本公开涉及网络优化，尤其涉及一种网络优化工单的处理方法、装置、设备及存储介质。
背景技术：
1、大语言模型(large language model，llm)开启了ai的新时代，其中在执行复杂多步推理方面的能力也有了很大提高。在各种新型网络形态中，意图驱动网络(intent-driven network，idn)或基于意图网络(intent-based network，ibn)就是实现网络自治的关键技术。虽然大语言模型具备丰富的通用性知识，但是缺少无线网络优化专有训练数据，对无线网络优化知识认知不足，难以理解网络优化意图，无法满足无线网络优化专业场景。
技术实现思路
1、本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
2、本公开第一方面实施例提出了一种网络优化工单的处理方法，包括：
3、对网络优化工单进行提示语提取，以获取网络问题描述信息及网络优化对象信息；
4、将所述网络问题描述信息及网络优化对象信息输入到预先训练完成的优化模型中，以确定网络优化意图，所述优化模型为大语言模型；
5、基于所述网络优化意图向网络优化平台查询针对所述网络优化对象网络的网络性能指标；
6、基于所述优化模型对所述网络性能指标进行感知分析，以得到针对网络问题原因的优化建议信息。
7、本公开第二方面实施例提出了一种网络优化工单的处理装置，包括：
8、获取模块，用于对网络优化工单进行提示语提取，以获取网络问题描述信息及网络优化对象信息；
9、确定模块，用于将所述网络问题描述信息及网络优化对象信息输入到预先训练完成的优化模型中，以确定网络优化意图，所述优化模型为大语言模型；
10、查询模块，用于基于所述网络优化意图向网络优化平台查询针对所述网络优化对象网络的网络性能指标；
11、分析模块，用于基于所述优化模型对所述网络性能指标进行感知分析，以得到针对网络问题原因的优化建议信息。
12、本公开第三方面实施例提出了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如本公开第一方面实施例所述的网络优化工单的处理方法。
13、本公开第四方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如本公开第一方面实施例所述的网络优化工单的处理方法。
14、本公开第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，实现如本公开第一方面实施例所述的网络优化工单的处理方法。
15、本公开实施例中，首先对网络优化工单进行提示语提取，以获取网络问题描述信息及网络优化对象信息，然后将网络问题描述信息及网络优化对象信息输入到预先训练完成的优化模型中，以确定网络优化意图，优化模型为大语言模型，之后基于网络优化意图向网络优化平台查询针对网络优化对象网络的网络性能指标，然后基于优化模型对网络性能指标进行感知分析，以得到针对网络问题原因的优化建议信息。由此，可以通过训练无线网络优化领域的大语言模型，基于大模型强大的语义理解和意图转译能力，准确识别网络优化意图，利用大语言模型对网络优化意图的理解和专家优化经验案例的认识，在遇到类似网络故障时，快速推荐用户网络指标查询方法及网络分析优化策略。
16、本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
1.一种网络优化工单的处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在所述将所述网络问题描述信息及网络优化对象信息输入到预先训练完成的优化模型中，以确定网络优化意图之前，还包括：
3.根据权利要求2所述的方法，其特征在于，在所述对每个文件进行向量化处理，以得到多个第一向量，以构成向量数据库，并构建所述向量数据库之间的索引之后，还包括：
4.根据权利要求3所述的方法，其特征在于，其中，
5.根据权利要求1所述的方法，其特征在于，其中，
6.根据权利要求3所述的方法，其特征在于，所述基于过程监督奖励学习的方式，对所述初始大语言模型的推理步骤进行奖惩处理，包括：
7.一种网络优化工单的处理装置，其特征在于，包括：
8.根据权利要求7所述的装置，其特征在于，所述确定模块，还包括：
9.根据权利要求8所述的装置，其特征在于，所述处理单元，还用于：
10.根据权利要求7所述的装置，其特征在于，其中，
11.根据权利要求7所述的装置，其特征在于，其中，
12.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如权利要求1-6中任一项所述的网络优化工单的处理方法。
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述的网络优化工单的处理方法。
