[发明专利]基于深度强化学习的5G切片的定价处理方法及装置

说明书

本发明公开了一种基于深度强化学习的5G切片的定价处理方法及装置，该方法包括：获取历史用户侧切片使用状态数据及相应的切片定价调整动作数据；基于深度强化学习算法，对历史用户侧切片使用状态数据及相应的切片定价调整动作数据进行训练，得到切片定价模型；获取待处理用户侧切片使用状态数据，将待处理用户侧切片使用状态数据输入至切片定价模型中进行计算，得到切片定价调整动作结果；将切片定价调整动作结果提供给计费中心，以供计费中心执行相应的定价调整动作。通过上述方式，能够提升网络切片定价的灵活性、合理性和精准度，更有效的实现切片差异化定价。

技术领域

本发明涉及数据处理技术领域，具体涉及一种基于深度强化学习的5G切片的定价处理方法及装置。

背景技术

网络切片(Network Slice)是5G网络的主要使用方式之一，网络切片是端到端的逻辑功能和其所需的物理或虚拟资源集合，包括接入网、传输网、核心网等，网络切片可认为是5G网络中的虚拟化“专网”；网络切片基于网络功能虚拟化的统一基础设施构建，实现低成本高效运营。网络切片技术可以实现通信网络的逻辑隔离，允许在每个网络切片中配置和重用网络元件及功能以满足特定的行业应用需求。网络切片使网络元件和功能可以在每个网络片中轻松配置和重用，以满足特定要求。网络切片的实现被认为是包括核心网络和无线接入网的端到端功能。每个切片都可以拥有自己的网络架构，工程机制和网络配置。

网络切片能够为每个用户提供定制化的服务，进而也需提供差异化的定价，有效的定价策略不但可以促进提升用户量、提高收入，还能够提高网络的使用效率。

但是，发明人在实现本发明的过程中发现：现有技术中通常是依靠人工对切片定价，定价策略不够灵活，无法根据环境的变化自适应，无法适应切片差异化定价的方式。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的基于深度强化学习的5G切片的定价处理方法及装置。

根据本发明的一个方面，提供了一种基于深度强化学习的5G切片的定价处理方法，包括：

获取历史用户侧切片使用状态数据及相应的切片定价调整动作数据；

基于深度强化学习算法，对历史用户侧切片使用状态数据及相应的切片定价调整动作数据进行训练，得到切片定价模型；

获取待处理用户侧切片使用状态数据，将待处理用户侧切片使用状态数据输入至切片定价模型中进行计算，得到切片定价调整动作结果；

将切片定价调整动作结果提供给计费中心，以供计费中心执行相应的定价调整动作。

可选地，方法进一步包括：

获取定价调整后的用户侧切片使用状态数据；以及，从计费中心获取定价调整后的切片收入数据；

根据定价调整后的用户侧切片使用状态数据以及定价调整后的切片收入数据进行计算得到回报值；

将回报值反馈给切片定价模型，以供切片定价模型根据回报值进行调优处理。

可选地，获取历史用户侧切片使用状态数据之后，方法进一步包括：

将历史用户侧切片使用状态数据进行归一化处理；

对归一化处理后的历史用户侧切片使用状态数据进行转换处理。

可选地，将切片定价调整动作结果提供给计费中心进一步包括：

将切片定价调整动作结果下发至网络切片管理功能模块，以供网络切片管理功能模块判断切片定价调整动作结果是否有效，若是，则向计费中心下发定价调整指令。

可选地，用户侧切片使用状态数据具体包括以下中的一种或多种：