[发明专利]一种边缘计算智能网关业务处理方法及智能网关系统

权利要求书

1.一种边缘计算智能网关业务处理方法，其特征在于，应用于智能网关系统，所述智能网关系统包括智能网关设备及模型管理服务器，所述智能网关设备包括第一智能网关设备及第二智能网关设备，所述方法包括：

所述模型管理服务器根据各所述智能网关设备之间的关联关系、以及已知的各所述第二智能网关设备控制的被控智能设备的类型，确定设备关系图谱；

所述模型管理服务器根据所述设备关系图谱，预测所述第一智能网关设备需要控制的被控智能设备的类型；

所述模型管理服务器根据所述第一智能网关设备需要控制的被控智能设备的类型，向所述第一智能网关设备推送相应的控制指令识别模型；

所述第一智能网关设备根据获取的控制指令识别模型，在所述第一智能网关设备本地对接收到的用户控制指令进行边缘计算识别处理，并根据识别结果进行相应的业务处理。

2.根据权利要求1所述的方法，其特征在于，所述设备关系图谱包括与各所述智能网关设备对应的节点以及与各种类被控智能设备对应的节点，具有关联关系的各所述智能网关设备之间具有第一设备关系联系，所述第二智能网关设备与该第二智能网关设备控制的被控智能设备之间具有第二设备关系联系；

所述模型管理服务器根据所述设备关系图谱，预测所述第一智能网关设备需要控制的被控智能设备的类型的步骤，包括：

通过第一特征提取网络将第一智能网关设备表征为第一表征学习向量；

通过第一特征提取网络将每种被控智能设备表征为第二表征学习向量；

根据所述第一智能网关设备的第一表征学习向量和每种所述被控智能设备的第二表征学习向量，获取所述第一智能网关设备与每种所述被控智能设备之间的第一设备关联信息；

获取所述第二智能网关设备的历史操作记录，并通过第二特征提取网络将所述历史操作记录表征为第三表征学习向量；

根据所述历史操作记录的第三表征学习向量和每种所述被控智能设备的第二表征学习向量，确定所述第一智能网关设备与每种被控智能设备之间的第二设备关联信息；

根据所述第一设备关联信息和所述第二设备关联信息，预测所述第一智能网关设备需要控制的被控智能设备。

3.根据权利要求2所述的方法，其特征在于，所述第一特征提取网络为表示学习网络；所述通过第一特征提取网络将第一智能网关设备表征为第一表征学习向量的步骤之前，所述方法还包括：

获取预设的提取规则集合，所述提取规则集合包括多个不同的节点提取规则；

根据所述提取规则集合中的各节点提取规则，在所述设备关系图谱中提取与所述第一智能网关设备相关的设备，获得的多条设备节点序列，每条所述设备节点序列包括所述第一智能网关设备；

根据所述提取规则集合中的各节点提取规则，在所述设备关系图谱中提取与各所述被控智能设备相关的设备，获得的多条设备节点序列，每条所述设备节点序列包括所述被控智能设备；

所述通过第一特征提取网络将第一智能网关设备表征为第一表征学习向量的步骤，包括：

针对所述第一智能网关设备的每个设备节点序列，提取其中每个设备的特征向量，并通过所述第一特征提取网络将提取的特征向量映射到同一特征空间得到映射向量，将所述第一智能网关设备的每个设备节点序列中所有所述映射向量拼接形成所述第一智能网关设备的第一序列特征向量；

根据各所述智能网关设备之间的关联关系，确定对应的第一设备关系联系的第一设备关系权重；

根据各所述第二智能网关设备对被控智能设备的历史操作记录，确定对应的第二设备关系联系的第二设备关系权重；

针对对应同一节点提取规则的所述第一智能网关设备的每个设备节点序列，根据所述第一设备关系权重和所述第二设备关系权重，利用注意力机制生成对应的第三设备关系权重；

根据所述第一智能网关设备的对应同一节点提取规则的每个设备节点序列的第三设备关系权重，通过所述第一特征提取网络将对应同一节点提取规则的多条设备节点序列的第一序列特征向量融合为所述第一智能网关设备的第一特征融合向量；

通过所述第一特征提取网络将多条不同节点提取规则对应的多个第一特征融合向量融合为第二特征融合向量；

通过所述第一特征提取网络对所述第二特征融合向量进行线性转换获得所述第一表征学习向量；

所述通过第一特征提取网络将每种被控智能设备表征为第二表征学习向量的步骤，包括：

针对每种所述被控智能设备的每个设备节点序列，提取其中每个设备的特征向量，并通过所述第一特征提取网络将提取的特征向量映射到同一特征空间得到映射向量，将所述被控智能设备的每个设备节点序列中所有所述映射向量拼接形成所述被控智能设备的第二序列特征向量；

根据所述被控智能设备的对应同一节点提取规则的每个设备节点序列的第三设备关系权重，通过所述第一特征提取网络将对应同一节点提取规则的多条设备节点序列的第一序列特征向量融合为第三特征融合向量；

通过所述第一特征提取网络将多条不同节点提取规则对应的多个第三特征融合向量融合为第四特征融合向量；

通过所述第一特征提取网络对所述第四特征融合向量进行线性转换获得所述第二表征学习向量。