[发明专利]基于知识图谱和图神经网络的无线业务预测方法及装置

权利要求书

1.一种基于知识图谱和图神经网络的无线业务预测方法，其特征在于，包括如下步骤：

依据记录有无线网络中各无线通信指标状态及关联关系的无线通信内生因素知识图谱，以及记录有无线网络中移动终端所涉及的应用层业务数据的业务数据仓库，抽取不同时刻下与无线通信业务相关的网络环境属性和移动终端属性；

基于所述网络环境属性和移动终端属性构建适用于空时图神经网络模型的空时属性图；所述空时属性图由不同时刻下的无线通信图组织构建，无线通信图中的节点为移动终端对象，各节点的属性包含对应移动终端对象所具备的移动终端属性和网络环境属性；

基于所述空时属性图构建无线业务预测的空时图神经网络模型并进行模型训练，基于训练好的模型进行无线业务预测。

2.根据权利要求1所述的基于知识图谱和图神经网络的无线业务预测方法，其特征在于，所述抽取不同时刻下与无线通信业务相关的网络环境属性和移动终端属性，包括：

根据无线业务预测任务确定相关移动终端对象；

依据无线通信内生因素知识图谱确定不同时刻下影响无线业务预测的移动终端对象的内生要素节点，包括移动终端对象所处的通信网络环境所具备的信道状态信息、无线链路控制吞吐量、物理吞吐量和媒体访问控制吞吐量，并将其作为网络环境属性；

依据业务数据仓库确定不同时刻下影响无线业务预测的移动终端对象所具备的移动终端属性，包括行为习惯、动作和位置。

3.根据权利要求1所述的基于知识图谱和图神经网络的无线业务预测方法，其特征在于，构建空时属性图的步骤包括：

构建各个时刻的无线通信图；

将不同时刻下的无线通信图组织在一起，构建一段时间序列上的空时属性图；

根据无线通信内生因素知识图谱确定空时属性图中节点间的连接关系，并生成时间序列上的邻接矩阵和属性特征矩阵其中，N为移动终端对象的个数，d为属性特征向量的维度大小，n为数据采集的时间段大小。

4.根据权利要求3所述的基于知识图谱和图神经网络的无线业务预测方法，其特征在于，若空时属性图中两节点间在无线通信内生因素知识图谱中至少有一对相关内生要素节点间有连接，则判定空时属性图中该两节点有连接关系，否则，空时属性图中该两节点无连接关系。

5.根据权利要求3所述的基于知识图谱和图神经网络的无线业务预测方法，其特征在于，所述空时属性图的邻接矩阵中两个节点间边的权值根据两个节点具备的移动终端属性和网络环境属性确定。

6.根据权利要求1所述的基于知识图谱和图神经网络的无线业务预测方法，其特征在于，所述基于所述空时属性图构建无线业务预测的空时图神经网络模型并进行模型训练，包括：

空时属性图预处理，选取标准化准则对空时属性图中节点的属性特征进行标准化；

根据具体的无线业务预测任务，设计相应的空时图神经网络模型；所述空时图神经网络模型包含空间依赖关系挖掘模块与时间依赖关系挖掘模块；所述空间依赖关系挖掘模块通过图卷积神经网络来实现，所述时间依赖关系挖掘模块通过递归神经网络或时间卷积网络来实现；

根据具体的无线业务预测任务确定空时图神经网络模型的损失函数，并以有监督形式进行训练。

7.根据权利要求1所述的基于知识图谱和图神经网络的无线业务预测方法，其特征在于，训练空时图神经网络模型的损失函数使用MPCE，所述MPCE为数据集中所有样本的每个类的平均误差。