本公開大體上涉及在寬帶網絡中提供診斷及服務信息，且更具體來說，涉及采用機器學習模型來增強此類信息的提供。

背景技術：

1、用于寬帶運營商網絡診斷及服務的當前分析系統通?；诠潭ǖ姆治鏊惴皵祿占绦?。此外，這些算法通常在本地客戶端裝備(cpe)、網絡邊緣裝置或云上獨立地執行。此類系統可引起系統的用戶，特別是訂戶的挫敗感及困惑，他們通常可能不知道提出恰當的問題及/或提供恰當的信息來允許系統診斷問題，而且他們可能不理解由系統提供的信息，例如采用過于技術性的信息或具有比訂戶可能掌握的系統知識更深的系統知識的診斷信息或解決方案。因此，需要實現更有效且高效的寬帶運營商現場診斷及服務的解決方案。

技術實現思路

1、一方面，本公開涉及一種裝置，其包括：網絡接口；一或多個處理器；及邏輯，所述邏輯包括存儲在非暫時性計算機可讀媒體上的指令，所述指令可由所述一或多個處理器來執行，所述邏輯包括：用以接收與網絡服務相關的用戶詢問的邏輯；用以接收有關所述網絡服務的操作信息的邏輯；用以至少部分地基于所述操作信息使用第一機器學習引擎產生經增強聊天提示的邏輯；用以通過所述網絡接口傳輸所述經增強聊天提示以供通用對話人工智能處理的邏輯；用以通過所述網絡接口接收由所述通用對話人工智能產生的響應的邏輯；用以使用第二機器學習引擎增強所述響應的邏輯；及用以提供所述經增強響應以用于呈現給用戶的邏輯。

2、另一方面，本公開涉及一種系統，其包括：第一裝置，其包括：第一一或多個處理器；及第一邏輯，所述第一邏輯包括存儲在第一非暫時性計算機可讀媒體上的指令，所述指令可由所述第一一或多個處理器來執行，所述第一邏輯包括：用以接收與網絡服務相關的用戶詢問的邏輯；用以接收有關所述網絡服務的第一操作信息的邏輯；用以至少部分地基于所述操作信息使用第一機器學習引擎產生經增強聊天提示的邏輯；用以傳輸所述經增強聊天提示以供通用對話人工智能處理的邏輯；以及第二裝置，其包括：第二一或多個處理器；及第二邏輯，所述第一邏輯包括存儲在第二非暫時性計算機可讀媒體上的指令，所述指令可由所述第二一或多個處理器來執行，所述第二邏輯包括：用以從所述第一裝置接收所述經增強聊天提示的邏輯；用以接收有關所述網絡服務的第二操作信息的邏輯；用以至少部分地基于所述第二操作信息使用至少第二機器學習引擎進一步增強所述聊天提示的邏輯；用以傳輸所述進一步經增強聊天提示以供通用對話人工智能處理的邏輯；用以接收由所述通用對話人工智能產生的響應的邏輯；用以使用第四機器學習引擎增強所述響應的邏輯；及用以將所述經增強響應提供給所述第一裝置的邏輯；其中所述第一邏輯進一步包括：用以從所述第二裝置接收所述經增強響應的邏輯；用以使用第三機器學習引擎進一步增強所述響應的邏輯；及用以提供所述進一步經增強響應以用于呈現給所述用戶的邏輯。

3、再一方面，本公開涉及一種方法，其包括：在包括處理器的裝置處接收與網絡服務相關的用戶詢問；在所述裝置處接收有關所述網絡服務的操作信息；利用所述裝置，至少部分地基于所述操作信息使用第一機器學習引擎增強聊天提示；利用所述裝置傳輸所述經增強聊天提示以供通用對話人工智能處理；利用所述裝置接收由所述通用對話人工智能產生的響應；利用所述裝置使用第二機器學習引擎增強所述響應；及從所述裝置提供所述經增強響應以用于呈現給所述用戶。

技術特征：

1.一種裝置，其包括：

2.根據權利要求1所述的裝置，其中所述操作信息包括有關與所述用戶相關聯的客戶端裝備的性能信息，且其中所述裝置進一步包括用以至少部分地基于所述經增強響應修改所述客戶端裝備的配置以改進所述客戶端裝備的性能的邏輯。

3.根據權利要求1所述的裝置，其中所述裝置是寬帶網絡中的客戶端裝備。

4.根據權利要求3所述的裝置，其中：

5.根據權利要求3所述的裝置，其中所述另一裝置是寬帶網絡中的客戶端裝備。

6.根據權利要求1所述的裝置，其中：

7.根據權利要求1所述的裝置，其中

8.根據權利要求1所述的裝置，其中增強所述響應包括用專用數據增強所述響應。

9.根據權利要求1所述的裝置，其中所述機器學習引擎中的至少一者包括多頭機器學習模型。

10.根據權利要求1所述的裝置，其中所述多頭機器學習模型包括用共用數據集訓練的主干網絡及用專用數據集訓練的多個多頭模型。

11.根據權利要求1所述的裝置，其中所述機器學習引擎中的至少一者采用自適應多模型切換。

12.根據權利要求11所述的裝置，其中所述多模型切換包括在多個模型之間跳躍。

13.根據權利要求11所述的裝置，其中所述多模型切換包括并行地運行多個模型。

14.根據權利要求13所述的裝置，其中并行地運行多個模型包括采用最優輸出選擇策略。

15.根據權利要求13所述的裝置，其中并行地運行多個模型包括采用輸出多數投票策略。

16.根據權利要求13所述的裝置，其中并行地運行多個模型包括采用輸出聚合策略。

17.根據權利要求13所述的裝置，其中并行地運行多個模型包括采用模型委托策略。

18.根據權利要求11所述的裝置，其中所述多模型切換包括串行地運行多個模型。

19.一種系統，其包括：

20.一種方法，其包括：

技術總結
本公開涉及用以增強現場診斷及服務的多模型切換及分布式多階段機器學習。特別是關于現場診斷及服務實現與用戶的更有效且高效的通信的改進式解決方案。一些解決方案能夠使用戶能夠更好地與提供商通信以獲得更有用的診斷及服務信息。某些解決方案能夠采用多模型切換機器學習技術來增強用戶與所述提供商的通信及/或所述提供商的響應。

技術研發人員：戈登·李,陳學敏
受保護的技術使用者：安華高科技股份有限公司
技術研發日：
技術公布日：2025/4/28