1、B5G/6G 网络智能数据采析：网络智能数据采析：网络数据采集、知识表示与推理、特征数据集构建与评估Data Acquisition and Analysis of B5G/6GNetwork Intelligence:Network data collection,knowledge representation and reasoning,featuredata sets construction and evaluation2022 年年 1 月月摘要随着移动通信网络的日益复杂以及服务千行百业的多样化差异化服务需求，深度融合人工智能、大数据与计算，发展可无人驾驶和精准服务定制的智能通信网

2、络是 5G 演进和 6G 发展（B5G/6G）的最重要研究方向和必然发展趋势。如何嵌入数据与智能形成智慧内生、通算一体的网络智能新技术体系，面临架构、数据和 AI 算法等重大挑战，而其中数据是最重要的基础，它基本决定了网络智能的性能上限，而架构和算法只是逼近该上限。只有解决了移动通信大数据如何采集、如何分析、如何利用这一最基础的问题，并形成完备的数据采析体系，才能加速促进 B5G/6G 网络智能新技术体系的发展。本白皮书主要介绍了一种 B5G/6G 网络智能数据采析体系，通过移动通信网络数据的采集与存储、移动通信原理与协议的翻译、网络数据知识图谱的构建与解析、网络智能特征数据集的构建与评估，实

3、现了数据层面的信息整合、信息层面的知识抽取与表示、智能层面的知识计算与推理以及应用层面的特征定制等功能。其目的是开创一条网络智能数据采析可落地的路径，为业界提供一种网络智能数据技术新思路和新范式。目录1.B5G/6G 网络智能发展愿景与挑战.62.B5G/6G 网络智能数据采集分析体系.82.1.无线网络智能开放平台.92.2.数据采集.102.3.基于知识图谱的表示与分析.112.4.特征数据集构建.113.网络数据知识图谱构建与应用.123.1.移动通信大数据的智能特征工程.123.2.网络数据知识图谱的构建.133.2.1.知识图谱的技术架构.133.2.2.基于通信协议与原理的网络数据

4、知识图谱的构建.143.2.3.知识图谱的知识补全方法.143.2.4.知识图谱的边权重.153.2.5.知识图谱的节点重要性和节点间影响效率.153.3.网络数据知识图谱的应用.164.网络智能特征数据集构建与评估.184.1.网络数据 KPI 数据模型.184.2.面向特定场景的基于知识图谱的影响 KPI 特征初筛选.184.3.基于机器学习的特征数据集构建.194.4.特征数据集构建过程的评估体系.194.5.面向 KPI 的特征数据集的评估体系.205.特征数据集构建与评估案例.205.1.上行吞吐率为核心的局部知识图谱构建.205.2.上行吞吐率为核心的局部知识图谱深入分析.215.

5、3.上行吞吐率特征数据集构建.235.4.上行吞吐率特征数据集的评估.246.未来展望.25参考文献.25前言随着移动通信网络的日益复杂以及服务千行百业的多样化差异化服务需求，深度融合人工智能、大数据与计算，发展可无人驾驶和精准服务定制的智能通信网络是 5G 演进和 6G 发展（B5G/6G）的最重要研究方向和必然发展趋势。目前，国内外该方向的研究还处在起步阶段，如何嵌入数据与智能形成智慧内生、通算一体的网络智能新技术体系，面临架构、数据和 AI 算法等重大挑战，而其中数据是最重要的基础，它基本决定了网络智能的性能上限，而架构和算法只是逼近该上限。移动通信网络从终端、无线接入网、传输承载网络到

6、核心网，在网络运行过程中将产生成千上万个数据字段和指标，涉及不同的软硬件、功能以及协议栈，如何对各类众多复杂的数据进行有效采集、归类、分析及使用，建立完备的网络数据采集分析体系，是网络智能发展的亟需解决的基础问题。5G 及未来 6G 的网络结构、终端类型、终端行为、数据业务需求、系统资源配置等都具有高动态性、时效性强及相互耦合性等特点。因此，移动网络的数据采析面临诸多挑战，主要包括：数据分散在不同设备、不同层次导致的获取困难，数据的种类繁多、结构复杂导致的剖析困难，数据的高度抽象导致的理解困难，数据之间的相互耦合、关联复杂导致的挖掘困难等。针对这些挑战，如何规范归纳数据的属性，高效厘清数据之间