【技术实现步骤摘要】
本专利技术属于服务信息识别，具体是基于人工智能大模型自动识别服务信息的方法及系统。
技术介绍
1、随着信息技术的飞速发展和人工智能技术的不断突破，自动识别服务信息已成为提升服务效率、优化用户体验的重要手段。传统的人工识别方式存在处理速度慢、成本高、易出错等缺点，难以满足日益增长的服务需求。因此，基于人工智能大模型的自动识别服务信息系统应运而生，成为当前技术发展的热点和趋势。
2、近年来，深度学习、自然语言处理（nlp）等人工智能技术的快速发展为自动识别服务信息提供了强有力的技术支持。通过构建大规模神经网络模型，并利用海量数据进行训练和优化，ai系统已经能够在图像识别、语音识别、文本处理等多个领域取得显著成效。特别是在自然语言处理领域，随着bert、gpt等大模型的出现，ai系统在理解复杂语言、生成高质量文本方面展现出了前所未有的能力。
3、尽管人工智能技术在自动识别服务信息方面取得了显著进展，但仍存在一些问题亟待解决，如：面对海量服务信息，系统往往需要耗费大量时间进行逐一处理，导致处理效率低下；对于部分简单或明显的信息分类，系统仍采用大模型进行分析，造成算力资源的浪费；由于缺乏针对性的分析策略，系统在分析复杂服务信息时往往难以达到较高的精度。
4、基于此，为了解决上述问题，本专利技术提供了基于人工智能大模型自动识别服务信息的方法及系统。
技术实现思路
1、为了解决上述方案存在的问题，本专利技术提供了基于人工智能大模型自动识别服务信息的方法及系统。
2、本专利技术的目的可以通过以下技术方案实现：
3、基于人工智能大模型自动识别服务信息的系统，包括特征识别模块、信息分类模块和需求分析模块；
4、所述特征识别模块用于对各服务信息进行特征识别，获得各服务信息对应的服务特征。
5、进一步地，对服务信息进行特征识别的方法为：
6、根据历史数据确定用户具有的各种服务信息，定义等同要求，基于等同要求建立等同评估模型，所述等同评估模型的表达式为：
7、；
8、式中：s为输入数据，输入数据为进行判断的各服务信息，至少为两个服务信息；输出数据为等同评估值dp(s)；
9、通过等同评估模型对各服务信息进行分析，获得各服务信息之间的等同评估值；根据等同评估值对各服务信息进行分类，获得各第一分类；
10、设置各第一分类对应的服务特征，根据各第一分类对应的服务特征建立特征识别模型；
11、通过所述特征识别模型对服务信息进行识别，获得服务信息对应的服务特征。
12、所述信息分类模块用于对各服务信息进行特征分类，设置特征一类、特征二类以及对应的一类范围和二类范围；
13、根据一类范围、二类范围和服务特征对各服务信息进行分类，获得特征一类数据和特征二类数据；
14、对特征二类数据进行意向分类，为各服务数据打上相应的意向分类标签。
15、进一步地，设置特征一类、特征二类、一类范围和二类范围的方法包括：
16、根据各第一分类确定具有的各种服务特征，建立服务判断模型，服务判断模型的表达式为：
17、；
18、式中：q为输入数据，输入数据为服务特征；输出数据为服务判断值fp(q)；
19、通过服务判断模型对各服务特征进行判断，获得各服务特征对应的服务判断值，将服务判断值为1的各服务特征分为一类，标记为特征一类；将剩余的各服务特征分为一类，标记为特征二类；根据特征一类和特征二类分别对应的各服务特征确定一类范围和二类范围。
20、进一步地，对特征二类数据进行意向分类的方法包括：
21、预设各服务意向，确定具有的各单元特征，服务特征由各单元特征组成；将各所述单元特征与各服务意向进行匹配，确定所述服务意向对应的各单元特征，将各单元特征整合为服务意向的单元特征集合；对各单元特征集合进行比较划分，获得各服务意向对应的独立集合和各共有集合；
22、识别各服务特征对应的各单元特征，判断各单元特征是否属于各服务意向对应的独立集合；
23、当服务特征中具有单元特征属于相应服务意向的独立集合时，根据相应的服务意向设置意向分类标签；
24、当服务特征中各单元特征均不属于各服务意向的独立集合时，将服务特征与各共有集合进行匹配，确定各服务倾向意向；计算各服务倾向意向对应的意向值；根据各服务倾向意向和意向值设置意向分类标签。
25、进一步地，计算各服务倾向意向对应的意向值的方法包括：
26、确定各服务倾向意向对应的意向记录数；将服务倾向意向标记为i，i=1、2、……、n，n为正整数；将意向记录数标记为kgi；
27、根据公式计算对应的意向值；
28、式中：yri为意向值；e为自然常数。
29、所述需求分析模块用于确定各服务信息的服务需求；对特征一类数据进行识别分析，确定服务需求；
30、建立服务识别模型，通过服务识别模型对特征二类数据进行分析，获得各服务信息对应的服务需求。
31、进一步地，还包括资源规划模块，所述资源规划模块用于根据各服务意向对应的数据量进行资源规划，实时识别各服务意向对应的数据量，根据服务识别模型设置对应的意向转化系数；
32、根据公式pv=μ×sl计算各服务意向对应的资源需求值；
33、式中：pv为资源需求值；μ为意向转化系数；sl为相应服务意向的数据量；
34、根据各服务意向的资源需求值生成各服务意向对应的资源需求曲线，资源需求曲线的横轴为时间，纵轴为资源需求值；
35、根据各资源需求曲线进行资源规划调整。
36、进一步地，根据各资源需求曲线和单元资源量进行资源规划调整的方法包括：
37、获取额定资源，确定服务识别模型在额定资源下的工作曲线，工作曲线的横轴为基准数据量，纵轴为工作值；
38、根据各资源需求曲线进行转化，获得各时间对应的基准数据量，根据各基准数据量生成时间基准曲线，横轴为时间，纵轴为基准数据量；
39、根据时间基准曲线和工作曲线实时确定对应的工作值；
40、将获得的工作值与阈值x1进行比较；
41、当工作值不小于阈值x1时，按照各资源需求曲线对各服务意向进行资源调度；
42、当工作值小于阈值x1时，根据各服务意向对应的资源需求曲线进行差异化资源调度。
43、基于人工智能大模型自动识别服务信息的方法，方法包括：
44、对各服务信息进行特征识别，获得各服务信息对应的服务特征；
45、设置特征一类、特征二类以及对应的一类范围和二类范围；
46、根据一类范围、二类范围和服务特征对各服务信息进行分类，获得特征一类数据和特征二类数据；
47、对特征二类数据进行意向分类，为各服务数据打上相应的意向本文档来自技高网...
【技术保护点】
1.基于人工智能大模型自动识别服务信息的系统，其特征在于，包括特征识别模块、信息分类模块和需求分析模块；
2.根据权利要求1所述的基于人工智能大模型自动识别服务信息的系统，其特征在于，对服务信息进行特征识别的方法为：
3.根据权利要求1所述的基于人工智能大模型自动识别服务信息的系统，其特征在于，设置特征一类、特征二类、一类范围和二类范围的方法包括：
4.根据权利要求1所述的基于人工智能大模型自动识别服务信息的系统，其特征在于，对特征二类数据进行意向分类的方法包括：
5.根据权利要求4所述的基于人工智能大模型自动识别服务信息的系统，其特征在于，计算各服务倾向意向对应的意向值的方法包括：
6.根据权利要求1所述的基于人工智能大模型自动识别服务信息的系统，其特征在于，还包括资源规划模块，所述资源规划模块用于根据各服务意向对应的数据量进行资源规划，实时识别各服务意向对应的数据量，根据服务识别模型设置对应的意向转化系数；
7.根据权利要求6所述的基于人工智能大模型自动识别服务信息的系统，其特征在于，根据各资源需求曲线和
8.基于人工智能大模型自动识别服务信息的方法，其特征在于，应用于如权利要求1至7中任一项所述的基于人工智能大模型自动识别服务信息的系统，方法包括：
...【技术特征摘要】
1.基于人工智能大模型自动识别服务信息的系统，其特征在于，包括特征识别模块、信息分类模块和需求分析模块；
2.根据权利要求1所述的基于人工智能大模型自动识别服务信息的系统，其特征在于，对服务信息进行特征识别的方法为：
3.根据权利要求1所述的基于人工智能大模型自动识别服务信息的系统，其特征在于，设置特征一类、特征二类、一类范围和二类范围的方法包括：
4.根据权利要求1所述的基于人工智能大模型自动识别服务信息的系统，其特征在于，对特征二类数据进行意向分类的方法包括：
5.根据权利要求4所述的基于人工智能大模型自动识别服务信息的系统，其特征在于，...
【专利技术属性】
技术研发人员：丁新云，杨作铭，刘卫华，
申请(专利权)人：深圳市伊登软件有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。