知搜-全球专利检索

  1. 登录
  2. 注册

搜索结果

133 条记录 (耗时 0.084 秒)

    数据备份的方法、装置、计算设备及计算机存储介质
    1.
    发明授权
    数据备份的方法、装置、计算设备及计算机存储介质 有权

    公开(公告)号：CN114138546B

    公开(公告)日：2024-05-10

    申请号：CN202010916710.4

    申请日：2020-09-03

    申请人： 中国移动通信集团浙江有限公司 ,  中国移动通信集团有限公司

    发明人： 邢彪 ,  何宇 ,  陈维新 ,  章淑敏 ,  彭熙

    IPC分类号： G06F11/14 ,  G06F16/35 ,  G06N3/0464 ,  G06N3/084

    摘要： 本发明实施例涉及通信技术领域，公开了一种数据备份的方法、装置、计算设备及计算机存储介质，该方法包括：接收用户发送的目标切片实例创建请求，目标切片实例创建请求包括目标切片实例的目标SLA需求信息和目标应用场景信息；对目标SLA需求信息和目标应用场景信息进行处理，得到目标SLA需求信息对应的目标第一序列和目标应用场景信息对应的目标第二序列；将目标第一序列和目标第二序列输入备份数据建议器，得到目标切片实例对应的必选备份数据类型、可选备份数据类型及无需备份数据类型；根据目标切片实例对应的必选备份数据类型、可选备份数据类型及无需备份数据类型进行数据备份。通过上述方式，本发明实施例实现了数据备份。

    虚拟化网络功能备份策略自决策方法、装置及计算设备
    3.
    发明授权
    虚拟化网络功能备份策略自决策方法、装置及计算设备 有权

    公开(公告)号：CN112749041B

    公开(公告)日：2023-12-26

    申请号：CN201911039386.6

    申请日：2019-10-29

    申请人： 中国移动通信集团浙江有限公司 ,  中国移动通信集团有限公司

    发明人： 邢彪 ,  郑屹峰 ,  张卷卷 ,  陈维新 ,  章淑敏

    IPC分类号： G06F11/14 ,  G06N3/04 ,  G06N3/092

    摘要： 本发明实施例涉及通信技术领域，公开了一种虚拟化网络功能备份策略自决策方法、装置及计算设备，该方法包括：从网络功能虚拟化网元层和网络功能虚拟化硬件层获取实时多维关键绩效指标数据；对所述实时多维关键绩效指标数据做归一化的预处理；将预处理后的所述实时多维关键绩效指标数据输入预先训练好的备份策略自选取模型中，并通过预先训练好的所述备份策略自选取模型输出最优备份动作；根据预设的备份路径将所述最优备份动作下发至所述网络功能虚拟化硬件层执行所述最优备份动作。通过上述方式，本发明实施例能够获得最大奖励的备份动作，实现NFV网络中对VNF自动备份策略的自主学习。

    5G消息聊天机器人的推荐方法、装置、设备及存储介质
    4.
    发明授权
    5G消息聊天机器人的推荐方法、装置、设备及存储介质 有权

    公开(公告)号：CN114374660B

    公开(公告)日：2023-09-19

    申请号：CN202011103456.2

    申请日：2020-10-15

    申请人： 中国移动通信集团浙江有限公司 ,  中国移动通信集团有限公司

    发明人： 邢彪 ,  郑屹峰 ,  陈维新 ,  程佳鸣

    IPC分类号： H04L51/02 ,  H04L51/046 ,  G06F16/9535 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/042

    摘要： 本发明公开了一种5G消息聊天机器人的推荐方法、装置、设备及存储介质，该方法包括：接收终端用户上报的最近预设时段内5G消息的使用行为数据以及终端用户的状态数据；以及，获取当前可用的聊天机器人清单；根据使用行为数据、状态数据以及聊天机器人清单生成邻接矩阵和特征矩阵，其中，邻接矩阵表示各终端用户节点与各聊天机器人节点的关注关系，以及特征矩阵表示各终端用户节点以及各聊天机器人节点的特征；将邻接矩阵和特征矩阵输入至训练好的聊天机器人推荐器中，输出得到候选聊天机器人列表；将候选聊天机器人列表推送至终端用户。本发明方案，可以通过聊天机器人推荐器快速准确的向终端用户推送其所需的聊天机器人。

    5G切片实例的容灾池选择方法、装置及计算设备
    5.
    发明授权
    5G切片实例的容灾池选择方法、装置及计算设备 有权

    公开(公告)号：CN114079958B

    公开(公告)日：2023-09-05

    申请号：CN202010795609.8

    申请日：2020-08-10

    申请人： 中国移动通信集团浙江有限公司 ,  中国移动通信集团有限公司

    发明人： 胡波 ,  邢彪 ,  郑屹峰 ,  陈维新 ,  章淑敏

    IPC分类号： H04W24/04 ,  H04W36/30

    摘要： 本发明公开了一种5G切片实例的容灾池选择方法、装置及计算设备，方法包括：接收切片容灾池选择请求，切片容灾池选择请求携带有待预测切片实例的服务等级协议需求以及各个切片容灾池的特征属性；将待预测切片实例的服务等级协议需求以及各个切片容灾池的特征属性输入至容灾池选择模型中，预测得到待预测切片实例的服务等级协议需求与各个切片容灾池之间的匹配度评分；根据匹配度评分，确定目标切片容灾池；向网络切片管理功能反馈目标切片容灾池信息，以供网络切片管理功能指示目标切片容灾池根据待预测切片实例的服务等级协议需求创建容灾切片。通过上述方式，能够为切片实例选择最符合用户SLA需求的容灾池。

    5G切片用户投诉的根因定位方法及装置
    7.
    发明授权
    5G切片用户投诉的根因定位方法及装置 有权

    公开(公告)号：CN113810212B

    公开(公告)日：2023-04-18

    申请号：CN202010544866.4

    申请日：2020-06-15

    申请人： 中国移动通信集团浙江有限公司 ,  中国移动通信集团有限公司

    发明人： 邢彪 ,  张卷卷 ,  陈维新 ,  章淑敏 ,  叶晓燕

    IPC分类号： H04L41/5061 ,  H04L41/16 ,  H04L41/50 ,  H04L67/51 ,  G06N3/08 ,  G06N3/0442

    摘要： 本发明公开了一种5G切片用户投诉的根因定位方法及装置，该方法包括：获取切片用户提交的切片用户投诉的投诉内容；根据切片用户的用户标识和投诉内容提取出四类异构节点的特征信息；四类异构节点包括切片终端用户节点、切片用户投诉节点、切片实例节点以及切片异常场景节点；对四类异构节点的特征信息分别进行序列化处理，得到序列化后的待推理数据；将待推理数据输入至训练好的根因定位模型中，输出得到切片投诉的根因序列；根据根因序列定位投诉根因。本发明方案，利用训练好的根因定位模型，可以预测出切片用户投诉的投诉根因，提高切片用户投诉根因推荐的准确性和效率，有利于对投诉采取有有效的解决措施。

    5G切片的割接合并方法、装置及计算设备
    9.
    发明授权
    5G切片的割接合并方法、装置及计算设备 有权

    公开(公告)号：CN113411841B

    公开(公告)日：2022-08-02

    申请号：CN202010186555.5

    申请日：2020-03-17

    申请人： 中国移动通信集团浙江有限公司 ,  中国移动通信集团有限公司

    发明人： 邢彪 ,  郑屹峰 ,  张卷卷 ,  陈维新 ,  章淑敏

    IPC分类号： H04W28/16 ,  H04L41/0893 ,  G06N3/08 ,  G06N3/04

    摘要： 本发明公开了一种5G切片的割接合并方法、装置及计算设备，该方法包括：获取切片网络待进行的割接拓扑图信息；对所述割接拓扑图信息分解得到切片邻接矩阵和切片特征矩阵；其中，切片邻接矩阵表示割接拓扑图中节点之间的连接关系，以及切片特征矩阵表示待进行的多个割接对每个切片节点的影响属性；将所述切片邻接矩阵和切片特征矩阵输入至训练好的切片网络割接合并器中预测得到割接合并信息；根据所述割接合并信息进行割接处理。通过上述方式，从割接拓扑图信息中分解出切片邻接矩阵和切片特征矩阵后，输入至切片网络割接合并器中即可预测得到对待进行的割接进行合并的方式，可以自动的完成切片割接合并。

    聊天机器人的异常检测方法、装置、计算设备及存储介质
    10.
    发明公开
    聊天机器人的异常检测方法、装置、计算设备及存储介质 审中-实审

    公开(公告)号：CN114430378A

    公开(公告)日：2022-05-03

    申请号：CN202011103479.3

    申请日：2020-10-15

    申请人： 中国移动通信集团浙江有限公司 ,  中国移动通信集团有限公司

    发明人： 邢彪 ,  程佳鸣 ,  胡波 ,  陈维新 ,  郑屹峰

    IPC分类号： H04L41/14 ,  H04L41/12 ,  H04L43/08 ,  H04L51/02 ,  G06K9/62

    摘要： 本发明公开了一种聊天机器人的异常检测方法、装置、计算设备及存储介质。其中，方法包括：分别获取预设历史时段内，聊天机器人、服务提供端、以及服务使用端的特征数据；基于特征数据，生成以聊天机器人为中心节点，服务提供端以及服务使用端为邻节点的图网络；针对于图网络中的任一中心节点，将该中心节点以及该中心节点的邻节点的特征数据输入至预先训练好的异常检测模型中；获取异常检测模型输出的异常检测结果。本方案利用图网络及异常检测模型来对聊天机器人进行异常检测，能够提高检测精度及检测效率，降低检测成本。并且，本方案能够实现聊天机器人的批量化，实时化的异常检测，从而适于大规模应用与实施。