[发明专利]使用主动学习框架控制用于数据分析服务的数据报告

说明书

使用主动学习技术调节数据业务的系统和方法。在一个实施例中，全局监测器通过广域网络与多个传感器通信。全局监测器构建用于数据分析服务的全局模型，该全局模型基于由传感器报告的数据将元素映射到值。全局监测器生成针对来自传感器的数据的查询，从全局模型中的元素中选择一个或多个候选元素，生成全局策略，该全局策略指定从传感器请求的数据限于以(多个)候选元素为目标的数据，以及向传感器发送指示全局策略的查询。全局监测器根据全局策略从传感器接收以(多个)候选元素为目标的数据，以及基于以(多个)候选元素为目标的数据来调整全局模型。

相关申请

本申请要求于2017年12月12日提交的美国专利申请No.15/839,517的优先权，该专利申请通过引用并入，如同在此完全提供一样。

技术领域

本发明涉及通信系统领域，并且具体地涉及传感器网络。

背景技术

传感器网络包括多个远程传感器，这些传感器收集数据，并且通过网络将数据报告回中央服务器。在一个示例中，每个传感器可以是自主设备，其测量物理、环境、或其他条件，并且将测量数据报告回中央服务器以分析数据。在另一示例中，每个传感器可以是云网络中的节点，该节点将关于其状态的数据提供给集中式编排实体。传感器网络的一个问题是传感器的数目可能很大，并且由传感器通过网络传输到集中式服务器的数据量可能会引起网络拥塞，从而导致延时/延迟，或者从传感器传输某些数据可能会受到限制。例如，一些数据业务可以通过蜂窝网络被路由，这可能在到核心网络的空中接口和/或回程上造成负担。某些数据业务可以通过互联网或另一互联网协议(IP)网络被路由，这可能会引起这些类型的网络的路由元件内部或之间的负载。因此，随着越来越多的传感器被实现用于数据分析服务，网络运营方可能会担心网络拥塞。

发明内容

本文中描述的实施例使用基于机器的主动学习来确定在给定时间什么数据与数据分析服务最相关。主动学习机制可以生成策略，该策略控制通过网络来自传感器的数据传输，并且将该策略提供给传感器。因此，每个传感器可以基于该策略来确定要传输什么数据，多久传输一次数据，等等。因此，由传感器发送的数据由主动学习机制控制，从而可以控制或减少由传感器强加在网络上的负载。

一个实施例包括一种系统，该系统包括被配置为提供数据分析服务的全局监测器。全局监测器包括全局接口组件和全局学习器，该全局接口组件被配置为通过广域网络与多个传感器通信，该全局学习器被配置为执行迭代过程以构建用于数据分析服务的全局模型，该全局模型基于由传感器报告的数据将元素映射到值。针对迭代过程的一次或多次迭代，全局学习器被配置为：生成针对来自传感器的数据的查询；基于以下来在全局模型中从元素中选择至少一个候选元素：至少一个候选元素对改进全局模型的贡献以及由传感器报告以全局模型中的至少一个候选元素为目标的数据而引起的对广域网络的影响；生成全局策略，该全局策略指定从传感器请求的数据限于以全局模型中的至少一个候选元素为目标的数据；以及通过全局接口组件向传感器发送指示全局策略的查询。全局学习器被配置为：根据全局策略通过全局接口组件从传感器接收以全局模型中的至少一个候选元素为目标的数据，以及基于以全局模型中的至少一个候选元素为目标的数据来调整全局模型。

在另一实施例中，全局策略指定速率，传感器通过广域网络以该速率来传输以全局模型中的至少一个候选元素为目标的数据。

在另一实施例中，全局学习器还被配置为：还基于对以至少一个候选元素为目标的数据的监管限制来选择至少一个候选元素。

在另一实施例中，传感器包括被配置用于物联网(IoT)通信的IoT设备。

在另一实施例中，传感器包括云网络中的服务器。