[发明专利]割接操作风险评级方法、装置及计算设备

说明书

本发明实施例涉及通信技术领域，公开了一种割接操作风险评级方法、装置、计算设备及计算机存储介质，该方法包括：获取割接操作的割接信息；将割接信息输入评级深度神经网络，得到割接操作的风险等级，所述评级深度神经网络是通过多组训练数据训练得到的，所述多组训练数据中每一组训练数据均包括：割接信息和用来标识该割接信息风险等级的标识信息。通过上述方式，本发明实施例实现了对割接操作的风险等级的自动评估。

技术领域

本发明实施例涉及通信技术领域，具体涉及一种割接操作风险评级方法、装置及计算设备。

背景技术

割接是运营商针对现网设备进行的扩容、升级、改造、替换以及配置等操作。割接操作伴随着风险存在，尤其是随着网元环境日趋复杂，网络操作的复杂度和难度响应增加，割接操作的风险进一步增大。目前对网络操作风险的判定方法是人工的对割接风险影响因素逐个分析，确定各影响因素的权重，根据各风险等级对应的权重建立风险评估模型，从而确定网络割接操作的风险等级。

在实现本发明实施例的过程中，发明人发现由于设备种类繁杂，割接操作的风险影响因素较多，人为判定割接操作的风险等级存在主观性，判断不准确。

发明内容

鉴于上述问题，本发明实施例提供了一种割接操作风险评级方法、装置、及计算设备，克服了上述问题或者至少部分地解决了上述问题。

根据本发明实施例的一个方面，提供了一种割接操作风险评级方法，所述方法包括：

获取割接操作的割接信息；将割接信息输入评级深度神经网络，得到割接操作的风险等级，所述评级深度神经网络是通过多组训练数据训练得到的，所述多组训练数据中每一组训练数据均包括：割接信息和用来标识该割接信息风险等级的标识信息。

在一种可选的方式中，在获取割接操作的割接信息之后，所述方法还包括：将割接信息进行归一化处理，得到标准割接信息；将割接信息输入评级深度神经网络，得到割接操作的风险等级。

在一种可选的方式中，在获取割接操作的割接信息之前，所述方法还包括：构建深度神经网络模型；根据输入的训练数据对深度神经网络模型进行训练，得到评级深度神经网络。

在一种可选的方式中，构建深度神经网络模型，包括：构建包含一个输入层、一个输出层及十二个隐藏层的深度神经网络模型，其中，十二个隐藏层包含六个全连接层和六个dropout层，每一全连接层连接一个dropout层。

在一种可选的方式中，根据输入的训练数据对深度神经网络模型进行训练，得到评级深度神经网络，包括：

根据输入的训练数据得到所述深度神经网络模型的权重；

根据所述权重计算损失函数值；

根据优化算法重复更新所述权重，直至所述损失函数值最小；

根据所述损失函数值最小的权重，得到评级深度神经网络。

在一种可选的方式中，根据权重计算损失函数值，包括：根据权重计算多类对数损失函数值。

在一种可选方式中，根据优化算法重复更新权重，直至损失函数值最小，包括：根据Adam算法重复更新权重，直至损失函数值最小。

根据本发明实施例的另一方面，提供了一种割接操作风险评级装置，包括：获取模块和输入模块。其中，获取模块用于获取割接操作的割接信息。输入模块用于将割接信息输入评级深度神经网络，得到割接操作的风险等级。

在一种可选的方式中，割接操作风险评级装置还包括：归一化模块，用于将割接信息进行归一化处理，得到标准割接信息。输入模块进一步用于：将标准割接信息输入评级深度神经网络，得到割接操作的风险等级，所述评级深度神经网络是通过多组训练数据训练得到的，所述多组训练数据中每一组训练数据均包括：割接信息和用来标识该割接信息风险等级的标识信息。