[发明专利]质量评估方法及装置、训练方法及装置及电子设备

说明书

本发明涉及一种质量评估方法及装置、训练方法及装置及电子设备，属于机器学习领域。该方法包括：获取5G切片业务的运行数据；将所述运行数据输入预先训练好的分类模型，得到输出结果；根据所述输出结果，确定所述5G切片业务的运行质量。通过该方法，可以保证评估标准统一。

技术领域

本申请属于机器学习领域，具体涉及一种质量评估方法及装置、训练方法及装置及电子设备。

背景技术

网络切片是5G运营中不可或缺的部分，如何对5G切片业务的运行质量进行评估、断定，是5G业务运维过程中的重要问题。

当前主要通过人为的方式，为能够反映5G切片业务运行质量的性能指标设置相应的阈值和权重，从而计算各项性能指标的评分，然后将评分结果进行加权求和，得到用于表征运行质量评估结果的分数。然而，此类方法受到人为主观判断的影响较大，且不同的人具有不同的主观意识，导致得到的质量评估结果标准不统一，具有不确定性。

发明内容

有鉴于此，本申请的目的在于提供一种质量评估方法及装置、训练方法及装置及电子设备，采用分类模型来对5G切片业务运行质量进行评估，从而解决评估标准不统一的问题。

本申请的实施例是这样实现的：

第一方面，本申请实施例提供一种质量评估方法，所述方法包括：获取5G切片业务的运行数据；将所述运行数据输入预先训练好的分类模型，得到输出结果；根据所述输出结果，确定所述5G切片业务的运行质量。该方法将评估问题转换为分类问题，由于分类模型在被训练好后，其用于分类的标准即唯一确定，不会因为操作的人员不同而引入会对评估结果产生较大变化的人为因素，从而可以保证评估标准的统一性以及评估结果的稳定性。

结合第一方面实施例，在一种可能的实施方式中，在所述将所述运行数据输入预先训练好的分类模型之前，所述方法还包括：对所述运行数据进行预处理；相应的，所述将所述运行数据输入预先训练好的分类模型，包括：将经过所述预处理后的运行数据输入预先训练好的分类模型；其中，所述运行数据所采用的预处理的处理方式与训练所述分类模型的训练集所采用的预处理的处理方式一致。在将数据输入分类模型之前，对数据进行与训练分类模型的训练样本相同的预处理，至少可以保证数据的格式与分类模型被训练时的样本的格式相同，有利于提高分类结果的准确性。

结合第一方面实施例，在一种可能的实施方式中，所述预处理的处理方式包括归一化处理和/或PCA降维降噪处理。其中，归一化处理以及PCA降维降噪处理，可以实现运行数据指标的规整处理、维度筛选，避免人为选择指标类型、配置阈值权重等经验因素对评估结果的影响。

结合第一方面实施例，在一种可能的实施方式中，所述分类模型为二分类模型或四分类模型，且所述二分类模型或所述四分类模型被训练好后确定出用于区分训练集所包括的样本的最优分类面，所述输出结果为所述运行数据与所述最优分类面的距离d，或者为所述d所表达的运行质量。

结合第一方面实施例，在一种可能的实施方式中，所述根据所述输出结果，确定所述5G切片业务的运行质量，包括：根据所述d与预设阈值之间的大小关系，确定所述5G切片业务的运行质量。

结合第一方面实施例，在一种可能的实施方式中，当所述分类模型为二分类模型时，所述预设阈值为0，所述根据所述d与预设阈值之间的大小关系，确定所述5G切片业务的运行质量，包括：在d≥0时，确定所述5G切片业务的运行质量为健康；在d＜0时，确定所述5G切片业务的运行质量为故障。通过二分类，可以将对运行质量的评估转换为二分类的结果，从而得到两种评估结果。