本文版權(quán)為《郵電設(shè)計(jì)技術(shù)》所有，如需轉(zhuǎn)載請(qǐng)聯(lián)系《郵電設(shè)計(jì)技術(shù)》編輯部
摘 要：提出了一種大小模型協(xié)同的智能化移動(dòng)網(wǎng)絡(luò)優(yōu)化方法，首先利用大語(yǔ)言模型處理和理解網(wǎng)絡(luò)日志、外部開源等非結(jié)構(gòu)化數(shù)據(jù)，從中提取關(guān)鍵數(shù)據(jù)。其次構(gòu)建了一個(gè)包含網(wǎng)絡(luò)設(shè)備、參數(shù)配置、專家優(yōu)化經(jīng)驗(yàn)等多維度信息融合的知識(shí)圖譜，用于分析網(wǎng)絡(luò)狀態(tài)和優(yōu)化需求之間的關(guān)系。然后，通過(guò)深度學(xué)習(xí)、圖神經(jīng)網(wǎng)絡(luò)等專業(yè)工具模型進(jìn)行根因分析，快速定位網(wǎng)絡(luò)故障點(diǎn)，并基于專業(yè)知識(shí)圖譜庫(kù)和大模型的問(wèn)題推理能力，輔助專家給一線員工提供具體的解決方案。最后，通過(guò)實(shí)際場(chǎng)景的實(shí)施和驗(yàn)證，由專家、一線員工對(duì)所提解決方案進(jìn)行評(píng)估和反饋，這些評(píng)估和反饋信息經(jīng)收集后不斷返回，形成循環(huán)優(yōu)化。
關(guān)鍵詞：移動(dòng)網(wǎng)絡(luò)優(yōu)化；大小模型協(xié)同；知識(shí)圖譜；圖神經(jīng)網(wǎng)絡(luò)模型；大語(yǔ)言模型
doi：10.12045/j.issn.1007-3043.2024.09.002
概述
近年來(lái)，隨著 4G、5G 技術(shù)的快速發(fā)展和普及，移動(dòng)網(wǎng)絡(luò)已經(jīng)深深融入了人們的日常生活中，接入移動(dòng)網(wǎng)絡(luò)的設(shè)備數(shù)量持續(xù)增長(zhǎng)，用戶對(duì)傳輸數(shù)據(jù)的需求也呈爆炸性增長(zhǎng)趨勢(shì)，這對(duì)移動(dòng)網(wǎng)絡(luò)的穩(wěn)定性、性能和保障用戶體驗(yàn)等方面均提出了更高的要求。網(wǎng)絡(luò)優(yōu)化是保障移動(dòng)網(wǎng)絡(luò)服務(wù)質(zhì)量、穩(wěn)定性和效率的關(guān)鍵，直接影響到用戶的使用體驗(yàn)和滿意度。因此高效的移動(dòng)網(wǎng)絡(luò)優(yōu)化運(yùn)營(yíng)已成為運(yùn)營(yíng)商的迫切需求。然而，在網(wǎng)絡(luò)優(yōu)化運(yùn)營(yíng)系統(tǒng)中，現(xiàn)有技術(shù)只能做到自動(dòng)發(fā)現(xiàn)問(wèn)題，無(wú)法有效提供具體優(yōu)化建議。所以在實(shí)際場(chǎng)景中，需要將發(fā)現(xiàn)問(wèn)題的工單由上級(jí)層層派發(fā)至一線人員，根因分析、優(yōu)化方案的制定等重要職責(zé)均落到網(wǎng)格一線人員的身上。但一線人員缺乏用戶感知分析和根因定位工具手段，容易造成網(wǎng)絡(luò)優(yōu)化的精細(xì)化不足、資源效能利用不足等一系列問(wèn)題。
人工智能作為一種能夠使計(jì)算機(jī)像人一樣思考、學(xué)習(xí)和理解的技術(shù)，其通過(guò)專業(yè)領(lǐng)域的數(shù)據(jù)學(xué)習(xí)規(guī)律，并根據(jù)所學(xué)規(guī)律進(jìn)行預(yù)測(cè)和決策。傳統(tǒng)人工智能技術(shù)包含機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、圖神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、知識(shí)圖譜等多個(gè)分支領(lǐng)域，該類模型具有運(yùn)行高效、專業(yè)性強(qiáng)的優(yōu)點(diǎn)，并在諸多領(lǐng)域取得了突破性進(jìn)展。在網(wǎng)絡(luò)優(yōu)化領(lǐng)域，人工智能技術(shù)可以幫助更有效地管理網(wǎng)絡(luò)，提高網(wǎng)絡(luò)性能。另一方面，以 ChatGPT為代表的大語(yǔ)言模型技術(shù)的興起，使用戶與AI模型可以通過(guò)多輪對(duì)話的形式不斷幫助 AI 模型理解用戶的真實(shí)意圖，并給出流程化的問(wèn)題解決方案，具有極強(qiáng)的泛化性。在網(wǎng)絡(luò)優(yōu)化領(lǐng)域，大語(yǔ)言模型可以作為常識(shí)性知識(shí)和推理的良好工具。
傳統(tǒng)人工智能技術(shù)和大語(yǔ)言模型均在移動(dòng)網(wǎng)絡(luò)優(yōu)化領(lǐng)域有著巨大的潛力，并已取得不錯(cuò)的效果。但由于傳統(tǒng)人工智能技術(shù)存在泛化性能較差、不具備推導(dǎo)能力，而大模型推理資源耗費(fèi)高、耗時(shí)較長(zhǎng)等不足，現(xiàn)有智能化的網(wǎng)絡(luò)優(yōu)化技術(shù)在可擴(kuò)展性、實(shí)時(shí)性、負(fù)載成本等方面仍存在一定的問(wèn)題。因此，本文從結(jié)合2 類模型的優(yōu)勢(shì)、同時(shí)彌補(bǔ)其各自模型不足的角度出發(fā)，提出一種大小模型協(xié)同的智能化移動(dòng)網(wǎng)絡(luò)優(yōu)化方法。該方法結(jié)合了大語(yǔ)言模型的理解和問(wèn)題推理能力、知識(shí)圖譜的語(yǔ)義關(guān)聯(lián)性以及圖模型的根因分析技術(shù)，提高移動(dòng)網(wǎng)絡(luò)的故障檢測(cè)精度與優(yōu)化效率。
