Towards Intent-Based Network Management: Large Language Models for Intent Extraction in 5G Core Networks

机器学习和人工智能（ML / AI）与第五代（5G）网络的整合已经凸显出网络智能的局限性，当前和下一代设备对其提出了越来越高的要求。这种向普适智能的转变需要高度连接、同步和用户与网络运营商之间的端到端通信，将为全面实现无人干预的网络自动化铺平道路。基于意图的网络是减少人类行动、角色和责任的关键因素，同时转向自动化网络管理的新型抽取和解释。本文介绍了为5G和下一代基于意图的网络开发定制大型语言模型（LLM）的过程，并提供了未来LLM开发和集成的见解，以实现全自动化网络智能的端到端基于意图的网络。

本论文旨在开发适用于5G和下一代意图驱动网络的自定义大语言模型（LLM），以实现端到端的意图驱动网络，从而实现完全自动化的网络智能。

通过将机器学习和人工智能（ML / AI）集成到5G网络中，实现智能网络的全面自动化，其中包括高连接性、同步性和用户与网络运营商之间的端到端通信。意图驱动网络是实现自动化网络管理的关键因素。

本论文提出了一种自定义的大语言模型（LLM）的开发方法，用于5G和下一代意图驱动网络，并提供了未来LLM开发和集成的见解。本文的实验设计和使用的数据集也值得关注。

最近的相关研究包括：1.《基于深度学习的5G网络智能管理》；2.《面向5G网络的机器学习算法研究》；3.《5G网络中的智能边缘计算：现状和未来方向》等。