模型的识别方法、装置、终端及网络侧设备与流程

本申请属于通信，具体涉及一种模型的识别方法、装置、终端及网络侧设备。

背景技术：

1、人工智能(artificial intelligence，ai)目前在各个领域获得了广泛的应用，将人工智能融入无线通信网络，显著提升吞吐量、时延以及用户容量等技术指标是未来的无线通信网络的重要任务。ai单元或ai模型可以通过神经网络进行实现，其中神经网络的参数可以通过梯度优化算法进行优化。

2、现有技术的模型在线注册中，通信设备有了新模型后，需要每台设备都向网络侧对同一个新模型进行模型注册，从而导致大量的信令冗余，浪费空口资源。

技术实现思路

1、本申请实施例提供一种模型的识别方法、装置、终端及网络侧设备，能够解决在线注册新的ai模型时，需要每台通信设备都向网络侧设备请求对同一个新的ai模型进行注册而导致大量的信令冗余，浪费空口资源的问题。

2、第一方面，提供了一种模型的识别方法，该方法包括：第一终端向网络侧设备发送第一模型识别请求，其中，所述第一模型识别请求用于请求所述网络侧设备进行目标人工智能ai单元的第一模型识别；所述第一终端接收网络侧设备为所述目标ai单元配置的第一模型标识，其中，所述第一模型标识满足以下至少之一：

3、全局性唯一的全局标识；

4、部分全局唯一的部分全局标识；

5、用于第二终端向网络侧设备发送第二模型识别请求。

6、第二方面，提供了一种模型的识别方法，该方法包括：第二终端获取第一终端通过触发第一模型识别获取的第一模型标识；所述第二终端向网络侧设备发送第二模型识别请求，其中，所述第二模型识别请求用于请求所述网络侧设备进行所述目标ai单元的第二模型识别，所述第二模型识别请求中携带有所述第一模型标识；所述第二终端获取所述网络侧设备为所述目标ai单元配置的第二模型标识。

7、第三方面，提供了一种模型的识别方法，该方法包括：网络侧设备接收第一终端发送的第一模型识别请求，其中，所述第一模型识别请求用于请求所述网络侧设备进行目标ai单元的第一模型识别；所述网络侧设备通过进行所述目标ai单元的第一模型识别，为所述目标ai单元分配第一模型标识，其中，所述第一模型标识满足以下至少之一：全局性唯一的全局标识；部分全局唯一的部分全局标识；用于第二终端向网络侧设备发送第二模型识别请求；所述网络侧设备将所述第一模型标识发送给所述第一终端。

8、第四方面，提供了一种模型的识别装置，该装置包括；发送模块，用于向网络侧设备发送第一模型识别请求，其中，所述第一模型识别请求用于请求所述网络侧设备进行目标人工智能ai单元的第一模型识别；接收模块，用于接收网络侧设备为所述目标ai单元配置的第一模型标识，其中，所述第一模型标识满足以下至少之一：

9、全局性唯一的全局标识；

10、部分全局唯一的部分全局标识；

11、用于第二终端向网络侧设备发送第二模型识别请求。

12、第五方面，提供了一种模型的识别装置，该装置包括：第一获取模块，用于获取第一终端通过触发第一模型识别获取的第一模型标识；发送模块，用于向网络侧设备发送第二模型识别请求，其中，所述第二模型识别请求用于请求所述网络侧设备进行所述目标ai单元的第二模型识别，所述第二模型识别请求中携带有所述第一模型标识；第二获取模块，用于获取所述网络侧设备为所述目标ai单元配置的第二模型标识。

13、第六方面，提供了一种模型的识别装置，该装置包括：接收模块，用于接收第一终端发送的第一模型识别请求，其中，所述第一模型识别请求用于请求所述网络侧设备进行目标ai单元的第一模型识别；分配模块，用于通过进行所述目标ai单元的第一模型识别，为所述目标ai单元分配第一模型标识，其中，所述第一模型标识满足以下至少之一：全局性唯一的全局标识；部分全局唯一的部分全局标识；用于第二终端向网络侧设备发送第二模型识别请求；发送模块，用于将所述第一模型标识发送给所述第一终端。

14、第七方面，提供了一种终端，该终端包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤，或者实现如第二方面所述的方法的步骤。

15、第八方面，提供了一种网络侧设备，该网络侧设备包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第三方面所述的方法的步骤。

16、第九方面，提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤，或者实现如第二方面所述的方法的步骤，或者实现如第三方面所述的方法的步骤。

17、第十方面，提供了一种无线通信系统，包括：终端及网络侧设备，所述终端可用于执行如第一方面所述的方法的步骤，或者如第二方面所述的方法的步骤，所述网络侧设备可用于执行如第二方面所述的方法的步骤。

18、第十一方面，提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方法，或者实现如第二方面所述的方法，或者实现如第三方面所述的方法。

19、第十二方面，提供了一种计算机程序/程序产品，所述计算机程序/程序产品被存储在存储介质中，所述程序/程序产品被至少一个处理器执行以实现如第一方面所述的方法的步骤，或者实现如第二方面所述的方法的步骤，或者实现如第三方面所述的方法的步骤。

20、在本申请实施例中，第一终端向网络侧设备发送第一模型识别请求，其中，所述第一模型识别请求用于请求所述网络侧设备进行目标人工智能ai单元的第一模型识别；所述第一终端接收网络侧设备为所述目标ai单元配置的第一模型标识，其中，所述第一模型标识满足以下至少之一：全局性唯一的全局标识；部分全局唯一的部分全局标识；用于第二终端向网络侧设备发送第二模型识别请求，从而第二终端可以通过使用上述第一模型标识，向网络侧设备获取目标ai单元的第二模型标识，实现了不需要第一终端和第二终端都向网络侧设备请求对同一个目标ai单元进行注册，降低了信令开销，解决浪费空口资源的问题。

技术特征：

1.一种模型的识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述第一模型识别请求中携带有第一信息，其中，所述第一信息包括以下至少之一：

3.根据权利要求2所述的方法，其特征在于，所述第一模型标识中包括以下之一：所述第一信息、所述第一信息的关联信息。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述第一模型标识满足以下至少之一：

5.根据权利要求1至3任一项所述的方法，其特征在于，在所述第一终端向网络侧设备发送第一模型识别请求之前，所述方法还包括：

6.根据权利要求5所述的方法，其特征在于，所述第一终端获得所述目标ai单元，包括：

7.根据权利要求1至3任一项所述的方法，其特征在于，所述第一模型识别请求中携带有所述目标ai单元的至少部分描述信息。

8.根据权利要求7所述的方法，其特征在于，所述目标ai单元的描述信息包括以下至少之一：

9.一种模型的识别方法，其特征在于，包括：

10.根据权利要求9所述的方法，其特征在于，所述第二模型标识包括：局部标识。

11.根据权利要求9所述的方法，其特征在于，所述第二模型识别请求中未携带有所述目标ai单元的描述信息。

12.根据权利要求9所述的方法，其特征在于，所述第二模型识别请求中携带有所述目标ai单元的部分描述信息。

13.根据权利要求9或12所述的方法，其特征在于，所述目标ai单元的描述信息包括以下至少之一：

14.根据权利要求9至13任一项所述的方法，其特征在于，所述第一模型标识中包括以下之一：第一信息、所述第一信息的关联信息。

15.根据权利要求14所述的方法，其特征在于，所述第一信息包括以下至少之一：

16.根据权利要求14所述的方法，其特征在于，所述第二模型标识满足以下至少之一：

17.根据权利要求9至16任一项所述的方法，其特征在于，所述第一模型标识或所述第二模型标识用于所述目标ai单元的生命周期管理。

18.根据权利要求17所述的方法，其特征在于，所述目标ai单元的生命周期管理包括以下至少之一：

19.根据权利要求17所述的方法，其特征在于，所述生命周期管理的主体包括以下之一：

20.一种模型的识别方法，其特征在于，包括：

21.根据权利要求20所述的方法，其特征在于，所述第一模型识别请求中携带有第一信息，其中，所述第一信息包括以下至少之一：

22.根据权利要求21所述的方法，其特征在于，所述第一模型标识中包括以下之一：所述第一信息、所述第一信息的关联信息。

23.根据权利要求20至22任一项所述的方法，其特征在于，所述第一模型标识满足以下至少之一：

24.根据权利要求20至23任一项所述的方法，其特征在于，所述第一模型识别请求中携带有所述目标ai单元的至少部分描述信息。

25.根据权利要求20至23任一项所述的方法，其特征在于，在所述网络侧设备通过进行所述目标ai单元的第一模型识别，为所述目标ai单元分配第一模型标识之后，所述方法还包括：

26.根据权利要求25所述的方法，其特征在于，所述第二模型标识包括：局部标识。

27.根据权利要求25所述的方法，其特征在于，所述第二模型识别请求中未携带有所述目标ai单元的描述信息。

28.根据权利要求25所述的方法，其特征在于，所述第二模型识别请求中携带有所述目标ai单元的部分描述信息。

29.根据权利要求24、27或28所述的方法，其特征在于，所述目标ai单元的描述信息包括以下至少之一：

30.根据权利要求20至29任一项所述的方法，其特征在于，所述第二模型标识满足以下至少之一：

31.根据权利要求20至30任一项所述的方法，其特征在于，所述网络侧设备包括核心网和基站；所述网络侧设备通过进行所述目标ai单元的第一模型识别，为所述目标ai单元分配第一模型标识，包括：

32.根据权利要求31所述的方法，其特征在于，所述方法还包括：所述核心网向所述基站发送所述第一模型标识的分配信息，其中，所述分配信息用于指示以下之一：所述第一模型标识的规则、所述第一模型标识的分配建议、所述第一模型标识的分配范围。

33.根据权利要求25至30任一项所述的方法，其特征在于，所述网络侧设备包括核心网和基站；所述网络侧设备为所述目标ai单元配置第二模型标识，包括：

34.一种模型的识别装置，其特征在于，包括：

35.一种模型的识别装置，其特征在于，包括：

36.一种模型的识别装置，其特征在于，包括：

37.一种终端，其特征在于，包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至8任一项所述的模型的识别方法的步骤，或者实现如权利要求9至19任一项所述的模型的识别方法的步骤。

38.一种网络侧设备，其特征在于，包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求20至33任一项所述的模型的识别方法的步骤。

39.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1至8任一项所述的模型的识别方法，或者实现如权利要求9至19任一项所述的模型的识别方法的步骤，或者实现如权利要求20至33任一项所述的模型的识别方法的步骤。

技术总结
本申请公开了一种模型的识别方法、装置、终端及网络侧设备，该方法包括：第一终端向网络侧设备发送第一模型识别请求，其中，所述第一模型识别请求用于请求所述网络侧设备进行目标人工智能AI单元的第一模型识别；所述第一终端接收网络侧设备为所述目标AI单元配置的第一模型标识，其中，所述第一模型标识满足以下至少之一：全局性唯一的全局标识；部分全局唯一的部分全局标识；用于第二终端向网络侧设备发送第二模型识别请求。

技术研发人员：杨昂,孙鹏
受保护的技术使用者：维沃移动通信有限公司
技术研发日：
技术公布日：2025/2/20