本發(fā)明涉及信息處理，尤其涉及一種大語言模型的信息處理方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、近年來，大語言模型技術(shù)不斷取得新突破，越來越多的企業(yè)開始關(guān)注如何將大語言模型技術(shù)成果應(yīng)用于生產(chǎn)實(shí)踐中，以提高生產(chǎn)效率，降低生產(chǎn)運(yùn)營成本，提高服務(wù)水平和產(chǎn)品質(zhì)量。

2、通信運(yùn)營商網(wǎng)絡(luò)的規(guī)模龐大、結(jié)構(gòu)復(fù)雜，保證網(wǎng)絡(luò)穩(wěn)定運(yùn)行和良好網(wǎng)絡(luò)服務(wù)質(zhì)量的壓力非常大，網(wǎng)絡(luò)的規(guī)劃、建設(shè)、維護(hù)、優(yōu)化、運(yùn)營每一個(gè)環(huán)節(jié)都很復(fù)雜、耗時(shí)，需要投入大量人力成本，給運(yùn)營商日常生產(chǎn)運(yùn)營工作帶來了巨大挑戰(zhàn)和負(fù)擔(dān)。當(dāng)前，運(yùn)營商已經(jīng)嘗試將大語言模型技術(shù)應(yīng)用到網(wǎng)絡(luò)智能運(yùn)營的環(huán)節(jié)當(dāng)中，如：通過大語言模型實(shí)現(xiàn)網(wǎng)絡(luò)問題智能問答、網(wǎng)絡(luò)指標(biāo)智能取數(shù)、sql(structured?query?language，結(jié)構(gòu)化查詢語言)智能生成、網(wǎng)絡(luò)故障分析(ai?agent)。

3、然而，應(yīng)用到網(wǎng)絡(luò)智能運(yùn)營場景的大語言模型技術(shù)仍不夠成熟，有一定的局限性，原因在于，運(yùn)營商的網(wǎng)絡(luò)智能運(yùn)營場景通常為用戶提供多種網(wǎng)絡(luò)指標(biāo)數(shù)據(jù)的查詢功能，每種指標(biāo)數(shù)據(jù)又對(duì)應(yīng)多種不同的查詢維度，因此，全量意圖較多；而網(wǎng)絡(luò)智能運(yùn)營場景中用戶查詢網(wǎng)絡(luò)指標(biāo)數(shù)據(jù)時(shí)提交的用戶問題復(fù)雜性和多樣性較高，使得對(duì)大語言模型的長文本理解能力提出較高的要求。而現(xiàn)有技術(shù)中應(yīng)用到網(wǎng)絡(luò)智能運(yùn)營環(huán)節(jié)的大語言模型長文本理解能力較弱，當(dāng)全量意圖比較多時(shí)，大語言模型意圖識(shí)別不準(zhǔn)，在意圖識(shí)別過程中具有一定的偏差，從而導(dǎo)致進(jìn)入錯(cuò)誤的任務(wù)處理分支，得到不符合預(yù)期的輸出。另外，大語言模型通常為生成式模型，具有隨機(jī)性，意圖識(shí)別能力不穩(wěn)定，同樣的用戶問題在意圖識(shí)別時(shí)，有時(shí)識(shí)別對(duì)，有時(shí)識(shí)別錯(cuò)，而在運(yùn)營商的網(wǎng)絡(luò)智能運(yùn)營場景中，運(yùn)營商需要遵循嚴(yán)格的安全和合規(guī)性標(biāo)準(zhǔn)，即使是1％的誤差，也可能導(dǎo)致重要指標(biāo)數(shù)據(jù)解析失敗，進(jìn)而影響網(wǎng)絡(luò)設(shè)備的關(guān)鍵參數(shù)配置，產(chǎn)生網(wǎng)絡(luò)故障，嚴(yán)重時(shí)可能產(chǎn)生較大范圍的社會(huì)負(fù)面輿情影響，因此，大語言模型技術(shù)存在1％的誤差或者不確定性就導(dǎo)致大語言模型技術(shù)不可用。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明針對(duì)現(xiàn)有技術(shù)的上述不足，提供一種大語言模型的信息處理方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該方法可以實(shí)現(xiàn)大語言模型智能且精準(zhǔn)的信息處理，提升大語言模型的長文本理解能力和意圖識(shí)別能力，提升意圖識(shí)別和任務(wù)匹配的準(zhǔn)確性和穩(wěn)定性，進(jìn)而減少大語言模型信息處理過程的誤差和不確定性。

2、第一方面，本發(fā)明提供一種大語言模型的信息處理方法，包括：獲取用戶問題和網(wǎng)絡(luò)應(yīng)用門戶標(biāo)識(shí)；根據(jù)用戶問題和網(wǎng)絡(luò)應(yīng)用門戶標(biāo)識(shí)，獲取需求場景下的全量意圖和全量任務(wù)；根據(jù)用戶問題、需求場景下的全量意圖和全量任務(wù)，確定目標(biāo)意圖和目標(biāo)任務(wù)；根據(jù)目標(biāo)意圖和目標(biāo)任務(wù)，從需求場景下的數(shù)據(jù)庫中提取指標(biāo)數(shù)據(jù)，并基于指標(biāo)數(shù)據(jù)生成回答。

3、優(yōu)選地，所述根據(jù)用戶問題和網(wǎng)絡(luò)應(yīng)用門戶標(biāo)識(shí)，獲取需求場景下的全量意圖和全量任務(wù)，具體包括：從用戶問題中提取指標(biāo)參數(shù)，其中，指標(biāo)參數(shù)用于表征指標(biāo)數(shù)據(jù)的字段名稱；根據(jù)網(wǎng)絡(luò)應(yīng)用門戶標(biāo)識(shí)，獲取網(wǎng)絡(luò)應(yīng)用門戶下的全量場景；根據(jù)指標(biāo)參數(shù)和網(wǎng)絡(luò)應(yīng)用門戶下的全量場景，確定用戶的需求場景；根據(jù)用戶的需求場景，獲取全量意圖和全量任務(wù)。

4、優(yōu)選地，所述根據(jù)用戶問題、需求場景下的全量意圖和全量任務(wù)，確定目標(biāo)意圖和目標(biāo)任務(wù)，具體包括：基于語義聚焦算法和用戶問題，篩選需求場景下的全量意圖，得到目標(biāo)意圖；根據(jù)預(yù)設(shè)的意圖與任務(wù)的映射關(guān)系，從需求場景下的全量任務(wù)中匹配目標(biāo)意圖對(duì)應(yīng)的目標(biāo)任務(wù)。

5、優(yōu)選地，所述基于語義聚焦算法和用戶問題，篩選需求場景下的全量意圖，得到目標(biāo)意圖，具體包括：計(jì)算需求場景下的全量意圖中各個(gè)意圖與用戶問題的文本相似度；基于文本相似度，篩選需求場景下的全量意圖，得到相近意圖列表；計(jì)算相近意圖列表中各個(gè)相近意圖與用戶問題的語義相似度；取語義相似度最高的相近意圖作為目標(biāo)意圖。

6、優(yōu)選地，所述根據(jù)目標(biāo)意圖和目標(biāo)任務(wù)，從需求場景下的數(shù)據(jù)庫中提取指標(biāo)數(shù)據(jù)，具體包括：獲取目標(biāo)任務(wù)的任務(wù)描述，其中，任務(wù)描述用于表征輸出規(guī)范格式；根據(jù)目標(biāo)意圖和任務(wù)描述，從用戶問題中提取意圖補(bǔ)充參數(shù)和指標(biāo)相關(guān)參數(shù)，其中，指標(biāo)相關(guān)參數(shù)用于表征指標(biāo)參數(shù)的約束條件；判斷指標(biāo)相關(guān)參數(shù)是否符合任務(wù)描述對(duì)應(yīng)接口規(guī)范；響應(yīng)于指標(biāo)相關(guān)參數(shù)符合任務(wù)描述對(duì)應(yīng)接口規(guī)范，組合任務(wù)描述、指標(biāo)相關(guān)參數(shù)、意圖補(bǔ)充參數(shù)和指標(biāo)參數(shù)，生成json格式參數(shù)集；基于json格式參數(shù)集中的指標(biāo)參數(shù)，從需求場景下的數(shù)據(jù)庫中提取指標(biāo)數(shù)據(jù)。

7、優(yōu)選地，在所述判斷指標(biāo)相關(guān)參數(shù)是否符合任務(wù)描述對(duì)應(yīng)接口規(guī)范之后，以及，在所述基于json格式參數(shù)集中的指標(biāo)參數(shù)，提取指標(biāo)數(shù)據(jù)之前，大語言模型的信息處理方法還包括：響應(yīng)于指標(biāo)相關(guān)參數(shù)不符合任務(wù)描述對(duì)應(yīng)接口規(guī)范，調(diào)整任務(wù)描述中指標(biāo)相關(guān)參數(shù)的接口位置，得到優(yōu)化任務(wù)描述，并組合優(yōu)化任務(wù)描述、指標(biāo)相關(guān)參數(shù)、意圖補(bǔ)充參數(shù)和指標(biāo)參數(shù)，生成json格式參數(shù)集。

8、優(yōu)選地，所述基于指標(biāo)數(shù)據(jù)生成回答，具體包括：判斷json格式參數(shù)集中意圖補(bǔ)充參數(shù)是否為僅展示數(shù)據(jù)；響應(yīng)于json格式參數(shù)集中意圖補(bǔ)充參數(shù)為僅展示數(shù)據(jù)，基于回復(fù)模板，組合json格式參數(shù)集和指標(biāo)數(shù)據(jù)，生成回答；響應(yīng)于json格式參數(shù)集中意圖補(bǔ)充參數(shù)為非僅展示數(shù)據(jù)，根據(jù)意圖補(bǔ)充參數(shù)，選擇指標(biāo)數(shù)據(jù)展示樣式，基于指標(biāo)數(shù)據(jù)展示樣式，生成指標(biāo)數(shù)據(jù)展示結(jié)果，并基于回復(fù)模板，組合json格式參數(shù)集和指標(biāo)數(shù)據(jù)展示結(jié)果，生成回答。

9、第二方面，本發(fā)明還提供一種大語言模型的信息處理裝置，包括：第一獲取模塊、第二獲取模塊、確定模塊和提取模塊，第一獲取模塊，用于獲取用戶問題和網(wǎng)絡(luò)應(yīng)用門戶標(biāo)識(shí)，第二獲取模塊，與第一獲取模塊連接，用于根據(jù)用戶問題和網(wǎng)絡(luò)應(yīng)用門戶標(biāo)識(shí)，獲取需求場景下的全量意圖和全量任務(wù)，確定模塊，與第二獲取模塊連接，用于根據(jù)用戶問題、需求場景下的全量意圖和全量任務(wù)，確定目標(biāo)意圖和目標(biāo)任務(wù)，提取模塊，與確定模塊連接，用于根據(jù)目標(biāo)意圖和目標(biāo)任務(wù)，從需求場景下的數(shù)據(jù)庫中提取指標(biāo)數(shù)據(jù)，并基于指標(biāo)數(shù)據(jù)生成回答。

10、第三方面，本發(fā)明還提供一種電子設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器中存儲(chǔ)有計(jì)算機(jī)程序，所述處理器被設(shè)置為運(yùn)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)上述第一方面提供的大語言模型的信息處理方法。

11、第四方面，本發(fā)明還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)上述第一方面提供的大語言模型的信息處理方法。

12、本發(fā)明提供的一種大語言模型的信息處理方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，通過根據(jù)用戶問題和網(wǎng)絡(luò)應(yīng)用門戶標(biāo)識(shí)，識(shí)別出用戶的需求場景，并直接獲取到需求場景下的預(yù)設(shè)的全量意圖和全量任務(wù)，預(yù)設(shè)的全量意圖精準(zhǔn)且簡潔，極大的降低了大語言模型在長文本的用戶問題上的理解困難程度，進(jìn)而再根據(jù)用戶問題，篩選需求場景下的全量意圖和全量意圖，精準(zhǔn)識(shí)別出最接近用戶問題的目標(biāo)意圖和目標(biāo)任務(wù)，以基于目標(biāo)意圖和目標(biāo)任務(wù)提取指標(biāo)數(shù)據(jù)，并生成智能且精準(zhǔn)的回答。因此，本發(fā)明能夠?qū)崿F(xiàn)大語言模型智能且精準(zhǔn)的信息處理，提升大語言模型的長文本理解能力和意圖識(shí)別能力，減少大語言模型信息處理過程的誤差和不確定性，進(jìn)而提升意圖識(shí)別和任務(wù)匹配的準(zhǔn)確性和穩(wěn)定性。