无线网络协议知识图谱构建分析方法、系统、设备及介质

摘要

本发明公开了一种无线网络协议知识图谱构建分析方法、系统、设备及介质，方法包括根据无线通信网络协议的内生因素定义实体、实体之间的关系和三元组，通过三元组构建无线通信网络协议内生因素的知识图谱；通过节点随机状态权值计算得到节点的稀疏表示向量，利用稀疏表示向量间余弦相似度量化和替换知识图谱中的边连接关系，进而计算节点的关联向量和特征向量。本发明通过建立无线通信网络协议内生因素的知识图谱，引入了基于知识图谱图结构的节点稀疏表示算法、余弦相似度计算与节点关联分析方法，深度挖掘了知识图谱所包含的图结构信息，对知识图谱节点与边连接关系进行量化特征表示，完成了对节点间关联关系的分析与挖掘。

说明书

技术领域

本发明涉及智能无线通信网络技术领域，尤其涉及一种无线网络协议知识图谱构建分析方法、系统、设备及介质。

背景技术

未来无线通信网络的网络结构、终端类型、终端行为、数据业务需求、系统资源都具有高动态性、时效性强及相互耦合性等特点，有效厘清这些特点与通信网络协议内生因素之间的关联关系，进而实现无线通信知识的互联互通，有助于无线通信网络资源的高效管理、网络维护与协同及智能无线通信理论研究。由于无线通信数据的多源异质与组织结构松散，网络结构层次化与扁平化相耦合的特性，给大数据环境下的知识互联带来了极大的挑战。现有通信网络体系结构内的各种内生因素间的关联关系通常是一个“黑核”，研究人员难以从一种可视化、层次化、结构化的方式动态了解网络内在流程、网络动态行为等。此外，现有学习无线网络都是集中某一层的学习，如物理层、数据链路层、核心网络以上层，而层间关系，同层要素间的关系都没有很好地可视化呈现出来。如何以一种易于理解的可视化方式呈现无线网络通信机制内生因素与内生关联关系成为深入理解通信网络的关键。

发明内容

技术目的：针对现有技术中通信网络体系结构内内生因素间关联关系存在的“黑核”问题的缺陷，本发明公开了一种无线网络协议知识图谱构建分析方法、系统、设备及介质，通过建立无线通信网络协议内生因素的知识图谱，引入了基于知识图谱图结构的节点稀疏表示算法、余弦相似度计算与节点关联分析模型方法，深度挖掘了知识图谱所包含的图结构信息，实现了对知识图谱节点与边连接关系的量化特征表示，完成了对节点间关联关系的分析与挖掘。

技术方案：为实现上述技术目的，本发明采用以下技术方案。

一种无线网络协议知识图谱构建分析方法，包括：

S1、构建知识图谱：根据无线通信网络协议的内生因素定义实体、实体之间的关系和三元组，通过三元组构建具有拓扑结构的无线通信网络协议内生因素的知识图谱；

S2、对知识图谱中任意节点之间进行关联分析：通过节点随机状态权值的计算得到节点的稀疏表示向量，利用稀疏表示向量间余弦相似度量化和替换知识图谱中任意节点之间通过无线通信网络协议建立的边连接关系，进而计算节点的关联向量，所述关联向量用于计算节点的特征向量，通过节点的特征向量完成知识图谱的量化表示，用于节点间关联关系的挖掘，进而获取无线通信网络协议内生因素间隐藏的关联关系。

优选地，所述步骤S1具体包括：

S11、定义实体：获取无线通信网络协议的内生因素，包括无线通信网络协议规定的核心网数据字段和指标，确定流程类型、数据字段类型、统计类型数据指标与算法类型数据指标共四种实体类型；

S12、定义实体之间的关系：定义实体之间的关系分为流程关系、条件关系和算法关系共3种，其中流程关系用于描述数据字段类型的实体与流程类型的实体之间的相关性，条件关系用于描述统计类型数据指标的实体生效时与之关联的数据字段的具体取值，算法关系用于描述统计类型数据指标的实体转换到算法类型数据指标的实体的计算方法；

S13、定义三元组：根据步骤S11和步骤S12构建三元组（

S14、构建无线通信网络协议内生因素的知识图谱：以步骤S13中三元组的头实体、尾实体作为知识图谱的节点，每一个节点表征了一个核心网的数据字段或指标，实体间的关系为节点之间的边，连接所有存在边连接关系的实体节点，进而得到具有拓扑结构的无线通信网络协议内生因素的知识图谱。

优选地，所述实体包含与实体相映射的实体属性，实体属性包括实体的名称、特征及参数。

优选地，所述步骤S2具体包括：

S21、依据步骤S1构建的知识图谱拓扑结构得到各节点的稀疏表示向量，其中，稀疏表示向量通过随机状态权值进行计算；

S22、通过计算节点的稀疏表示向量间的余弦相似度实现节点间的边连接关系的量化；

S23、以量化后的余弦相似度替换原知识图谱中由协议确定的边连接关系，完成知识图谱图结构的更新；

S24、结合更新后的知识图谱拓扑结构与余弦相似度计算出节点的关联向量，进而通过关联向量计算节点的特征向量，所述特征向量用于知识图谱的量化表示。

优选地，所述步骤S21中随机状态权值通过随机状态转换概率修正矩阵迭代计算获得，其计算公式为：

其中，

优选地，所述步骤S24中节点的特征向量通过学习率函数和特征偏移向量迭代计算获得，其计算公式为：

其中，

一种无线网络协议知识图谱构建分析系统，包括：

知识图谱构建单元，用于根据无线通信网络协议的内生因素定义实体、实体之间的关系和三元组，通过三元组构建具有拓扑结构的无线通信网络协议内生因素的知识图谱；

关联分析单元，与知识图谱构建单元连接，用于通过节点随机状态权值计算得到节点的稀疏表示向量，利用稀疏表示向量间余弦相似度量化和替换知识图谱中任意节点之间通过无线通信网络协议建立的边连接关系，进而计算节点的关联向量，所述关联向量用于计算节点的特征向量，所述特征向量用于知识图谱的量化表示。

优选地，所述关联分析单元包括依次连接的稀疏表示向量计算模块、余弦相似度计算模块、更新模块和特征向量计算模块；

所述稀疏表示向量计算模块用于依据知识图谱构建单元构建的知识图谱计算各节点的稀疏表示向量；

所述余弦相似度计算模块用于计算节点的稀疏表示向量间的余弦相似度，进而实现节点间的边连接关系的量化；

所述更新模块用于以量化后的余弦相似度替换原知识图谱中的边连接关系，完成知识图谱图结构的更新；

所述特征向量计算模块用于结合更新后的知识图谱拓扑结构与余弦相似度计算出节点的关联向量，进而通过关联向量计算节点的特征向量，所述特征向量用于知识图谱的量化表示。

一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以上任一所述的一种无线网络协议知识图谱构建分析方法。

一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行以上任一所述的一种无线网络协议知识图谱构建分析方法。

有益效果：

1、本发明通过建立无线通信网络协议内生因素的知识图谱，引入了基于知识图谱图结构的节点稀疏表示算法、余弦相似度计算与节点关联分析方法，深度挖掘了知识图谱所包含的图结构信息，实现了对知识图谱节点与边连接关系的量化特征表示，完成了对节点间关联关系的分析与挖掘，并且推理出无线通信网络协议内生因素间隐藏的关联关系，进而实现了无线通信网络协议中各内生因素间关联关系进一步挖掘；

2、本发明还利用关联分析模型将抽象的无线网络协议知识图谱量化为可通过特征向量描述并计算的矩阵形式，具有此种表示形式的知识图谱可以更方便的延伸应用于实体预测、关系预测、推荐算法及语义搜索等场景。

附图说明

图1为本发明的方法流程图；

图2为本发明实施例中更新前知识图谱局部示意图；

图3为本发明实施例中更新后知识图谱局部示意图。

具体实施方式

以下结合附图和实施例对本发明的一种无线网络协议知识图谱构建分析方法、系统、设备及介质做进一步的说明和解释。

如附图1所示，一种无线网络协议知识图谱构建分析方法，具体包括：

步骤一：构建知识图谱：根据无线通信网络协议的内生因素定义实体、实体之间的关系和三元组，通过三元组构建具有拓扑结构的无线通信网络协议内生因素的知识图谱；无线通信网络协议内生因素知识图谱构建的目标在于将无线通信协议中规定的数据字段及指标间的关联规则以知识图谱的形式直观的展现出来，以节点表征数据字段及指标，以实体间的关系表征数据字段及指标间的关联规则，为后续关联分析方法的研究提供依据。步骤一包含以下四个子步骤：

子步骤一：实体的定义，依据3GPP协议等无线通信网络协议规定的核心网数据字段及指标，以信令流程类型作为连接各个接口的锚点，确立流程类型、数据字段类型、统计类型数据指标与算法类型数据指标四种实体类型。实体包含用于体现实体对象所有可能具有的名称、特征及参数的实体属性，特征包含实体的类型和字长，参数包含实体的数值。实体属性是对实体的说明，是实体与属性值之间的映射关系。

子步骤二：关系的定义，关系被分为流程关系、条件关系与算法关系三类，其中，流程关系用于描述数据字段类型的实体与流程类型的实体之间的相关性，条件关系用于描述统计类型数据指标的实体生效时与之关联的数据字段的具体取值，算法关系用于描述统计类型数据指标的实体转换到算法类型数据指标的实体的计算方法。这里关系的分类是根据无线通信网络协议进行的分类。

子步骤三：三元组的定义，由子步骤一与子步骤二确立了实体与边连接关系之后，构建具有连接关系的实体无线通信协议通用三元组，即（

子步骤四：知识图谱的构建，以子步骤三中三元组的头实体、尾实体作为知识图谱的节点，每一个节点表征了一个核心网的数据字段或指标，边连接关系为节点之间的边，连接所有存在关系的实体节点，可以得到具有拓扑结构的无线通信网络协议内生因素的知识图谱。知识图谱中节点分成两类：孤立节点和非孤立节点。孤立节点是指知识图谱中与其它所有节点均无连接关系的节点，否则称非孤立节点。至此完成了基于无线通信网络协议内生因素知识图谱的构建。

步骤二：对知识图谱中任意节点之间进行关联分析：采用关联分析模型方法，通过节点随机状态权值的计算得到节点的稀疏表示向量，利用稀疏表示向量间余弦相似度量化和替换知识图谱中任意节点之间通过无线通信网络协议建立的边连接关系，进而计算节点的关联向量，所述关联向量用于计算节点的特征向量，通过节点的特征向量完成知识图谱的量化表示，便于节点间关联关系的挖掘，进而获取无线通信网络协议内生因素间隐藏的关联关系。基于无线通信网络协议内生因素知识图谱的关联分析目标在于计算出能够量化节点间边连接关系的相似度，以及任意节点与其它所有节点间的关联度，以支撑节点特征向量的表示学习，进一步实现类内节点间关联关系的挖掘。为了实现该目标，首先依据步骤一构建的知识图谱拓扑结构得到节点的稀疏表示向量，再通过计算稀疏表示向量间的余弦相似度实现节点间的边连接关系的量化，以量化后的相似度替换原知识图谱中由协议确定的关系

本发明依据无线通信网络协议建立数据字段及指标间的关联规则，并根据关联规则构建知识图谱，实现了基于知识图谱的内生因素关联分析，完成了知识图谱图结构的更新，以及知识图谱的节点特征表示与边连接关系的量化表示，深度挖掘各内生因素间的关联关系，为复杂关系网络内生因素间的逻辑推理提供了强有力的理论基础。解决目前通信网络体系结构内内生因素间关联关系存在的“黑核”问题，填补了无线通信网络协议关联分析这一领域的研究空白，为节点分类等方面提供计算依据。

步骤二包含以下四个子步骤：

子步骤一：节点稀疏表示向量计算：知识图谱节点的

所有节点的随机状态权值是通过一系列迭代操作获得，为了便于叙述，令第

其中，

子步骤二：稀疏表示向量间余弦相似度的计算：稀疏表示向量

子步骤三：知识图谱图结构的更新：设定余弦相似度值不低于余弦相似度阈值

子步骤四：节点的关联度与特征向量计算：节点的特征向量可以通过迭代计算得到，令在

其中，

从公式（4）可知，为计算节点的特征向量，实现需要计算节点的特征偏移向量。在

（1）关联向量的计算

节点

其中，

其中，

其中，

节点

（2）分离向量的计算

节点

其中，

本发明通过建立无线通信网络协议内生因素的知识图谱，引入了基于知识图谱图结构的节点稀疏表示算法、余弦相似度计算与节点关联分析模型方法，深度挖掘了知识图谱所包含的图结构信息，实现了对知识图谱节点与边连接关系的量化特征表示，完成了对节点间关联关系的分析与挖掘。本发明还利用关联分析模型将抽象的无线网络协议知识图谱量化为可通过特征向量描述并计算的矩阵形式，具有此种表示形式的知识图谱可以更方便的延伸应用于实体预测、关系预测、推荐算法及语义搜索等场景。

一种无线网络协议知识图谱构建分析系统，可以设置在网络中任意需要的位置，其执行是在本地服务器完成的，此外服务端与客户端都可以布置本系统，或通过算法实现本发明中的方法，一种无线网络协议知识图谱构建分析系统包括：知识图谱构建单元和关联分析单元。

知识图谱构建单元，用于根据无线通信网络协议的内生因素定义实体、实体之间的关系和三元组，通过三元组构建具有拓扑结构的无线通信网络协议内生因素的知识图谱；

关联分析单元，与知识图谱构建单元连接，用于通过节点随机状态权值计算得到节点的稀疏表示向量，利用稀疏表示向量间余弦相似度量化和替换知识图谱中任意节点之间通过无线通信网络协议建立的边连接关系，进而计算节点的关联向量，关联向量用于计算节点的特征向量，特征向量用于知识图谱的量化表示。关联分析单元具体包括依次连接的稀疏表示向量计算模块、余弦相似度计算模块、更新模块和特征向量计算模块；

其中，稀疏表示向量计算模块用于依据知识图谱构建单元构建的知识图谱计算各节点的稀疏表示向量；余弦相似度计算模块用于计算节点的稀疏表示向量间的余弦相似度，进而实现节点间的边连接关系的量化；更新模块用于以量化后的余弦相似度替换原知识图谱中的边连接关系，完成知识图谱图结构的更新；特征向量计算模块用于结合更新后的知识图谱拓扑结构与余弦相似度计算出节点的关联向量，进而通过关联向量计算节点的特征向量，特征向量用于知识图谱的量化表示。

一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现以上任一所述的一种无线网络协议知识图谱构建分析方法。存储器可为各种类型的存储器，可为随机存储器、只读存储器、闪存等。处理器可为各种类型的处理器，例如，中央处理器、微处理器、数字信号处理器或图像处理器等。

一种计算机可读存储介质，其特征在于，存储有计算机可执行指令，计算机可执行指令用于执行以上任一所述的一种无线网络协议知识图谱构建分析方法。存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

实施例：

本实施例中以核心网N1N2接口控制面数据及指标关联分析作进一步描述，其中无线通信网络协议内生因素知识图谱的构建是通过图数据库技术实现，知识图谱中节点关联关系的查询、存储及处理等操作则是通过数据库查询语言实现，内生因素关联分析模型是在Python 3.6语言环境下建立并验证。

步骤一：无线通信网络协议内生因素知识图谱构建，包含以下四个子步骤：

子步骤一：实体的定义，依据3GPP协议等无线通信网络协议规定，确立可作为流程类型、数据字段类型、统计类型数据指标与算法类型数据指标共四种实体类型的核心网N1N2接口控制面数据及指标共247个。本实施例中，流程类型如1-registration、数据字段类型如msgflag、统计类型数据指标如registration success cnt，算法类型数据指标如registration success rate。实体类型包含实体属性，实体属性用于体现实体具有的名称、特征及参数，特征用于描述实体区别于其他实体的性质如类型、字长等，参数则描述了实体对象特定属性的取值如数值，例如名称为msgflag的实体类型为unsigned int，字长为1，数值可以取0、1、2、3、4。

子步骤二：边连接关系的定义，根据现有的无线通信协议确立247个实体间的流程关系、条件关系与算法关系三种共2305条。

子步骤三：三元组的定义，确立了实体与边连接关系之后，构建具有连接关系的实体无线通信协议通用三元组共2305组。

子步骤四：知识图谱的构建，以三元组的头实体、尾实体作为知识图谱的节点，边连接关系为节点之间的边，连接所有存在关系的实体节点，可以得到具有拓扑结构的无线通信网络协议内生因素的知识图谱。无线通信网络协议内生因素知识图谱的节点总数共247个，边连接关系共2305条。附图2示出了本实施例中无线通信网络协议内生因素知识图谱的局部结构。利用图数据库技术将知识图谱以图数据的方式进行存储，通过数据库查询语言可以实现以关联数据为中心的数据表达，多重边连接关系的查询，还可通过图算法实现更为复杂的图匹配查询与推理等功能。

步骤二：基于无线通信网络协议内生因素知识图谱的关联分析方法，包含以下四个子步骤：

子步骤一：节点稀疏表示向量计算，知识图谱节点的稀疏表示向量可通过节点的随机状态权值计算得到，具体过程如下，

随机状态权值初始设定为

子步骤二：稀疏表示向量间余弦相似度计算，通过公式（3）计算知识图谱节点稀疏表示向量间的余弦相似度来评估节点间的相似性，本实施例中，节点1-registration与节点msgflag间的余弦相似度为0.0092，节点msgflag与节点registration success cnt间的余弦相似度为0.218。

子步骤三：知识图谱图结构的更新，设定稀疏表示向量间余弦相似度值高于余弦相似度阈值

附图3示出了无线通信网络协议内生因素知识图谱图结构更新后的局部结构，图中边连接线的粗细程度反映了两个节点关联性的强弱，关联性越强则边连接线越粗，反之边连接线越弱，节点的大小则反映了此类数据中与该节点具有强关联关系的节点的数量，节点越大说明与该节点强关联的节点数越多，判定强关联的阈值

子步骤四：节点的关联度与特征向量计算，节点的特征向量可以通过公式（4）迭代计算得到，关于时间

从本实施例中的附图2和附图3可知，本发明所述的方法很好的解决了现有通信网络体系结构内存在的内生因素间关联关系的“黑核”问题，为研究人员提供了一种可视化、层次化、结构化的方式动态了解网络内在流程、数据、指标间的关联。通过知识图谱对现有的信息和知识及其关联规则的有效整理，结合知识组织层次关联分析模型，可以实现面向专业人士培训知识库的构建，解决现有教学培训工作只能局限于某一层网络开展的问题，具有广阔的应用前景和价值。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。