[发明专利]一种网络类型识别的方法、相关装置、设备及存储介质

说明书

本申请公开了一种可基于人工智能技术实现的网络类型识别方法，包括：获取第一无线网络所对应的待预测数据，待预测数据包括与第一无线网络连接状态相关的数据，且待预测数据包括至少一种特征类型，至少一种特征类型包括第一无线网络的连接次数、独立连接数、连接时间、活跃状态、连接次数比例、留存人数比例以及连接次数分段中的一种或多种；根据待预测数据生成待预测特征向量，待预测特征向量与至少一种特征类型具有对应关系；基于待预测特征向量，通过网络类型识别模型获取类别概率；根据类别概率，确定第一无线网络所对应的目标网络类型。本申请还公开了相关装置、设备及存储介质。本申请能够更加客观且准确地识别出无线网络的网络类型。

技术领域

本申请涉及通信技术领域，尤其涉及一种网络类型识别的方法、相关装置、设备及存储介质。

背景技术

无线网络上网可以简单的理解为无线上网，几乎所有智能手机、平板电脑和笔记本电脑都支持无线上网(wireless fidelity，WiFi)上网。WiFi信号也是由有线网提供的，例如，在家里、写字楼、医院和高校等地方，都可以使用无线路由器将有线信号转换成WiFi信号，供用户连接上网。

许多研究的前提是往往需要发现WiFi网络的类型，例如，发现某个WiFi网络属于家庭WiFi，或发现某个WiFi网络属于公共网络。目前，通常采用网络标识来定义该WiFi网络的类型，用户可以为当前使用的WiFi网络配置相应的网络标识。

然而，在实际应用中，可能出现网络标识配置不准确，或者遗漏对WiFi网络进行网络标识配置的情况，从而导致WiFi网络类型的识别率降低。

发明内容

本申请实施例提供了一种网络类型识别的方法、相关装置、设备及存储介质，能够更加客观且准确地识别出无线网络的网络类型。

有鉴于此，本申请一方面提供一种网络类型识别的方法，包括：

获取第一无线网络所对应的待预测数据，其中，待预测数据包括与第一无线网络连接状态相关的数据，且待预测数据包括至少一种特征类型，至少一种特征类型包括第一无线网络的连接次数、独立连接数、连接时间、活跃状态、连接次数比例、留存人数比例以及连接次数分段中的一种或多种；

根据待预测数据生成待预测特征向量，其中，待预测特征向量与至少一种特征类型具有对应关系；

基于待预测特征向量，通过网络类型识别模型获取类别概率；

根据类别概率，确定第一无线网络所对应的目标网络类型。

本申请另一方面提供一种网络类型识别装置，包括：

获取模块，用于获取第一无线网络所对应的待预测数据，其中，待预测数据包括与第一无线网络连接状态相关的数据，且待预测数据包括至少一种特征类型，至少一种特征类型包括第一无线网络的连接次数、独立连接数、连接时间、活跃状态、连接次数比例、留存人数比例以及连接次数分段中的一种或多种；

生成模块，用于根据待预测数据生成待预测特征向量，其中，待预测特征向量与至少一种特征类型具有对应关系；

获取模块，还用于基于待预测特征向量，通过网络类型识别模型获取类别概率；

确定模块，用于根据类别概率，确定第一无线网络所对应的目标网络类型。

在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，

连接次数包括在工作日内连接第一无线网络的平均连接次数，在非工作日内连接第一无线网络的平均连接次数，以及连接第一无线网络的平均连接次数的至少一种；

独立连接数包括在工作日内连接第一无线网络的平均独立连接数，在非工作日内连接第一无线网络的平均独立连接数，以及连接第一无线网络的平均独立连接数的至少一种；