异常用户识别方法、装置、设备、存储介质及程序产品

    公开(公告)号:CN116776167A

    公开(公告)日:2023-09-19

    申请号:CN202310840681.1

    申请日:2023-07-10

    摘要: 本申请涉及一种异常用户识别方法、装置、设备、存储介质及程序产品。该方法包括:获取待分析数据的目标异常用户识别策略,根据目标异常用户识别策略所需的数据特征,对待分析数据进行重构,得到待分析数据的数据组,其中,数据组中的数据量小于待分析数据的数据量,进一步通过目标异常用户识别策略对数据组进行识别处理,得到待分析数据的异常用户识别结果。采用上述方法可以从整体上考虑目标异常用户识别策略所需的数据特征,将异常用户识别时不需要的数据和特征从待分析数据中滤除,并通过对待分析数据进行重构,得出数据量小于待分析数据原本数据量,从而减少了异常用户识别时处理的数据量,降低了资源消耗,减少了资源冗余浪费。

    预测模型训练方法、系统、装置、计算机设备及存储介质

    公开(公告)号:CN116567650A

    公开(公告)日:2023-08-08

    申请号:CN202310561505.4

    申请日:2023-05-17

    IPC分类号: H04W16/22 H04W52/02

    摘要: 本申请涉及一种预测模型训练方法、系统、装置、计算机设备及存储介质。所述方法包括:获取目标基站组的预测模型作为各基站的目标预测模型;针对任一基站,确定目标预测模型的第一节能控制损失值,并基于第一节能控制损失值调整目标预测模型的目标模型参数;确定调整后的预测模型的第二节能控制损失值,并根据各基站的第二节能控制损失值调整预测模型的初始模型参数,将调整后的预测模型作为各基站对应的目标预测模型,并跳转至针对目标基站组中的任一基站,确定预测模型当前的第一节能控制损失值的步骤,直至满足预置条件为止;分别将各基站当前的目标预测模型,作为各基站训练后的预测模型。采用本方法能够提升各基站预测模型的总体训练速度。

    基站节能系统的参数优化方法和装置

    公开(公告)号:CN114449550B

    公开(公告)日:2024-10-18

    申请号:CN202011224030.2

    申请日:2020-11-05

    IPC分类号: H04W24/02 H04W52/02

    摘要: 本公开涉及一种用于优化基站的节能配置参数的方法,包括:基于采集的基站在多个时段中的第一时段的状态信息,利用第一学习模型,计算基站在第一时段之后的第二时段的节能配置参数;基于基站在第二时段的节能配置参数执行第二时段的节能操作并采集基站在第二时段的状态信息;基于基站在第二时段的节能配置参数和所采集的基站在第二时段的状态信息,评估基站在第二时段的节能效果评估参数;基于基站在第一时段的状态信息、基站在第二时段的节能配置参数、基站在第二时段的节能效果评估参数以及基站在第二时段的状态信息,生成第一参数更新梯度;以及基于第一参数更新梯度对第一学习模型的模型参数进行更新。

    基站节能系统的参数优化方法和装置

    公开(公告)号:CN114449550A

    公开(公告)日:2022-05-06

    申请号:CN202011224030.2

    申请日:2020-11-05

    IPC分类号: H04W24/02 H04W52/02

    摘要: 本公开涉及一种用于优化基站的节能配置参数的方法,包括:基于采集的基站在多个时段中的第一时段的状态信息,利用第一学习模型,计算基站在第一时段之后的第二时段的节能配置参数;基于基站在第二时段的节能配置参数执行第二时段的节能操作并采集基站在第二时段的状态信息;基于基站在第二时段的节能配置参数和所采集的基站在第二时段的状态信息,评估基站在第二时段的节能效果评估参数;基于基站在第一时段的状态信息、基站在第二时段的节能配置参数、基站在第二时段的节能效果评估参数以及基站在第二时段的状态信息,生成第一参数更新梯度;以及基于第一参数更新梯度对第一学习模型的模型参数进行更新。

    用户识别模型的训练、用户识别方法和装置

    公开(公告)号:CN115640518A

    公开(公告)日:2023-01-24

    申请号:CN202211273066.9

    申请日:2022-10-18

    IPC分类号: G06F18/214 G06F18/2431

    摘要: 本公开涉及一种用户识别模型的训练、用户识别方法和装置,涉及人工智能技术领域。其中,用户识别模型的训练方法包括:周期性地判断至少一个用户识别模型的性能指标是否满足预设条件,所述至少一个用户识别模型包括第一用户识别模型;在第一用户识别模型的性能指标不满足预设条件的情况下,从候选样本用户数据集中去除白名单上的用户数据,以得到第一训练样本用户数据集;根据第一训练样本用户数据集,对第一用户识别模型进行再训练。通过以上步骤,不仅能够自动、及时地对用户识别模型进行更新,而且能够提高更新后的用户识别模型的识别准确率,提高用户体验。