(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210827834.4 (22)申请日 2022.07.14 (71)申请人 中国联合网络通信集团有限公司 地址 100033 北京市西城区金融大街21号 (72)发明人 高有利　邱倩琳　屠梓浩　刘贤松　 欧大春　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 专利代理师 朱颖　黄健 (51)Int.Cl. G06F 16/35(2019.01) G06F 16/36(2019.01) G06F 40/30(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 5G用户识别的网络模 型建立方法、 设备及存 储介质 (57)摘要 本申请提供一种5G用户识别的网络模型建 立方法、 设备及存储介质。 该方法包括： 获取用户 在预定历史时间段内的历史数据； 根据历史数据 构建用户知识图谱， 用户知识图谱包含用户与用 户之间的关系三元组数据及用户属性三元组数 据； 基于用户与用户之间的关系三元组数据， 利 用随机游走算法获取用户的网络位置向量； 将用 户属性三元组数据与网络位置向量输入到图注 意力网络模型中进行训练， 生 成识别5G用户的 图 注意力网络模 型。 本申请的方法通过用户属性三 元组数据及用户与用户之间的关系三元组数据 对用户进行全面的分析， 生成可识别5G用户的 图 注意力网络模 型， 因此利用图注 意网络模型对用 户是否为5G用户进行识别， 提高了识别准确率。 权利要求书2页 说明书16页 附图5页 CN 115098684 A 2022.09.23 CN 115098684 A 1.一种5G用户识别的网络模型建立方法， 其特 征在于， 包括： 获取用户在预定历史时间段内的历史数据； 根据所述历史数据构建用户知识图谱， 所述用户知识图谱包含用户与用户之间的关系 三元组数据及用户属性 三元组数据； 基于所述用户与用户之间的关系三元组数据， 利用随机游走算法获取用户的网络位置 向量； 将所述用户属性三元组数据与所述网络位置向量输入到图注意力网络模型中进行训 练， 生成识别5G用户的图注意力网络模型。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述历史数据构建用户知识图 谱， 包括： 根据所述历史数据生成特 征集宽表； 对所述特征集宽表进行知识抽取获取三元组数据， 并根据 所述三元组数据构建用户知 识图谱。 3.根据权利要求2所述的方法， 其特征在于， 所述历史数据包含： 用户基本信息数据、 用 户业务信息数据及用户交 互行为数据； 所述 根据所述历史数据生成特 征集宽表， 包括： 根据所述用户基本信 息数据、 所述用户业务信 息数据及所述用户交互行为数据中包含 的用户特 征计算所述用户特 征的数据缺失率； 根据所述用户特征的数据缺失率及用户特征的数量对所述历史数据进行筛选， 所述用 户特征包含数值型用户特 征及字符型用户特 征； 对所述数值型用户特征进行特征叠加处理， 并对所述字符型用户特征进行量化编码处 理； 根据经过特征叠加处 理及量化编码处 理后的所述历史数据生成所述特 征集宽表。 4.根据权利要求1 ‑3任一项所述的方法， 其特征在于， 所述将所述用户属性三元组数据 与所述网络位置向量输入到图注意力网络模型中进 行训练， 生成识别5 G用户的图注意力网 络模型， 包括： 基于所述用户与用户之间的关系三元组数据确定所述用户的邻居用户； 基于所述用户属性 三元组数据构建用户属性特 征； 将所述用户属性特 征与所述网络位置向量进行拼接， 生成初始语义表征； 将所述初始语义表征输入至所述图注意力网络模型的全连接层， 输出嵌入语义表征， 所述嵌入语义表征包 含所述用户的嵌入语义表征及所述邻居用户的嵌入语义表征； 将所述用户的嵌入语义表征及所述邻居用户的嵌入语义表征输入至所述图注意力网 络模型的图注意力 层， 输出基于图注意力的所述用户的语义表征和所述邻居用户的语义表 征； 将基于图注意力的所述用户的语义表征及所述邻居用户的语义表征输入至所述图注 意力网络模型的输出层， 输出 所述用户为5G用户的概 率。 5.根据权利要求4所述的方法， 其特征在于， 所述将基于图注意力的所述用户的语义表 征及所述邻居用户的语义表征输入至所述图注意力网络模型的输出层， 输出所述用户为5G 用户的概 率， 包括： 对所述图注意力网络模型中每一层图注意力层输出的所述用户的语义表征进行整合，权　利　要　求　书 1/2 页 2 CN 115098684 A 2生成所述用户的最终语义表征； 通过激活函数将所述用户的最终语义表征转 化为所述用户为5G用户的概 率。 6.根据权利要求5所述的方法， 其特征在于， 所述历史数据还包含用户标签数据； 所述 通过激活函数将所述用户的最终语义表征转 化为所述用户为5G用户的概 率之后， 还 包括： 利用损失函数计算所述用户为5G用户的概率与所述用户标签数据之间的损失， 并根据 所述损失优化所述图注意力网络模型。 7.根据权利要求6所述的方法， 其特征在于， 所述将所述用户属性三元组数据与所述网 络位置向量输入到图注意力网络模型中进 行训练， 生成识别5 G用户的图注意力网络模型之 前， 还包括： 将所述三元组数据及所述用户标签数据划分为训练集、 验证集及测试集； 利用所述验证集对所述图注意力网络模型的参数进行优化； 利用所述测试集对所述图注意力网络模型进行测试评估。 8.一种5G用户识别的网络模型建立设备， 其特 征在于， 包括： 获取模块， 用于获取用户在预定历史时间段内的历史数据； 构建模块， 用于根据所述历史数据构建用户知识图谱， 所述用户知识图谱包含用户与 用户之间的关系三元组数据及用户属性 三元组数据； 获取模块， 还用于基于所述用户与用户之间的关系三元组数据， 利用随机游走算法获 取用户的网络位置向量； 训练模块， 用于将所述用户属性三元组数据与 所述网络位置向量输入到图注意力网络 模型中进行训练， 生成识别5G用户的图注意力网络模型。 9.一种5G用户识别的网络模型建立设备， 包括： 处理器、 存储器， 所述存储器中存储代 码， 所述处理器运行所述存储器中存储的代码， 以执行如权利要求 1‑7中任一项 所述的5G用 户识别的网络模型建立方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有计算机 执行指令， 所述计算机执行指令被处理器执行时用于实现如权利要求1 ‑7任一项所述的5G 用户识别的网络模型建立方法。权　利　要　求　书 2/2 页 3 CN 115098684 A 3