本文公开的主题总体上涉及无线通信网络中的分析。
背景技术：
1、在3gpp无线通信网络中，分析可以由网络数据分析功能(nwdaf)来提供。nwdaf使用从一个或多个网络实体收集的数据/事件来得出分析，并且将得出的分析提供给一个或多个分析消费方。
2、nwdaf可以通过对所收集的数据/事件使用机器学习(ml)模型来得出分析。
技术实现思路
1、需要提高nwdaf提供的分析的准确性。
2、本文公开了用于提高nwdaf提供的分析的准确性的程序。
3、提供了一种方法，包括：基于从分析消费方接收的到反馈来确定需要标识ml模型的准确性，该ml模型用于针对分析id得出分析；从第一网络功能接收第一数据集，其中第一数据集是过去收集的并且被用于训练ml模型；从第二网络功能接收与分析id相对应的第二数据集，其中第二数据集是实时数据；以及通过将第一数据集和第二数据集比较来确定ml模型的准确性。
4、提供了一种包括处理器的装置，该处理器被配置为：基于从分析消费方接收的反馈来确定需要标识ml模型的准确性，该ml模型用于针对分析id得出分析；从第一网络功能接收第一数据集，其中第一数据集是过去收集的并且被用于训练ml模型；从第二网络功能接收与分析id相对应的第二数据集，其中第二数据集是实时数据；以及通过将第一数据集和第二数据集比较来确定ml模型的准确性。
5、提供了一种方法，包括：接收多个机器学习(ml)模型，该多个ml模型用于针对分析id得出分析；接收针对分析id的分析的请求；使用与所请求的分析相关联的多个ml模型来确定针对所请求的分析的多个分析输出；以及基于多个分析输出来确定多个ml模型中的每个ml模型的准确性。
1.一种方法，包括：
2.根据权利要求1所述的方法，还包括：基于从所述分析消费方接收到的所述反馈，确定已经发生从所述第一数据集的漂移，其中确定需要标识所述ml模型的所述准确性是基于确定已经发生从所述第一数据集的漂移。
3.根据权利要求1或2所述的方法，其中所述分析消费方的所述反馈指示：所述消费方基于使用所述ml模型得出的分析而采取的行动。
4.根据权利要求3所述的方法，其中采取的所述行动是以下任何一项：
5.根据前述权利要求中任一项所述的方法，还包括：接收针对所述ml模型的最小准确性。
6.根据前述权利要求中任一项所述的方法，其中确定需要标识所述ml模型的所述准确性是基于所述最小准确性。
7.根据前述权利要求中任一项所述的方法，还包括：响应于确定所述ml模型的所述准确性低于阈值，重新训练所述ml模型。
8.根据前述权利要求中任一项所述的方法，还包括：向网络功能通知所述ml模型的所述准确性低于所述阈值。
9.根据权利要求8所述的方法，还包括：将所述重新训练的ml模型提供给所述网络功能。
10.根据前述权利要求中任一项所述的方法，还包括：订阅所述第一数据集和所述第二数据集。
11.根据前述权利要求中任一项所述的方法，其中所述方法由nwdaf mtlf执行。
12.一种包括处理器的装置，所述处理器被配置为：
13.根据权利要求12所述的装置，其中所述处理器还被配置为：基于从所述分析消费方接收到的所述反馈，确定已经发生从所述第一数据集的漂移，其中确定需要标识所述ml模型的所述准确性是基于确定已经发生从所述第一数据集的漂移。
14.根据权利要求12或13所述的装置，其中所述分析消费方的所述反馈指示：所述消费方基于使用所述ml模型得出的分析而采取的行动。
15.根据权利要求14所述的装置，其中采取的所述行动是以下任何一项：
16.根据权利要求12至15中任一项所述的装置，其中所述处理器被配置为：接收针对所述ml模型的最小准确性。
17.根据权利要求12至16中任一项所述的装置，其中所述处理器被配置为：基于所述最小准确性，确定需要标识所述ml模型的所述准确性。
18.根据权利要求12至17中任一项所述的装置，其中所述处理器被配置为：响应于确定所述ml模型的所述准确性低于阈值，重新训练所述ml模型。
19.根据权利要求12至18中任一项所述的装置，其中所述处理器被配置为：向网络功能通知所述ml模型的所述准确性低于所述阈值。
20.根据权利要求19所述的装置，其中所述处理器被配置为：将所述重新训练的ml模型提供给所述网络功能。
21.根据权利要求12至20中任一项所述的装置，其中所述处理器被配置为：订阅所述第一数据集和所述第二数据集。
22.根据权利要求12至21中任一项所述的装置，其中所述装置是nwdaf mtlf装置。
23.一种方法，包括：
