-
公开(公告)号：CN114826920B
公开(公告)日：2023-08-08
申请号：CN202210346496.2
申请日：2022-03-31
Applicant: 中国电信股份有限公司
IPC: H04L41/0893
Abstract: 本公开提供了一种网络切片开通方法、装置、设备及存储介质，涉及通信技术领域。该方法包括：服务器模块获取社群应用的多个用户的入网标识和群组标识；基于多个用户的入网标识和群组标识，构建切片开通请求，切片开通请求中包括群组标识及群组标识对应的多个用户的入网标识；向网络切片服务模块发送所述切片开通请求，以使网络切片服务模块为群组标识相同的多个用户开通相同的网络切片。本公开实施例可以减小因网络差异性对社群应用的用户带来的影响。
-
公开(公告)号：CN103167313B
公开(公告)日：2015-03-11
申请号：CN201110404648.1
申请日：2011-12-08
Applicant: 中国电信股份有限公司
IPC: H04N17/00
Abstract: 本发明公开一种视频监控业务质量测试方法和系统、质量测试服务器。其中在视频监控业务质量测试方法中，质量测试服务器以预定的时间间隔从视频监控业务服务器获得与设备信息对应的视频监控设备在当前时间采集的当前视频信息；在当前视频信息的图像质量指标超出预定范围时，从视频监控业务服务器获得视频监控设备的历史视频信息，并在此基础上计算参考基准值；判断当前视频信息的图像质量指标是否在参考基准值允许的范围内；若超出允许范围，质量测试服务器向质量管理服务器发送视频质量异常的警告信息。由于在判断当前视频信息的图像质量时参考了具体场景，从而减少了产生错误警告信息的概率，降低了系统维护的成本。
-
公开(公告)号：CN114826920A
公开(公告)日：2022-07-29
申请号：CN202210346496.2
申请日：2022-03-31
Applicant: 中国电信股份有限公司
IPC: H04L41/0893
Abstract: 本公开提供了一种网络切片开通方法、装置、设备及存储介质，涉及通信技术领域。该方法包括：服务器模块获取社群应用的多个用户的入网标识和群组标识；基于多个用户的入网标识和群组标识，构建切片开通请求，切片开通请求中包括群组标识及群组标识对应的多个用户的入网标识；向网络切片服务模块发送所述切片开通请求，以使网络切片服务模块为群组标识相同的多个用户开通相同的网络切片。本公开实施例可以减小因网络差异性对社群应用的用户带来的影响。
-
公开(公告)号：CN103873498A
公开(公告)日：2014-06-18
申请号：CN201210531771.4
申请日：2012-12-11
Applicant: 中国电信股份有限公司
Abstract: 本发明实施例公开了一种云平台资源自适应预警方法与系统，其中，方法包括：节点管理单元按照第一预设周期采集物理机与各虚拟机的各种资源消耗数据并上报给资源分析预警服务器；资源分析预警服务器按照第二预设周期对各种资源消耗数据进行分析，预测未来各采集点物理机与各虚拟机的各种资源消耗数据；实时监控物理机的运行负载，若超过预警门限值，采集各虚拟机在当前时刻的资源消耗数据，并分析相对于之前预测的资源消耗数据的变化率是否大于1；若大于1，重新预测未来各采集点的资源消耗数据；并在预测出的资源消耗数据超过预设告警门限值时，进行事件通知。本发明实施例可以预测分析虚拟机未来的资源消耗数据，为定期调整资源分配提供支持。
-
公开(公告)号：CN103167313A
公开(公告)日：2013-06-19
申请号：CN201110404648.1
申请日：2011-12-08
Applicant: 中国电信股份有限公司
IPC: H04N17/00
Abstract: 本发明公开一种视频监控业务质量测试方法和系统、质量测试服务器。其中在视频监控业务质量测试方法中，质量测试服务器以预定的时间间隔从视频监控业务服务器获得与设备信息对应的视频监控设备在当前时间采集的当前视频信息；在当前视频信息的图像质量指标超出预定范围时，从视频监控业务服务器获得视频监控设备的历史视频信息，并在此基础上计算参考基准值；判断当前视频信息的图像质量指标是否在参考基准值允许的范围内；若超出允许范围，质量测试服务器向质量管理服务器发送视频质量异常的警告信息。由于在判断当前视频信息的图像质量时参考了具体场景，从而减少了产生错误警告信息的概率，降低了系统维护的成本。
-
Patent Agency Ranking
公开(公告)号：CN103796043A
公开(公告)日：2014-05-14
申请号：CN201210427686.3
申请日：2012-10-31
Applicant: 中国电信股份有限公司
IPC: H04N21/262 , H04N21/431 , H04N21/462 , H04N21/466
Abstract: 本发明涉及一种基于IPTV的电子节目菜单调整方法及系统，方法包括：从服务端获取用户使用痕迹日志；对用户使用痕迹日志进行清理和转换，得到结构化数据；根据结构化数据计算各个分类/目录在当前所在层级的第一权衡值，再根据结构化数据以及第一权衡值计算各个节目在当前所在分类/目录的第二权衡值；根据第一权衡值进行排序，并按照排序情况调整各个分类/目录所在的层级；根据第二权衡值进行排序，并按照排序情况调整各个节目的深度。本发明根据用户使用痕迹数据来计算分类/目录以及节目对应的权衡值，以此来确定用户的访问模式和倾向，并依此进行调整，通过这种调整使用户更便捷的找到这些更受欢迎的节目，改善现有IPTV系统EPG设计的不合理方面。
-
公开(公告)号：CN103796043B
公开(公告)日：2017-09-12
申请号：CN201210427686.3
申请日：2012-10-31
Applicant: 中国电信股份有限公司
IPC: H04N21/262 , H04N21/431 , H04N21/462 , H04N21/466
Abstract: 本发明涉及一种基于IPTV的电子节目菜单调整方法及系统，方法包括：从服务端获取用户使用痕迹日志；对用户使用痕迹日志进行清理和转换，得到结构化数据；根据结构化数据计算各个分类/目录在当前所在层级的第一权衡值，再根据结构化数据以及第一权衡值计算各个节目在当前所在分类/目录的第二权衡值；根据第一权衡值进行排序，并按照排序情况调整各个分类/目录所在的层级；根据第二权衡值进行排序，并按照排序情况调整各个节目的深度。本发明根据用户使用痕迹数据来计算分类/目录以及节目对应的权衡值，以此来确定用户的访问模式和倾向，并依此进行调整，通过这种调整使用户更便捷的找到这些更受欢迎的节目，改善现有IPTV系统EPG设计的不合理方面。
-
公开(公告)号：CN103873498B
公开(公告)日：2017-06-23
申请号：CN201210531771.4
申请日：2012-12-11
Applicant: 中国电信股份有限公司
Abstract: 本发明实施例公开了一种云平台资源自适应预警方法与系统，其中，方法包括：节点管理单元按照第一预设周期采集物理机与各虚拟机的各种资源消耗数据并上报给资源分析预警服务器；资源分析预警服务器按照第二预设周期对各种资源消耗数据进行分析，预测未来各采集点物理机与各虚拟机的各种资源消耗数据；实时监控物理机的运行负载，若超过预警门限值，采集各虚拟机在当前时刻的资源消耗数据，并分析相对于之前预测的资源消耗数据的变化率是否大于1；若大于1，重新预测未来各采集点的资源消耗数据；并在预测出的资源消耗数据超过预设告警门限值时，进行事件通知。本发明实施例可以预测分析虚拟机未来的资源消耗数据，为定期调整资源分配提供支持。
-
公开(公告)号：CN112423031B
公开(公告)日：2022-12-20
申请号：CN201910777624.7
申请日：2019-08-22
Applicant: 中国电信股份有限公司
IPC: H04N21/24 , H04N21/442 , H04N21/647 , G06N3/04
Abstract: 本公开涉及一种基于IPTV的KPI监测方法、装置及其系统。基于IPTV的KPI监测方法包括：获取待监测城市节点的历史KPI、以及待监测城市节点和其他城市节点的当前时间点对应的实时KPI；根据历史KPI，利用与待监测城市节点对应的第一机器学习模型，预测待监测城市节点的当前时间点对应的第一预测KPI；根据其他城市节点的实时KPI，利用待监测城市节点对应的第二机器学习模型，预测待监测城市节点的当前时间点对应的第二预测KPI；分别计算待监测城市节点的实时KPI与第一预测KPI的差值、与第二预测KPI的差值，得到待监测城市节点的第一误差、第二误差；利用待监测城市节点的第一误差和第二误差，判断待监测城市节点的实时KPI是否异常。
-
公开(公告)号：CN112423031A
公开(公告)日：2021-02-26
申请号：CN201910777624.7
申请日：2019-08-22
Applicant: 中国电信股份有限公司
IPC: H04N21/24 , H04N21/442 , H04N21/647 , G06N3/04
Abstract: 本公开涉及一种基于IPTV的KPI监测方法、装置及其系统。基于IPTV的KPI监测方法包括：获取待监测城市节点的历史KPI、以及待监测城市节点和其他城市节点的当前时间点对应的实时KPI；根据历史KPI，利用与待监测城市节点对应的第一机器学习模型，预测待监测城市节点的当前时间点对应的第一预测KPI；根据其他城市节点的实时KPI，利用待监测城市节点对应的第二机器学习模型，预测待监测城市节点的当前时间点对应的第二预测KPI；分别计算待监测城市节点的实时KPI与第一预测KPI的差值、与第二预测KPI的差值，得到待监测城市节点的第一误差、第二误差；利用待监测城市节点的第一误差和第二误差，判断待监测城市节点的实时KPI是否异常。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.043 seconds)
