[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

说明书

本发明提供一种基于知识图谱和图神经网络的无线业务预测方法及装置，其中方法包括：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、由不同时刻下的无线通信图组织构成的空时属性图；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训练。训练得到的空时图神经网络模型便可利用所有影响无线业务预测各因素之间的关联关系，对无线通信业务进行高效精准预测。

技术领域

本发明涉及通信技术领域，尤其涉及一种基于知识图谱和图神经网络的无线业务预测方法及装置。

背景技术

近年来，有不少研究者利用图神经网络对无线通信网络中的相关业务进行优化或预测，如功率分配任务、链路调度任务、网络流量预测任务等。图神经网络的兴起，得益于其优良的空间依赖关系挖掘能力及置换等变性。无线通信网络具备天然的图拓扑信息，并且网络中的通信设备具备无序性。目前，图神经网络在无线通信网络中的应用还仅限于回归任务，并未涉及无线通信网络业务预测(分类任务)。因此，图神经网络在无线通信网络业务预测方面的应用还处于空白，极具研究意义。此外，高效精准的无线业务预测也将有助于实现智能园区、智能工业等垂直行业应用智能化目标，加速智慧无线通信关键通信技术的研究与发展。

考虑到无线通信网络中移动终端属性及网络环境属性错综复杂，简单地凭借专家经验知识确定图结构数据，可能无法全面考虑所有可能影响无线业务预测的因素及其关联关系，这将不利于高效精准地预测无线通信网络业务需求。知识图谱作为解释和推理数据的知识库，有利于利用深度学习技术挖掘其中数据内生因素间的相互影响及深层次关系，且有助于解决智能搜索、智能决策、智能调度等问题。另外，高动态性是无线通信网络的显著特性之一。当无线通信网络被处理成图结构数据时，图的结构和图中节点或边的特征信息可能会随时间而动态变化。因此除了考虑特定时间点下无线通信网络空间依赖性关系，还需要考虑无线通信网络在时间序列上的时间依赖性关系。

发明内容

发明目的：本发明目的在于提供一种基于知识图谱和图神经网络的无线业务预测方法及装置，同时利用知识图谱、图神经网络以及相关时间序列模型，以实现无线通信网络业务的高效精准预测。

技术方案：本发明提供一种基于知识图谱和图神经网络的无线业务预测方法，包括：

依据无线通信内生因素知识图谱和业务数据仓库，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。

本发明中无线通信内生因素知识图谱和业务数据仓库是利用无线网络协议知识和领域专家知识所构建的。其中无线内生因素知识图谱详细梳理了无线网络中各无线通信指标的状态及其关联关系，而业务数据仓库则记录了无线网络中移动终端所涉及的应用层业务数据。通过综合运用无线通信网络数据仓库，可以构建能够较全面反映无线网络状态的空时属性图，进而实现高效精准地预测无线通信业务需求的目标。无线通信内生因素知识图谱和业务数据仓库的构建可参照发明人已有的专利《基于无线通信网络数据仓库构建方法、系统、设备及介质》(专利号：ZL202110634448.9)的具体实施步骤，本发明不再进行赘述。

作为优选，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；