[发明专利]一种基于时延优化的通信网现场维护模型迁移方法

权利要求书

1.一种基于时延优化的通信网现场维护模型迁移方法，其特征在于，包括以下步骤：

S1、基于相似度的服务需求分析分别计算类型相似度、名称相似度和解释信息相似度，最终根据各个相似度的权重计算得到综合相似度；

S2、使用服务需求相似度去衡量模型的相关性，并根据服务需求相似度选择不同情况下的迁移方式；当新模型的服务需求与待迁移模型的服务需求完全相同时，直接对模型进行迁移；当新模型的服务需求与待迁移模型的服务需求较为相似时，冻结骨干网络；当新模型的服务需求与待迁移模型的服务需求相似度较差时，采用多阶段的迁移学习对模型进行迁移；

S3、考虑任务时延、边缘节点资源、任务资源需求多种指标，使用多优先级队列模型以及改进的离散粒子群算法，完成通信网现场维护场景下的迁移任务和维护任务卸载，达到最小化任务时延。

2.根据权利要求1所述的基于时延优化的通信网现场维护模型迁移方法，其特征在于，步骤S1中类型相似度的计算方法为：对不同的数据特征空间进行分类标记，假设源模型RC、目的模型TC为模型类型，类型相似度如下所示：

如果源模型和目的模型的数据特征空间相同，类型相似度为1，否则，类型相似度为0。

3.根据权利要求1所述的基于时延优化的通信网现场维护模型迁移方法，其特征在于，步骤S1中名称相似度的计算方法为：

首先，根据公式(2)计算名称向量：

其中，name_vec为名称向量，vec_i为名称中第i个词向量；

其次，根据公式(3)计算出两个名称向量的相似度：

其中，Sim_name为名称相似度，name_vec1为第一个名称向量，name_vec2为第二个名称向量。

4.根据权利要求1所述的基于时延优化的通信网现场维护模型迁移方法，其特征在于，步骤S1中解释信息相似度的计算方法为：首先使用BiLSTM-CRF算法对解释信息根据通信网现场维护特点进行分词分析，由训练好的模型对文本进行分类，判断实体类型对模型相似度的影响，提取影响较大的文本进行相似度计算，再将相同类型的词进行相似度计算。