Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 山西应用科技学院李建林获国家专利权

山西应用科技学院李建林获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉山西应用科技学院申请的专利一种流量话单切分方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116522177B

龙图腾网通过国家知识产权局官网在2025-12-12发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310367390.5,技术领域涉及:G06F18/23213;该发明授权一种流量话单切分方法是由李建林;武小波;赵鑫设计研发完成,并于2023-04-07向国家知识产权局提交的专利申请。

一种流量话单切分方法在说明书摘要公布了:本发明公开了一种流量话单切分方法,属于运营商通信技术领域。针对目前通信运营体系中用户使用流量产生的话单处理需求改变和话单增量大等问题,本发明先引入用户的多种特征,通过注意力机制算法,输出用户的关键标签;其次计算用户的上网类别流量权重值,作为用户的流量特征;再次引入主机性能作为主机参数信息;最后将用户的多种特征作为循环神经网络模型的输出,动态计算用户某一时刻的流量步长即流量授权值。最终实现各类特征用户分类以及授予相应的流量步长,将月话单量的增长量从300%控制到了40%的增加,有效降低了系统运营风险。一方面可以实现话单的精确切分,减少话单量,降低主机存储扩容频率,另一方面提升用户使用感知。

本发明授权一种流量话单切分方法在权利要求书中公布了:1.一种流量话单切分方法,其特征在于:包括以下步骤: 步骤1,计算用户的业务类别权重值; 步骤1.1,首先将用户的每个业务类别下的流量作为样本进行聚类,对用户的每个业务类别进行打标; 步骤1.2,用户的流量权重值选取; 首先,计算打标后各项业务流量flowi的变异系数vi,表示为:其中vi表示变异系数,σi表示标准差,表示均值,i表示用户数量; 然后,计算用户每个业务类别下的流量总和及权重wi,表示为:其中,wi表示用户流量权重,表示各项flowi的变异系数之和; 将用户业务类别下的流量总权重组成集合W={W1,W2,W3},作为用户流量动态步长判断的输入; 步骤2,基于注意力机制提取用户的关键信息; 步骤2.1,提取用户信息并进行简化和编号,得到用户信息标签T,将用户信息标签T组成集合J,表示为J={T1,T2,...,Tn}; 步骤2.2,根据用户信息标签进行联合结构特征融合,得到:地域流量特征,分时段流量特征,融合习好标识流量特征; 步骤2.3,基于注意力机制的编解码器模型进行注意力机制的权值分布计算,得到输入序列中每个特征对于当前输出信号的注意力分布概率分布值aij,表示为:aij=Fhi,Hj,其中,hj表示输入数据Xj在编码器中的隐藏状态,Hj表示输出数据Yj在解码器中的隐藏状态,F表示计算Hj和hj符合用户流量使用习惯的概率值; 对于输出数据Yj每个不同的输出元素yj都对应着不同的中间语义编码Ej,表示为其中,S表示地域流量特征,表示分时段流量特征,Cij表示融合习好标识流量特征,T表示输入数据的总个数; 解码器输出特征为:Xt=DCj,x1,x2,x3,...,xj-1,其中D表示用户流量使用特征,x1,x2,x3,...,xj-1为输出元素; 联合用户的业务类别聚类分类后的流量总权重组成集合,形成用户流量使用特征为: P={W,xt}=Ej,x1,x2,x3,...,xj-1; 步骤3,基于循环神经网络的流量预测; 使用循环神经网络模型,对于长度n的输入序列{x1,x2,x3,...,xn},通过输入序列映射到隐藏层状态来学习序列中的特征信息,然后通过将多个隐藏层的特征信息堆叠在一起获取更高级别的信息; 将解码器输出特征Xt作为循环神经网络模型的输入特征,循环神经网络模型的前向传播表示为: Zt=σWz*Xt+Uz*ht-1+bz Rt=σWr*Xt+Ur*ht-1+br 其中,Rt表示t时刻的重置门;Zt表示t时刻的更新门;表示t时刻的候选隐藏状态;ht表示t时刻的当前单元状态;ht-1表示上一时刻的单元状态;⊙表示哈达玛积;σ表示Sigmoid激活函数,将数据转换为[0,1]的数值;Wr表示重置门的权值矩阵;Wz表示更新门的权值矩阵;Wh表示候选隐藏状态的权值矩阵;W*和U*是卷积运算卷积核;b*为偏置项,作用是训练阶段的模型的参数; 建立一个包含两个卷积层的网络,然后使用Softmax函数计算权重值,St=Us*tanhWxs*Xt+Whs*ht-1+bs+bus Xt是用户当天第t时特征值,ht-1是上一时刻单元状态,Us,Wxs,Whs均表示卷积核; St得到与当前输入Xt对应的流量权值,表示为:其中,表示输入特征的注意力权重,大小在0~1之间,所有输入特征的注意力权重之和=1; 根据各个时刻特征向量,将得到的流量权重系数与输入特征相乘,得到用户当前时刻的动态流量授权值;表示为: Xt'=At⊙xt。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人山西应用科技学院,其通讯地址为:030062 山西省太原市小店区北格镇榆古路东1号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。