公有云物联网平台借助大语言模型服务中小微企业的方法与流程

本发明涉及公有云物联网，具体地说，涉及一种公有云物联网平台借助大语言模型服务中小微企业的方法。

背景技术：

1、工业物联网平台服务中小微企业的模式通常是多租户模式的公有云。这样中小微企业通过共享云平台降低总成本。中小微企业因为体量不大、需求有限，一方面用不完单独一个物联网平台提供的算力和空间，另一方面物联网平台运营商也无法基于企业有限的支付提供定制化的服务，且大语言模型存在提供幻觉回复的可能，提供一种公有云物联网平台借助大语言模型服务中小微企业的方法。

技术实现思路

1、本发明的目的在于提供一种公有云物联网平台借助大语言模型服务中小微企业的方法，以解决上述背景技术中提出的中小微企业体量不大、需求有限，一方面用不完单独一个物联网平台提供的算力和空间，另一方面物联网平台运营商也无法基于企业有限的支付提供定制化的服务的问题。

2、为实现上述目的，本发明目的在于提供了一种公有云物联网平台借助大语言模型服务中小微企业的方法，包括以下步骤：

3、s1、基于物联网设备采集数据，并将采集的数据上传至物联网平台；

4、s2、物联网平台基于公有云建立数据存储单元和处理单元；处理单元包括云上的计算资源、服务器或者使用云服务提供的数据处理工具，处理单元负责对上传的数据进行处理、分析和挖掘有价值的信息；大数据模型可以使平台能够提供更多细分行业的知识服务，从而满足不同领域用户的需求。这有助于平台在不同领域提供更专业和个性化的服务，因为使用了公有云，大数据模型的资源需求可以动态调整，保证需求。

5、s3、将大语言模型接入到物联网平台中，基于公有云存储的数据对大语言模型进行训练，并利用大语言模型处理和分析文本数据，为中小微企业提供数据分析，进行智能化的设备管理和决策支持；中小微企业的客户可以使用自然语言与物联网平台进行交流，解决问题、获取指导，同时通过分析用户反馈提供改进建议；用大语言模型服务对物联网平台中的文本数据进行分析，提取关键信息，为中小微企业提供智能决策支持。这可能包括用户反馈分析、问题解答、智能报告生成等；

6、s4、用户通过大语言模型与物联网平台进行语音或文字指令交互，引入人工审核模块，对大语言模型生成的回答进行审查，实现设备的远程监控、配置和控制；通过实时监控、远程控制和智能分析，中小微企业可以更有效地管理物联网设备，提高生产效率，减少资源浪费，从而降低运营成本。

7、作为本技术方案的进一步改进，所述s1中，物联网设备至少包括传感器和监测设备，用于监测和收集环境、设备和过程中的数据。且物联网平台基于公有云提供云基础设施，使中小微企业能够共享这些资源，包括存储、计算、数据库等。这使得企业能够更高效地利用这些资源，而无需关心底层的硬件管理。过程中的数据具体为系统、流程或操作中产生的数据。

8、作为本技术方案的进一步改进，所述s2中，数据存储单元用于接收、存储和管理物联网设备采集的数据，采集的数据包括传感器读数、设备状态信息、用户交互记录等；同时，处理单元基于数据分析算法对采集的数据进行处理和分析。

9、作为本技术方案的进一步改进，所述数据分析算法用于对物联网设备采集的数据进行异常检测有助于提高整个系统的可靠性，则其算法公式具体为：

10、

11、其中，x表示数据点；μ表示数据的均值；σ表示数据的标准差；z表示数据点相对于均值的偏离程度。

12、作为本技术方案的进一步改进，所述s3中，大语言模型为基于深度学习的自然语言处理模型，基于深度学习的自然语言处理模型的具体函数模型为：

13、自注意力机制层：

14、

15、其中，q表示查询矩阵；k表示键矩阵；v表示值矩阵；dk表示查询或键的维度；

16、前馈神经网络层：

17、ffn(x)＝relu(xw1+b1)+w2+b2；

18、其中，x表示输入向量，具体为前一层的输出；w1表示第一层的权重矩阵；b1表示第一层的偏置项；relu表示修正线性单元，为一个激活函数；w2表示第二层的权重矩阵；b2表示第二层的偏置项；

19、层归一化和残差连接层：

20、

21、其中，μ表示均值，表示该层输入向量x的平均值；σ表示该层输入向量x的标准差；γ表示缩放的参数；β表示平移的参数；x1表示输入向量，表示该层的原始输入；ε表示常数，用于防止除零错误；⊙表示对标准化结果和缩放参数的逐元素乘法。基于深度学习的自然语言处理模型由多个上述层堆叠而成。

22、作为本技术方案的进一步改进，所述大语言模型处理和分析文本数据的具体方法为：

23、s6.1、由大语言模型在采集的文本数据集上进行预训练；让模型学会理解语言的语法、语义和上下文信息；

24、s6.2、预训练完成后，大语言模型使用与物联网相关的数据来进行微调来适应特定任务或领域；微调的目标是让模型学会特定任务的特征和语境，以便更好地处理和分析物联网领域的文本数据；

25、s6.3、当模型接收到物联网平台传来的文本数据时，对文本进行预处理；例如分词、去除停用词等，以便更好地理解文本的结构和含义；

26、s6.4、模型使用学到的语言表示和上下文信息来分析文本数据；包括词性标注、命名实体识别、情感分析、关键词提取等任务，具体任务取决于模型的用途和微调的目标；

27、s6.5、模型可以识别出文本中的重要信息，提供对设备状态的分析，解答用户的查询，生成报告或提供决策建议。

28、作为本技术方案的进一步改进，所述s6.1中，预训练为自监督学习训练、掩码语言模型训练或下游任务预训练中的任意一种；掩码语言模型训练具体为随机选择一部分单词，并将其替换为特殊的掩码标记。模型被要求预测被掩码的单词。这使得模型需要通过上下文来理解语言的语法和语义；下游任务预训练具体为通过在特定领域的下游任务上进行预训练，例如情感分类、问答系统等，使得模型在这些任务上表现更好。

29、作为本技术方案的进一步改进，所述s4中，用户通过大语言模型与物联网平台进行交互的具体步骤为：

30、s8.1、用户通过语音输入或者文字输入的方式向物联网平台发送指令；

31、s8.2、物联网平台接收用户的语音或文字指令后，利用大语言模型对指令进行解析，识别用户的意图、提取关键信息，并将指令转化为可执行的操作或查询；

32、s8.3、根据解析后的指令，物联网平台执行相应的操作；如设备的远程监控、配置和控制；如果用户的指令是查询相关数据，平台则从数据存储单元中检索所需的信息；

33、s8.4、物联网平台生成相应的响应，并将结果格式化为用户易于理解的形式。如生成报告、可视化图表等。

34、物联网平台通过大语言模型分析用户的反馈，理解用户的需求，并生成合适的回应。大语言模型分析用户的交互反馈，提取关键信息，为中小微企业提供智能决策支持。这可能包括用户反馈分析、问题解答、智能报告生成等，使得中小微企业能够更智能地管理设备、获取信息、做出决策，提高生产效率和运营效益。

35、作为本技术方案的进一步改进，所述s8.1中，所述语音输入的语音指令通过语音识别技术转换为文本。

36、作为本技术方案的进一步改进，所述大语言模型与物联网平台相互独立，且若干云中小微企业用户通过公有云共享资源使用大语言模型。

37、与现有技术相比，本发明的有益效果：

38、1、该一种公有云物联网平台借助大语言模型服务中小微企业的方法中，通过应用公有云技术，不仅可以根据需求动态调整大型数据模型的资源，还能利用不同客户在公有云上存储的数据对模型进行再训练，以提供更个性化、准确的服务，满足不同用户的需求。

39、2、于大语言模型的定制化服务有可能降低平台运营商的服务成本，使得中小微企业能够在有限的支出条件下充分享受到工业物联网的红利，且针对幻觉回复，引入人工审核模块，针对大语言模型生成的回答进行审查，由专业人员进行验证和纠正，有助于提高大语言模型在物联网平台中的稳定性和准确性，降低幻觉回复的风险。