基于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的業(yè)務(wù)分類方法
【技術(shù)領(lǐng)域】
:
[0001]本發(fā)明涉及一種基于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的業(yè)務(wù)分類方法。
【背景技術(shù)】
:
[0002]無源光網(wǎng)絡(luò)PON網(wǎng)絡(luò)通信中，根據(jù)不同業(yè)務(wù)類型，靜態(tài)地將業(yè)務(wù)分為固定帶寬要求業(yè)務(wù)、保證帶寬要求業(yè)務(wù)、保證帶寬和盡力而為要求業(yè)務(wù)、盡力而為要求業(yè)務(wù)；由于業(yè)務(wù)類型采用靜態(tài)劃分方法，不能根據(jù)業(yè)務(wù)場景做出實時調(diào)整導(dǎo)致資源利用率不高或較低的用戶滿意度。
[0003]傳統(tǒng)IP網(wǎng)絡(luò)通信中，一般依據(jù)業(yè)務(wù)的實時性、帶寬等要求劃分為交互類、流類、背景類、會話類四類業(yè)務(wù)，根據(jù)劃分方法的不同，提供固定帶寬、保證帶寬、盡力而為服務(wù)。
[0004]業(yè)務(wù)的靜態(tài)劃分方法，很好地保證了實時性強、帶寬要求固定的業(yè)務(wù)的需求；但在實際的網(wǎng)絡(luò)運維過程中，并非所有實時性強、固定帶寬要求的業(yè)務(wù)在所有的時間段內(nèi)都有，而且像在無源光網(wǎng)絡(luò)PON這種針對千家萬戶的接入網(wǎng)絡(luò)，用戶的應(yīng)用需求及網(wǎng)絡(luò)體驗千差萬別；比如，一邊訪問社交網(wǎng)站(歸類為交互類)，一邊下載音樂、電影(歸類為背景類)，這種網(wǎng)絡(luò)體驗?zāi)Ｊ胶蛦渭兊叵螺d(歸類為背景類)相比，盡管模式差別不大，但是當(dāng)提供差不多的網(wǎng)絡(luò)帶寬服務(wù)時，用戶的體驗就差很多了。這種情形下，依然采用現(xiàn)有的方法，勢必導(dǎo)致資源的浪費或者用戶滿意度的降低。
[0005]另一方面，用戶的網(wǎng)絡(luò)業(yè)務(wù)體驗又遵循著一定的模式，比如，年輕的用戶可能更傾向于社交網(wǎng)站的訪問、網(wǎng)絡(luò)游戲的體驗，而一般家庭用戶可能傾向于視頻業(yè)務(wù)多一些等。這樣的模式特點，正好符合神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的特點，從而為實時業(yè)務(wù)優(yōu)先級和帶寬要求調(diào)整提供了很好的切入點。

【發(fā)明內(nèi)容】

:
[0006]本發(fā)明的目的是提供一種在IP通信網(wǎng)絡(luò)中依據(jù)業(yè)務(wù)行為的既有特征實現(xiàn)實時的業(yè)務(wù)分類從而達到提升業(yè)務(wù)滿意度的基于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的業(yè)務(wù)分類方法。
[0007]上述的目的通過以下的技術(shù)方案實現(xiàn):
[0008]一種基于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的業(yè)務(wù)分類方法，本方法包括十步，第一步啟動待業(yè)務(wù)分類的IP網(wǎng)絡(luò)組件，第二步靜態(tài)配置待分類業(yè)務(wù)的優(yōu)先級和帶寬要求，第三步模擬用戶網(wǎng)絡(luò)訪問行為，第四步記錄采集到的業(yè)務(wù)數(shù)據(jù)特征信息，第五步使靜態(tài)配置業(yè)務(wù)優(yōu)先級和帶寬要求達到一定的網(wǎng)絡(luò)訪問滿意度，第六步采集以上業(yè)務(wù)數(shù)據(jù)特征信息，第七步數(shù)據(jù)采集完畢，第八步對數(shù)據(jù)進行歸一化處理，第九步按時間順序?qū)w一化處理后的訓(xùn)練樣例數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)，第十步應(yīng)用實際的網(wǎng)絡(luò)過程。
[0009]所述的基于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的業(yè)務(wù)分類方法，所述的第一步啟動待業(yè)務(wù)分類的IP網(wǎng)絡(luò)組件是執(zhí)行第二步?第六步進行神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣例數(shù)據(jù)采集；所述的第二步靜態(tài)配置待分類業(yè)務(wù)的優(yōu)先級和帶寬要求是在待業(yè)務(wù)分類的IP網(wǎng)絡(luò)組件上開啟業(yè)務(wù)數(shù)據(jù)特征信息采集；所述的第三步模擬用戶網(wǎng)絡(luò)訪問行為是使各種事先靜態(tài)配置優(yōu)先級的各類業(yè)務(wù)經(jīng)過開啟業(yè)務(wù)數(shù)據(jù)特征信息采集的IP網(wǎng)絡(luò)組件。
[0010]所述的基于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的業(yè)務(wù)分類方法，所述的第四步記錄采集到的業(yè)務(wù)數(shù)據(jù)特征信息是同時保存相應(yīng)的靜態(tài)配置優(yōu)先級和帶寬要求，所述的業(yè)務(wù)數(shù)據(jù)特征信息包括上行報文大小平均值與方差、上行報文到達間隔平均值與方差、當(dāng)前業(yè)務(wù)上行緩存大小、當(dāng)前業(yè)務(wù)丟包率、當(dāng)前業(yè)務(wù)網(wǎng)絡(luò)時延。
[0011]所述的基于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的業(yè)務(wù)分類方法，所述的第五步使靜態(tài)配置業(yè)務(wù)優(yōu)先級和帶寬要求達到一定的網(wǎng)絡(luò)訪問滿意度是對于每種上網(wǎng)行為，靜態(tài)配置業(yè)務(wù)優(yōu)先級和帶寬要求達到一定的網(wǎng)絡(luò)訪問滿意度，反復(fù)執(zhí)行第二步、第三步、第四步，盡可能覆蓋大部分用戶網(wǎng)絡(luò)訪問行為；所述的第六步采集以上業(yè)務(wù)數(shù)據(jù)特征信息是通過真實無源光網(wǎng)絡(luò)PON網(wǎng)絡(luò)系統(tǒng)進行；此種情形下，業(yè)務(wù)靜態(tài)優(yōu)先級和帶寬要求通過網(wǎng)絡(luò)管理單元下發(fā)到各光網(wǎng)絡(luò)單元0NU，各光網(wǎng)絡(luò)單元ONU完成業(yè)務(wù)特征信息采集，然后上報到指定的文件服務(wù)器。
[0012]所述的基于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的業(yè)務(wù)分類方法，所述的第七步數(shù)據(jù)采集完畢是光網(wǎng)絡(luò)單元ONU下的采樣數(shù)據(jù)各自匯聚在一起，執(zhí)行第八步、第九步進行神經(jīng)網(wǎng)絡(luò)訓(xùn)練；所述的第八步對數(shù)據(jù)進行歸一化處理是上行報文大小平均值與方差、上行報文到達間隔平均值與方差、上行緩存大小、丟包率、當(dāng)前業(yè)務(wù)平均響應(yīng)時延，歸一化之后，按時間排序；所述的第九步按時間順序?qū)w一化處理后的訓(xùn)練樣例數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)是求出業(yè)務(wù)優(yōu)先級網(wǎng)絡(luò)權(quán)重向量W，針對各光網(wǎng)絡(luò)單元ONU分別求出各自的權(quán)重向量W。
[0013]所述的基于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的業(yè)務(wù)分類方法，所述的第十步應(yīng)用實際的網(wǎng)絡(luò)過程是與訓(xùn)練樣例采集類似，所不同的是，此時業(yè)務(wù)的優(yōu)先級由神經(jīng)網(wǎng)絡(luò)實時輸出，而帶寬要求則根據(jù)上行緩存大小、當(dāng)前活躍業(yè)務(wù)平均速率的加權(quán)總和計算。
[0014]所述的基于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的業(yè)務(wù)分類方法，所述的業(yè)務(wù)優(yōu)先級及帶寬要求隨著各業(yè)務(wù)場景的變化實時動態(tài)調(diào)整。
[0015]所述的基于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的業(yè)務(wù)分類方法，所述的業(yè)務(wù)特征信息采集是上行報文大小平均值與方差、上行報文到達間隔平均值與方差、上行緩存大小、丟包率、當(dāng)前業(yè)務(wù)平均響應(yīng)時延。
[0016]所述的基于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的業(yè)務(wù)分類方法，所述的業(yè)務(wù)分類是離線學(xué)習(xí)訓(xùn)練。
[0017]所述的基于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的業(yè)務(wù)分類方法，所述的特征信息采集為光網(wǎng)絡(luò)單元ONU和光線路終端OLT及所有具有相似的業(yè)務(wù)分類需求的IP網(wǎng)絡(luò)組件。
[0018]有益效果:
[0019]1.本發(fā)明克服了現(xiàn)有技術(shù)中的缺點，能夠根據(jù)不同的業(yè)務(wù)應(yīng)用場景，實時調(diào)整業(yè)務(wù)的優(yōu)先等級和帶寬要求，充分利用帶寬資源，較好地提升用戶網(wǎng)絡(luò)體驗滿意度。
[0020]2.本發(fā)明借助神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，有效區(qū)分接入網(wǎng)絡(luò)中終端用戶業(yè)務(wù)場景的多樣性。
[0021]3.本發(fā)明采用離線方式完成神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法訓(xùn)練過程，對實施業(yè)務(wù)分類的設(shè)備來說，負(fù)荷增加很少。
[0022]4.本發(fā)明除信息采集過程之外，不增加額外的流程，仍采用現(xiàn)有網(wǎng)絡(luò)帶寬分配機制，對業(yè)務(wù)分類進行動態(tài)調(diào)整只影響設(shè)備內(nèi)部實現(xiàn)方式，網(wǎng)元間互操作影響極小。
【附圖說明】
:
[0023]附圖1是本產(chǎn)品的業(yè)務(wù)數(shù)據(jù)特征信息表。
[0024]附圖2是本產(chǎn)品的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖。
【具體實施方式】
:
[0025]實施例1:
[0026]一種基于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的業(yè)務(wù)分類方法，本方法包括十步，第一步啟動待業(yè)務(wù)分類的IP網(wǎng)絡(luò)組件，第二步靜態(tài)配置待分類業(yè)務(wù)的優(yōu)先級和帶寬要求，第三步模擬用戶網(wǎng)絡(luò)訪問行為，第四步記錄采集到的業(yè)務(wù)數(shù)據(jù)特征信息，第五步使靜態(tài)配置業(yè)務(wù)優(yōu)先級和帶寬要求達到一定的網(wǎng)絡(luò)訪問滿意度，第六步采集以上業(yè)務(wù)數(shù)據(jù)特征信息，第七步數(shù)據(jù)采集完畢，第八步對數(shù)據(jù)進行歸一化處理，第九步按時間順序?qū)w一化處理后的訓(xùn)練樣例數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)，第十步應(yīng)用實際的網(wǎng)絡(luò)過程。
[0027]附圖1的業(yè)務(wù)數(shù)據(jù)特征信息表時按時間順序排列，每一行代表當(dāng)前采樣點下該類業(yè)務(wù)的各特征信息。
[0028]附圖2的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖是f I?fn代表訓(xùn)練數(shù)據(jù)輸入或者實時采集到的特征信息，P和B表示輸出的該業(yè)務(wù)優(yōu)先級和當(dāng)前總帶寬要求，神經(jīng)網(wǎng)絡(luò)的另外兩個輸入為P和B的時間函數(shù)加權(quán)值，即P*f (delta (t))和B*f (delta (t))。
[0029]實施例2:
[0030]實施例1所述的基于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的業(yè)務(wù)分類方法，所述的第一步啟動待業(yè)務(wù)分類的IP網(wǎng)絡(luò)組件是執(zhí)行第二步?第六步進行神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣例數(shù)據(jù)采集；所述的第二步靜態(tài)配置待分類業(yè)務(wù)的優(yōu)先級和帶寬要求是在待業(yè)務(wù)分