摘要
本发明涉及一种高流量用户识别与服务升级解决方案的分析方法,通过从网络日志和网络监控设备中采集一段时间序列的用户网络活动数据样本;采用统计分析方法提取用户网络活动数据主要特征,并从所述主要特征判断被监测用户是否为高流量用户;当确定被监测用户为高流量用户时,将用户网络活动数据主要特征输入预设的第一深度学习模型,输出预测的用户行为模式;将预测的用户行为模式输入预设的第二深度学习模型,预测未来的带宽需求和流量高峰;根据未来的带宽要求和流量高峰,确定相应的网络资源配置方案。本发明解决了现有技术难以同时满足快速和精准预测高流量用户及其行为模型,导致网络资源配置不准确的问题。
技术关键词
网络资源配置
深度学习模型
统计分析方法
长短期记忆网络
数据
卷积神经网络结构
网络监控设备
模式
构建卷积神经网络
协方差矩阵
优化器
卷积神经网络模型
成分分析方法
样本
更新模型参数
随机梯度下降
变量
序列