【技术实现步骤摘要】
本专利技术涉及一种基于llm的多云存储意图分解优化方法、系统和装置，属于网络通信与云计算。
技术介绍
1、在云计算领域，随着面向未来服务定制网络对云网融合需求的不断增长，多云平台应运而生。云资源通常包含计算、存储和网络三大类，其中存储资源是不可或缺的组成部分。然而，目前存储等云资源的管控方式主要依赖于人工，这种方式不仅要求用户具备较高的专业知识水平，而且效率相对较低。因此，多云存储的智能管控问题成为了亟待解决的关键难题。
2、多云存储智能管控的核心在于意图识别和意图分解。意图识别的主要任务是准确分类用户的多样性任务需求，而意图分解则致力于将用户模糊的意图转化为具体的、可执行的策略。然而，意图分解面临着两大挑战：一是用户原始意图表达中的信息有效性往往有限，可能不足以支撑完整的策略制定；二是存储资源的基本任务本身具有较高的复杂度，使得意图分解过程变得更为困难。
3、针对上述问题，目前相关的研究多采用模糊意图-声明性策略-命令性策略逐级分解的方式。然而，这种方式具有较高的复杂性，不仅增加了系统实现的难度，也可能导致策略生成的准确性和效率受到影响。同时，部分研究尝试采用基于大型语言模型（llm）的方法，如gpt 4.0等先进的通用llm，并通过prompt方式引导模型进行意图识别。虽然这种方法在一定程度上能够实现意图识别的功能，但其成本和可控性却相对有限。高昂的模型运行费用和模型输出结果的不可预测性，使得这种方法在实际应用中面临诸多挑战。
4、综上所述，当前多云存储智能管控领域在意图分解方面仍存在诸多
技术实现思路
1、本专利技术目的是提供了一种基于llm的多云存储意图分解优化方法、系统和装置，降低用户在多云存储场景中的操作复杂性，提高存储策略生成的准确性、灵活性及可靠性。
2、本专利技术为实现上述目的，通过以下技术方案实现：
3、一种基于llm的多云存储意图分解优化方法，包括：
4、接收用户的模糊多云存储意图输入；
5、使用垂直化llm对用户输入进行语义分析和理解，提取与策略树模型匹配的参数键值对；所述参数键值对中的键为策略树节点参数名称，值为策略树节点参数的相应值；
6、根据多云交换平台的实时性数据，对提取与策略树模型匹配的参数键值对进行信息有效性检查；
7、将通过信息有效性检查的有效信息填充至策略树模型，并进行参数完整性检查，若信息不完整，则通过垂直化llm引导用户进行多轮对话补充策略树参数，直至信息完整；
8、通过垂直化llm向用户确认是否需要修改已填充的策略树参数，若用户需要修改，则更新参数信息，若用户确认信息，则进入后续操作；
9、根据用户确认的策略树模型生成可执行的存储策略，完成从模糊意图到确定性策略的转化。
10、优选的，所述策略树模型包括根节点和子树，根节点代表用户意图类型，该意图类型包含至少一个多云平台的基本任务，子树由节点组成，每个节点对应实现该意图类型的步骤。
11、优选的，所述信息有效性检查方式如下：
12、多云交换平台api接口查询多云交换平台的实时性数据；
13、判断提取的用户输入的参数键值对中参数值是否在多云交换平台提供的实时性数据范围内，若不在范围内，则判定用户输入的参数值不合理，并忽略该参数信息。
14、优选的，所述信息有效性检查方式如下：
15、判断提取的用户输入的参数键值对中参数值是否在多云交换平台提供的实时性数据范围内，具体方式如下：
16、计算每个参数有效性评分，具体公式如下：
17、，
18、其中，是第k项有效性规则指示函数，值为1 表示满足，0表示不满足；是规则权重；为第个参数名，表示第个提取值，表示有效性规则数量；
19、根据每个参数有效性评分计算全局有效性评分，具体公式如下：
20、，
21、其中，为提取参数键值对的数目；
22、进行全局有效性评估，若，则判定提取结果为有效，其中为全局阈值。
23、优选的，所述参数完整性检查通过完整性评分函数判断，如果完整性评分函数值为1则通过参数完整性检查；所述完整性评分函数具体公式如下：
24、，
25、，
26、其中，表示策略树节点集合，m代表必需参数集合r中参数的数目，为r中第i个参数，为策略树节点集合中的第j个节点，为节点j对应的策略参数，为节点j对应的策略参数值。
27、优选的，所述有效信息填充至策略树模型具体方式如下：先在策略树模型中查找与参数键值对中的键相同的参数名称，然后将参数键值对中的值赋予该参数。
28、优选的，所述多轮对话是通过向垂直化llm发送提示词，引导其向用户提问缺少的参数，直至策略树模型中的每个节点参数均有对应的参数值。
29、一种基于llm的多云存储意图分解优化系统，包括：
30、输入模块，用于接收用户的模糊多云存储意图输入；
31、意图解析模块，使用垂直化llm对用户输入进行语义分析和理解，提取与策略树模型匹配的参数键值对；
32、信息有效性检查模块，根据多云交换平台的实时性数据，通过api接口查询，对提取的参数键值对进行信息有效性检查；
33、策略树填充与完整性检查模块，将有效信息填充至策略树模型，并进行参数完整性检查，若信息不完整，则触发多轮对话模块；
34、多轮对话模块，通过垂直化llm引导用户进行多轮对话补充策略树参数，直至信息完整；
35、用户确认模块，通过垂直化llm向用户确认是否需要修改已填充的策略树参数，并根据用户确认结果更新参数信息或进入后续操作；
36、策略生成模块，根据用户确认的策略树模型生成可执行的存储策略。
37、一种基于llm的多云存储意图分解优化装置，包括处理器和存储有程序指令的存储器，所述处理器被配置为在运行所述程序指令时，执行所述的基于llm的多云存储意图分解优化方法。
38、一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的基于llm的多云存储意图分解优化方法。
39、本专利技术的优点在于：
40、本专利技术基于llm的意图解析技术能够从用户的自然语言输入中有效提取关键信息。这一能力极大地简化了操作流程，用户无需手动输入复杂的参数，从而降低了操作难度。
41、通过策略树模型，本专利技术能够逐步完善策略参数，自动生成合理的多云存储策略。这不仅减少了用户的配置负担，还提高了策略生成的效率和准确性。
42、本专利技术通过多轮对话机制引导用户补充或确认信息，确保了策略生成的完整性和准确性。此外，用户可以随时修改或确认策略细节，系统会实时更新参数，确保存储策略始终符合用户需求，从而提升了用户体验。
本文档来自技高网...
【技术保护点】
1.一种基于LLM的多云存储意图分解优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于LLM的多云存储意图分解优化方法，其特征在于，所述策略树模型包括根节点和子树，根节点代表用户意图类型，该意图类型包含至少一个多云平台的基本任务，子树由节点组成，每个节点对应实现该意图类型的步骤。
3.根据权利要求1所述的基于LLM的多云存储意图分解优化方法，其特征在于，所述信息有效性检查方式如下：
4.根据权利要求1所述的基于LLM的多云存储意图分解优化方法，其特征在于，所述信息有效性检查方式如下：
5.根据权利要求1所述的基于LLM的多云存储意图分解优化方法，其特征在于，所述参数完整性检查通过完整性评分函数判断，如果完整性评分函数值为1则通过参数完整性检查；所述完整性评分函数具体公式如下：
6.根据权利要求1-5任一所述的基于LLM的多云存储意图分解优化方法，其特征在于，所述有效信息填充至策略树模型具体方式如下：先在策略树模型中查找与参数键值对中的键相同的参数名称，然后将参数键值对中的值赋予该参数。
7.根
8.一种执行权利要求1-7任一所述方法的基于LLM的多云存储意图分解优化系统，其特征在于，包括：
9.一种基于LLM的多云存储意图分解优化装置，包括处理器和存储有程序指令的存储器，其特征在于，所述处理器被配置为在运行所述程序指令时，执行如权利要求1-7任一所述的基于LLM的多云存储意图分解优化方法。
...【技术特征摘要】
1.一种基于llm的多云存储意图分解优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于llm的多云存储意图分解优化方法，其特征在于，所述策略树模型包括根节点和子树，根节点代表用户意图类型，该意图类型包含至少一个多云平台的基本任务，子树由节点组成，每个节点对应实现该意图类型的步骤。
3.根据权利要求1所述的基于llm的多云存储意图分解优化方法，其特征在于，所述信息有效性检查方式如下：
4.根据权利要求1所述的基于llm的多云存储意图分解优化方法，其特征在于，所述信息有效性检查方式如下：
5.根据权利要求1所述的基于llm的多云存储意图分解优化方法，其特征在于，所述参数完整性检查通过完整性评分函数判断，如果完整性评分函数值为1则通过参数完整性检查；所述完整性评分函数具体公式如下：
【专利技术属性】
技术研发人员：郑静雅，陶高峰，马中骏，沈炎彬，
申请(专利权)人：山东未来网络研究院紫金山实验室工业互联网创新应用基地，
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。