[发明专利]网络优化方法、服务器、客户端设备、网络设备和介质

权利要求书

1.一种网络优化方法，其特征在于，所述方法包括：

发送会话建立请求消息至客户端设备，以请求所述客户端设备对指定的网络侧设备进行测量配置和对连接于所述指定的网络侧设备的终端设备进行测量配置；

接收所述指定的网络侧设备的测量报告消息和所述终端设备的测量报告消息；

根据预先获取的机器学习描述信息，确定是否需要所述客户端设备进行协同训练；

基于是否需要所述客户端设备进行协同训练和所接收的测量报告消息中的测量数据，针对网络优化进行指定的模型训练处理，并将模型训练处理结果发送至所述客户端设备，以用于指示客户端设备根据所述模型训练处理结果得到网络优化操作。

2.根据权利要求1所述的方法，其特征在于，在所述发送会话建立请求消息至客户端设备之前，所述方法还包括：

响应于接收到的第一激活消息，激活机器学习功能，并获取所述激活消息中携带的机器学习描述信息和对应的机器学习模型的训练超参数。

3.根据权利要求1所述的方法，其特征在于，

所述会话建立请求消息中包括针对客户端设备的测量控制信息、客户端设备的计算处理能力信息项、以及要求客户端设备可支持的一个或多个机器学习模型，其中，所述测量配置信息用于指示所述指定的网络侧设备需要配置的测量量和测量上报方式。

4.根据权利要求3所述的方法，其特征在于，在所述发送会话建立请求消息至客户端设备之后，所述方法还包括：

响应于接收到的会话建立响应消息，根据所述会话建立响应消息中携带的成功标识，确定所述客户端能够满足所述对客户端设备计算处理能力的要求信息。

5.根据权利要求1所述的方法，其特征在于，所述接收所述指定的网络侧设备的测量报告消息和所述终端设备的测量报告消息，包括：

接收所述指定的网络侧设备的测量报告和由所述指定的网络侧设备发送的所述终端设备的测量报告。

6.根据权利要求1所述的方法，其特征在于，所述机器学习描述信息包括选用的一个或多个机器学习类型和选用的一个或多个机器学习模型；所述根据预先获取的机器学习描述信息，确定是否需要所述客户端设备进行协同训练，包括：

根据所选用的机器学习类型的所选用的机器学习模型，获取预先设定的与所述机器学习类型和所述机器学习模型对应的训练模式；

根据所述预先设定的训练模式，确定是否需要所述客户端设备进行协同训练。

7.根据权利要求1所述的方法，其特征在于，当确定无需所述客户端设备进行协同训练时，所述模型训练处理结果包括训练后的机器学习模型和模型参数值；所述基于是否需要所述客户端设备进行协同训练和所接收的测量报告消息中的测量数据，针对网络优化进行指定的模型训练处理，并将模型训练处理结果发送至所述客户端设备，包括：

从接收的所述指定的网络侧设备的测量报告中，获取客户端设备的计算处理能力，其中，所述客户端设备部署在所述指定的网络侧设备内；

根据所接收的测量数据、所述客户端设备的计算处理能力、和预先获取的所述客户端设备支持的机器学习模型，选择机器学习算法进行模型训练，得到训练后的机器学习模型和模型参数值；

发送第一模型部署请求消息至所述客户端设备，以用于在所述客户端设备生成第一网络优化操作指令；其中，所述第一模型部署请求消息中包括：第一模型推导配置文件、所述训练后的机器学习模型和模型参数值、第一模型性能上报指示和第一模型性能上报方式。

8.根据权利要求7所述的方法，其特征在于，在发送第一模型部署请求消息至所述客户端设备之后，所述方法还包括：

响应于接收到所述客户端设备的第一模型部署响应消息，根据所述第一模型部署响应消息中的第一模型部署成功标识，确定在所述客户端设备部署所述训练后的机器学习模型成功；或者，

根据所述第一模型部署响应消息中的第一模型部署失败标识，确定在所述客户端设备部署所述训练后的机器学习模型失败。