LLM-用于根本原因分析的增强型知识库构建

通信网络现已成为我们数字世界的支柱，具有快速可靠的连接。然而，即使有适当的冗余和故障转移机制，也很难保证“五个 9”(99.999%) 的可靠性，需要在中断期间进行快速、准确的根本原因分析 (RCA)。如果发生中断，快速、准确的 RCA 对于恢复服务和防止未来的中断至关重要。本研究评估了三种 大语言模型 (LLM) 方法 - 微调、RAG 和混合方法 - 用于根据支持票构建根本原因分析 (RCA) 知识库。我们使用一套全面的词汇和语义相似性指标来比较它们的性能。我们对真实工业数据集的实验表明，生成的知识库为加速 RCA 任务和提高网络弹性提供了一个极好的起点。