[发明专利]多服务质量预测方法、装置、计算机设备及可读存储介质

权利要求书

1.一种多服务质量预测方法，其特征在于，包括：

根据多维情景信息以及与所述多维情景信息对应的多服务质量值，构建多维情景感知模型；所述多维情景信息是指在移动边缘计算环境下，与边缘计算服务的运行具有关联关系的情景，包括用户维情景信息、网络维情景信息以及服务维情景信息；所述用户维情景信息包括用户的位置、用户设备、任务类型以及任务的量；所述网络维情景信息包括网络类型、网络速率以及网络延迟；所述服务维情景信息包括服务器的负载、服务请求的排队数量、服务器的性能；

基于所述多维情景感知模型，根据数据融合以及损失函数对多任务深度神经网络进行训练优化，建立多任务深度神经网络模型；

根据当前的多维情景信息以及所述多任务深度神经网络模型，确定多服务质量的预测值；

所述基于所述多维情景感知模型，根据数据融合以及损失函数对多任务深度神经网络进行训练优化，建立多任务深度神经网络模型的步骤，具体包括：

获取训练数据集；所述训练数据集包括多维情景信息的特征向量以及在所述多维情景信息下服务所表现的多服务质量值；

根据所述多维情景信息的特征向量以及多任务深度神经网络，确定多维情景感知的多服务质量属性的预测值；

根据所述多维情景感知的多服务质量属性的预测值以及所述在所述多维情景信息下服务所表现的多服务质量值，基于损失函数计算总损失值；

根据所述总损失值，对所述多任务深度神经网络进行参数优化处理，建立多任务深度神经网络模型；

所述多任务深度神经网络包括共享层以及特定任务层；

所述根据所述多维情景信息的特征向量以及多任务深度神经网络，确定多维情景感知的多服务质量属性的预测值的步骤，具体包括：

将所述多维情景信息的特征向量以及所述共享层的输出向量进行数据融合操作，获得融合数据；

将所述融合数据基于所述特定任务层进行回归处理，确定多维情景感知的多服务质量属性的预测值。

2.根据权利要求1所述的多服务质量预测方法，其特征在于，所述将所述多维情景信息的特征向量以及所述共享层的输出向量进行数据融合操作，获得融合数据的步骤，具体包括：

根据所述共享层的序号、激活函数、权重矩阵以及偏置值，确定所述共享层输出向量；

将所述多维情景信息的特征向量以及所述共享层输出向量进行数据融合操作，获得融合数据。

3.根据权利要求1所述的多服务质量预测方法，其特征在于，所述将所述融合数据基于所述特定任务层进行回归处理，确定多维情景感知的多服务质量属性的预测值的步骤，具体包括：

根据所述融合数据与所述特定任务层的层数、激活函数、权重矩阵以及偏置值，确定多维情景感知的多服务质量属性的预测值。

4.根据权利要求1所述的多服务质量预测方法，其特征在于，所述根据所述多维情景感知的多服务质量属性的预测值以及所述在所述多维情景信息下服务所表现的多服务质量值，基于损失函数计算总损失值的步骤，具体包括：

根据所述多维情景感知的多服务质量属性的预测值与所述在所述多维情景信息下服务所表现的多服务质量值的绝对差值、特定任务层的数量以及特定任务层损失函数的权重，计算总损失值。