[发明专利]通信网络通话预测方法、装置、设备及存储介质

权利要求书

1.一种通信网络通话预测方法，其特征在于，包括：

构建当前时段内具有至少两个节点的通信网络动态图，其中，所述动态图包括节点和连接节点的有向边，所述节点对应所述通信网络内的用户，两个所述节点之间的有向边对应两个用户之间存在通话，所述有向边的权重对应通话质量数据，时间戳对应通话时间；

对所述动态图进行切片，得到不同时刻的多个静态图，形成目标数据集；

将所述目标数据集输入预先训练的通信网络预测模型，输出下一时刻两个所述节点的通话关系预测结果，所述下一时刻为所述当前时段之后的时刻。

2.根据权利要求1所述方法，其特征在于，所述构建当前时段内具有至少两个节点的通信网络动态图，包括：

获取所述通信网络内的至少两个所述节点在所述当前时段内的通话数据；

根据所述当前时段内的通话数据构建所述动态图。

3.根据权利要求1所述方法，其特征在于，所述对所述动态图进行切片，得到不同时刻的多个静态图，形成目标数据集，包括：

根据所述时间戳的先后顺序以预先设定的时间间隔对所述动态图进行切片，得到不同时刻多个离散的所述静态图。

4.根据权利要求1所述方法，其特征在于，在所述构建当前时段内具有至少两个节点的通信网络动态图之前，所述方法还包括：

获取所述通信网络内的至少两个所述节点在历史时段内的历史通话数据，根据所述历史通话数据构建所述通信网络的动态训练图；

对所述动态训练图进行切片，得到多个不同时刻的静态训练图，构成训练样本；

将所述训练样本输入待训练的通信网络预测模型，输出历史预测时刻两个节点的通话关系预测结果，所述历史预测时刻为所述历史时段之后的时刻；

判断是否满足预设的训练停止条件；当不满足所述预设的训练停止条件时，根据所述预测结果和所述训练样本的标签数据，调整所述通信网络预测模型的模型参数，将新的训练样本输入调整后的通信网络预测模型，直至满足所述预设的训练停止条件，输出所述预先训练的通信网络预测模型，

其中，所述训练样本的标签数据包括所述历史预测时刻两个所述节点的真实通话数据。

5.根据权利要求4所述方法，其特征在于，所述将所述训练样本输入待训练的通信网络预测模型，输出历史预测时刻两个节点的通话关系预测结果，包括：

根据所述静态训练图，得到不同时刻所述静态训练图的成对节点嵌入表示；

根据不同时刻所述静态训练图的成对节点嵌入表示，得到历史预测时刻的成对节点嵌入表示；

根据所述历史预测时刻的成对节点嵌入表示，构建历史预测时刻的邻接矩阵，所述邻接矩阵中的每个元素对应每条所述有向边的权重。

6.根据权利要求5所述方法，其特征在于，所述通信网络预测模型包括：

图注意力机制GAT模型，用于根据所述静态训练图，得到不同时刻所述静态训练图的成对节点嵌入表示；

门控循环单元GRU模型，用于根据不同时刻所述静态训练图的成对节点嵌入表示，得到历史预测时刻的成对节点嵌入表示；

非对称线性模型，用于根据所述历史预测时刻的成对节点嵌入表示，构建历史预测时刻的邻接矩阵。

7.根据权利要求5所述方法，其特征在于，所述不同时刻所述静态训练图的成对节点嵌入表示为：

其中，分别为节点i和节点j的嵌入表示，W为投影矩阵，LeakyReLU为激活函数，p取1、2…t-1的整数。