本系统提供一种基于用户意图的智能网络服务方法,通过以下步骤实现:1. 收集用户意图;2. 创建配置生成模型,将用户意图转换为配置命令模板;3. 获取网络配置文档,由配置生成模型完成配置命令的填充。
背景技术
在6G网络的宏伟愿景中,满足高度灵活和多样化的业务需求与应用场景,已成为未来无线网络演进的必然要求。随着网络智能化的发展,自智网络这一概念应运而生。自智网络利用人工智能、机器学习和自动化技术,实现了“自我配置、自我优化、自我修复和自我保护”的能力。它能够在无需人为干预的情况下,动态调整和优化网络运营,以适应不断变化的需求和条件。此外,自智网络还引入了“意图”这一概念,意图是用户或系统在高层次上表达的目标、需求或期望的抽象形式。通过解析意图,自智网络能够高效地调控网络运作,从而显著提升网络的效率、可靠性和响应速度,同时降低运营成本和复杂性。
然而,要实现这一目标,关键在于实现自智网络中的意图转译功能。意图转译是将用户或业务高层次的目标解析为具体技术实现的过程。通过意图转译,抽象的意图可以转化为实际的网络配置和操作,从而有效调控网络资源,满足多样化的业务需求。现有的方案一般是通过训练深度学习模型,将意图需求输入模型进行转译,生成网络配置策略,结合资源分配算法对策略进行优化并下发执行。
由于过去自然语言处理技术的局限性,意图转译往往不够准确,尤其在从语义层面根据用户意图生成配置命令方面存在明显不足,通常只能将意图映射到固定的转译模板中。这一问题直接限制了自智网络的应用。传统的深度学习模型通常缺乏理解和生成长文本的能力,仅能完成实体提取和模板匹配等较为简单的任务。这种限制导致无法满足自智网络对细粒度意图理解、配置生成和资源分配的要求。
在意图转译过程中,网络设备的手册也未被有效利用,导致配置命令中的参数及其相应取值之间的复杂关系可能会出现错误结果,例如网络资源状态与手册中指定的取值范围不符。此外,在意图转译生成的配置命令过程中,对资源的调度必须同时兼顾底层网络的状态和用户需求。具体而言,一方面需要确保所下发的命令能够在当前网络条件下安全执行,另一方面也要尽可能满足用户的意图需求,避免所分配的资源与预期偏差过大,从而实现网络收益的最大化。
现有专利CN202410586617.X(申请名称:一种基于意图的网络中应用意图转译装置及转译方法,申请人:贵州大学,申请日:2024.05.13)公开了一种基于意图的网络中应用意图转译装置及转译方法,涉及新一代人工智能领域,包括意愿收集模块、意愿转译模块、知识库和网络虚拟请求接口;意愿收集模块收集业务中应用信息,实现随愿网络IBN中业务意愿的完整表达;意愿转译模块将收集到的业务意愿信息转换为具体的网络虚拟请求,利用机器学习技术来挖掘业务意愿与网络虚拟请求之间的深层次关联规律;网络虚拟请求接口是系统与网络切片之间的桥梁,从网络切片中获取信息并将生成的网络虚拟请求下发到网络;知识库用于存储意愿收集模块及网络虚拟请求接口所收集的数据信息。具体而言,该技术方案收集网络中用户的应用意图数据,并利用增强型Transformer算法对这些数据进行训练,通过这种增强型Transformer算法,可以深入挖掘用户意图与网络虚拟请求之间的潜在规律,随后,将用户的意图转化为具体的网络虚拟请求,并从网络切片管理器中获取该请求对应的切片信息,以填充网络虚拟请求,最终,生成的网络虚拟请求将被下发至网络进行实际执行。该技术方案一方面通过Transformer算法将意图匹配为固定模板的网络虚拟请求,未能在语义层面真正理解用户意图,因而无法动态生成能够满足用户需求的配置命令,也无法保障生成的网络虚拟请求符合所下发的网络设备;另一方面,只从网络切片中获取信息填充请求作为资源分配的结果,没有充分考虑底层网络的实时状态,因而也无法确保意图需求的最大程度满足。
因此,如何从语义层面将用户意图准确转译为配置命令,从而动态生成满足用户需求的配置命令,并确定命令的合理性和可执行性,已成为技术人员重点关注的技术问题。
实现思路