操作信息和時序數據進行融合處理，得到待輸入提示語；

18、故障預測單元，用于基于待輸入提示語和目標模型進行網絡故障預測，目標模型是利用如上述的模型訓練方法訓練得到的。

19、第五方面，本申請實施例提供一種模型訓練設備，所述模型訓練設備包括：第一處理器和第一存儲器；所述第一處理器執行所述第一存儲器存儲的運行程序時實現上述的模型訓練方法。

20、第六方面，本申請實施例提供一種網絡故障預測設備，所述網絡故障預測設備包括：第二處理器和第二存儲器；所述第二處理器執行所述第二存儲器存儲的運行程序時實現上述網絡故障預測方法。

21、第七方面，本申請實施例提供一種存儲介質，其上存儲有計算機程序，該計算機程序被處理器執行時實現上述模型訓練方法，或者，該計算機程序被處理器執行時實現上述網絡故障預測方法。

22、第八方面，本申請實施例提供一種計算機程序產品，包括計算機程序，所述計算機程序在被處理器執行時實現上述模型訓練方法，或者，該計算機程序被處理器執行時實現上述網絡故障預測方法。

23、本申請實施例提供一種模型訓練方法、網絡故障預測方法、裝置、設備、存儲介質及計算機程序產品，該模型訓練方法包括：獲取與網絡關聯的歷史時序數據和歷史文本數據；基于歷史時序數據，構建提示語集合；從提示語集合中選擇目標提示語，目標提示語優于提示語集合中除目標提示語之外的剩余提示語；基于目標提示語、歷史時序數據和歷史文本數據，對初始模型進行訓練，得到目標模型，目標模型用于對網絡故障進行預測；而該網絡故障預測方法包括：獲取第一時刻的用戶操作信息和第一時刻與網絡關聯的時序數據；對用戶操作信息和時序數據進行融合處理，得到待輸入提示語；基于待輸入提示語和目標模型進行網絡故障預測，目標模型是利用如上的模型訓練方法訓練得到的。采用上述實現方案，采用歷史時序數據構建提示語集合后，通過從提示語集合中選擇效果最優的提示語作為目標提示語，在對初始模型進行訓練時，利用目標提示語結合歷史時序數據以及歷史文本數據進行訓練，因目標提示語性能最優，從而能夠提升目標模型的預測能力，利用基于歷史時序數據訓練得到的目標模型進行網絡故障預測時，因在不同時刻輸入用戶操作信息和時序數據進行網絡故障預測，會隨著不同時刻的用戶操作信息和時序數據的改變所得到的預測結果能夠匹配不同時刻的網絡實際情況，令網絡故障預測的準確率更高。

技術特征：

1.一種模型訓練方法，其特征在于，所述方法包括：

2.根據權利要求1所述的方法，其特征在于，所述從所述提示語集合中選擇目標提示語，包括：

3.根據權利要求2所述的方法，其特征在于，所述每個提示語中包含n個時間點的歷史時序數據，n為大于或等于1的整數，所述對所述提示語集合中的每個提示語進行評分，包括：

4.根據權利要求2所述的方法，其特征在于，所述針對每次選擇的多個提示語，從所述每次選擇的多個提示語中選擇一個評分最高的提示語，得到多個評分最高的提示語之后，所述方法還包括：

5.根據權利要求1所述的方法，其特征在于，所述基于所述目標提示語、所述歷史時序數據和所述歷史文本數據，對初始模型進行訓練，得到目標模型，包括：

6.一種網絡故障預測方法，其特征在于，所述方法包括：

7.根據權利要求6所述的方法，其特征在于，所述對所述用戶操作信息和所述時序數據進行融合處理，得到待輸入提示語，包括：

8.根據權利要求6所述的方法，其特征在于，所述基于所述待輸入提示語和目標模型進行網絡故障預測之后，所述方法還包括：

9.一種模型訓練裝置，其特征在于，所述模型訓練裝置包括：

10.一種網絡故障預測裝置，其特征在于，所述網絡故障預測裝置包括：

11.一種模型訓練設備，其特征在于，所述模型訓練設備包括：第一處理器和第一存儲器；所述第一處理器執行所述第一存儲器存儲的運行程序時實現如權利要求1至5任一項所述的方法。

12.一種網絡故障預測設備，其特征在于，所述網絡故障預測設備包括：第二處理器和第二存儲器；所述第二處理器執行所述第二存儲器存儲的運行程序時實現如權利要求6至8任一項所述的方法。

13.一種存儲介質，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執行時實現如權利要求1至5任一項所述的方法，或者，該計算機程序被處理器執行時實現如權利要求6至8任一項所述的方法。

14.一種計算機程序產品，包括計算機程序，其特征在于，所述計算機程序在被處理器執行時實現如權利要求1至5任一項所述的方法，或者，所述計算機程序在被處理器執行時實現如權利要求6至8任一項所述的方法。

技術總結
本申請提供一種模型訓練方法、網絡故障預測方法、裝置、設備、存儲介質及計算機程序產品，該模型訓練方法包括：獲取與網絡關聯的歷史時序數據和歷史文本數據；基于歷史時序數據，構建提示語集合；從提示語集合中選擇目標提示語，目標提示語優于提示語集合中除目標提示語之外的剩余提示語；基于目標提示語、歷史時序數據和歷史文本數據，對初始模型進行訓練，得到目標模型，目標模型用于對網絡故障進行預測。

技術研發人員：李冰蕾,張承武,戴經緯,馬鍵
受保護的技術使用者：中國移動通信有限公司研究院
技術研發日：
技術公布日：2024/10/21