一种基于大语言模型的网管智能应答方法、系统和介质与流程

本发明涉及核心网网管，特别是涉及一种基于大语言模型的网管智能应答方法、系统和介质。

背景技术：

1、移动核心网网管系统是一款多网络支持的全面网络管理解决方案，已成功覆盖3g、4g和5g核心网。它提供了告警与性能监控、设备资源管理、4g/5g用户话单分析、3g/4g/5g nsa网络质量及业务统计分析等功能，帮助运营商监控网络状态、提高性能、管理设备资源，并支持核心网网元拨测、质量分析以及故障问题预定位，确保网络的稳定运行和管理，为提供通信服务和满足用户需求提供了支持。

2、目前，核心网网管系统功能日益庞杂，然而现有的移动核心网网管系统存在多方面技术缺点，包括功能繁杂导致用户难以快速定位所需功能、缺乏使用帮助和专业知识支持，以及对一些特殊场景问题处理效率低下。这些问题都影响了系统操作效率、问题解决速度和网络维护的质量。

技术实现思路

1、本发明实施例提供一种基于大语言模型的网管智能应答方法、系统和介质，以提高核心网网管系统的操作效率、提供数据分析功能

2、本发明实施例提供一种基于大语言模型的网管智能助手应答方法，包括：

3、响应用户输入的问题，通过调用预设的网管大模型的api客户端，以使所述网管大模型输出响应结果；

4、其中，所述网管大模型是根据已更新后的第一网管大模型而建立；所述第一网管大模型是根据由第一微调文件和第一模型文件而训练获得；所述第一微调文件由将输入大语言模型的第一训练集进行迭代训练而生成；所述第一模型文件是进行所述迭代训练而获得的；

5、所述已更新后的第一网管大模型是根据日常运行中用户输入的问题和第二网管大模型输出的响应结果，更新所述第一待处理训练集，重新进行迭代训练，更新所述第二网管大模型而获得；所述第二网管大模型是对所述第一网管大模型进行问答测试，根据所述问答测试的测试结果对所述第一训练集进行调整，生成第一待处理训练集，基于所述第一待处理训练集重新进行迭代训练，更新所述第一网管大模型而获得。

6、与现有技术相比，本发明实施例的有益效果在于：

7、通过引入大语言模型来建立网管大模型，可以为核心网网管系统的使用提供便捷的指导，从而提高了操作效率；通过对第一网管大模型进行问答测试，并根据测试结果对第一训练集进行调整，生成第一待处理训练集，基于所述第一待处理训练集重新进行迭代训练并更新第一网管大模型，可以不断改进和优化第一网管大模型的性能；根据日常运行中用户输入的问题和第二网管大模型输出的响应结果，更新所述第一待处理训练集，重新进行迭代训练，第二网管大模型可以不断地学习和适应新的数据和情境，以提供更准确的结果。

8、可选地，所述问答测试，具体为：

9、基于第二训练集对所述第一网管大模型进行提问，生成测试结果；其中，所述第二训练集包括：核心网网管系统使用教程、核心网网管专业知识、核心网网管专业名词、核心网网管业务知识、数据获取问题、数据分析问题和核心网网管系统使用指引。

10、可选地，所述根据日常运行中用户输入的问题和所述第一网管大模型输出的响应结果，更新所述第一待处理训练集，具体为：

11、收集用户对所述响应结果的评价；

12、根据所述评价标记对应的问题和响应结果，若所述评价为满意，则对所述问题和所述响应结果予以保留，若所述评价为不满意，则对所述问题和所述响应结果予以删除；若在所述问题和所述响应结果的所有评价中，不满意的评价的占比高于第一阈值，在所述第一待处理训练集中搜寻所述问答，将所述第一待处理训练集中的所述问答删除；

13、收集用户提供的正确答案并进行审核，生成审核结果，当所述审核结果达到评价标准后，用所述正确答案和所述正确答案对应的问题更新所述第一待处理训练集。

14、实施本可选项，通过审核用户提供的正确答案并建立新的训练集，可以不断地扩展和丰富网管大模型的训练集。这有助于确保网管大模型能够回答更广泛的问题，并随着时间的推移逐渐提高其表现；设定第一阈值可以帮助系统在自动收集和更新训练数据时进行质量控制。如果不满意的评价占比高于阈值，系统会自动识别并删除低质量的问答，从而确保网管大模型的稳定性和可靠性。

15、可选地，所述调用预设的网管大模型的api客户端，具体为：

16、调用所述网管大模型的应用程序编程接口，读取所述网管大模型。

17、可选地，所述第一训练集，包括：网管专业知识训练集、网管使用指引训练集、指标训练集和网管业务训练集。

18、相应的，本发明实施例还提供一种基于大语言模型的网管智能应答系统，包括：响应模块；

19、其中，所述相应模块用于响应用户输入的问题，通过调用预设的网管大模型的api客户端，以使所述网管大模型输出响应结果；

20、其中，所述网管大模型是根据已更新后的第一网管大模型而建立；所述第一网管大模型是根据由第一微调文件和第一模型文件而训练获得；所述第一微调文件由将输入大语言模型的第一训练集进行迭代训练而生成；所述第一模型文件是进行所述迭代训练而获得的；

21、所述已更新后的第一网管大模型是根据日常运行中用户输入的问题和第二网管大模型输出的响应结果，更新所述第一待处理训练集，重新进行迭代训练，更新所述第二网管大模型而获得；所述第二网管大模型是对所述第一网管大模型进行问答测试，根据所述问答测试的测试结果对所述待处理训练集进行调整，生成第一待处理训练集，基于所述第一待处理训练集重新进行迭代训练，更新所述第一网管大模型而获得。

22、可选地，所述问答测试，具体为：

23、基于第二训练集对所述第一网管大模型进行提问，生成测试结果；其中，所述第二训练集包括：核心网网管系统使用教程、核心网网管专业知识、核心网网管专业名词、核心网网管业务知识、数据获取问题、数据分析问题和核心网网管系统使用指引。

24、可选地，所述根据日常运行中用户输入的问题和所述第一网管大模型输出的响应结果，更新所述第一待处理训练集，具体为：

25、收集用户对所述响应结果的评价；

26、根据所述评价标记对应的问题和响应结果，若所述评价为满意，则对所述问题和所述响应结果予以保留，若所述评价为不满意，则对所述问题和所述响应结果予以删除；若在所述问题和所述响应结果的所有评价中，不满意的评价的占比高于第一阈值，在所述第一待处理训练集中搜寻所述问答，将所述待处理第一训练集中的所述问答删除；

27、收集用户提供的正确答案并进行审核，生成审核结果，当所述审核结果达到评价标准后，用所述正确答案和所述正确答案对应的问题更新所述第一待处理训练集。

28、可选地，所述调用预设的网管大模型的api客户端，具体为：

29、调用所述网管大模型的应用程序编程接口，读取所述网管大模型。

30、可选地，所述第一训练集，包括：网管专业知识训练集、网管使用指引训练集、指标训练集和网管业务训练集。

31、相应的，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行以上任一项所述的一种基于大语言模型的网管智能应答方法。