一种数据分析方法、装置、设备和存储介质与流程

本申请涉及无线通信网络，具体涉及一种数据分析方法、装置、设备和存储介质。

背景技术：

网络数据分析功能(networkdataanalyticsfunction，nwdaf)能够从网络管理功能(operationsadministrationandmaintenance，oam)、应用程序(applicationfunction，af)和网络功能(networkfunction，nf)中采集数据。基于上述数据采集，nwdaf进行数据分析，并将分析结果提供给af、nf和oam。但是，nwdaf中没有行之有效的方式从大量人工智能(artificialintelligence，ai)模型中选择出所需要的ai模型。

技术实现要素：

本申请提供用于数据分析方法、装置、设备和存储介质，实现从大量的ai模型中选择出所需要的模型进行数据分析。

第一方面，本申请实施例提供一种数据分析方法，包括：

根据数据分析请求确定分析数据，其中所述数据分析请求包括第一数据分析请求或第二数据分析请求；

根据所述数据分析请求确定分析模型；

将所述分析数据和所述分析模型，得到数据分析结果。

进一步的，所述第一数据分析请求包括以下至少一个或多个：数据分析业务类型、模型标识、分析结果策略，所述第二数据分析请求包括以下至少一个或多个：数据分析业务类型、待分析数据、模型标识、分析结果策略。

进一步的，所述根据数据分析请求确定分析数据，包括以下至少之一：

根据所述第一数据分析请求中的数据分析类型从第三代合作伙伴计划3gpp网络中获取分析数据；

将所述第二数据分析请求中携带的待分析数据确定为分析数据。

其中，所述分析结果策略为模型分析结果需要达到的要求，所述分析结果策略包括以下至少之一：分析结果准确率、分析结果返回时长。数据分析业务类型为nwdaf定义的数据分析业务能力标识，所述数据分析业务类型包括以下至少一个或多个：服务体验、负载等级，所述模型标识为数据分析业务所要采用的模型的标识信息。

进一步的，所述方法还包括：

接收模型消费者或业务消费者发送的数据分析请求。

进一步的，所述根据数据分析请求获取分析数据，包括：根据所述业务分析类型和/或所述分析目标从第三代合作伙伴计划(3rdgenerationpartnershipproject，3gpp)网络的网络功能nf和/或af和/或oam中获取分析数据。

进一步的，所述数据分析请求还包括：数据分析结果接收者，相应的，所述方法还包括：将所述数据结果发送至数据分析结果接收者。

进一步的，所述方法还包括：将所述分析数据发送至大数据平台进行存储。

进一步的，所述根据数据分析请求确定分析模型，包括以下之一：

方式一：根据所述业务分析类型和/或所述模型标识确定所需模型和/或模型类型，将本地存在的与所述所需模型和/或模型类型相同的本地模型确定为分析模型；

方式二：根据所述业务分析类型和/或所述模型标识确定所需的本地模型，并对所需的本地模型进行训练，得到分析模型；

方式三：根据所述业务分析类型和/或所述模型标识生成模型请求，并发送所述模型请求至模型拥有者，接收所述模型拥有者反馈的分析模型，其中，所述模型拥有者为具备模型的人工智能ai平台或3gpp网络功能；所述分析模型由模型拥有者根据模型请求确定。

进一步的，根据所述分析数据和所述分析模型，得到数据分析结果，包括：

运行所述分析模型分析所述分析数据，得到数据分析结果；

进一步地，如果所述数据分析结果未满足分析结果策略，则确定新的分析模型；

运行新的分析模型分析所述分析数据，得到新的数据分析结果。

进一步的，确定新的分析模型，包括以下方式之一：

方式一：对所述分析模型进行训练，得到新的分析模型；

方式二：发送新的模型请求至模型拥有者，接收所述模型拥有者反馈的新的分析模型。

得到分析模型之后，还包括：

生成模型信息，和/或模型运行实例信息，所述模型信息包括以下至少一个或多个：模型版本、模型目录、模型标识、模型关联信息，所述模型运行实例包括以下至少一个或多个：模型运行状态、模型运行时间戳、模型调用次数、模型准确率；

可选的，将所述模型信息和/或模型运行实例信息发送至网络存储功能nrf。

进一步的，所述模型请求包括以下至少一个或多个：模型接收者地址、模型类型标识、模型标识、训练数据、模型筛选条件、模型数据关联信息、模型反馈策略。

其中，模型筛选条件包括以下至少一个或多个：模型运行环境、模型性能、模型准确性；所述模型反馈策略包括以下至少一个或多个：每次反馈模型数量、反馈模型的预设时长。所述模型数据关联信息用于生成或者训练模型所需输入的数据信息，模型数据关联信息包括以下至少一个或多个：数据内容、数据位置。模型类型标识用于标识所需的模型类型。

进一步的，由模型拥有者根据所述模型请求得到分析模型的方法，包括以下之一：

模型拥有者将满足所述模型类型标识和/或模型标识和/或所述模型筛选条件的模型确定为分析模型；

模型拥有者确定满足所述模型类型标识和/或所述模型标识和/或所述模型筛选条件的模型为所需模型，模型拥有者根据所述训练数据和/或模型数据关联信息训练所述所需模型，得到分析模型；

模型拥有者将所述模型请求转发至第三方模型拥有者，接收第三方模型拥有者发送的分析模型。

进一步的，由模型拥有者根据所述模型请求得到分析模型的方法，还包括：

模型拥有者根据模型反馈策略将所述分析模型反馈至模型接收者，其中所述模型接收者由所述模型接收者地址确定。

进一步的，还可以是模型拥有者反馈模型标识，模型消费者通过模型标识调用模型。

进一步的，所述方法还包括：

生成数据结果请求并发送至模型拥有者；所述数据结果请求包括以下至少一个或多个：分析结果接收者地址、模型类型标识、模型标识、分析数据、分析结果策略；

接收模型拥有者反馈的数据分析结果，其中，所述数据分析结果由模型拥有者根据数据结果请求确定。

进一步的，由模型拥有者根据所述数据结果请求得到数据分析结果的方法，包括以下之一：

方式一：模型拥有者根据所述模型类型标识和/或所述模型标识确定分析模型，运行所述分析模型分析所述分析数据，得到数据分析结果；

方式二：模型拥有者根据所述模型类型标识和/或所述模型标识确定分析模型，模型拥有者利用分析数据对分析模型进行训练得到新的分析模型；运行所述新的分析模型分析所述分析数据，得到新的数据分析结果，判断所述新的数据分析结果是否满足分析结果策略，如果未满足，返回执行利用所述分析数据对所述分析模型进行训练得到新的分析模型的操作，直至数据分析结果满足分析结果策略；

方式三：模型拥有者根据所述模型类型标识和/或所述模型标识获取第三方模型拥有者的分析模型，运行所述分析模型分析所述分析数据，得到数据分析结果。

进一步的，由模型拥有者根据所述数据结果请求得到数据分析结果的方法，还包括：

模型拥有者将数据分析结果反馈至分析结果接收者，其中，所述分析结果接收者由分析结果接收地址确定。

进一步的，所述方法还包括：

接收nwdaf配置信息；其中，所述配置信息包括以下至少一个或多个：模型拥有者地址、模型辅助参数。

根据nwdaf配置信息配置目标模型。

进一步的，所述根据nwdaf配置信息配置目标模型，包括以下方式之一：

方式一：根据所述模型辅助参数进行训练，得到所述目标模型；

方式二：生成模型请求并发送至模型拥有者，接收模型拥有者反馈的所述目标模型，其中，所述目标模型由模型拥有者根据模型请求确定。

进一步的，所述模型请求包括以下至少一个或多个：模型接收者地址、模型类型标识、模型标识、训练数据、模型筛选条件、模型数据关联信息、模型反馈策略。

其中，模型筛选条件包括以下至少一个或多个：模型运行环境、模型性能、模型准确性；所述模型反馈策略包括以下至少一个或多个：每次反馈模型数量、反馈模型的预设时长。

进一步的，还可以是模型拥有者反馈模型标识。

进一步的，所述方法还包括：将业务能力文件夹发送至网络存储功能nrf，其中，所述业务能力文件夹包括本地所支持的模型信息。

进一步的，所述方法还包括：接收模型查询请求，其中，所述模型查询请求用于查询模型信息和/或模型运行实例信息，其中，所述模型查询请求包括以下至少之一：查询结果接受者、查询筛选条件；所述查询筛选条件至少包含以下之一：查询对象、查询的时间范围、查询的内容；

根据模型查询请求发送模型查询结果至所述查询结果接受者。

第二方面，本申请实施例提供一种数据分析的装置，包括：

分析数据获取模块，设置为根据数据分析请求确定分析数据，其中所述数据分析请求包括第一数据分析请求或第二数据分析请求；

分析模型确定模块，设置为根据所述数据分析请求确定分析模型；

分析结果确定模块，设置为根据所述分析数据和所述分析模型，得到数据分析结果。

进一步的，所述第一数据分析请求包括以下至少一个或多个：数据分析业务类型、模型标识、分析结果策略，所述第二数据分析请求包括以下至少一个或多个：数据分析业务类型、待分析数据、模型标识、分析结果策略。

分析数据获取模块，设置为以下至少之一方式确定分析数据：

根据所述第一数据分析请求中的数据分析类型从第三代合作伙伴计划3gpp网络中获取分析数据；

将所述第二数据分析请求中携带的待分析数据确定为分析数据。

进一步的，所述装置还包括：发送模块，设置为将所述分析数据发送至大数据平台进行存储。

进一步的，分析模型确定模块，设置为通过以下方式之一确定分析模型：

根据所述业务分析类型和/或所述模型标识确定所需模型和/或模型类型，将本地存在的与所述所需模型和/模型类型相同的本地模型确定为分析模型；

根据所述业务分析类型和/或所述模型标识确定所需的本地模型，并对所需的本地模型进行训练，得到分析模型；

根据所述业务分析类型和/或所述模型标识生成模型请求，并发送所述模型请求至模型拥有者，接收所述模型拥有者反馈的分析模型，其中，所述模型拥有者为具备模型的ai平台或3gpp网络功能；所述分析模型由模型拥有者根据模型请求确定。

分析结果确定模块，设置为运行所述分析模型分析所述分析数据，得到数据分析结果；

进一步地，分析模型确定模块，设置为如果所述数据分析结果未满足分析结果策略，则确定新的分析模型；运行所述新的分析模型分析所述分析数据，得到新的数据分析结果。

分析模型确定模块，设置为通过以下方式之一确定新的分析模型：

对所述分析模型进行训练，得到新的分析模型；

发送新的模型请求至模型拥有者，接收所述模型拥有者反馈的新的分析模型。

进一步的，所述模型请求包括以下至少一个或多个：模型接收者地址、模型类型标识、模型标识、训练数据、模型筛选条件、模型数据关联信息、模型反馈策略。

进一步的，所述装置还包括：信息生成模块，设置为得到分析模型之后，生成模型信息和/或模型运行实例信息，所述模型信息包括以下至少一个或多个：模型版本、模型目录、模型标识、模型关联信息，所述模型运行实例包括以下至少一个或多个：模型运行状态、模型运行时间戳、模型调用次数、模型准确率；

进一步的，发送模块，设置为将所述模型信息和/或模型运行实例信息发送至网络存储功能nrf。

进一步的，由模型拥有者根据所述模型请求得到分析模型的方法，包括以下之一：

模型拥有者将满足所述模型类型标识和/或模型标识和/或所述模型筛选条件的模型确定为分析模型；

模型拥有者确定满足所述模型类型标识和/或所述模型标识和/或所述模型筛选条件的模型为所需模型，模型拥有者根据所述训练数据和/或所述模型数据关联信息训练所述所需模型，得到分析模型；

模型拥有者将所述模型请求转发至第三方模型拥有者，接收第三方模型拥有者发送的分析模型。

进一步的，模型拥有者根据所述模型反馈策略将所述分析模型反馈至模型接收者，其中所述模型接收者由所述模型接收者地址确定。

进一步的，信息生成模块，设置为生成数据结果请求并发送至模型拥有者；所述数据结果请求包括一下至少一个或多个：分析结果接收者地址、模型类型标识、模型标识、分析数据、分析结果策略；

所述装置还包括：接收模块，设置为接收模型拥有者反馈的数据分析结果，其中，所述数据分析结果由模型拥有者根据数据结果请求确定。

进一步的，由模型拥有者根据所述数据结果请求得到数据分析结果的方法，包括以下之一：

模型拥有者根据所述模型类型标识和/或所述模型标识确定分析模型，运行所述分析模型分析所述分析数据，得到数据分析结果。

模型拥有者利用分析数据对分析模型进行训练得到新的分析模型；运行所述新的分析模型分析所述分析数据，得到数据分析结果；

进一步地，判断所述数据分析结果是否满足分析结果策略，如果未满足，返回执行利用所述分析数据对所述分析模型进行训练得到新的分析模型的操作，直至数据分析结果满足分析结果策略；

模型拥有者根据所述模型类型标识和/或所述模型标识获取第三方模型拥有者的分析模型，运行所述分析模型分析所述分析数据，得到数据分析结果。

进一步的，模型拥有者将数据分析结果反馈至分析结果接收者，其中，所述分析结果接收者由分析结果接收地址确定。

进一步的，接收模块，设置为接收nwdaf配置信息；其中，所述配置信息包括以下至少一个或多个：模型拥有者地址、模型辅助参数。

配置模块，设置为根据nwdaf配置信息配置目标模型。

配置模块，设置为用过以下方式之一配置目标模型：

根据所述模型辅助参数进行训练，得到目标模型；

生成模型请求并发送至模型拥有者，接收模型拥有者反馈的所述目标模型，其中，所述目标模型由模型拥有者根据模型请求确定。

进一步的，接收模块，设置为接收模型查询请求，其中，所述模型查询请求用于查询模型信息和/或模型运行实例信息，其中，所述模型查询请求包括以下至少之一：查询结果接受者、查询筛选条件；所述查询筛选条件至少包含以下之一：查询对象、查询的时间范围、查询的内容；

发送模块，设置为根据模型查询请求发送模型查询结果至所述查询结果接受者。

第三方面，本申请实施例提供一种电子设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述第一方面中所述的数据分析方法。

第四方面，本申请实施例提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一项所述方法。

关于本申请的以上实施例和其他方面以及其实现方式，在附图说明、具体实施方式和权利要求中提供更多说明。

附图说明

图1为本申请提供的一种数据分析方法的流程示意图；

图2为本申请提供的3gpp网络自动化总体框架的结构示意图；

图3是本申请提供的3gpp网络部署和管理ai模型的结构示意图；

图4是本申请提供的模型请求方法的流程图；

图5是本申请提供的数据结构请求方法的流程图；

图6是本申请提供的配置目标模型的方法流程图；

图7是本申请提供的模型信息或模型运行实例信息查询方法的流程图；

图8是本申请提供的数据分析方法的流程图；

图9为本申请提供的一种数据分析装置的结构示意图；

图10为本申请提供的一种电子设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚明白，下文中将结合附图对本申请的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1为本申请提供的一种数据分析方法的流程示意图。该方法可以适用于3gpp网络中选择所需要的ai模型进行数据分析的情况。该方法可以由本申请提供的数据分析装置来执行，该数据分析装置可以由软件和/或硬件实现。

图2是本申请提供的3gpp网络自动化总体框架的结构示意图；图2所示，nwdaf能够从运营商oam、af和3gpp网络功能中采集数据。对于oam数据的采集，nwdaf可以复用3gpp定义的现有机制和接口。af可以根据网络部署情况，通过网络暴露功能(networkexposurefunction，nef)与nwdaf进行信息交互，或者使用基于业务的接口直接访问nwdaf。nwdaf可以从数据存储库访问网络数据，如统一数据库(unifieddatarepository，udr)。对于3gpp的nf，nwdaf利用基于3gpp定义的业务的接口通信获取网络数据。基于上述数据采集，nwdaf进行数据分析，并将数据分析结果提供给3gpp中的网络功能nf、af和oam。

其中主要的3gpp的网络功能(networkfunction，nf)包括但不限于下列各种网络功能类型：

接入管理功能(accessmanagementfunction，amf)属于核心网内的公共控制面功能，终结所有用户与网络之间的非接入层(non-access-stratum，nas)消息，负责用户移动性管理，用户设备(userequipment，ue)状态(如可达性)管理等。

会话管理功能(sessionmanagementfunction，smf)，负责会话建立、修改、删除，控制策略控制功能(policycontrolfunction，pcf)收费和策略的执行等功能。

pcf负责根据用户的签约、ue当前的位置、应用相关的信息为终端制定策略，包括路由策略、服务质量策略、计费策略等。

统一数据管理功能(unifieddatamanagement，udm)具有统一数据管理功能，用户签约数据的永久存放等功能；

udr主要用于存储udm和pcf管理的用户签约数据、策略数据等。

用户平面功能(userplanefunction，upf)属于核心网内用户面的功能，是核心网用户面的锚点，是与外部网络(datanetwork，dn)数据传输的接口，执行用户面部分pcf策略规则的执行等。

nef用于暴露3gppnfs的能力和事件给其他nf或者外部应用af，提供af预配置3gppnfs能力，实现3gpp网络和外部网络信息映射等。

af指接入3gpp的应用。

nrf维护nf文件夹(nf文件夹包括nf实体和其所支持的业务描述)，支持业务发现功能等。

nwdaf支持从nf、af、oam收集数据，业务注册和元数据暴露给nf和/或af，分析结果暴露给nf和/或af和/或oam；

oam可以是核心网的oam，和/或接入网(radioaccessnetwork，ran)的oam。

图3是本申请提供的3gpp网络部署和管理ai模型的结构示意图；如图3所示，ai平台是一个管理ai模型的逻辑功能平台，它可以包括ai模型市场和ai模型训练等功能。其中ai模型市场可以包括模型上线(on-boarding)、存储、发布、发现、选择、部署等功能，ai模型训练为ai平台训练更新ai模型能力。ai平台的功能可以是第三方提供的一个功能，也可以部署在3gpp一个或多个网络功能。ai平台通过x4接口向nwdaf提供ai模型或分析结果。

大数据平台(bigdataplatform)具有获取和/或保存3gpp网络数据能力，提供数据给ai平台进行模型训练、分析。大数据平台通过x8接口从3gpp网络获取数据，也可以通过x7接口从nwdaf获取数据。

nwdaf的能力包含以下至少之一：

数据采集能力，是指从3gpp各网络功能nf、oam、af获取数据能力。

分析功能暴露能力，是指nwdaf把自身具备的业务能力暴露给nwdaf业务消费者(nwdafserviceconsumer)的能力。

模型管理能力(aimodelmanagement)指nwdaf可以包含以下至少之一：

ai模型管理能力：包括获取、存储、删除/更新nwdaf本地存储的ai模型信息的能力，ai模型信息可以包括下列参数中的至少一个或多个：ai模型目录、ai模型文件、ai模型相关参数信息(如模型参数输入输出方法等)等；

ai模型实例管理：包括下列参数中的至少一个或多个：模型的生命周期管理、运行状态监控(例如模型运行、停止状态，模型调用次数，准确率/精确率)等；

模型暴露能力(aimodelexposure)，指暴露模型给其他模型消费者(例如模型消费者)；

模型推理引擎(aiinferenceengine)，指运行ai模型所需的软件和/或硬件能力；

模型训练引擎(aitrainingengine)，指用于训练ai模型所需的软件和/或硬件能力。

模型消费者可以认为是3gpp的网络功能nf/af/oam，例如模型消费者可以是一个没有部署所需模型的nwdaf，可以通过x10接口到nwdaf获取ai模型；或模型消费者可以是没有运行模型推理能力的nwdaf，可以通过x10接口发送采集的数据到nwdaf获取分析结果。

x1接口为nwdaf业务消费者(例如3gppnf、af、oam)和nwdaf之间的接口。

x2接口为nwdaf和nrf之间接口，通过该接口可以把nwdaf的能力暴露给nrf。

x3接口为nwdaf和oam之间的接口，可以用于实现nwdaf功能配置和部署。

x4接口为nwdaf和ai平台接口，可以用于实现ai模型、模型分析结果的获取和更新；例如nwdaf发送模型获取请求或模型分析结果请求，请求消息可以包括以下参数至少一个或多个：

接收ai模型的地址：用于指示请求的ai模型部署的地址；

训练数据：nwdaf提供给ai平台用于训练ai模型的数据，可以包括采集的数据和/或其分析结果；

ai模型标识：用于标识所需ai模型；

ai模型类型标识：用于标识所需ai模型类型；

模型筛选条件：用于指示ai模型所需达到的各项条件(例如运行环境要求、性能、准确性等)；

模型数据关联信息：用于生成或训练ai模型所需输入数据的信息，例如输入数据的内容、位置等)；

分析结果策略：例如一次返回多少个分析结果。

x5接口为nwdaf和3gpp的网络功能nf、af、oam之间接口，通过该接口nwdaf可以从上述网络功能获取所需网络数据。

x6接口为nwdaf和3gpp的网络功能nf、af、oam之间接口，通过该接口nwdaf可以暴露自己的数据(例如模型实例管理数据)给3gpp的网络功能nf、af、oam等。

x7接口为nwdaf和大数据平台接口，nwdaf通过该接口可以把它采集的网络数据、模型实例管理数据发给大数据平台。

x8接口为大数据平台和3gpp网络接口，通过该接口可以获取3gpp网络数据。

x9接口为大数据平台和ai平台接口，通过该接口实现网络数据传递，数据用于实现ai平台的模型训练和更新等操作。

x10接口为模型消费者和nwdaf之间接口，通过该接口模型消费者可以进行模型申请或获取分析结果。

所述nwdaf通过上述逻辑功能和接口的组合可以具备不同的数据分析业务能力，例如服务体验、负载等级等。

如图1所示，本申请提供的数据分析方法主要包括s101、s102和s103。

s101、根据数据分析请求确定分析数据，其中所述数据分析请求包括第一数据分析请求或第二数据分析请求。

在本实施例中，数据分析消费者发送数据分析请求给nwdaf，使nwdaf根据数据分析请求确定分析数据和分析模型。数据分析消费者通过x1接口(见图3)发送数据分析请求给nwdaf。

进一步的，所述第一数据分析请求包括以下至少一个或多个：数据分析业务类型、模型标识、分析结果策略，所述第二数据分析请求包括以下至少一个或多个：数据分析业务类型、待分析数据、模型标识、分析结果策略。

进一步的，所述根据数据分析请求确定分析数据，包括以下至少之一：

根据所述第一数据分析请求中的数据分析类型从第三代合作伙伴计划3gpp网络中获取分析数据；

将所述第二数据分析请求中携带的待分析数据确定为分析数据。

其中，分析结果策略为模型分析结果需要达到的要求，分析结果策略包括以下至少之一：分析结果准确率、分析结果返回时长。数据分析业务类型为nwdaf定义的数据分析业务能力标识，数据分析业务类型包括以下至少一个或多个：服务体验、负载等级，模型标识为数据分析业务所要采用的模型的标识信息。示例性的，业务分析类型可以是某个商场的客流量，某个影院的上座率，或某个商品的客户群体等。

在一个示例性的实施例中，所述根据数据分析请求获取分析数据，包括：根据所述业务分析类型从3gpp网络的网络功能nf和/或af和/或oam中获取分析数据。

本实施例中，nwdaf根据数据分析请求的数据分析业务类型确认到哪些3gpp的网络功能nf和/或af和/或oam获取所需的分析数据，nwdaf通过x5接口(见图3)从3gpp网络的网络功能nf和/或af和/或oam中获取所需的分析数据。

可选地，将分析数据发送至大数据平台进行存储。具体的，nwdaf将获取的分析数据通过x7接口(见图3)存储于大数据平台。大数据平台用于存储3gpp网络数据，并将存储的数据提供给模型拥有者进行模型训练使用。

s102、根据数据分析请求确定分析模型。

在本实施例中，所述根据数据分析请求确定分析模型，包括以下之一：

方式一：根据所述业务分析类型和/或所述模型标识确定所需模型和/或模型类型，将本地存在的与所述所需模型和/或模型类型相同的本地模型确定为分析模型；

方式二：根据所述业务分析类型和/或所述模型标识确定所需的本地模型，并对所需的本地模型进行训练，得到分析模型；

方式三：根据所述业务分析类型和/或所述模型标识生成模型请求，并发送所述模型请求至模型拥有者，接收所述模型拥有者反馈的分析模型，其中，所述模型拥有者为具备模型的ai平台或3gpp网络功能；所述分析模型由模型拥有者根据模型请求确定。

在一个示例性的实施例中，从nwdaf本地获取所需模型，根据业务分析类型和/或模型标识确定所需的模型和/或模型类型。在nwdaf本地模型中进行查找，将本地存储的与所述所需模型和/或模型类型相同的本地模型确定为分析模型。

在一个示例性的实施例中，在接收到业务消费者发送的数据分析请求之后，根据业务分析类型和/或模型标识确定所需的本地的模型，并对所需的本地模型进行训练，得到分析模型。

在一个示例性的实施例中，nwdaf发送模型请求给模型拥有者，获得模型拥有者反馈的分析模型和/或模型标识和/或模型关联信息。所述模型拥有者表示拥有模型的功能模块，可以是3gpp的网络功能或者第三方提供的功能模块；所述模型请求包括以下至少一个或多个：模型接收者地址、模型类型标识、模型标识、训练数据、模型筛选条件、模型数据关联信息、模型反馈策略。表1是本申请提供的模型请求包含参数及其描述的表。

表1

需要说明的是，接收模型的地址，用于指示发送模型请求的地址，也是指分析模型需要反馈的地址。

在一个示例性的实施例中，由模型拥有者根据所述模型请求得到分析模型的方法，包括以下之一：

方式一：模型拥有者将满足所述模型类型标识和/或模型标识和/或所述模型筛选条件的模型确定为分析模型。

方式二：模型拥有者确定满足所述模型类型标识和/或所述模型标识和/或所述模型筛选条件的模型为所需模型，模型拥有者根据所述训练数据和/或模型数据关联信息训练所需模型，得到分析模型。

方式三：模型拥有者将所述模型请求转发至第三方模型拥有者，接收第三方模型拥有者发送的分析模型。

图4是本申请提供的模型请求方法的流程图，如图4所示，模型拥有者表示一个拥有模型的逻辑功能，它还可以包含有模型训练能力、模型生成能力、模型管理能力、训练模型所需的历史数据(例如大数据平台)，模型拥有者也可以表示为ai平台或具备模型的nwdaf。模型消费者表示期望获得模型的逻辑功能，它可以是3gpp的网络功能nf和/或af和/或oam等功能，也可以是不具备模型的nwdaf，在本实施例中，模型消费者是不具备模型的nwdaf。模型消费者通过发送模型请求到模型拥有者，以获取模型拥有者反馈的分析模型。模型请求方法包括s401、s402和s403。

s401、模型消费者发送模型请求消息给模型拥有者，模型请求消息携带表1所述的任意参数中的一个或者多个。

s402、根据模型请求确定分析模型。

根据模型类型标识和/或模型标识和/或筛选条件等信息选择所需模型作为分析模型。

如果模型拥有者中没有满足模型请求的模型，模型拥有者可以根据模型数据关联信息获取数据或根据输入的训练数据训练出所需模型作为分析模型。

如果模型拥有者没有满足模型请求的模型，模型拥有者还可以将模型请求转发至第三方模型拥有者，接收第三方模型拥有者反馈的分析模型。

s403、模型拥有者反馈模型和/或模型标识。

模型拥有者根据模型反馈策略将所述分析模型反馈至模型接收者，其中所述模型接收者由所述模型接收者地址确定。所述模型标识是所述模型的唯一标识。

s103、根据分析数据和分析模型，得到数据分析结果。

在一个示例性的实施例中，运行所述分析模型分析所述分析数据，得到数据分析结果。

进一步的，将得到的数据分析结果与分析结果策略进行比较，如果所述数据分析结果满足分析结果策略，则直接将所述数据分析结果通过x1接口(见图3)反馈至业务消费者。

进一步的，如果所述数据分析结果未满足分析结果策略，则确定新的分析模型；运行所述新的分析模型分析所述分析数据，得到新的数据分析结果。

确定新的分析模型，包括以下之一：

方式一：对所述分析模型进行训练，得到新的分析模型；

方式二：发送新的模型请求至模型拥有者，接收所述模型拥有者反馈的新的分析模型。

在一个示例性的实施例中，运行所述分析模型分析所述分析数据，得到数据分析结果，如果所述数据分析结果未满足分析结果策略，则根据分析数据对所述分析模型进行训练，得到新的分析模型，运行所述新的分析模型分析所述分析数据，得到新的数据分析结果，将所述新的数据分析结果与所述分析结果策略进行比较，如果所述新的数据分析结果未满足分析结果策略，则执行根据分析数据对所述分析模型进行训练，得到新的分析模型的操作，直到所述数据分析结果满足分析结果策略。

在一个示例性的实施例中，运行所述分析模型分析所述分析数据，得到数据分析结果，如果所述数据分析结果未满足分析结果策略，则重新生成新的模型请求发送至模型拥有者，接收模型拥有者反馈的新的分析模型，运行所述新的分析模型分析所述分析数据，得到新的数据分析结果，将所述新的数据分析结果与所述分析结果策略进行比较，如果所述新的数据分析结果未满足分析结果策略，则执行重新生成新的模型请求发送至模型拥有者，接收模型拥有者反馈的新的分析模型的操作，直到所述数据分析结果满足分析结果策略。

需要说明的是，模型拥有者根据新的模型请求的得到新的分析模型的方法与上述实施例中提供的模型拥有者根据模型请求得到分析模型的方式相同，具体实施过程可以参考模型拥有者根据模型请求得到分析模型的方式，本实施例中不再进行赘述。

在一个实施例性的实施例中，所述方法还包括：得到分析模型之后，生成模型信息和/或模型运行实例信息，所述模型信息包括以下至少一个或多个：模型版本、模型目录、模型标识、模型关联信息，所述模型运行实例包括以下至少一个或多个：模型运行状态、模型停止状态、模型运行时间戳、模型调用次数、模型准确率。

在本实施例中，得到分析模型的情况包括以下至少一个或多个：

根据所述业务分析类型和/或所述模型标识确定所需的本地模型，并对所需的本地模型进行训练，得到分析模型；

根据所述业务分析类型和/或所述模型标识生成模型请求，并发送所述模型请求至模型拥有者，接收所述模型拥有者反馈的分析模型；

对所述分析模型进行训练，得到新的分析模型；

发送新的模型请求至模型拥有者，接收所述模型拥有者反馈的新的分析模型。

可选的，将所述模型信息和/或模型运行实例信息发送至网络存储功能nrf。进一步的，nedaf将所述模型更新信息通过x6接口(见图3)发送至网络功能维护nrf平台。

x6接口是nwdaf暴露给3gpp的网络功能nf和/或af和/或oam的接口，通过该接口nwdaf可以暴露本地模型信息(例如模型实例管理数据：模型的生命周期管理、运行状态监控(例如模型运行、停止状态，模型调用次数，准确率/精确率)给3gpp的网络功能nf和/或af和/或oam等。x6接口可以是订阅/通知或请求/响应操作机制。

在一个实例行的实施例中，所述方法还包括：生成数据结果请求并发送至模型拥有者；所述数据结果请求包括以下至少一个或多个：分析结果接收者地址、模型类型标识、模型标识、分析数据、分析结果策略；接收模型拥有者反馈的数据分析结果，其中，所述数据分析结果由模型拥有者根据数据结果请求确定。

在一个实例行的实施例中，图5是本申请提供的数据结果请求方法的流程图；图5所示，模型拥有者表示一个拥有模型的逻辑功能，它还可以包含有模型训练能力、模型生成能力、模型管理能力、训练模型所需的历史数据(例如大数据平台)，模型拥有者也可以表示为ai平台或具备模型的nwdaf。模型消费者表示期望获得模型的网络功能，它可以是3gpp的网络功能nf和/或af和/或oam等功能，也可以是不具备的模型的nwdaf，在本实施例中，模型消费者是不具备模型的nwdaf。模型消费者通过发送模型请求到模型拥有者，以获取模型拥有者反馈的分析模型。

如图5所示，本申请提供的数据结果请求方法主要包括s501、s502和s503。

s501、生成数据结果请求并发送至模型拥有者；所述数据结果请求包括以下至少一个或多个：分析结果接收者地址、模型类型标识、模型标识、分析数据、分析结果策略。

模型消费者发送数据结果请求给模型拥有者，数据结果请求携带表2所列参数中的至少一个或多个。表2是本申请提供的数据结果请求所携带参数的表。

表2

进一步的，模型消费者通过接口x4(见图3)发送数据结果请求给模型拥有者。

s502、模型拥有者根据所述数据结果请求得到数据分析结果。

由模型拥有者根据数据结果请求得到数据分析结果的方法，包括以下之一：

方式一：模型拥有者根据模型类型标识和/或模型标识确定分析模型，运行所述分析模型分析所述分析数据，得到数据分析结果。

方式二：模型拥有者根据模型类型标识和/或模型标识确定分析模型，模型拥有者利用分析数据对分析模型进行训练得到新的分析模型；运行所述新的分析模型分析所述分析数据，得到新的数据分析结果，判断新的数据分析结果是否满足分析结果策略，如果未满足，返回执行利用分析数据对分析模型进行训练得到新的分析模型的操作，直至数据分析结果满足分析结果策略。

在方式一的基础上，如果数据分析结果未满足分析结果策略，则根据分析数据对所述分析模型进行训练，得到新的分析模型，运行所述新的分析模型分析所述分析数据，得到新的数据分析结果，将所述新的数据分析结果与所述分析结果策略进行比较，如果所述新的数据分析结果未满足分析结果策略，则执行根据分析数据对所述分析模型进行训练，得到新的分析模型的操作，直到所述数据分析结果满足分析结果策略。

方式三：模型拥有者根据模型类型标识和/或模型标识获取第三方模型拥有者的分析模型，运行所述分析模型分析所述分析数据，得到数据分析结果。

s503、模型拥有者将数据分析结果反馈至分析结果接收者。

模型拥有者将数据分析结果反馈至分析结果接收者，其中，所述分析结果接收者由分析结果接收地址确定。

在一个实施例性的实施例中，所述方法还包括：接收nwdaf配置信息；其中，所述配置信息包括以下至少一个或多个：模型拥有者地址和模型辅助参数。根据nwdaf配置信息配置目标模型。

根据nwdaf配置信息配置目标模型，包括以下之一：

根据所述模型辅助参数进行训练，得到目标模型；

生成模型请求并发送至模型拥有者，接收模型拥有者反馈的所述目标模型，其中，所述目标模型由模型拥有者根据模型请求确定。

在上述实施例的基础上，如果nwdaf收到第三方例如3gpp其他网络功能要求获取所述模型信息，所述nwdaf可以发送通知消息或响应消息给所述第三方，所述消息包含所述nwdaf目标模型信息或更新的模型信息。

需要说明的是，目标模型是至存储或部署在nwdaf内的本地模型。

图6是本申请提供的配置目标模型的方法流程图，如图6所示，本申请提供的配置目标模型的方法主要包括s601、s602和s603。

s601、nwdaf接收oam发送的配置信息。

oam发送配置信息给nwdaf。配置信息携带以下表3参数中的至少一个或多个。表3是本申请提供的配置信息参数的表。

表3

s602、nwdaf根据配置信息配置目标模型。

nwdaf根据配置信息配置目标模型包括以下至少之一：

nwdaf通过目标模型训练能力训练出所需模型。

部署所述模型文件的模型。

发送模型请求给模型拥有者，所述模型拥有者由所述模型拥有者地址指定。

需要说明的是，nwdaf根据模型请求的得到模型的方法与上述实施例中提供的模型消费者根据模型请求得到分析模型的方式相同，具体实施过程可以参考模型消费者根据模型请求得到分析模型的方式，本实施例中不再进行赘述。

s603、nwdaf发送暴露业务能力消息至nrf。

nwdaf发送消息暴露业务能力消息给nrf，消息携带nwdaf的业务能力文件夹，业务能力文件夹包括所支持的模型信息。

在一个示例性的实施例中，所述方法还包括：接收模型查询请求，其中，所述模型查询请求用于查询模型信息和/或模型运行实例信息，所述模型查询请求包括以下至少之一：查询结果接受者、查询筛选条件；所述查询筛选条件至少包含以下之一：查询对象、查询的时间范围、查询的内容；根据模型查询请求发送模型查询结果至所述查询结果接受者。

图7是本申请提供的模型信息或模型运行实例信息查询方法的流程图，如图7所示，本申请提供的模型查询请求方法主要包括：s701和s702。

s701、nwdaf接收网络功能发送的模型信息查询请求和/或模型运行实例信息查询请求。

x6接口是nwdaf暴露给3gpp的网络功能nf和/或af和/或oam的接口，通过该接口nwdaf可以暴露本地模型信息、模型运行实例信息给3gpp的网络功能nf和/或af和/或oam网络功能等。x6接口可以是订阅/通知(subscription/notification)或请求/响应(request/response)操作机制。

网络功能(例如3gpp的网络功能nf和/或af和/或oam)发送查询请求到nwdaf查询模型信息和/或模型运行实例信息，所述查询请求包括以下至少之一：查询结果接受者、查询筛选条件；所述查询筛选条件至少包含以下之一：查询对象(例如：模型类型或模型标识)、查询的时间范围、查询的内容。

s702、nwdaf根据模型查询请求发送模型查询结果至所述查询结果接受者。

nwdaf根据查询筛选条件在本地查询所需的模型信息和/或模型运行实例信息；所述模型信息包括至少以下之一：ai模型目录、ai模型文件、ai模型相关参数信息(如模型参数输入输出方法等)等；所述模型运行实例信心至少包括下列参数之一：模型的生命周期管理、运行状态监控(例如模型运行、停止状态，模型调用次数，准确率/精确率)等。

在上述实施例的基础上，本申请提供一种优选实例。图8是本申请提供的数据分析方法的流程图。如图8所示，本申请提供的数据分析方法包括：s801、s802、s803、s804、s805、s806和s807。

s801、nwdaf业务消费者发送数据分析请求至nwdaf。

所述数据分析请求包括以下至少一个或多个：数据分析业务类型、模型标识、分析结果策略；所述分析结果策略为模型分析结果需要达到的要求，所述分析结果策略包括以下至少之一：分析结果准确率、分析结果返回时长。数据分析业务类型为nwdaf定义的数据分析业务能力标识，所述数据分析业务类型包括以下至少一个或多个：服务体验、负载等级，所述模型标识为数据分析业务所要采用的模型的标识信息。

s802、nwdaf根据所述业务分析类型从第三代合作伙伴计划3gpp网络的网络功能nf和/或af和/或oam中获取分析数据。

可选的，s8021、将分析数据发送至大数据平台进行存储。

s803、确认分析模型和进行数据分析。

nwdaf确定所需的分析模型，并运行分析模型分析获取的分析数据，得到分析结果。

进一步的，确认分析模型可以包括以下之一：

s8031、确认本地模型。

确认本地模型包括：根据所述业务分析类型和/或所述模型标识确定所需模型和/或模型类型，将本地存在的与所述所需模型和/或模型类型相同的本地模型确定为分析模型。

s8032、根据所述业务分析类型和/或所述模型标识生成模型请求，并发送所述模型请求至模型拥有者，接收所述模型拥有者反馈的分析模型，其中，所述模型拥有者为具备模型的人工智能ai平台或第三代合作伙伴计划3gpp网络功能；所述分析模型由模型拥有者根据模型请求确定。

进行数据分析还包括：s8033、nwdaf发送数据结果请求至模型拥有者、模型拥有者反馈数据分析结果。

模型拥有者根据数据结果请求得到数据分析结果的方式参见上述实施例中的描述，本实施例中不再进行赘述。

s804、nwdaf更新存储的模型信息(例如模型版本等)和/或模型运行实例信息(例如更新模型运行状态、运行次数等)。

s805、如果数据分析结果不满足分析结果策略，则更新模型，重新执行s803。

s806、根据分析结果策略，返回数据分析结果给nwdaf业务消费者。

s807、发送模型信息和/或模型运行实例信息给nrf。

所述模型信息包括以下至少一个或多个：模型版本、模型目录、模型标识、模型关联信息，所述模型运行实例包括以下至少一个或多个：模型运行状态、模型停止状态、模型运行时间戳、模型调用次数、模型准确率。

在一个示例性的实施例中，本申请实施例提供一种数据分析的装置，图8为本申请提供的一种数据分析装置的结构示意图。该装置可以适用于3gpp网络中选择分析数据所需要的ai模型进行数据分析的情况。该数据分析装置可以由软件和/或硬件实现。如图8所示，数据分析装置主要包括：

分析数据获取模块81，设置为根据数据分析请求确定分析数据，其中所述数据分析请求包括第一数据分析请求或第二数据分析请求；

分析模型确定模块82，设置为根据所述数据分析请求确定分析模型；

分析结果确定模块83，设置为根据所述分析数据和所述分析模型，得到数据分析结果。

本实施例提供的数据分析装置用于本申请实施例的数据分析方法，本实施例提供的数据分析装置实现原理和技术效果与本申请实施例的数据分析方法类似，此处不再赘述。

在一个示例性实施方式中，所述第一数据分析请求包括以下至少一个或多个：数据分析业务类型、模型标识、分析结果策略，所述第二数据分析请求包括以下至少一个或多个：数据分析业务类型、待分析数据、模型标识、分析结果策略。

在一个示例性实施方式中，分析数据获取模块81，设置为以下至少之一方式确定分析数据：

根据所述第一数据分析请求中的数据分析类型从第三代合作伙伴计划3gpp网络中获取分析数据；

将所述第二数据分析请求中携带的待分析数据确定为分析数据。

在一个示例性实施方式中，所述装置还包括：发送模块，设置为将所述分析数据发送至大数据平台进行存储。

在一个示例性实施方式中，分析模型确定模块82，设置为通过以下方式之一确定分析模型：

根据所述业务分析类型和/或所述模型标识确定所需模型和/或模型类型，将本地存在的与所述所需模型和/或模型类型相同的本地模型确定为分析模型；

根据所述业务分析类型和/或所述模型标识确定所需的本地模型，并对所需的本地模型进行训练，得到分析模型；

根据所述业务分析类型和/或所述模型标识生成模型请求，并发送所述模型请求至模型拥有者，接收所述模型拥有者反馈的分析模型，其中，所述模型拥有者为具备模型的人工智能ai平台或第三代合作伙伴计划3gpp网络功能；所述分析模型由模型拥有者根据模型请求确定。

在一个示例性实施方式中，分析结果确定模块83，运行所述分析模型分析所述分析数据，得到数据分析结果；

在一个示例性实施方式中，分析模型确定模块82，设置为如果所述数据分析结果未满足分析结果策略，则确定新的分析模型；运行所述新的分析模型分析所述分析数据，得到新的数据分析结果。

在一个示例性实施方式中，分析模型确定模块82，设置为通过以下方式之一确定新的分析模型：

对所述分析模型进行训练，得到新的分析模型；

发送新的模型请求至模型拥有者，接收所述模型拥有者反馈的新的分析模型。

在一个示例性实施方式中，所述模型请求包括以下至少一个或多个：模型接收者地址、模型类型标识、模型标识、训练数据、模型筛选条件、模型数据关联信息、模型反馈策略。

在一个示例性实施方式中，所述装置还包括：信息生成模块，设置为得到分析模型之后，生成模型信息和/或模型运行实例信息，所述模型信息包括以下至少一个或多个：模型版本、模型目录、模型标识、模型关联信息，所述模型运行实例包括以下至少一个或多个：模型运行状态、模型运行时间戳、模型调用次数、模型准确率；

在一个示例性实施方式中，发送模块，设置为将所述模型信息和/或模型运行实例信息发送至网络存储维护nrf。

在一个示例性实施方式中，由模型拥有者根据所述模型请求得到分析模型的方法，包括以下之一：

模型拥有者将满足所述模型类型标识和/或所述模型标识和/或所述模型筛选条件的模型确定为分析模型；

模型拥有者确定满足所述模型类型标识和/或所述模型标识和/或所述模型筛选条件的模型为所需模型，模型拥有者根据所述训练数据和/或所述模型数据关联信息训练所述所需模型，得到分析模型；

模型拥有者将所述模型请求转发至第三方模型拥有者，接收第三方模型拥有者发送的分析模型。

在一个示例性实施方式中，模型拥有者根据模型反馈策略将所述分析模型反馈至模型接收者，其中所述模型接收者由所述模型接收者地址确定。

在一个示例性实施方式中，信息生成模块，设置为生成数据结果请求并发送至模型拥有者；所述数据结果请求包括一下至少一个或多个：分析结果接收者地址、模型类型标识、模型标识、分析数据、分析结果策略；

所述装置还包括：接收模块，设置为接收模型拥有者反馈的数据分析结果，其中，所述数据分析结果由模型拥有者根据数据结果请求确定。

在一个示例性实施方式中，由模型拥有者根据所述数据结果请求得到数据分析结果的方法，包括以下之一：

模型拥有者根据所述模型类型标识和/或所述模型标识确定分析模型，运行所述分析模型分析所述分析数据，得到数据分析结果。

模型拥有者利用分析数据对分析模型进行训练得到新的分析模型；运行所述新的分析模型分析所述分析数据，得到新的数据分析结果，判断所述新的数据分析结果是否满足分析结果策略，如果未满足，返回执行利用所述分析数据对所述分析模型进行训练得到新的分析模型的操作，直至数据分析结果满足分析结果策略；

模型拥有者根据所述模型类型标识和/或所述模型标识获取第三方模型拥有者的分析模型，运行所述分析模型分析所述分析数据，得到数据分析结果。

在一个示例性实施方式中，模型拥有者将数据分析结果反馈至分析结果接收者，其中，所述分析结果接收者由分析结果接收地址确定。

在一个示例性实施方式中，接收模块，设置为接收nwdaf配置信息；其中，所述配置信息包括以下至少一个或多个：模型拥有者地址、模型辅助参数。

配置模块，设置为根据nwdaf配置信息配置目标模型。

在一个示例性实施方式中，配置模块，设置为用过以下方式之一配置目标模型：

根据所述模型辅助参数进行训练，得到目标模型；

生成模型请求并发送至模型拥有者，接收模型拥有者反馈的目标模型，其中，所述目标模型由模型拥有者根据模型请求确定。

在一个示例性实施方式中，接收模块，设置为接收模型查询请求，其中，所述模型查询请求用于查询模型信息和/或模型运行实例信息，其中，所述模型查询请求包括以下至少之一：查询结果接受者、查询筛选条件；所述查询筛选条件至少包含以下之一：查询对象、查询的时间范围、查询的内容；

发送模块，设置为根据模型查询请求发送模型查询结果至所述查询结果接受者。

本申请实施例还提供了一种电子设备，图9为本申请提供的一种电子设备的结构示意图，如图9所示，本申请提供的电子设备，包括一个或多个处理器91和存储器92；该电子设备中的处理器91可以是一个或多个，图9中以一个处理器91为例；存储器92用于存储一个或多个程序；所述一个或多个程序被所述一个或多个处理器91执行，使得所述一个或多个处理器91实现如本发明实施例中所述的数据分析方法。

电子设备还包括：通信装置93、输入装置94和输出装置95。

电子设备中的处理器91、存储器92、通信装置93、输入装置94和输出装置95可以通过总线或其他方式连接，图9中以通过总线连接为例。

输入装置94可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的按键信号输入。输出装置95可包括显示屏等显示设备。

通信装置93可以包括接收器和发送器。通信装置93设置为根据处理器91的控制进行信息收发通信。

存储器92作为一种计算机可读存储介质，可设置为存储软件程序、计算机可执行程序以及模块，如本申请实施例所述数据分析方法对应的程序指令/模块(例如，数据分析装置中的分析数据获取模块81、分析模型确定模块82和分析结果确定模块83)。存储器92可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器92可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器92可进一步包括相对于处理器91远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

本申请实施例还提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例中任一所述的数据分析方法。所述方法包括：

根据数据分析请求确定分析数据，其中所述数据分析请求包括第一数据分析请求或第二数据分析请求；

根据数据分析请求确定分析模型；

将所述分析数据输入至所述分析模型，得到数据分析结果。

以上所述，仅为本申请的示例性实施例而已，并非用于限定本申请的保护范围。

本领域内的技术人员应明白，术语用户终端涵盖任何适合类型的无线用户设备，例如移动电话、便携数据处理装置、便携网络浏览器或车载移动台。

一般来说，本申请的多种实施例可以在硬件或专用电路、软件、逻辑或其任何组合中实现。例如，一些方面可以被实现在硬件中，而其它方面可以被实现在可以被控制器、微处理器或其它计算装置执行的固件或软件中，尽管本申请不限于此。

本申请的实施例可以通过移动装置的数据处理器执行计算机程序指令来实现，例如在处理器实体中，或者通过硬件，或者通过软件和硬件的组合。计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码。

本申请附图中的任何逻辑流程的框图可以表示程序步骤，或者可以表示相互连接的逻辑电路、模块和功能，或者可以表示程序步骤与逻辑电路、模块和功能的组合。计算机程序可以存储在存储器上。存储器可以具有任何适合于本地技术环境的类型并且可以使用任何适合的数据存储技术实现，例如但不限于只读存储器(rom)、随机访问存储器(ram)、光存储器装置和系统(数码多功能光碟dvd或cd光盘)等。计算机可读介质可以包括非瞬时性存储介质。数据处理器可以是任何适合于本地技术环境的类型，例如但不限于通用计算机、专用计算机、微处理器、数字信号处理器(dsp)、专用集成电路(asic)、可编程逻辑器件(fgpa)以及基于多核处理器架构的处理器。

通过示范性和非限制性的示例，上文已提供了对本申请的示范实施例的详细描述。但结合附图和权利要求来考虑，对以上实施例的多种修改和调整对本领域技术人员来说是显而易见的，但不偏离本发明的范围。因此，本发明的恰当范围将根据权利要求确定。