本技术涉及通信,尤其涉及一种基于知识图谱和图神经网络的网络规划方法、装置、设备及存储介质。
背景技术:
1、随着科技的不断发展,越来越多的技术应用在网络建设领域,但网络建设也对技术提出了更高的要求,如对网络规划也提出了更高的要求。
2、现有技术中,一般都采用人工反复多次进行覆盖规划的方式进行网络规划,然而,采用人工反复多次进行覆盖规划的方式进行网络规划,站址规划结果性能完全依赖仿真环境配置,准确度低。
技术实现思路
1、本技术的主要目的在于提供一种基于知识图谱和图神经网络的网络规划方法、装置、设备和存储介质,旨在采用人工反复多次进行覆盖规划的方式进行网络规划,网络规划准确度低的技术问题。
2、为实现上述目的,本技术提供一种基于知识图谱和图神经网络的网络规划方法,所述基于知识图谱和图神经网络的网络规划方法包括:
3、确定候选站址的多个选址方案;
4、确定所述多个选址方案对应目标评估区域的网络规划知识图谱;
5、获取候选站址相应预设区域内的语义信息和结构信息,利用预设图神经网络模型,基于所述语义信息和机构信息对所述网络规划知识图谱进行补全处理,并从所述多个选址方案中确定目标候选站址。
6、可选地,所述预设区域为栅格区域,所述获取候选站址相应预设区域内的语义信息和结构信息的步骤之前,所述方法包括:
7、确定所述目标评估区域中关联多个候选站址的目标栅格区域;
8、对所述目标栅格区域进行插值分割,得到分割栅格区域,使得所述目标评估区域内每个候选站址和每个分割栅格区域一一对应。
9、可选地,所述获取候选站址相应预设区域内的语义信息和结构信息,利用预设图神经网络模型,基于所述语义信息和机构信息对所述网络规划知识图谱进行补全处理,并从所述多个选址方案中确定目标候选站址的步骤,包括:
10、从知识图谱中获取当前候选站址相应预设区域内的语义信息和结构信息;
11、利用所述预设图神经网络模型,对所述语义信息中语义矢量进行处理,得到当前候选站址对应的语义向量结果;
12、利用所述预设图神经网络模型,对所述结构信息进行处理,得到当前候选站址对应的结构推理向量结果;
13、基于所述语义向量结果和所述结构推理向量结果,从所述多个选址方案中确定目标候选站址。
14、可选地,所述基于所述语义向量结果和所述结构推理向量结果,从所述多个选址方案中确定目标候选站址的步骤,包括:
15、将当前候选站址的所述语义向量结果和所述结构推理向量结果输入至基于预设注意力机制确定的评分函数;
16、确定所述预设注意力机制确定的评分函数对所述语义向量结果和所述结构推理向量结果进行评分,得到评分结果;
17、基于所述评分结果的高低,确定目标候选站址。
18、可选地,所述利用预设图神经网络模型,基于所述语义信息和机构信息对所述网络规划知识图谱进行补全处理的步骤之前,所述方法包括:
19、确定与所述目标评估区域属性信息一致的具有预设标签的网络规划训练数据;
20、基于所述网络规划训练数据,对预设初始图神经网络进行迭代训练,直至预设初始图神经网络对应的预设损失函数收敛,得到所述预设图神经网络模型。
21、可选地,所述确定所述多个选址方案对应目标评估区域的网络规划知识图谱的步骤,包括:
22、确定所述目标评估区域的仿真区域,并确定所述仿真区域对应的仿真历史数据;
23、确定所述目标评估区域的真实数据;
24、基于所述仿真历史数据和所述真实数据,确定所述多个选址方案对应目标评估区域的网络规划知识图谱。
25、可选地,所述基于所述仿真历史数据和所述真实数据,确定所述多个选址方案对应目标评估区域的网络规划知识图谱的步骤,包括:
26、所述目标评估区域的真实数据包括历史建站覆盖数据、容量数据、实地勘察现场测量数据、分析数据、报告数据、不同时间段路测打点数据、用户终端上报的地理位置数据、不同区域上下行覆盖情况数据以及地形数据;
27、基于所述仿真历史数据,历史建站覆盖数据、容量数据、实地勘察现场测量数据、分析数据、报告数据、不同时间段路测打点数据、用户终端上报的地理位置数据、不同区域上下行覆盖情况数据以及地形数据,确定所述多个选址方案对应目标评估区域的网络规划知识图谱。
28、本技术还提供一种基于知识图谱和图神经网络的网络规划装置,所述基于知识图谱和图神经网络的网络规划装置包括:
29、第一确定模块,用于确定候选站址的多个选址方案;
30、第二确定模块,用于确定所述多个选址方案对应目标评估区域的网络规划知识图谱;
31、获取模块,用于获取候选站址相应预设区域内的语义信息和结构信息,利用预设图神经网络模型,基于所述语义信息和机构信息对所述网络规划知识图谱进行补全处理,并从所述多个选址方案中确定目标候选站址。
32、可选地,所述预设区域为栅格区域,所述基于知识图谱和图神经网络的网络规划装置包括:
33、第三确定模块,用于确定所述目标评估区域中关联多个候选站址的目标栅格区域;
34、分割模块,用于对所述目标栅格区域进行插值分割,得到分割栅格区域,使得所述目标评估区域内每个候选站址和每个分割栅格区域一一对应。
35、可选地,所述获取模块包括:
36、获取单元,用于从知识图谱中获取当前候选站址相应预设区域内的语义信息和结构信息;
37、第一处理单元,用于利用所述预设图神经网络模型,对所述语义信息中语义矢量进行处理,得到当前候选站址对应的语义向量结果;
38、第二处理单元,用于利用所述预设图神经网络模型,对所述结构信息进行处理,得到当前候选站址对应的结构推理向量结果;
39、第一确定单元,用于基于所述语义向量结果和所述结构推理向量结果,从所述多个选址方案中确定目标候选站址。
40、可选地,所述第一确定单元包括:
41、输入子单元,用于将当前候选站址的所述语义向量结果和所述结构推理向量结果输入至基于预设注意力机制确定的评分函数;
42、第一确定子单元,用于确定所述预设注意力机制确定的评分函数对所述语义向量结果和所述结构推理向量结果进行评分,得到评分结果;
43、第二确定子单元,用于基于所述评分结果的高低,确定目标候选站址。
44、可选地,所述基于知识图谱和图神经网络的网络规划装置还包括:
45、第四确定模块,用于确定与所述目标评估区域属性信息一致的具有预设标签的网络规划训练数据;
46、训练模块,用于基于所述网络规划训练数据,对预设初始图神经网络进行迭代训练,直至预设初始图神经网络对应的预设损失函数收敛,得到所述预设图神经网络模型。
47、可选地,所述第二确定模块包括:
48、第二确定单元,用于确定所述目标评估区域的仿真区域,并确定所述仿真区域对应的仿真历史数据;
49、第三确定单元,用于确定所述目标评估区域的真实数据;
50、第四确定单元,用于基于所述仿真历史数据和所述真实数据,确定所述多个选址方案对应目标评估区域的网络规划知识图谱。
51、可选地,所述第四确定单元用于实现:
52、所述目标评估区域的真实数据包括历史建站覆盖数据、容量数据、实地勘察现场测量数据、分析数据、报告数据、不同时间段路测打点数据、用户终端上报的地理位置数据、不同区域上下行覆盖情况数据以及地形数据;
53、基于所述仿真历史数据,历史建站覆盖数据、容量数据、实地勘察现场测量数据、分析数据、报告数据、不同时间段路测打点数据、用户终端上报的地理位置数据、不同区域上下行覆盖情况数据以及地形数据,确定所述多个选址方案对应目标评估区域的网络规划知识图谱。
54、本技术还提供一种基于知识图谱和图神经网络的网络规划设备,所述基于知识图谱和图神经网络的网络规划设备为实体节点设备,所述基于知识图谱和图神经网络的网络规划设备包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述基于知识图谱和图神经网络的网络规划方法的程序,所述基于知识图谱和图神经网络的网络规划方法的程序被处理器执行时可实现如上述的基于知识图谱和图神经网络的网络规划方法的步骤。
55、本技术还提供一种存储介质,所述存储介质上存储有实现上述基于知识图谱和图神经网络的网络规划方法的程序,所述基于知识图谱和图神经网络的网络规划方法的程序被处理器执行时实现如上述的基于知识图谱和图神经网络的网络规划方法的步骤。
56、本技术还提供一种计算机程序产品、包括计算机程序,该计算机程序被处理器执行时实现上述的基于知识图谱和图神经网络的网络规划方法的步骤。
57、本技术提供一种基于知识图谱和图神经网络的网络规划方法、装置、设备及存储介质,与现有技术中采用人工反复多次进行覆盖规划的方式进行网络规划,致使网络规划准确度低相比,在本技术中,确定候选站址的多个选址方案;确定所述多个选址方案对应目标评估区域的网络规划知识图谱;获取候选站址相应预设区域内的语义信息和结构信息,利用预设图神经网络模型,基于所述语义信息和机构信息对所述网络规划知识图谱进行补全处理,并从所述多个选址方案中确定目标候选站址。在本技术中,首先构建目标评估区域的网络规划知识图谱,然后通过预设图神经网络对网络规划知识图谱中的语义信息和结构信息进行补全,并从所述多个选址方案中确定目标候选站址,也即,通过训练好的预设图神经网络自动补全利用网络规划知识图谱中的信息,进而基于补全的全面网络规划知识图谱中的信息,确定目标候选站址,以提升网络规划的规划准确度。