用于管理针对认知网络功能和/或机器学习模型的请求的装置、方法和计算机程序与流程

本公开涉及一种装置、方法和计算机程序，用于管理针对满足要求的认知网络功能和/或机器学习模型或针对与满足要求的认知网络功能和/或机器学习模型有关的信息的请求。

背景技术：

1、通信系统可被视为是一种设施，它通过在通信路径中涉及的各种实体之间提供载体，能够在两个或更多个实体(如通信设备、基站和/或其他节点)之间实现通信会话。

2、通信系统可以是无线通信系统。无线系统的例子包括基于无线电标准(如3gpp提供的那些)操作的公共陆地移动网络(plmn)、基于卫星的通信系统和不同的无线本地网络，例如无线局域网(wlan)。无线系统通常可被划分为(多个)小区，因此通常被称为蜂窝系统。

3、通信系统和相关联的设备通常按照给定标准或规范来操作，这些标准或规范规定了允许与系统相关联的各种实体做什么，以及应该如何做到这一点。通信协议和/或应用于连接的参数通常也有被定义。标准的例子是所谓的5g标准。

技术实现思路

1、根据一个方面，提供了一种包括用于以下的部件的装置：存储与可部署在网络上的多个认知网络功能和/或机器学习模型有关的信息，每个认知网络功能与一个或多个机器学习模型相关联，每个机器学习模型用一个或多个训练上下文进行训练；接收第一请求，所述第一请求针对满足要求的认知网络功能和/或机器学习模型或针对与满足要求的认知网络功能和/或机器学习模型有关的信息；处理第一请求以标识满足要求的认知网络功能和/或机器学习模型；以及基于处理来发送对第一请求的响应。

2、处理第一请求以标识满足要求的认知网络功能和/或机器学习模型可包括：将与多个认知网络功能和/或机器学习模型有关的信息与要求进行比较，以标识满足要求的认知网络功能和/或机器学习模型。

3、所述装置可包括用于以下的部件：标识满足要求的认知网络功能和/或机器学习模型；发送针对所标识的认知网络功能和/或机器学习模型的第二请求；接收对第二请求的响应，对第二请求的响应包括所标识的认知网络功能和/或机器学习模型；以及发送对第一请求的响应，对第一请求的响应包括所标识的认知网络功能和/或机器学习模型。

4、所述装置可包括用于以下的部件：标识满足要求的认知网络功能和/或机器学习模型；以及发送对第一请求的响应，对第一请求的响应包括与所标识的认知网络功能和/或机器学习模型有关的信息。

5、所述装置可包括用于以下的部件：标识没有符合要求的认知网络功能和/或机器学习模型；以及发送对第一请求的响应，对第一请求的响应包括关于没有认知网络功能和/或机器学习模型被标识出的指示。

6、第一请求可包括预期上下文或检测的上下文；以及要求可包括具有与预期上下文或检测的上下文相匹配的训练上下文的认知网络功能和/或机器学习模型的可用性。

7、每个训练上下文、预期上下文或检测的上下文可包括以下上下文属性中的一个或多个：被管理实体参考属性、数据提供方参考属性、开始时间属性、结束时间属性、训练条件属性、训练状态属性、操作条件属性、参考性能属性、认知网络功能特性属性和/或数据特征属性。

8、第一请求可源自被部署在网络上的网络管理功能或认知网络功能；以及对第一请求的响应可指向被部署在网络上的网络管理功能或认知网络功能。

9、第二请求可指向被部署在网络上的认知网络功能和模型存储库功能；以及对第二请求的响应可源自被部署在网络上的认知网络功能和模型存储库功能。

10、所述装置可以是被部署在网络上的认知网络功能和模型选择功能。

11、认知网络功能和模型选择功能可被集成在认知网络功能和模型存储库功能内，或可以与认知网络功能和模型存储库功能分开。

12、该装置可包括用于以下的部件：接收第一请求，所述第一请求针对满足要求的所有认知网络功能和/或所有机器学习模型或针对与满足要求的所有认知网络功能和/或所有机器学习模型有关的信息；处理第一请求，以标识满足要求的所有认知网络功能和/或所有机器学习模型。

13、每个认知网络功能可与信息模型中的认知网络功能信息对象类相关联；每个机器学习模型可与信息模型中的机器学习模型信息对象类相关联；和/或每个训练上下文、预期上下文或检测的上下文可与信息模型中的训练上下文、预期上下文或检测的上下文信息对象类相关联。

14、认知网络功能信息对象类可包括具有多个字段的认知网络功能特性属性，每个字段具有从固定的一组备选项中选择的单个值。

15、机器学习模型信息对象类可包括具有多个字段的训练上下文属性、预期上下文属性和/或检测的上下文属性，每个字段都具有从固定的一组备选项中选择的单个值。

16、训练上下文、预期上下文或检测的上下文信息对象类可包括以下训练上下文、预期上下文或检测的上下文属性中的一个或多个：被管理实体参考属性、数据提供方参考属性、开始时间属性、结束时间属性、训练条件属性、训练状态属性、操作条件属性、参考性能属性、认知网络功能特性属性和/或数据特征属性，其具有多个字段，每个字段具有从固定的一组备选项中选择的单个值。

17、每个认知网络功能可由认知网络功能标识符标识；和/或每个机器学习模型可与机器学习模型标识符相关联。

18、根据一个方面，提供了一种装置，包括至少一个处理器和至少一个存储器，该至少一个存储器包括用于一个或多个程序的计算机代码，该至少一个存储器和计算机代码被配置为与至少一个处理器一起，使该装置至少：存储与可部署在网络上的多个认知网络功能和/或机器学习模型有关的信息，每个认知网络功能与一个或多个机器学习模型相关联，每个机器学习模型利用一个或多个训练上下文进行训练；接收第一请求，所述第一请求针对满足要求的认知网络功能和/或机器学习模型或针对与满足要求的认知网络功能和/或机器学习模型有关的信息；处理第一请求以标识满足要求的认知网络功能和/或机器学习模型；以及基于所述处理来发送对第一请求的响应。

19、处理第一请求以标识满足要求的认知网络功能和/或机器学习模型可包括：将与多个认知网络功能和/或机器学习模型有关的信息与要求进行比较，以标识满足要求的认知网络功能和/或机器学习模型。

20、该至少一个存储器和计算机代码可被配置为与至少一个处理器一起，使该装置至少：标识满足要求的认知网络功能和/或机器学习模型；发送针对所标识的认知网络功能和/或机器学习模型的第二请求；接收对第二请求的响应，对第二请求的响应包括所标识的认知网络功能和/或机器学习模型；以及发送对第一请求的响应，对第一请求的响应包括所标识的认知网络功能和/或机器学习模型。

21、该至少一个存储器和计算机代码可被配置为与至少一个处理器一起，使该装置至少：标识满足要求的认知网络功能和/或机器学习模型；以及发送对第一请求的响应，对第一请求的响应包括与所标识的认知网络功能和/或机器学习模型有关的信息。

22、该至少一个存储器和计算机代码可被配置为与至少一个处理器一起，使该装置至少：标识没有满足要求的认知网络功能和/或机器学习模型；以及发送对第一请求的响应，对第一请求的响应包括关于没有认知网络功能和/或机器学习模型被标识出的指示。

23、第一请求可包括预期上下文或检测的上下文；而要求可包括具有与预期上下文或检测的上下文相匹配的训练上下文的认知网络功能和/或机器学习模型的可用性。

24、每个训练上下文、预期上下文或检测的上下文可包括以下上下文属性中的一个或多个：被管理实体参考属性、数据提供方参考属性、开始时间属性、结束时间属性、训练条件属性、训练状态属性、操作条件属性、参考性能属性、认知网络功能特性属性和/或数据特征属性。

25、第一请求可源自被部署在网络上的网络管理功能或认知网络功能；以及对第一请求的响应可指向被部署在网络上的网络管理功能或认知网络功能。

26、第二请求可指向被部署在网络上的认知网络功能和模型存储库功能；且对第二请求的响应可源自被部署在网络上的认知网络功能和模型存储库功能。

27、该装置可以是被部署在网络上的认知网络功能和模型选择功能。

28、认知网络功能和模型选择功能可被集成在认知网络功能和模型存储库功能内，或可以与认知网络功能和模型存储库功能分开。

29、该至少一个存储器和计算机代码可被配置为与至少一个处理器一起，使该装置至少：接收第一请求，所述第一请求针对满足要求的所有认知网络功能和/或所有机器学习模型或针对与满足要求的所有认知网络功能和/或所有机器学习模型有关的信息；处理第一请求以标识满足要求的所有认知网络功能和/或所有机器学习模型。

30、每个认知网络功能可与信息模型中的认知网络功能信息对象类相关联；每个机器学习模型可与信息模型中的机器学习模型信息对象类相关联；和/或每个训练上下文、预期上下文或检测的上下文可与信息模型中的训练上下文、预期上下文或检测的上下文信息对象类相关联。

31、认知网络功能信息对象类可包括具有多个字段的认知网络功能特性属性，每个字段具有从固定的一组备选项中选择的单个值。

32、机器学习模型信息对象类可包括具有多个字段的训练上下文属性、预期上下文属性和/或检测的上下文属性，每个字段具有从固定的一组备选项中选择的单个值。

33、训练上下文、预期上下文或检测的上下文信息对象类可包括以下训练上下文、预期上下文或检测的上下文属性中的一个或多个：被管理实体参考属性、数据提供方参考属性、开始时间属性、结束时间属性、训练条件属性、训练状态属性、操作条件属性、参考性能属性、认知网络功能特性属性和/或数据特征属性，其具有多个字段的，每个字段具有从固定的一组备选项中选择的单个值。

34、每个认知网络功能可由认知网络功能标识符标识；和/或每个机器学习模型可与机器学习模型标识符相关联。

35、根据一个方面，提供了一种包括电路的装置，该电路被配置为：存储与可部署在网络上的多个认知网络功能和/或机器学习模型有关的信息，每个认知网络功能与一个或多个机器学习模型相关联，每个机器学习模型利用一个或多个训练上下文进行训练；接收第一请求，所述第一请求针对满足要求的认知网络功能和/或机器学习模型或针对与满足要求的认知网络功能和/或机器学习模型有关的信息；处理第一请求以标识满足要求的认知网络功能和/或机器学习模型；以及基于该处理来发送对第一请求的响应。

36、处理第一请求以标识满足要求的认知网络功能和/或机器学习模型可包括：将与多个认知网络功能和/或机器学习模型有关的信息与要求进行比较，以标识满足要求的认知网络功能和/或机器学习模型。

37、电路可被配置为：标识满足要求的认知网络功能和/或机器学习模型；发送针对所标识的认知网络功能和/或机器学习模型的第二请求；接收对第二请求的响应，对第二请求的响应包括所标识的认知网络功能和/或机器学习模型；以及发送对第一请求的响应，对第一请求的响应包括所标识的认知网络功能和/或机器学习模型。

38、电路可被配置为：标识满足要求的认知网络功能和/或机器学习模型；以及发送包括与所标识的认知网络功能和/或机器学习模型有关的信息的对第一请求的响应。

39、电路可被配置为：标识没有满足要求的认知网络功能和/或机器学习模型；以及发送对第一请求的响应，对第一请求的响应包括关于没有认知网络功能和/或机器学习模型被标识出的指示。

40、第一请求可包括预期上下文或检测的上下文；而要求可包括具有与预期上下文或检测的上下文相匹配的训练上下文的认知网络功能和/或机器学习模型的可用性。

41、每个训练上下文、预期上下文或检测的上下文可包括以下上下文属性中的一个或多个：被管理实体参考属性、数据提供方参考属性、开始时间属性、结束时间属性、训练条件属性、训练状态属性、操作条件属性、参考性能属性、认知网络功能特性属性和/或数据特征属性。

42、第一请求可源自被部署在网络上的网络管理功能或认知网络功能；以及对第一请求的响应可指向被部署在网络上的网络管理功能或认知网络功能。

43、第二请求可指向被部署在网络上的认知网络功能和模型存储库功能；以及对第二请求的响应可源自被部署在网络上的认知网络功能和模型存储库功能。

44、该装置可以是被部署在网络上的认知网络功能和模型选择功能。

45、认知网络功能和模型选择功能可被集成在认知网络功能和模型存储库功能内，或可以与认知网络功能和模型存储库功能分开。

46、该电路可被配置为：接收第一请求，所述第一请求针对满足要求的所有认知网络功能和/或所有机器学习模型或针对与满足要求的所有认知网络功能和/或所有机器学习模型有关的信息；处理第一请求以标识满足要求的所有认知网络功能和/或所有机器学习模型。

47、每个认知网络功能可与信息模型中的认知网络功能信息对象类相关联；每个机器学习模型可与信息模型中的机器学习模型信息对象类相关联；和/或每个训练上下文、预期上下文或检测的上下文可与信息模型中的训练上下文、预期上下文或检测的上下文信息对象类相关联。

48、认知网络功能信息对象类可包括具有多个字段的认知网络功能特性属性，每个字段具有从固定的一组备选项中选择的单个值。

49、机器学习模型信息对象类可包括具有多个字段的训练上下文属性、预期上下文属性和/或检测的上下文属性，每个字段具有从固定的一组备选项中选择的单个值。

50、训练上下文、预期上下文或检测的上下文信息对象类可包括以下训练上下文、预期上下文或检测的上下文属性中的一个或多个：被管理实体参考属性、数据提供方参考属性、开始时间属性、结束时间属性、训练条件属性、训练状态属性、操作条件属性、参考性能属性、认知网络功能特性属性和/或数据特征属性，其具有多个字段，每个字段具有从固定的一组备选项中选择的单个值。

51、每个认知网络功能可由认知网络功能标识符标识；和/或每个机器学习模型可与机器学习模型标识符相关联。

52、根据一个方面，提供了一种方法，包括：存储与可部署在网络上的多个认知网络功能和/或机器学习模型有关的信息，每个认知网络功能与一个或多个机器学习模型相关联，每个机器学习模型利用一个或多个训练上下文进行训练；接收第一请求，所述第一请求针对满足要求的认知网络功能和/或机器学习模型或针对与满足要求的认知网络功能和/或机器学习模型有关的信息；处理第一请求以标识满足要求的认知网络功能和/或机器学习模型；以及基于该处理来发送对第一请求的响应。

53、处理第一请求以标识满足要求的认知网络功能和/或机器学习模型可包括：将与多个认知网络功能和/或机器学习模型有关的信息与要求进行比较，以标识满足要求的认知网络功能和/或机器学习模型。

54、该装置可包括用于以下的部件：标识满足要求的认知网络功能和/或机器学习模型；发送针对所标识的认知网络功能和/或机器学习模型的第二请求；接收对第二请求的响应，对第二请求的响应包括所标识的认知网络功能和/或机器学习模型；以及发送对第一请求的响应，对第一请求的响应包括所标识的认知网络功能和/或机器学习模型。

55、该方法可包括：标识满足要求的认知网络功能和/或机器学习模型；以及发送对第一请求的响应，对第一请求的响应包括与所标识的认知网络功能和/或机器学习模型有关的信息。

56、该方法可包括：标识没有满足要求的认知网络功能和/或机器学习模型；以及发送对第一请求的响应，对第一请求的响应包括关于没有认知网络功能和/或机器学习模型被标识出的指示。

57、第一请求可包括预期上下文或检测的上下文；而要求可包括具有与预期上下文或检测的上下文相匹配的训练上下文的认知网络功能和/或机器学习模型的可用性。

58、每个训练上下文、预期上下文或检测的上下文可包括以下上下文属性中的一个或多个：被管理实体参考属性、数据提供方参考属性、开始时间属性、结束时间属性、训练条件属性、训练状态属性、操作条件属性、参考性能属性、认知网络功能特性属性和/或数据特征属性。

59、第一请求可源自被部署在网络上的网络管理功能或认知网络功能；以及对第一请求的响应可指向被部署在网络上的网络管理功能或认知网络功能。

60、第二请求可指向被部署在网络上的认知网络功能和模型存储库功能；以及对第二请求的响应可源自被部署在网络上的认知网络功能和模型存储库功能。

61、该方法可由被部署在网络上的认知网络功能和模型选择功能执行。

62、认知网络功能和模型选择功能可被集成在认知网络功能和模型存储库功能内，或可以与认知网络功能和模型存储库功能分开。

63、该方法可包括：接收第一请求，所述第一请求针对满足要求的所有认知网络功能和/或所有机器学习模型或针对与满足要求的所有认知网络功能和/或所有机器学习模型有关的信息；处理第一请求以标识满足要求的所有认知网络功能和/或所有机器学习模型。

64、每个认知网络功能可与信息模型中的认知网络功能信息对象类相关联；每个机器学习模型可与信息模型中的机器学习模型信息对象类相关联；和/或每个训练上下文、预期上下文或检测的上下文可与信息模型中的训练上下文、预期上下文或检测的上下文信息对象类相关联。

65、认知网络功能信息对象类可包括具有多个字段的认知网络功能特性属性，每个字段具有从固定的一组备选项中选择的单个值。

66、机器学习模型信息对象类可包括具有多个字段的训练上下文属性、预期上下文属性和/或检测的上下文属性，每个字段具有从固定的一组备选项中选择的单个值。

67、训练上下文、预期上下文或检测的上下文信息对象类可包括以下训练上下文、预期上下文或检测的上下文属性中的一个或多个：被管理实体参考属性、数据提供方参考属性、开始时间属性、结束时间属性、训练条件属性、训练状态属性、操作条件属性、参考性能属性、认知网络功能特性属性和/或数据特征属性，其具有多个字段，每个字段具有从固定的一组备选项中选择的单个值。

68、每个认知网络功能可由认知网络功能标识符标识；和/或每个机器学习模型可与机器学习模型标识符相关联。

69、根据一个方面，提供了一种包括计算机可执行代码的计算机程序，该代码在至少一个处理器上运行时被配置为：存储与可部署在网络上的多个认知网络功能和/或机器学习模型有关的信息，每个认知网络功能与一个或多个机器学习模型相关联，每个机器学习模型利用一个或多个训练上下文进行训练；接收第一请求，所述第一请求针对满足要求的认知网络功能和/或机器学习模型或针对与满足要求的认知网络功能和/或机器学习模型有关的信息；处理第一请求以标识满足要求的认知网络功能和/或机器学习模型；以及基于该处理来发送对第一请求的响应。

70、处理第一请求以标识满足要求的认知网络功能和/或机器学习模型可包括：将与多个认知网络功能和/或机器学习模型有关的信息与要求进行比较，以标识满足要求的认知网络功能和/或机器学习模型。

71、计算机程序可包括计算机可执行代码，该代码在至少一个处理器上运行时被配置为：标识满足要求的认知网络功能和/或机器学习模型；发送针对所标识的认知网络功能和/或机器学习模型的第二请求；接收对第二请求的响应，对第二请求的响应包括所标识的认知网络功能和/或机器学习模型；以及发送对第一请求的响应，对第一请求的响应包括所标识的认知网络功能和/或机器学习模型。

72、计算机程序可包括计算机可执行代码，该代码在至少一个处理器上运行时被配置为：标识满足要求的认知网络功能和/或机器学习模型；以及发送对第一请求的响应，对第一请求的响应包括与所标识的认知网络功能和/或机器学习模型有关的信息。

73、计算机程序可包括计算机可执行代码，该代码在至少一个处理器上运行时被配置为：标识没有满足要求的认知网络功能和/或机器学习模型；以及发送对第一请求的响应，对第一请求的响应包括关于标识出没有认知网络功能和/或机器学习模型的指示。

74、第一请求可包括预期上下文或检测的上下文；而要求可包括具有与预期上下文或检测的上下文相匹配的训练上下文的认知网络功能和/或机器学习模型的可用性。

75、每个训练上下文、预期上下文或检测的上下文可包括以下上下文属性中的一个或多个：被管理实体参考属性、数据提供方参考属性、开始时间属性、结束时间属性、训练条件属性、训练状态属性、操作条件属性、参考性能属性、认知网络功能特性属性和/或数据特征属性。

76、第一请求可源自被部署在网络上的网络管理功能或认知网络功能；以及对第一请求的响应可指向被部署在网络上的网络管理功能或认知网络功能。

77、第二请求可指向被部署在网络上的认知网络功能和模型存储库功能；以及对第二请求的响应可源自被部署在网络上的认知网络功能和模型存储库功能。

78、至少一个处理器可以是被部署在网络上的认知网络功能和模型选择功能的一部分。

79、认知网络功能和模型选择功能可被集成在认知网络功能和模型存储库功能内，或可以与认知网络功能和模型存储库功能分开。

80、计算机程序可包括计算机可执行代码，该代码在至少一个处理器上运行时被配置为：接收第一请求，所述第一请求针对满足要求的所有认知网络功能和/或所有机器学习模型或针对与满足要求的所有认知网络功能和/或所有机器学习模型有关的信息；处理第一请求，以标识满足要求的所有认知网络功能和/或所有机器学习模型。

81、每个认知网络功能可与信息模型中的认知网络功能信息对象类相关联；每个机器学习模型可与信息模型中的机器学习模型信息对象类相关联；和/或每个训练上下文、预期上下文或检测的上下文可与信息模型中的训练上下文、预期上下文或检测的上下文信息对象类相关联。

82、认知网络功能信息对象类可包括具有多个字段的认知网络功能特性属性，每个字段具有从固定的一组备选项中选择的单个值。

83、机器学习模型信息对象类可包括具有多个字段的训练上下文属性、预期上下文属性和/或检测的上下文属性，每个字段具有从固定的一组备选项中选择的单个值。

84、训练上下文、预期上下文或检测的上下文信息对象类可包括以下训练上下文、预期上下文或检测的上下文属性中的一个或多个：被管理实体参考属性、数据提供方参考属性、开始时间属性、结束时间属性、训练条件属性、训练状态属性、操作条件属性、参考性能属性、认知网络功能特性属性和/或数据特征属性，其具有多个字段，每个字段具有从固定的一组备选项中选择的单个值。

85、每个认知网络功能可由认知网络功能标识符标识；和/或每个机器学习模型可与机器学习模型标识符相关联。

86、根据一个方面，提供了一种包括用于以下的部件的装置：存储可部署在网络上的多个认知网络功能和/或机器学习模型，每个认知网络功能与一个或多个机器学习模型相关联，每个机器学习模型利用一个或多个训练上下文进行训练；接收第二请求，所述第二请求针对满足要求的、所标识的认知网络功能和/或机器学习模型；以及发送对第二请求的响应，对第二请求的响应包括满足要求的、所标识的认知网络功能和/或机器学习模型。

87、第二请求可源自被部署在网络上的认知网络功能和模型选择功能。对第二请求的响应可指向被部署在网络上的认知网络功能和模型选择功能。

88、该装置可以是被部署在网络上的认知网络功能和模型存储库功能。

89、认知网络功能和模型存储库功能可以集成认知网络功能和模型选择功能，或可以与认知网络功能和模型选择功能分开。

90、根据一个方面，提供了一种装置，包括至少一个处理器和至少一个存储器，该至少一个存储器包括用于一个或多个程序的计算机代码，该至少一个存储器和计算机代码被配置为与至少一个处理器一起，使该装置至少：存储可部署在网络上的多个认知网络功能和/或机器学习模型，每个认知网络功能与一个或多个机器学习模型相关联，每个机器学习模型利用一个或多个训练上下文进行训练；接收第二请求，所述第二请求针对满足要求的、所标识的认知网络功能和/或机器学习模型；以及发送对第二请求的响应，对第二请求的响应包括满足要求的、所标识的认知网络功能和/或机器学习模型。

91、第二请求可源自被部署在网络上的认知网络功能和模型选择功能。对第二请求的响应可指向被部署在网络上的认知网络功能和模型选择功能。

92、该装置可以是被部署在网络上的认知网络功能和模型存储库功能。

93、认知网络功能和模型存储库功能可以集成认知网络功能和模型选择功能，或可以与认知网络功能和模型选择功能分开。

94、根据一个方面，提供了一种包括电路的装置，该电路被配置为存储可部署在网络上的多个认知网络功能和/或机器学习模型，每个认知网络功能与一个或多个机器学习模型相关联，每个机器学习模型利用一个或多个训练上下文进行训练；接收第二请求，所述第二请求针对满足要求的、所标识的认知网络功能和/或机器学习模型；以及发送对第二请求的响应，对第二请求的响应包括满足要求的、所标识的认知网络功能和/或机器学习模型。

95、第二请求可源自被部署在网络上的认知网络功能和模型选择功能。对第二请求的响应可指向被部署在网络上的认知网络功能和模型选择功能。

96、该装置可以是被部署在网络上的认知网络功能和模型存储库功能。

97、认知网络功能和模型存储库功能可以集成认知网络功能和模型选择功能，或可以与认知网络功能和模型选择功能分开。

98、根据一个方面，提供了一种方法，包括：存储可部署在网络上的多个认知网络功能和/或机器学习模型，每个认知网络功能与一个或多个机器学习模型相关联，每个机器学习模型利用一个或多个训练上下文进行训练；接收第二请求，所述第二请求针对满足要求的、所标识的认知网络功能和/或机器学习模型；以及发送对第二请求的响应，对第二请求的响应包括满足要求的、所标识的认知网络功能和/或机器学习模型。

99、第二请求可源自被部署在网络上的认知网络功能和模型选择功能。对第二请求的响应可指向被部署在网络上的认知网络功能和模型选择功能。

100、该方法可由被部署在网络上的认知网络功能和模型存储库功能执行。

101、认知网络功能和模型存储库功能可以集成认知网络功能和模型选择功能，或可以与认知网络功能和模型选择功能分开。

102、根据一个方面，提供了一种包括计算机可执行代码的计算机程序，该代码在至少一个处理器上运行时被配置为：存储可部署在网络上的多个认知网络功能和/或机器学习模型，每个认知网络功能与一个或多个机器学习模型相关联，每个机器学习模型利用一个或多个训练上下文进行训练；接收第二请求，所述第二请求针对满足要求的、所标识的认知网络功能和/或机器学习模型；以及发送对第二请求的响应，对第二请求的响应包括满足要求的、所标识的认知网络功能和/或机器学习模型。

103、第二请求可源自被部署在网络上的认知网络功能和模型选择功能。对第二请求的响应可指向被部署在网络上的认知网络功能和模型选择功能。

104、至少一个处理器可以是被部署在网络上的认知网络功能和模型存储库功能。

105、认知网络功能和模型存储库功能可以集成认知网络功能和模型选择功能，或可以与认知网络功能和模型选择功能分开。

106、根据一个方面，提供了一种计算机可读介质，该介质包括存储在其上的用于执行上述方法中的至少一种的程序指令。

107、根据一个方面，提供了一种非暂时性计算机可读介质，该介质包括存储在其上的用于执行上述方法中的至少一种的程序指令。

108、根据一个方面，提供了一种非易失性有形存储介质，该介质包括存储在其上的用于执行上述方法中的至少一种的程序指令。

109、在上文中，已经描述了许多不同的方面。应该理解的是，上述任意两个或多个方面的组合可以提供更多方面。

110、在下面的详细描述和所附的权利要求书中还描述了各种其他方面。

111、缩写表

112、af：应用功能

113、ai：人工智能

114、amf：访问和移动管理功能

115、api：应用协议接口

116、bs：基站

117、cm：有条件强制

118、cnf：认知网络功能

119、comdi：认知网络功能和模型部署接口

120、comref：认知网络功能和模型存储库功能

121、comsef：认知网络功能和模型选择功能

122、comsi：认知网络功能和模型规范接口

123、cu：中央单元

124、dl：下行链路

125、du：分布式单元

126、f：假

127、gnb：gnodeb

128、gsm：全球移动通信系统

129、hss：家庭用户服务器

130、ioc：信息对象类

131、iot：物联网

132、lte：长期演进

133、m：强制性

134、mac：介质访问控制

135、mdas：管理数据分析服务

136、ml：机器学习

137、ms：移动站

138、mtc：机器类型通信

139、nef：网络曝光功能

140、nf：网络功能

141、nr：新无线电

142、nrf：网络功能存储库功能

143、o：可选的

144、pdu：分组数据单元

145、ram：随机存取存储器

146、(r)an：(无线电)接入网

147、rom：只读存储器

148、sinr：信号干扰加噪声比

149、smf：会话管理功能

150、nssai：网络片段选择辅助信息

151、t：真

152、tr：技术报告

153、ts：技术规范

154、ue：用户设备

155、umts：通用移动通信系统

156、3gpp：第三代合作伙伴计划

157、5g：第五代

158、5gc：5g核心网

159、5gs：5g系统