公开(公告)号：CN118175031A

公开(公告)日：2024-06-11

申请号：CN202410348221.1

申请日：2024-03-26

Applicant: 东北大学

Inventor： 李福亮 ,  李少伟 ,  张志伟 ,  李梓鸣 ,  王兴伟

IPC: H04L41/0803 ,  H04L41/0894 ,  H04L41/12 ,  H04L41/16

Abstract: 本发明提供了一种基于大语言模型的网络配置意图解析方法，属于网络配置意图解析领域。该方法首先从用户输入中获取包含网络配置意图的自然语言与网络拓扑，并使用RoBERTa‑DIET模型进行意图分类和实体识别，然后进行槽位填充并返回给用户以获取用户反馈；用户肯定正确的意图获取结果传递给IR生成引擎，结合网络配置综合器的中间表示知识图谱生成符合意图的中间表示，最终生成全网范围内网络设备配置。本发明极大地增强了网络配置意图获取模型的泛化能力，对意图获取的结果很少出现漏报和误报的现象；同时一步即可完成意图分类和实体识别工作。此外，更新支持的网络策略时，只需更新知识图谱，无需终止系统的运行，实现实时更新。

公开(公告)号：CN118869426A

公开(公告)日：2024-10-29

申请号：CN202410844342.5

申请日：2024-06-27

Applicant: 东北大学

Inventor： 李福亮 ,  李梓鸣 ,  喻岩 ,  李少伟 ,  王兴伟

IPC: H04L41/04 ,  H04L41/0803 ,  H04L41/142 ,  G06F40/16 ,  G06N3/0499

Abstract: 本发明提供一种网络配置领域生成式大语言模型的实现方法、电子设备及存储介质，属于网络管理领域。本发明首先采取网络配置领域的相关文档对开源大语言模型进行增量预训练，将网络配置的相关知识注入大语言模型，得到增量预训练模型；然后采用高质量的“自然语言，网络拓扑，全网范围内的网络配置”对齐数据，对增量预训练模型进行进一步有监督微调，交给大语言模型如何实现全网配置生成任务，得到有监督微调模型；最后采用有监督微调模型生成的配置作为负样本，训练集中的正确配置作为正样本，对有监督微调模型进行直接偏好优化，提高模型生成的准确率，得到最终的配置领域生成式大语言模型，该模型不仅能理解网络配置的复杂性，还能生成符合实际需求的配置方案。