[发明专利]网元选取方法及装置

权利要求书

1.一种网元选取方法，其特征在于，包括：

构建机器学习模型；

获取至少一个历史网元选取事件对应的历史数据；其中，所述历史网元选取事件对应的历史数据包括：该历史网元选取事件中的网元选取条件，以及该历史网元选取事件中的历史目标服务网元的属性信息和状态信息；

利用所述至少一个历史网元选取事件对应的历史数据对构建的机器学习模型进行训练，以获得训练完成的机器学习模型；

接收网元选取请求；其中，所述网元选取请求中携带有网元选取条件；

获取至少一个服务网元的状态信息和属性信息；

将所述网元选取条件，以及所述至少一个服务网元的状态信息和属性信息输入至预先训练完成的机器学习模型中；

获取机器学习模型输出的任一服务网元的评价值；

基于所述任一服务网元的评价值，确定目标服务网元。

2.根据权利要求1所述的方法，其特征在于，所述将所述网元选取条件，以及所述至少一个服务网元的状态信息和属性信息输入至预先训练完成的机器学习模型中进一步包括：

对所述网元选取条件，以及所述至少一个服务网元的状态信息和属性信息进行预处理；

将预处理结果输入至预先训练完成的机器学习模型中。

3.根据权利要求2所述的方法，其特征在于，所述预处理包括以下处理方式中的至少一种：

字母大小写转换处理、整数序列标准化处理、以及序列长度规范化处理。

4.根据权利要求1所述的方法，其特征在于，所述利用所述至少一个历史网元选取事件对应的历史数据对构建的机器学习模型进行训练进一步包括：

对所述至少一个历史网元选取事件对应的历史数据进行预处理；

利用预处理结果对构建的机器学习模型进行训练。

5.根据权利要求4所述的方法，其特征在于，所述机器学习模型包括：三个并列的输入层，三个并列的词嵌入层，三个并列的转换层，一个合并层，至少一个全连接层、和/或至少一个舍弃层；

其中，任一输入层具有与其相连接的词嵌入层；任一词嵌入层具有与其相连接的转换层。

6.一种网元选取装置，其特征在于，包括：

模型训练模块，适于构建机器学习模型；获取至少一个历史网元选取事件对应的历史数据；其中，所述历史网元选取事件对应的历史数据包括：该历史网元选取事件中的网元选取条件，以及该历史网元选取事件中的历史目标服务网元的属性信息和状态信息；利用所述至少一个历史网元选取事件对应的历史数据对构建的机器学习模型进行训练，以获得训练完成的机器学习模型；

请求接收模块，适于接收网元选取请求；其中，所述网元选取请求中携带有网元选取条件；

信息获取模块，适于获取至少一个服务网元的状态信息和属性信息；

输入模块，适于将所述网元选取条件，以及所述至少一个服务网元的状态信息和属性信息输入至预先训练完成的机器学习模型中；

评价值获取模块，适于获取机器学习模型输出的任一服务网元的评价值；

确定模块，适于基于所述任一服务网元的评价值，确定目标服务网元。

7.一种核心网系统，其特征在于，包括：承载如权利要求6所述的网元选取装置的NRF网元、以及至少一个服务网元。

8.一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-5中任一项所述的网元选取方法对应的操作。

9.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-5中任一项所述的网元选取方法对应的操作。