本發(fā)明涉及一種意圖驅(qū)動(dòng)的自智網(wǎng)絡(luò)按需服務(wù)方法和系統(tǒng)，涉及信息通信網(wǎng)絡(luò)領(lǐng)域。

背景技術(shù)：

1、在6g網(wǎng)絡(luò)的宏偉愿景中，滿足高度靈活和多樣化的業(yè)務(wù)需求與應(yīng)用場(chǎng)景，已成為未來無線網(wǎng)絡(luò)演進(jìn)的必然要求。隨著網(wǎng)絡(luò)智能化的發(fā)展，自智網(wǎng)絡(luò)這一概念應(yīng)運(yùn)而生。自智網(wǎng)絡(luò)利用人工智能、機(jī)器學(xué)習(xí)和自動(dòng)化技術(shù)，實(shí)現(xiàn)了“自我配置、自我優(yōu)化、自我修復(fù)和自我保護(hù)”的能力。它能夠在無需人為干預(yù)的情況下，動(dòng)態(tài)調(diào)整和優(yōu)化網(wǎng)絡(luò)運(yùn)營(yíng)，以適應(yīng)不斷變化的需求和條件。此外，自智網(wǎng)絡(luò)還引入了“意圖”這一概念，意圖是用戶或系統(tǒng)在高層次上表達(dá)的目標(biāo)、需求或期望的抽象形式。通過解析意圖，自智網(wǎng)絡(luò)能夠高效地調(diào)控網(wǎng)絡(luò)運(yùn)作，從而顯著提升網(wǎng)絡(luò)的效率、可靠性和響應(yīng)速度，同時(shí)降低運(yùn)營(yíng)成本和復(fù)雜性。

2、然而，要實(shí)現(xiàn)這一目標(biāo)，關(guān)鍵在于實(shí)現(xiàn)自智網(wǎng)絡(luò)中的意圖轉(zhuǎn)譯功能。意圖轉(zhuǎn)譯是將用戶或業(yè)務(wù)高層次的目標(biāo)解析為具體技術(shù)實(shí)現(xiàn)的過程。通過意圖轉(zhuǎn)譯，抽象的意圖可以轉(zhuǎn)化為實(shí)際的網(wǎng)絡(luò)配置和操作，從而有效調(diào)控網(wǎng)絡(luò)資源，滿足多樣化的業(yè)務(wù)需求?，F(xiàn)有的方案一般是通過訓(xùn)練深度學(xué)習(xí)模型，將意圖需求輸入模型進(jìn)行轉(zhuǎn)譯，生成網(wǎng)絡(luò)配置策略，結(jié)合資源分配算法對(duì)策略進(jìn)行優(yōu)化并下發(fā)執(zhí)行。

3、由于過去自然語言處理技術(shù)的局限性，意圖轉(zhuǎn)譯往往不夠準(zhǔn)確，尤其在從語義層面根據(jù)用戶意圖生成配置命令方面存在明顯不足，通常只能將意圖映射到固定的轉(zhuǎn)譯模板中。這一問題直接限制了自智網(wǎng)絡(luò)的應(yīng)用。傳統(tǒng)的深度學(xué)習(xí)模型通常缺乏理解和生成長(zhǎng)文本的能力，僅能完成實(shí)體提取和模板匹配等較為簡(jiǎn)單的任務(wù)。這種限制導(dǎo)致無法滿足自智網(wǎng)絡(luò)對(duì)細(xì)粒度意圖理解、配置生成和資源分配的要求。

4、在意圖轉(zhuǎn)譯過程中，網(wǎng)絡(luò)設(shè)備的手冊(cè)也未被有效利用，導(dǎo)致配置命令中的參數(shù)及其相應(yīng)取值之間的復(fù)雜關(guān)系可能會(huì)出現(xiàn)錯(cuò)誤結(jié)果，例如網(wǎng)絡(luò)資源狀態(tài)與手冊(cè)中指定的取值范圍不符。此外，在意圖轉(zhuǎn)譯生成的配置命令過程中，對(duì)資源的調(diào)度必須同時(shí)兼顧底層網(wǎng)絡(luò)的狀態(tài)和用戶需求。具體而言，一方面需要確保所下發(fā)的命令能夠在當(dāng)前網(wǎng)絡(luò)條件下安全執(zhí)行，另一方面也要盡可能滿足用戶的意圖需求，避免所分配的資源與預(yù)期偏差過大，從而實(shí)現(xiàn)網(wǎng)絡(luò)收益的最大化。

5、現(xiàn)有專利cn202410586617.x(申請(qǐng)名稱：一種基于意圖的網(wǎng)絡(luò)中應(yīng)用意圖轉(zhuǎn)譯裝置及轉(zhuǎn)譯方法，申請(qǐng)人：貴州大學(xué)，申請(qǐng)日：2024.05.13)公開了一種基于意圖的網(wǎng)絡(luò)中應(yīng)用意圖轉(zhuǎn)譯裝置及轉(zhuǎn)譯方法，涉及新一代人工智能領(lǐng)域，包括意愿收集模塊、意愿轉(zhuǎn)譯模塊、知識(shí)庫和網(wǎng)絡(luò)虛擬請(qǐng)求接口；意愿收集模塊收集業(yè)務(wù)中應(yīng)用信息，實(shí)現(xiàn)隨愿網(wǎng)絡(luò)ibn中業(yè)務(wù)意愿的完整表達(dá)；意愿轉(zhuǎn)譯模塊將收集到的業(yè)務(wù)意愿信息轉(zhuǎn)換為具體的網(wǎng)絡(luò)虛擬請(qǐng)求，利用機(jī)器學(xué)習(xí)技術(shù)來挖掘業(yè)務(wù)意愿與網(wǎng)絡(luò)虛擬請(qǐng)求之間的深層次關(guān)聯(lián)規(guī)律；網(wǎng)絡(luò)虛擬請(qǐng)求接口是系統(tǒng)與網(wǎng)絡(luò)切片之間的橋梁，從網(wǎng)絡(luò)切片中獲取信息并將生成的網(wǎng)絡(luò)虛擬請(qǐng)求下發(fā)到網(wǎng)絡(luò)；知識(shí)庫用于存儲(chǔ)意愿收集模塊及網(wǎng)絡(luò)虛擬請(qǐng)求接口所收集的數(shù)據(jù)信息。具體而言，該技術(shù)方案收集網(wǎng)絡(luò)中用戶的應(yīng)用意圖數(shù)據(jù)，并利用增強(qiáng)型transformer算法對(duì)這些數(shù)據(jù)進(jìn)行訓(xùn)練，通過這種增強(qiáng)型transformer算法，可以深入挖掘用戶意圖與網(wǎng)絡(luò)虛擬請(qǐng)求之間的潛在規(guī)律，隨后，將用戶的意圖轉(zhuǎn)化為具體的網(wǎng)絡(luò)虛擬請(qǐng)求，并從網(wǎng)絡(luò)切片管理器中獲取該請(qǐng)求對(duì)應(yīng)的切片信息，以填充網(wǎng)絡(luò)虛擬請(qǐng)求，最終，生成的網(wǎng)絡(luò)虛擬請(qǐng)求將被下發(fā)至網(wǎng)絡(luò)進(jìn)行實(shí)際執(zhí)行。該技術(shù)方案一方面通過transformer算法將意圖匹配為固定模板的網(wǎng)絡(luò)虛擬請(qǐng)求，未能在語義層面真正理解用戶意圖，因而無法動(dòng)態(tài)生成能夠滿足用戶需求的配置命令，也無法保障生成的網(wǎng)絡(luò)虛擬請(qǐng)求符合所下發(fā)的網(wǎng)絡(luò)設(shè)備；另一方面，只從網(wǎng)絡(luò)切片中獲取信息填充請(qǐng)求作為資源分配的結(jié)果，沒有充分考慮底層網(wǎng)絡(luò)的實(shí)時(shí)狀態(tài)，因而也無法確保意圖需求的最大程度滿足。

6、因此，如何從語義層面將用戶意圖準(zhǔn)確轉(zhuǎn)譯為配置命令，從而動(dòng)態(tài)生成滿足用戶需求的配置命令，并確定命令的合理性和可執(zhí)行性，已成為技術(shù)人員重點(diǎn)關(guān)注的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明的目的是提供一種意圖驅(qū)動(dòng)的自智網(wǎng)絡(luò)按需服務(wù)方法和系統(tǒng)，能從語義層面將用戶意圖準(zhǔn)確轉(zhuǎn)譯為配置命令，從而動(dòng)態(tài)生成滿足用戶需求的配置命令，并確定命令的合理性和可執(zhí)行性。

2、為了達(dá)到上述目的，本發(fā)明提供了一種意圖驅(qū)動(dòng)的自智網(wǎng)絡(luò)按需服務(wù)方法，包括有：

3、步驟一、采集輸入的用戶意圖，用戶意圖是以自然語言表達(dá)的配置請(qǐng)求或者業(yè)務(wù)需求；

4、步驟二、根據(jù)用戶意圖，生成配置生成大模型，然后由配置生成大模型將用戶意圖轉(zhuǎn)譯并輸出未填充參數(shù)的配置命令模板序列，其中，配置命令模板序列包含有語義級(jí)參數(shù)和指標(biāo)級(jí)參數(shù)；

5、步驟三、獲取用戶意圖、配置命令模板序列中每個(gè)語義級(jí)參數(shù)的網(wǎng)絡(luò)配置文檔，然后將用戶意圖、配置命令模板序列、用戶意圖和所有語義級(jí)參數(shù)的網(wǎng)絡(luò)配置文檔輸入配置生成大模型，配置生成大模型對(duì)配置命令模板序列進(jìn)行修正，并對(duì)所有語義級(jí)參數(shù)填充取值，最后輸出語義級(jí)參數(shù)填充后的配置命令模板序列；

6、步驟四、設(shè)定若干服務(wù)質(zhì)量指標(biāo)，由配置生成大模型根據(jù)用戶意圖生成服務(wù)質(zhì)量指標(biāo)權(quán)重矩陣，然后為每個(gè)服務(wù)質(zhì)量指標(biāo)分別構(gòu)建、并訓(xùn)練一個(gè)專家模型，由每個(gè)專家模型計(jì)算配置命令模板序列中的每個(gè)指標(biāo)級(jí)參數(shù)在各自對(duì)應(yīng)的服務(wù)質(zhì)量指標(biāo)下的資源分配權(quán)重向量，最后根據(jù)服務(wù)質(zhì)量指標(biāo)權(quán)重矩陣和每個(gè)專家模型的資源分配權(quán)重向量，確定每個(gè)指標(biāo)級(jí)參數(shù)的取值，并填充至配置命令模板序列中；

7、步驟五、將配置命令模板序列逐條輸出至網(wǎng)絡(luò)設(shè)備中執(zhí)行。

8、為了達(dá)到上述目的，本發(fā)明還提供了一種意圖驅(qū)動(dòng)的自智網(wǎng)絡(luò)按需服務(wù)系統(tǒng)，包括有：

9、意圖輸入裝置，采集輸入的用戶意圖，用戶意圖是以自然語言表達(dá)的配置請(qǐng)求或者業(yè)務(wù)需求；

10、意圖轉(zhuǎn)譯裝置，根據(jù)用戶意圖生成配置生成大模型，并由配置生成大模型將用戶意圖轉(zhuǎn)譯成未填充參數(shù)的配置命令模板序列，配置命令模板序列包含有語義級(jí)參數(shù)和指標(biāo)級(jí)參數(shù)，然后獲取用戶意圖、配置命令模板序列中每個(gè)語義級(jí)參數(shù)的網(wǎng)絡(luò)配置文檔，將用戶意圖、配置命令模板序列、用戶意圖和所有語義級(jí)參數(shù)的網(wǎng)絡(luò)配置文檔輸入配置生成大模型，由配置生成大模型對(duì)配置命令模板序列進(jìn)行修正，并對(duì)所有語義級(jí)參數(shù)填充取值，從而獲得語義級(jí)參數(shù)填充后的配置命令模板序列；

11、資源編排裝置，設(shè)定若干服務(wù)質(zhì)量指標(biāo)，并由配置生成大模型根據(jù)用戶意圖生成服務(wù)質(zhì)量指標(biāo)權(quán)重矩陣，然后為每個(gè)服務(wù)質(zhì)量指標(biāo)分別構(gòu)建、訓(xùn)練一個(gè)專家模型，由每個(gè)專家模型計(jì)算配置命令模板序列中的每個(gè)指標(biāo)級(jí)參數(shù)在各自對(duì)應(yīng)的服務(wù)質(zhì)量指標(biāo)下的資源分配權(quán)重向量，最后根據(jù)服務(wù)質(zhì)量指標(biāo)權(quán)重矩陣和每個(gè)專家模型的資源分配權(quán)重向量，確定每個(gè)指標(biāo)級(jí)參數(shù)的取值，并填充至配置命令模板序列中；

12、網(wǎng)絡(luò)狀態(tài)感知裝置，運(yùn)行在網(wǎng)絡(luò)控制器內(nèi)部，實(shí)時(shí)采集網(wǎng)絡(luò)數(shù)據(jù)；

13、配置執(zhí)行裝置，將填充完語義級(jí)參數(shù)和指標(biāo)級(jí)參數(shù)的配置命令模板序列逐條輸出至網(wǎng)絡(luò)設(shè)備中執(zhí)行。

14、為了達(dá)到上述目的，本發(fā)明還提供了一種計(jì)算設(shè)備，包括：

15、存儲(chǔ)器和處理器；

16、所述存儲(chǔ)器用于存儲(chǔ)計(jì)算機(jī)可執(zhí)行指令，所述處理器用于執(zhí)行所述計(jì)算機(jī)可執(zhí)行指令，該計(jì)算機(jī)可執(zhí)行指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)所述意圖驅(qū)動(dòng)的自智網(wǎng)絡(luò)按需服務(wù)方法的步驟。

17、為了達(dá)到上述目的，本發(fā)明還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其存儲(chǔ)有計(jì)算機(jī)可執(zhí)行指令，該計(jì)算機(jī)可執(zhí)行指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)所述意圖驅(qū)動(dòng)的自智網(wǎng)絡(luò)按需服務(wù)方法的步驟。

18、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：本發(fā)明充分利用網(wǎng)絡(luò)設(shè)備手冊(cè)，對(duì)大模型進(jìn)行全參數(shù)微調(diào)，使其適配網(wǎng)絡(luò)設(shè)備手冊(cè)的數(shù)據(jù)，從而生成配置生成大模型，配置生成大模型能夠根據(jù)用戶意圖自動(dòng)生成配置命令模板序列，從語義層面將用戶意圖準(zhǔn)確轉(zhuǎn)譯為配置命令，并確保命令的合理性和可執(zhí)行性，實(shí)現(xiàn)了意圖轉(zhuǎn)換與資源分配的有機(jī)結(jié)合，顯著提升了自智網(wǎng)絡(luò)的自動(dòng)化和智能化水平；本發(fā)明還結(jié)合外部知識(shí)庫(例如設(shè)備手冊(cè)、用戶示例等)，充分利用網(wǎng)絡(luò)設(shè)備手冊(cè)等配置信息，對(duì)不合理的模板序列進(jìn)行修正，并為配置命令模板序列中的語義級(jí)參數(shù)填充合適的數(shù)值，從而減小由于大模型幻覺問題導(dǎo)致的影響，確保生成的配置命令高效且可執(zhí)行，能夠快速響應(yīng)用戶需求；本發(fā)明還設(shè)計(jì)了一種基于大模型的混合專家模型方法，通過預(yù)訓(xùn)練的混合專家模型，結(jié)合大模型及實(shí)時(shí)網(wǎng)絡(luò)狀態(tài)，從多個(gè)服務(wù)質(zhì)量角度(如丟包率、時(shí)延)對(duì)意圖執(zhí)行所需的資源進(jìn)行編排，進(jìn)行網(wǎng)絡(luò)資源的分配(如帶寬、cpu資源)，從而輔助確定配置命令模板序列中指標(biāo)級(jí)參數(shù)的合適取值，實(shí)現(xiàn)網(wǎng)絡(luò)資源的高效編排，不僅在語義層面上使生成的配置命令更加符合用戶需求，提高用戶滿意度，還確保了整體網(wǎng)絡(luò)資源的高效利用，有效簡(jiǎn)化了網(wǎng)絡(luò)管理流程，提高了管理效率，充分保證了用戶意圖與配置命令在功能需求上的一致性。