(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211162890.7 (22)申请日 2022.09.23 (71)申请人 广州爱浦路网络技 术有限公司 地址 510700 广东省广州市黄埔区高新 技 术产业开发区科学城科学大道162号 创意大厦B2栋第1 1层1103单元 (72)发明人 吴维芝　王丹　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 高燕 (51)Int.Cl. G06N 20/00(2019.01) H04L 41/14(2022.01) (54)发明名称 一种基于NWDAF的机器学习模 型更新方法及 装置 (57)摘要 本申请提供了一种基于NWDAF的机器学习模 型更新方法及装置， 机器学习模型应用于NWDAF， 方法包括： 获取当前时刻的网络数据； 通过变点 检测， 判断当前时刻的网络数据是否为变点； 若 当前时刻的网络数据是变点， 获取当前时刻对应 的第一预设时间范围内的网络数据； 将第一预设 时间范围内的网络数据作为训练样 本， 将在当前 时刻之后间隔第二预设时间范围的时刻获取的 网络数据作为标签， 更新训练机器学习模型。 本 申请通过确定当前时刻 的网络数据是否为突变 数据来更新机器学习模型， 解决了现有技术中发 现NWDAF中部署的机器学习模型的预测精度下降 的时间滞后的技术问题， 达到提高NWDAF预测准 确率的技 术效果。 权利要求书2页 说明书9页 附图3页 CN 115470936 A 2022.12.13 CN 115470936 A 1.一种基于NWDAF的机器学习模型更新方法， 其特征在于， 所述机器学习模型应用于网 络数据分析功能N WDAF， 所述方法包括： 获取当前时刻的网络数据； 通过变点检测， 判断当前时刻的网络数据是否为变点； 若当前时刻的网络数据 是变点， 则获取当前时刻对应的第 一预设时间范围内的网络数 据； 将第一预设时间范围内的网络数据作为训练样本， 将在所述当前时刻 之后间隔第 二预 设时间范围的时刻获取的网络数据作为标签， 更新训练所述机器学习模型。 2.根据权利要求1所述的基于NWDAF的机器学习模型更新方法， 其特征在于， 所述NWDAF 包括： 模型训练功能模块MTLF和模型分析功能模块An LF， 所述方法还 包括： 所述AnLF接收用户发送的数据分析请求； 所述MTLF确定所述数据分析请求对应的网络数据。 3.根据权利要求2所述的基于NWDAF的机器学习模型更新方法， 其特征在于， 所述数据 分析请求包括： 预测终端的剩余电量、 预测网络延时数据， 预测网络传输 速率。 4.根据权利要求2所述的基于NWDAF的机器学习模型更新方法， 其特征在于， 所述获取 当前时刻对应的第一预设时间范围内的网络数据， 包括： 确定第一预设时间范围内的网络数据的网络数据数量； 将所述网络数据数量减去二得到剩余网络数据数量； 将当前时刻的网络数据、 上一时刻的网络数据、 在所述上一时刻的网络数据之前的剩 余网络数据数量的网络数据， 作为当前时刻对应的第一预设时间范围内的网络数据； 或者， 将当前时刻的网络数据、 上一时刻的网络数据、 在所述上一时刻的网络数据之前的预 设网络数据数量的网络数据、 将当前时刻的网络数据之后的剩余网络数据数量减去所述预 设网络数据数量的网络数据， 作为当前时刻对应的第一预设时间范围内的网络数据。 5.根据权利要求4所述的基于NWDAF的机器学习模型更新方法， 其特征在于， 所述若当 前时刻的网络数据是变点， 则获取当前时刻对应的第一预设时间范围内的网络数据之后， 所述方法还 包括： 获取所述机器学习模型的多组历史训练样本； 所述多组历史训练样本中的每组历史训 练样本的样本数据数量与所述网络数据数量相同； 针对每组历史训练样本， 依据 该组历史训练样本中的每个样本数据对应的时刻进行排 序， 确定该组历史训练样本中的每 个样本数据的第一标号； 针对每组历史训练样本的每个样本数据， 将该样本数据与该样本数据后 一个时刻对应 的样本数据的差值， 确定为该样本数据的第一标号对应的第一差值； 依据所述第 一预设时间范围内的网络数据中每个网络数据对应的时刻进行排序， 确定 所述第一预设时间范围内的网络数据中每 个网络数据的第二标号； 将该网络数据与该网络数据后 一个时刻对应的网络数据的差值， 确定为该网络数据的 第二标号对应的第二差值； 针对每组历史训练样本， 判断是否存在任意一组历史训练样本的每个第 一标号对应的 第一差值， 与所述第一预设时间范围内的网络数据中与该第一标号对应的第二标号的第二权　利　要　求　书 1/2 页 2 CN 115470936 A 2差值属于同一个预设差值区间； 若存在任意一组历史训练样本的每个第 一标号对应的第 一差值， 与 所述第一预设时间 范围内的网络数据中与该第一标号对应的第二标号的第二差值属于同一个预设差值区间， 则将当前时刻 对应的第一预设时间范围内的网络数据输入至所述机器学习模型， 得到 当前 时刻对应的预测数据。 6.根据权利要求5所述的基于NWDAF的机器学习模型更新方法， 其特征在于， 所述方法 还包括： 所述AnLF将当前时刻对应的预测数据发送至用户。 7.一种基于NWDAF的机器学习模型更新装置， 其特征在于， 所述基于NWDAF的机器学习 模型更新装置包括： 第一获取模块， 用于获取当前时刻的网络数据； 判断模块， 用于通过变点检测， 判断当前时刻的网络数据是否为变点； 第二获取模块， 用于若当前时刻的网络数据是变点， 则获取当前时刻对应的第一预设 时间范围内的网络数据； 更新模块， 用于将第一预设时间范围内的网络数据作为训练样本， 将在所述当前时刻 之后间隔第二预设时间范围的时刻获取的网络数据作为标签， 更新训练所述机器学习模 型。 8.根据权利要求7所述的基于NWDAF的机器学习模型更新装置， 其特征在于， 所述基于 NWDAF的机器学习模型 更新装置还 包括： 接收模块， 用于 接收用户发送的数据分析请求； 确定模块， 用于确定所述数据分析请求对应的网络数据。 9.一种电子设备， 其特征在于， 包括： 处理器、 存储器和总线， 所述存储器存储有所述处 理器可执行 的机器可读指令， 当电子设备运行时， 所述处理器与所述存储器之间通过所述 总线进行通信， 所述机器可读指 令被所述处理器运行时执行如权利要求 1至6任一所述的基 于NWDAF的机器学习模型 更新方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处理器运行时执行如权利要求1至6任一所述的基于NWDAF的机器 学习模型 更新方法的步骤。权　利　要　求　书 2/2 页 3 CN 115470936 A 3