本發(fā)明屬于服務信息識別，具體是基于人工智能大模型自動識別服務信息的方法及系統(tǒng)。

背景技術：

1、隨著信息技術的飛速發(fā)展和人工智能技術的不斷突破，自動識別服務信息已成為提升服務效率、優(yōu)化用戶體驗的重要手段。傳統(tǒng)的人工識別方式存在處理速度慢、成本高、易出錯等缺點，難以滿足日益增長的服務需求。因此，基于人工智能大模型的自動識別服務信息系統(tǒng)應運而生，成為當前技術發(fā)展的熱點和趨勢。

2、近年來，深度學習、自然語言處理（nlp）等人工智能技術的快速發(fā)展為自動識別服務信息提供了強有力的技術支持。通過構建大規(guī)模神經網絡模型，并利用海量數據進行訓練和優(yōu)化，ai系統(tǒng)已經能夠在圖像識別、語音識別、文本處理等多個領域取得顯著成效。特別是在自然語言處理領域，隨著bert、gpt等大模型的出現(xiàn)，ai系統(tǒng)在理解復雜語言、生成高質量文本方面展現(xiàn)出了前所未有的能力。

3、盡管人工智能技術在自動識別服務信息方面取得了顯著進展，但仍存在一些問題亟待解決，如：面對海量服務信息，系統(tǒng)往往需要耗費大量時間進行逐一處理，導致處理效率低下；對于部分簡單或明顯的信息分類，系統(tǒng)仍采用大模型進行分析，造成算力資源的浪費；由于缺乏針對性的分析策略，系統(tǒng)在分析復雜服務信息時往往難以達到較高的精度。

4、基于此，為了解決上述問題，本發(fā)明提供了基于人工智能大模型自動識別服務信息的方法及系統(tǒng)。

技術實現(xiàn)思路

1、為了解決上述方案存在的問題，本發(fā)明提供了基于人工智能大模型自動識別服務信息的方法及系統(tǒng)。

2、本發(fā)明的目的可以通過以下技術方案實現(xiàn)：

3、基于人工智能大模型自動識別服務信息的系統(tǒng)，包括特征識別模塊、信息分類模塊和需求分析模塊；

4、所述特征識別模塊用于對各服務信息進行特征識別，獲得各服務信息對應的服務特征。

5、進一步地，對服務信息進行特征識別的方法為：

6、根據歷史數據確定用戶具有的各種服務信息，定義等同要求，基于等同要求建立等同評估模型，所述等同評估模型的表達式為：

7、；

8、式中：s為輸入數據，輸入數據為進行判斷的各服務信息，至少為兩個服務信息；輸出數據為等同評估值dp(s)；

9、通過等同評估模型對各服務信息進行分析，獲得各服務信息之間的等同評估值；根據等同評估值對各服務信息進行分類，獲得各第一分類；

10、設置各第一分類對應的服務特征，根據各第一分類對應的服務特征建立特征識別模型；

11、通過所述特征識別模型對服務信息進行識別，獲得服務信息對應的服務特征。

12、所述信息分類模塊用于對各服務信息進行特征分類，設置特征一類、特征二類以及對應的一類范圍和二類范圍；

13、根據一類范圍、二類范圍和服務特征對各服務信息進行分類，獲得特征一類數據和特征二類數據；

14、對特征二類數據進行意向分類，為各服務數據打上相應的意向分類標簽。

15、進一步地，設置特征一類、特征二類、一類范圍和二類范圍的方法包括：

16、根據各第一分類確定具有的各種服務特征，建立服務判斷模型，服務判斷模型的表達式為：

17、；

18、式中：q為輸入數據，輸入數據為服務特征；輸出數據為服務判斷值fp(q)；

19、通過服務判斷模型對各服務特征進行判斷，獲得各服務特征對應的服務判斷值，將服務判斷值為1的各服務特征分為一類，標記為特征一類；將剩余的各服務特征分為一類，標記為特征二類；根據特征一類和特征二類分別對應的各服務特征確定一類范圍和二類范圍。

20、進一步地，對特征二類數據進行意向分類的方法包括：

21、預設各服務意向，確定具有的各單元特征，服務特征由各單元特征組成；將各所述單元特征與各服務意向進行匹配，確定所述服務意向對應的各單元特征，將各單元特征整合為服務意向的單元特征集合；對各單元特征集合進行比較劃分，獲得各服務意向對應的獨立集合和各共有集合；

22、識別各服務特征對應的各單元特征，判斷各單元特征是否屬于各服務意向對應的獨立集合；

23、當服務特征中具有單元特征屬于相應服務意向的獨立集合時，根據相應的服務意向設置意向分類標簽；

24、當服務特征中各單元特征均不屬于各服務意向的獨立集合時，將服務特征與各共有集合進行匹配，確定各服務傾向意向；計算各服務傾向意向對應的意向值；根據各服務傾向意向和意向值設置意向分類標簽。

25、進一步地，計算各服務傾向意向對應的意向值的方法包括：

26、確定各服務傾向意向對應的意向記錄數；將服務傾向意向標記為i，i=1、2、……、n，n為正整數；將意向記錄數標記為kgi；

27、根據公式計算對應的意向值；

28、式中：yri為意向值；e為自然常數。

29、所述需求分析模塊用于確定各服務信息的服務需求；對特征一類數據進行識別分析，確定服務需求；

30、建立服務識別模型，通過服務識別模型對特征二類數據進行分析，獲得各服務信息對應的服務需求。

31、進一步地，還包括資源規(guī)劃模塊，所述資源規(guī)劃模塊用于根據各服務意向對應的數據量進行資源規(guī)劃，實時識別各服務意向對應的數據量，根據服務識別模型設置對應的意向轉化系數；

32、根據公式pv=μ×sl計算各服務意向對應的資源需求值；

33、式中：pv為資源需求值；μ為意向轉化系數；sl為相應服務意向的數據量；

34、根據各服務意向的資源需求值生成各服務意向對應的資源需求曲線，資源需求曲線的橫軸為時間，縱軸為資源需求值；

35、根據各資源需求曲線進行資源規(guī)劃調整。

36、進一步地，根據各資源需求曲線和單元資源量進行資源規(guī)劃調整的方法包括：

37、獲取額定資源，確定服務識別模型在額定資源下的工作曲線，工作曲線的橫軸為基準數據量，縱軸為工作值；

38、根據各資源需求曲線進行轉化，獲得各時間對應的基準數據量，根據各基準數據量生成時間基準曲線，橫軸為時間，縱軸為基準數據量；

39、根據時間基準曲線和工作曲線實時確定對應的工作值；

40、將獲得的工作值與閾值x1進行比較；

41、當工作值不小于閾值x1時，按照各資源需求曲線對各服務意向進行資源調度；

42、當工作值小于閾值x1時，根據各服務意向對應的資源需求曲線進行差異化資源調度。

43、基于人工智能大模型自動識別服務信息的方法，方法包括：

44、對各服務信息進行特征識別，獲得各服務信息對應的服務特征；

45、設置特征一類、特征二類以及對應的一類范圍和二類范圍；

46、根據一類范圍、二類范圍和服務特征對各服務信息進行分類，獲得特征一類數據和特征二類數據；

47、對特征二類數據進行意向分類，為各服務數據打上相應的意向分類標簽；

48、對特征一類數據進行識別分析，確定服務需求；

49、建立服務識別模型，通過服務識別模型對特征二類數據進行分析，獲得各服務信息對應的服務需求。

50、與現(xiàn)有技術相比，本發(fā)明的有益效果是：

51、通過特征識別模塊、信息分類模塊和需求分析模塊之間的相互配合，實現(xiàn)對服務信息的智能識別和分析，解決面對海量服務信息，系統(tǒng)往往需要耗費大量時間進行逐一處理，導致處理效率低下的問題；同時對于部分簡單或明顯的信息分類，進行直接識別分析，提高算力資源的利用效率；且通過設置資源規(guī)劃模塊保障服務識別模型的工作流暢性。