智能决策方法及装置与流程

1.本技术涉及人工智能领域，尤其涉及一种智能决策方法及装置。


背景技术：

2.随着人工智能技术的发展，智能化已经成为趋势。目前，电信网络系统中网络架构复杂，业务种类繁多，数据量大，决策事项种类繁多，处理复杂度高，而现有的智能应用均为人工智能(artificial intelligence，ai)技术结合一些场景的散点式应用，缺乏体系化、智能化的架构及方案，决策处理不全面，处理效率低。


技术实现要素：

3.本技术提供了一种智能决策方法及装置，用于解决现有技术中人工智能技术散点式应用处理效率低下的问题。
4.为达到上述目的，本技术采用如下技术方案：
5.第一方面，提供一种智能决策方法。该方法包括：基于从数据源采集的数据，采用分类模型智能体，获取决策信息。其中，决策信息包括如下一项或多项：业务类型、事件类型、事件特征、或资源信息。基于决策信息，采用决策信息对应的决策模型智能体，确定第一解决方案。向数据源发送第一解决方案。从数据源接收第一解决方案的执行结果。
6.进一步地，基于决策信息，采用决策模型智能体，确定第一解决方案，具体包括：指示决策模型智能体根据决策信息，生成第二解决方案。获取第二解决方案的评分。若第二解决方案的评分小于评分阈值，则指示决策模型智能体根据决策信息与解决方案库匹配，得到第一解决方案；或者，若第二解决方案的评分大于或等于评分阈值，则将第二解决方案确定为第一解决方案。
7.一种可能的设计方案中，决策信息对应多个决策模型智能体；基于决策信息，采用决策信息对应的决策模型智能体，确定第一解决方案，具体包括：获取多个决策模型智能体生成的多个第三解决方案。其中，多个第三解决方案根据决策信息确定。根据多个第三解决方案确定第一解决方案。
8.一种可能的设计方案中，解决方案库是基于知识图谱技术构建的解决方案三元组。
9.进一步地，第一方面提供的方法还包括：获取第一解决方案的第一评分。其中，第一评分根据解决方案库确定。获取第一解决方案的第二评分。其中，第二评分根据执行结果中执行成功的指令数量占比确定。若第二评分大于第一评分，则将第一评分更新为第二评分。
10.进一步地，第一方面提供的方法还包括：修正执行结果中执行失败的指令，优化第一解决方案。根据优化的第一解决方案更新解决方案库。
11.第二方面，提供一种智能决策装置。该装置包括分类模块和决策模块。其中，分类模块，用于基于从数据源采集的数据，采用分类模型智能体，获取决策信息。其中，决策信息
包括如下一项或多项：业务类型、事件类型、事件特征、或资源信息。决策模块，用于基于决策信息，采用决策信息对应的决策模型智能体，确定第一解决方案。决策模块，还用于向数据源发送第一解决方案。决策模块，还用于从数据源接收第一解决方案的执行结果。
12.该智能决策装置可以是网络设备，也可以是网络设备中的一部分装置，例如网络设备中的芯片系统。该芯片系统用于支持网络设备实现第一方面及其任意一种可能的实现方式中所涉及的功能，例如，接收、确定、发送上述智能决策方法中所涉及的数据和/或信息。该芯片系统包括芯片，也可以包括其他分立器件或电路结构。
13.进一步地，决策模块，具体用于执行如下步骤：指示决策模型智能体根据决策信息，生成第二解决方案。获取第二解决方案的评分。若第二解决方案的评分小于评分阈值，则指示决策模型智能体根据决策信息与解决方案库匹配，得到第一解决方案；或者，若第二解决方案的评分大于或等于评分阈值，则将第二解决方案确定为第一解决方案。
14.一种可能的设计方案中，决策信息对应多个决策模型智能体；决策模块，具体用于执行如下步骤：获取多个决策模型智能体生成的多个第三解决方案。其中，多个第三解决方案根据决策信息确定。根据多个第三解决方案确定第一解决方案。
15.一种可能的设计方案中，解决方案库是基于知识图谱技术构建的解决方案三元组。
16.进一步地，决策模块，还用于执行如下步骤：获取第一解决方案的第一评分。其中，第一评分根据解决方案库确定。获取第一解决方案的第二评分。其中，第二评分根据执行结果中执行成功的指令数量占比确定。若第二评分大于第一评分，则将第一评分更新为第二评分。
17.进一步地，决策模块，还用于执行如下步骤：修正执行结果中执行失败的指令，优化第一解决方案。根据优化的第一解决方案更新解决方案库。
18.第三方面，提供一种智能决策装置。该装置包括存储器和处理器。存储器用于存储计算机执行指令，处理器与存储器通过总线连接。当装置运行时，处理器执行存储器存储的计算机执行指令，以使装置执行第一方面所述的智能决策方法。
19.第四方面，提供一种计算机可读存储介质。该计算机可读存储介质存储有计算机指令，当计算机指令在计算机上运行时，使得计算机执行第一方面所述的智能决策方法。
20.需要说明的是，上述计算机指令可以全部或者部分存储在第一计算机存储介质上。其中，第一计算机存储介质可以与智能决策装置的处理器封装在一起的，也可以与智能决策装置的处理器单独封装，本技术实施例对此不作限定。
21.基于第一方面至第四方面提供的技术方案，采用多智能体结构构建智能大脑，利用分类智能体完成数据分类和问题发现，以生成决策信息，并指示决策智能体根据决策信息完成决策处理，以生成解决方案，自动执行该解决方案并根据执行结果优化更新解决方案。智能体构成自动化执行系统，能够完成业务感知与认知理解、网络推演与决策以及自我优化，可以降低技术实现的复杂度，便于数据处理，从而可以提升数据处理效率。
22.本技术的这些方面或其他方面在以下的描述中会更加简明易懂。
附图说明
23.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使
用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
24.图1为本技术实施例提供的一种电信网络智能大脑系统的架构示意图；
25.图2为本技术实施例提供的一种智能大脑的结构示意图；
26.图3为本技术实施例提供的一种分类模块的结构示意图；
27.图4为本技术实施例提供的一种决策模块的结构示意图；
28.图5为本技术实施例提供的一种解决方案库的结构示意图；
29.图6为本技术实施例提供的一种电信网络智能化体系的架构示意图；
30.图7为本技术实施例提供的一种智能决策方法的流程示意图；
31.图8为本技术实施例提供的一种智能决策装置的结构示意图；
32.图9为本技术实施例提供的另一种智能决策装置的结构示意图。
具体实施方式
33.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
34.需要说明的是，本技术实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本技术实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
35.术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本技术的描述中，除非另有说明，“多个”的含义是两个或两个以上。
36.本技术实施例的智能决策方法可以应用于如图1所示的电信网络智能大脑系统中。该系统包括：电信网络和智能大脑。其中，电信网络用于支撑现网业务，提供各类运行数据，接收并执行智能大脑发送的控制指令，并向智能大脑反馈指令执行结果。智能大脑用于认知理解，网络推演与决策，针对问题形成可执行的策略。
37.其中，电信网络包括网络及平台，例如，电信网络可以包括无线网络、接入网络、核心网络、业务平台、支撑系统、客户系统和客服系统等。电信网络提供的运行数据可以包括用户基础数据、网络信令面数据、用户面数据、性能数据、配置数据、告警数据、用户投诉数据、客户感知数据和其他数据。
38.值得说明的是，上述智能大脑可以是指智能装置、智能设备等，此处不予限制。
39.进一步地，图2为本实施例提供的一种智能大脑结构示意图，该智能大脑包括历史数据模块、ai模块、分类模块、决策模块、解决方案库、资源库、模拟执行环境和自动化执行模块。
40.其中，历史数据模块用于从电信网络采集各类历史运行数据，并完成各类运行数
据预处理。数据预处理包括规范数据质量、统一数据格式、数据归类等。历史数据模块可以通过流式接口、文件接口、消息接口等方式采集数据。
41.ai模块基于历史数据模块采集的数据进行分类模型和决策模型等ai模型的训练，并将训练的模型分发部署给分类模块、决策模块等，用于智能体的构建。
42.分类模块用于从电信网络实时采集各类运行数据，并对于各实时数据进行预处理得到待分类信息，并根据待分类信息进行问题感知与分类，得到决策信息。图3示出了一种分类模块结构示意图，分类模块采用多智能体结构，包括第一多智能体管理单元和多个分类模型智能体。其中，第一多智能体管理单元用于任务分解和结果处理。多个分类模型智能体根据业务类型、实体类型等设置，如网络、信息技术(information technology，it)系统、营销、客户、客服等分类模型智能体，用于问题感知和分类。
43.值得说明的是，当待分类信息涉及多个分类模型智能体时，第一多智能体管理单元根据待分类信息中涉及的业务类型和实体类型的组合，将待分类信息分配到对应的分类模型智能体进行数据异常感知分类，并将多个分类模型智能体输出的结果根据问题类型进行如选择性合并的处理，得到决策信息。
44.其中，决策信息包括业务类型、事件类型、事件特征、资源类型、资源编号、开始时间等等。
45.然后，决策模块可以根据决策信息生成解决方案，完成决策调度。图4示出了一种决策模块结构示意图，该决策模块包括第二多智能体管理单元和多个决策模型智能体。其中，第二多智能体管理单元用于任务分解和结果处理，多个决策模型智能体根据业务类型、实体类型等设置，如网络、it系统、营销、客户、客服等决策模型智能体，用于完成决策处理，生成解决方案。
46.其中，当决策信息涉及多个决策模型智能体时，第二多智能体管理单元根据决策信息中涉及的业务类型和事件类型的组合，将决策信息分配到对应的决策模型智能体进行决策处理，并将多个决策模型智能体输出的结果处理后，得到解决方案。
47.值得说明的是，第一多智能体管理单元或第二多智能体管理单元对涉及多个分类模型智能体或多个决策模型智能体的结果处理，可以是增加、删除、合并等，此处不予限制。
48.解决方案库用于提供预置的解决方案知识库，可以提供客户、业务/产品、渠道、网络、平台、客服等方面的资源信息、标准配置信息、常见故障及特征、解决方案等。
49.本技术实施例中的解决方案库是基于工单、业务手册、维护手册、专家知识等相关技术知识，通过自然语言处理技术抽取出实体、属性和关系，并以知识图谱技术来构建的解决方案三元组。该解决方案三元组包括实体节点、属性节点和节点关系。解决方案库对外提供查询接口，外部系统可通过查询接口携带事件、属性等信息查询对应事件的解决方案。
50.图5示出了一种解决方案库的结构示意图。该解决方案库示出了客户类节点、故障类节点和网络类节点三种实体节点之间的关联关系。其中，客户类节点对应的实体为用户的手机号码，其相关的属性特征包括该用户的年龄段、入网时间、订购业务、常驻小区、投诉信息、漫游数据、上网偏好等。故障类节点对应的实体为故障，其相关的属性特征包括故障标识号(identity document，id)，故障名称、故障特征、故障原因、解决方案等。网络类节点对应的实体为网元，其相关的属性特征包括设备id、设备名称、入网时间、设备配置、归属机房、故障历史、生产厂家等。外部系统可根据投诉信息查找对应的故障特征，通过该故障特
征查找对应的网元信息。上述的属性特征对应属性节点。
51.资源库负责提供电信网络、业务平台、支撑系统、客户系统、客服系统等的资源信息，资源信息包括基础空间资源、网络资源、云资源、业务资源等。例如，基础空间资源包括机房、机架等，网络资源包括网络设备，云资源包括云资源池，业务资源包括专线、电路等。
52.其中，决策模块可根据决策信息在解决方案库中查询对应事件的解决方案，如图5所示，根据事件类型(故障)及故障特征匹配对应的解决方案，并在解决方案库中查找该解决方案的相关资源信息，结合相关资源信息从资源库中匹配相应资源，形成执行方案。
53.自动化执行模块负责从决策模块接收执行方案，结合执行对象所遵循的指令格式进行指令适配，并针对执行方案中携带的资源信息，结合对应事件的业务流程，进行资源编排，形成执行指令传递给电信网络执行，在指令执行结束后，从电信网络接收指令执行结果并提供给决策模块。
54.进一步地，模拟执行环境用于对现网环境进行数字孪生模拟，接收解决方案，并模拟执行输出评分结果。
55.基于上述电信网络智能大脑系统，本技术实施例提出如图6所示的电信网络智能化体系架构示意图。该智能化体系架构包括实体层、数字孪生层和智能层。其中，实体层用于面向用户提供业务的网络及平台等。数字孪生层用于从实体层采集数据并模拟现网，采集的数据包括实时状态数据、事件信息、历史数据等。智能层用于认知理解、推演与决策，其中认知理解包括数据理解、知识表达、逻辑推理、自主学习等功能，推演与决策则是针对问题形成可执行的策略，例如，自动配置、动态扩缩容、回卷、路由切换等。
56.本技术实施例基于上述模块和架构构成的电信网络智能大脑系统，通过多模块相互配合、相互支撑，能够支撑业务处理的感知与认知理解、网络推演与决策、多场景实施控制等，可用于实现下述方法实施例所述的智能决策方法。
57.图7为本技术实施例提供的一种智能决策方法的流程示意图，该方法适用于图1或图2所示的智能大脑中。如图7所示，该方法包括如下步骤s701-s706：
58.s701、分类模块基于从数据源采集的数据，采用分类模型智能体，获取决策信息。
59.具体地，分类模块从数据源采集实时数据，并对数据预处理得到待分类信息。待分类信息包括业务类型、实体类型、网元/链路/平台/渠道编号、数据指标等，待分类信息格式统一，便于后续数据的处理，提高数据处理效率。
60.其中，数据源可以是图1所示系统中的电信网络，用于提供各类运行数据。数据预处理包括规范数据质量、统一数据格式、数据归类等。
61.进一步地，分类模块基于待分类信息采用分类模型智能体进行数字孪生感知，发现异常信息并对其分类生成决策信息。其中，分类模块采用如图3所示的多智能体结构，待分类信息与分类模型智能体对应。
62.具体地，分类模型智能体根据待分类信息中包含的业务类型和实体类型进行感知与分类。
63.一种可能的实施方式中，待分类信息对应单个分类模型智能体。
64.示例性地，待分类信息中的业务类型为网络，实体类型为网元和/或链路，分类模块根据待分类信息包含的业务类型和实体类型，将该待分类信息通过如图3所示的第一多智能体管理单元分配到网络分类模型智能体中，进行问题感知并分类处理，得到决策信息。
65.一种可能的实施方式中，待分类信息可对应多个分类模型智能体。
66.示例性地，待分类信息中的业务类型有网络和it系统，实体类型为网元，则分类模块通过如图3所示的第一多智能体管理单元，根据待分类信息中业务类型和实体类型的组合，将待分类信息分配到对应的分类模型智能体中，如业务类型为网络、实体类型为网元，或者业务类型为it系统、实体类型为网元，进而将该待分类信息分配到网络分类模型智能体和it系统分类模型智能体中进行处理，并通过第一多智能体管理单元将两个分类模型智能体输出的相同或相似类型的结果合并，得到决策信息。
67.值得说明的是，由于待分类信息中并不是所有业务类型和实体类型涉及的信息均能够感知出异常信息的，因此，待分类信息涉及的分类模型智能体的个数与输出的结果，可以不是一一对应的。
68.s702、分类模块向决策模块发送决策信息。
69.其中，决策信息为感知出的异常信息，包括业务类型、事件类型、事件特征、或资源信息等等，资源信息包括决策信息涉及的资源类型和资源编号等。分类模块可以通过有线方式连接，有线方式包括但不限于网线、总线、光纤等。
70.s703、决策模块基于决策信息，采用决策模型智能体，确定第一解决方案。
71.其中，决策模块可以为图4所示的多智能体结构，决策模型智能体与决策信息对应，也就是说，决策模块根据决策信息中涉及的业务类型、事件类型等确定对应的决策模型智能体。
72.具体地，s703包括如下步骤3-1至步骤3-3：
73.步骤3-1、决策模块指示决策模型智能体根据决策信息，生成第二解决方案。
74.示例性地，决策模块接收来自分类模块输出的决策信息，该决策信息中业务类型为网络，事件类型为故障、事件特征为性能指标异常、资源类型为核心网用户面功能(user plane function，upf)、资源编号为r-c-upf-0001、开始时间为2021/10/16 10:00。决策模块按照决策信息中的业务类型和事件类型分配到对应的决策模型智能体中进行决策处理，如业务类型为网络，事件类型为故障，则将该决策信息分配到网络决策模型智能体中进行处理，通过自身决策模型生成第二解决方案。
75.步骤3-2、决策模块获取第二解决方案的评分。
76.具体地，决策模块将第二解决方案结合对应决策信息包含的资源信息，例如，决策信息涉及的资源类型为核心网upf、资源编号为r-c-upf-0001，生成执行方案，将执行方案传递到如图2所示的模拟执行环境中模拟执行，得到第二解决方案的评分。
77.步骤3-3、决策模块确定第一解决方案。
78.具体地，若第二解决方案的评分小于第一评分阈值，则决策模块指示决策模型智能体根据决策信息与图5所示的解决方案库匹配，得到第一解决方案。
79.也就是说，决策模块通过决策模型智能体生成的第二解决方案的评分小于第一评分阈值，不能满足决策要求，因此，决策模块可以根据决策信息的业务类型(网络)、事件特征(故障)、事件类型(性能指标异常)等，与解决方案库进行关键字模糊匹配，匹配到对应的特征节点，如图5所示的故障节点，并找到该特征节点下的解决方案，确定第一解决方案。
80.其中，第一评分阈值用于判定第二解决方案的模拟评分，衡量第二解决方案的可行性，如可以设置为95分。换言之，解决方案的执行成功率需达95％。
81.可选地，决策模块与解决方案库匹配得到的第一解决方案，可形成执行方案传递到模拟执行环境中执行，获取第一解决方案的模拟评分。
82.若第一解决方案的模拟评分大于或等于第二评分阈值，则执行如下步骤s704。其中，第二评分阈值用于判定第一解决方案的模拟评分，在满足第一评分阈值的基础上，对第二评分阈值要求更低，例如，第二评分阈值可以设置为85分。换言之，第一解决方案的执行成功率达85％。在实际情况下，第一解决方案的模拟评分基本满足要求。
83.另外，若第一解决方案的模拟评分小于第二评分阈值，决策模块生成的第一解决方案不满足决策要求，则决策模块可以中止流程，等待下一次的决策请求。
84.一种可能实现的方式中，若第二解决方案的评分大于或等于第一评分阈值，则将第二解决方案确定为第一解决方案。
85.具体地，决策模块通过决策模型智能体生成的第二解决方案满足决策要求，则决策模型智能体生成的第二解决方案作为第一解决方案。
86.一种可能实现的方式中，决策信息可对应多个决策模型智能体。
87.示例性地，决策信息中的业务类型包括网络和it系统，事件类型包括故障和优化，决策模块则根据业务类型和事件类型的组合，如业务类型为网络、事件类型为故障，或者业务类型为it系统、事件类型为故障，决策模块通过如图4所示的第二多智能体管理单元，将决策信息分配到多个对应的决策模型智能体中，即网络决策模型智能体和it系统决策模型智能体，分别生成多个第三解决方案，第二多智能体管理单元将各决策模型智能体生成的第三解决方案合并，生成第一解决方案。
88.其中，多个第三解决方案可以是指通过各决策模型智能体自身生成的，也可以是指各决策模型智能体与解决方案库匹配得到的，具体根据生成第一解决方案的模拟执行评分判定。
89.可以知道的是，决策模型智能体自身生成的第一解决方案包含在解决方案库中。决策模块通过决策模型智能体构成一级决策、决策模型智能体与解决方案库匹配构成二级决策，以两级决策过程来获取第一解决方案，一方面能够保证对于常见问题可以直接通过决策模型智能体本身快速获取解决方案进行决策，能够提高处理效率。另一方面，对于不常见问题可通过方案更为全面的解决方案库来匹配得到，能够尽可能对所有可能出现的问题全面决策处理，提高系统的实用性和可靠性。
90.值得说明的是，上述分类模块和决策模块中的智能体，是基于图2所示的ai模块根据历史数据模块采集的历史数据，训练得到的分类模型和决策模型构成。
91.s704、决策模块向数据源发送第一解决方案。
92.具体地，决策模块根据决策信息中的资源信息在解决方案库中关联到相应网元，查找出入网时间、设备配置、归属机房、故障历史等信息，并根据归属机房、网元等相关资源信息从资源库中匹配资源，与第一解决方案形成执行方案。
93.进一步地，决策模块通过如图2所示的自动化执行模块将执行方案中的通用指令进行指令适配，并对涉及到的资源进行编排，形成网元执行指令，根据执行方案进行端到端流程的匹配，再由自动化执行模块将执行指令传递给数据源中的相关网元执行。
94.s705、决策模块从数据源接收第一解决方案的执行结果。
95.具体地，数据源将指令执行结果通过自动化执行模块反馈给决策模块，指令执行
结果包括执行成功的指令信息和执行失败的指令信息，指令信息包括指令内容和指令数量等，用于执行如下步骤s706。
96.s706、决策模块根据执行结果对第一解决方案评分和优化。
97.具体地，步骤s706包括如下步骤6-1至步骤6-5：
98.步骤6-1、决策模块获取第一解决方案的第一评分。
99.具体地，第一评分为第一解决方案的历史评分，决策模块根据第一解决方案在解决方案库中获取。
100.值得说明的是，根据决策信息从解决方案库匹配或者决策模型智能体自身生成得到的除了第一解决方案本身，还包括第一解决方案的方案id、方案类型、资源信息、第一评分、执行次数等相关解决方案信息。
101.步骤6-2、决策模块获取第一解决方案的第二评分。
102.其中，第二评分根据执行结果中执行成功的指令数量占比确定，例如第二评分＝执行成功的指令数量/执行指令总数量。
103.步骤6-3、决策模块更新第一解决方案的第一评分。
104.具体地，若第二评分大于第一评分，则将第一评分更新为第二评分，即将第二评分写入解决方案库中，替换第一评分，并且将第一解决方案对应的执行次数加一。
105.步骤6-4、决策模块修正执行结果中执行失败的指令，优化第一解决方案。
106.具体地，对于执行结果中执行失败的指令，决策模块对其修正，即对应修正优化执行失败的指令对应的第一解决方案部分。
107.步骤6-5、决策模块根据优化的第一解决方案更新解决方案库。
108.具体地，决策模块将优化后的第一解决方案重新写入解决方案库的对应位置，更新优化了解决方案库中原第一解决方案内容和第一评分等相关信息。
109.一种可能实现的方式中，若第二评分小于第一评分，且当执行失败的指令数量小于执行失败的指令数量阈值时，决策模块将修正优化后的第一解决方案重新写入解决方案库，此时，原第一解决方案的第一评分可以保持不变。
110.一种可能实现的方式中，若第二评分小于第一评分，且当执行失败的指令数量大于或等于执行失败的指令数量阈值时，决策模块将修正优化后的第一解决方案确定为新的解决方案，确定新的方案id，增加解决方案库中的方案，该方案的评分为第二评分。
111.其中，执行失败的指令数量阈值可以设置为执行指令总数量的50％、60％。
112.另外，决策模块还可以将第一解决方案的评分及优化结果，传递给如图2所示的ai模块，用于ai模块的优化，从而优化决策模型。
113.本技术实施例采用多智能体结构构建智能大脑，利用分类智能体完成数据分类和问题发现，以生成决策信息，并指示决策智能体根据决策信息完成决策处理，以生成解决方案，自动执行该解决方案并根据执行结果优化更新解决方案。智能体构成自动化执行系统，能够完成业务感知与认知理解、网络推演与决策以及自我优化，可以降低技术实现的复杂度，便于数据处理，从而可以提升数据处理效率。
114.上述主要从方法的角度对本技术实施例提供的方案进行了介绍。为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本技术实施例能够以
硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
115.本技术实施例可以根据上述方法示例对智能决策装置进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。可选的，本技术实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
116.图8为本技术实施例提供的一种智能决策装置。该装置适用于图1所示的电信网络智能大脑系统中。如图8所示，该智能决策装置800包括：分类模块801和决策模块802。
117.其中，分类模块801，用于基于从数据源采集的数据，采用分类模型智能体，获取决策信息。其中，决策信息包括如下一项或多项：业务类型、事件类型、事件特征、或资源信息。
118.决策模块802，用于基于决策信息，采用决策信息对应的决策模型智能体，确定第一解决方案。
119.决策模块802，还用于向数据源发送第一解决方案。
120.决策模块802，还用于从数据源接收第一解决方案的执行结果。
121.该智能决策装置可以是网络设备，也可以是网络设备中的一部分装置，例如网络设备中的芯片系统。该芯片系统用于支持网络设备实现第一方面及其任意一种可能的实现方式中所涉及的功能，例如，接收、确定、发送上述智能决策方法中所涉及的数据和/或信息。该芯片系统包括芯片，也可以包括其他分立器件或电路结构。
122.进一步地，决策模块802，具体用于执行如下步骤：
123.指示决策模型智能体根据决策信息，生成第二解决方案；
124.获取第二解决方案的评分；
125.若第二解决方案的评分小于评分阈值，则指示决策模型智能体根据决策信息与解决方案库匹配，得到第一解决方案；
126.或者，若第二解决方案的评分大于或等于评分阈值，则将第二解决方案确定为第一解决方案。
127.一种可能的设计方案中，决策信息对应多个决策模型智能体。
128.决策模块802，具体用于执行如下步骤：
129.获取多个决策模型智能体生成的多个第三解决方案。其中，多个第三解决方案根据决策信息确定。
130.根据多个第三解决方案确定第一解决方案。
131.一种可能的设计方案中，解决方案库是基于知识图谱技术构建的解决方案三元组。
132.进一步地，决策模块802，还用于执行如下步骤：
133.获取第一解决方案的第一评分；其中，第一评分根据解决方案库确定；
134.获取第一解决方案的第二评分；其中，第二评分根据执行结果中执行成功的指令数量占比确定；
135.若第二评分大于第一评分，则将第一评分更新为第二评分。
136.进一步地，决策模块802，还用于执行如下步骤：
137.修正执行结果中执行失败的指令，优化第一解决方案；
138.根据优化的第一解决方案更新解决方案库。
139.图9为本实施例提供的另一种智能决策装置。如图9所示，该智能决策装置900包括：处理器901，存储器902、通信接口903、总线904。其中，处理器901，存储器902以及通信接口903之间可以通过总线904连接。
140.处理器901是智能决策装置的控制中心，可以是一个处理器，也可以是多个处理元件的统称。例如，处理器901可以是一个通用中央处理单元(central processing unit，cpu)，也可以是其他通用处理器等。其中，通用处理器可以是微处理器或者是任何常规的处理器等。
141.作为一种实施例，处理器901可以包括一个或多个cpu，例如图9中所示的cpu 0和cpu 1。
142.存储器902可以是只读存储器(read-only memory，rom)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，ram)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，eeprom)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
143.一种可能的实现方式中，存储器902可以独立于处理器901存在，存储器902可以通过总线904与处理器901相连接，用于存储指令或者程序代码。处理器901调用并执行存储器902中存储的指令或程序代码时，能够实现本技术实施例提供的智能决策方法。
144.另一种可能的实现方式中，存储器902也可以和处理器901集成在一起。
145.通信接口903，用于与其他设备通过通信网络连接。所述通信网络可以是以太网，无线接入网，无线局域网(wireless local area networks，wlan)等。通信接口903可以包括用于接收数据的接收单元，以及用于发送数据的发送单元。
146.总线904，可以是工业标准体系结构(industry standard architecture，isa)总线、外部设备互连(peripheral component interconnect，pci)总线或扩展工业标准体系结构(extended industry standard architecture，eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图9中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
147.需要指出的是，图9中示出的结构并不构成对智能决策装置的限定，除图9所示部件之外，智能决策装置900可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
148.本技术实施例还提供一种计算机可读存储介质，存储有计算机指令，当计算机指令在计算机上运行时，使得计算机执行如上述实施例所述的智能决策方法。
149.其中，计算机可读存储介质，例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器
(random access memory，ram)、只读存储器(read-only memory，rom)、可擦式可编程只读存储器(erasable programmable read only memory，eprom)、寄存器、硬盘、光纤、便携式紧凑磁盘只读存储器(compact disc read-only memory，cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合、或者本领域熟知的任何其它形式的计算机可读存储介质。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于特定用途集成电路(application specific integrated circuit，asic)中。在本技术实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
150.本技术实施例还提供一种计算机程序产品，该计算机程序产品可直接加载到存储器中，并含有软件代码，该计算机程序产品经由计算机载入并执行后能够实现上述实施例提供的智能决策方法中，智能决策装置执行的各个步骤。
151.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机执行指令时，全部或部分地产生按照本技术实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如，软盘、硬盘、磁带)，光介质(例如，dvd)、或者半导体介质(例如固态硬盘(solid state disk，ssd))等。
152.通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
153.在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
154.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单
元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个可读取存储介质中。基于这样的理解，本技术实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
155.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。