운영 중인 모바일 네트워크에서 QoE 저하의 근본 원인을 진단하는 것은 커널 KPI 간의 복잡한 상호 작용과 신뢰할 수 있는 전문가 주석의 부족으로 인해 어렵습니다. DK-Root는 확장 가능한 약한 지도 학습과 정밀한 전문가 지침을 통합하는 데이터 및 지식 기반 프레임워크입니다. DK-Root는 먼저 규칙 기반 레이블을 사용하여 대비 표현 학습을 통해 인코더를 사전 학습하고, 클래스 조건부 확산 모델을 사용하여 루트 원인 의미를 유지하는 KPI 시퀀스를 생성합니다. 그런 다음, 희소한 전문가 검증 레이블을 사용하여 인코더와 경량 분류기를 미세 조정합니다. 실제 운영자 등급 데이터 세트에 대한 실험을 통해 DK-Root가 기존 ML 및 최근의 반지도 시계열 방법보다 뛰어난 성능을 보였습니다.
시사점, 한계점
•
시사점:
◦
DK-Root는 약한 지도 학습과 전문가 지침을 결합하여 모바일 네트워크의 QoE 저하의 근본 원인 분석 정확도를 향상시킵니다.
