R&Dホットコーナー
ネットワークオペレーションを支えるIntent抽出技術
ネットワーク運用の自律化に向けて、利用者が「何を実現したいか」を表すIntentを起点にネットワークを制御する技術に注目が集まっています。しかし、利用者の要望はあいまいで、制御に必要な情報が欠けがちです。そこで、要望から無線の要求項目までの多段構造と項目間の関係性を定義したナレッジグラフを大規模言語モデルと組み合わせ、不足情報を利用者へ質問・補完しながら要求項目を抽出する技術を確立しました。本稿では、その仕組みと評価結果を紹介します。
高橋 龍太朗(たかはし りゅうたろう)/布施 将司(ふせ まさし)
藤田 佐和子(ふじた さわこ)/藤原 瑠(ふじわら りゅう)
堀内 信吾(ほりうち しんご)
NTTアクセスサービスシステム研究所
Intentに基づくネットワーク運用の重要性
利用者が「何を実現したいか」を起点にネットワークを自動で制御する、Intent*1に基づく運用が注目されています。TM Forumは、自律ネットワーク*2の高度な段階の特徴として、Intentに基づく判断を挙げています(1)。この運用の入り口となるのが、利用者の要望から制御に必要な情報を取り出すIntent抽出です。
*1 Intent:利用者や運用者が、具体的な実現方法を指定せず、システムに実現してほしい目的や状態を表したもの。
*2 自律ネットワーク:人の介在を減らし、ネットワークが自ら判断して構築・運用・修復を行う仕組み。自律度を段階で定義する。
要望から要求項目を導く難しさ
■利用者の要望はあいまいで不十分
利用者は、「多くの人に音声を届けたい」「通信を止めたくない」といった日常の言葉で要望を表します。一方、無線ネットワークを制御するには、可用性、遅延、データ量、端末数といった具体的な要求項目と、その値が必要です。この隔たりを図1(a)に示します。
利用者の要望には、通信の使い方や利用規模など、要求項目を決めるための情報が欠けていることが少なくありません。そのため、Intent抽出には2つの課題があります。1つは、表現が不十分な要望からでも、制御に必要な要件を過不足なく把握することです。もう1つは、十分に表現された要望から、必要な要求項目を正しく抽出することです。

■NTTのこれまでの取り組み
NTTは、ネットワーク、クラウドサーバ、アプリケーションをIntentに基づいて協調制御するMintent®*3の実現に向けて、利用者の要望を運用に活かす研究を続けてきました。NTTネットワークサービスシステム研究所とNTTアクセスサービスシステム研究所は、利用者のIntentを言語情報や操作ログから、要求項目と要求値としてくみ取るIntent抽出と、得られた要求条件を制御可能な設定値へ落とし込むリソース要件変換の考え方を示しました(2)。この中で、ビジネス層から制御対象に至るまでには何段階かの変換が必要になることも示しました。
次に、スマートスタジアムを対象に、自然言語で入力されたサービス提供者のIntentから具体的な品質要件を導く技術と、品質要件を監視・予測しながらリソース全体を自動で制御するMintentの技術を連携させ、実証しました(3)。さらに、天候やチケットの売上といった外部情報と無線ネットワークの情報から、イベント会場の来場者の要望を予測し、無線ネットワークを先回りして制御する技術にも取り組んでいます(4)。
本技術は、これらの成果で示した「要望を段階的に定量的な要件へ変換する」という考え方を発展させたものです。あいまいで情報が不足した要望に対しても、変換の段階と各段階の項目をあらかじめ構造として定義し、それに沿って不足情報を補うことで、要求項目を過不足なく導けるようにしました。
*3 Mintent:ネットワーク、クラウドサーバ、アプリケーションを、Intentに基づいて協調制御するNTTの技術コンセプト。
■従来手法における課題
要望から情報を抽出する一般的な手法として、LLM(Large Language Model:大規模言語モデル)にRAG(Retrieval-Augmented Generation:検索拡張生成)*4を組み合わせる手法があります。この手法は、関連する文書を検索してLLMに参照させます。しかし、検索される文書どうしは互いに結び付いておらず、利用者の要望と要求項目の関係を示す情報が不足しています。そのため、どの情報が足りないかを判断できず、要求項目にたどり着くまで質問を重ねることができません。その結果、抽出精度が低下します。
*4 RAG:外部の文書を検索し、その内容を参照させてLLMに回答を生成させる手法。
Intent構造化ナレッジグラフによる抽出
■技術の全体像
本技術は、自然言語やドキュメントで入力された利用者の要望を受け取り、Intent構造化ナレッジグラフ*5を参照しながら、LLMが無線ネットワークの要求項目を抽出します。抽出結果は、要望から要求項目までの関係を保ったまま、API(Application Programming Interface)を通じてネットワークの監視・制御を担うシステムへ渡します。本技術の全体像を図1(b)に示します。本技術の新しさは、自然言語の要望から制御に必要な要求項目を抽出する処理に、ナレッジグラフの考え方を取り入れた点にあります。ナレッジグラフは、知識を要素と関係で表す手法として知られていますが、Intent抽出に適用するために、次の3点を工夫しました。
*5 Intent構造化ナレッジグラフ:要望から要求項目までの多段構造と、項目間の関係性を定義した本技術のナレッジグラフ。
■ポイント1:要望から要求項目までの多段構造
利用者の要望から要求項目までを、ビジネス、サービス、リソースの3段階でつなぐ構造を設計しました。この3段階は、TM Forumが示す自律ネットワークの階層の考え方(1)に対応しています。構造は、最終的に決める要求項目から逆算して設計しました。最下層のリソースには、3GPP(3rd Generation Partnership Project)が整理した無線の要求項目(5)を対応付けました。通信事業者の運用知見を、標準に沿ったかたちで体系化した点が本構造の特徴です。
■ポイント2:項目間の関係性の定義
各段階の項目どうしの関係性を定義しました。例えば、イベントというビジネスには「多数への音声配信」「拠点間の双方向の会話」といったサービスが結び付き、さらに可用性、遅延、データ量、端末数などの要求項目へとつながります。項目が関係性でつながっているため、ある要求項目を決めるのに何の情報が必要かを、構造に沿ってたどることができます。
■ポイント3:構造に沿った質問と補完
LLMは、要望を構造と照らし合わせ、どの段階で何の情報が不足しているかを特定します。利用者にしか分からない情報は、構造に沿って利用者に質問します。構造から決まる情報は、ナレッジグラフから自動で補完します。この2つを組み合わせ、要望を段階的に具体化します。この流れを図2に示します。
例えば、「地域住民向けの説明会を市民ホールで実施します。参加予定者は200名で、高齢の方も多いため、スマートフォンやタブレットから簡単に利用できる環境を検討しています」という要望には、通信の使い方が書かれていません。本技術は、ナレッジグラフの構造に沿って、多数の参加者への配信か、参加者どうしの双方向の会話かを利用者に確認します。さらに、要求項目の決定に必要な最大同時接続端末数を選択肢で確認し、可用性、遅延、端末数などの要求項目を確定します。同じ要望に対し、今回比較対象としたLLM+RAG方式では、サービスの種類を誤って判定しました。

■一般的な手法との違い
要求項目の抽出によく用いられるLLM+RAGやルールベースの手法と比べると、本技術は、自然言語に柔軟に対応しつつ、要望から要求項目までを多段に構造化し、一貫した情報としてつなげられる点に違いがあります。主な手法との比較を表1に示します。

抽出精度の評価
実際のネットワークサービスの利用場面を想定して自然言語による要望を作成し、これを入力として抽出精度を評価しました。入力は6つの利用場面の要望で、それぞれについてビジネス、サービス、リソースの3段階にわたる28項目、合計168項目を評価対象としました。LLMにRAGを組み合わせる従来手法と、LLMにIntent構造化ナレッジグラフを組み合わせる本技術を比較しました。両手法とも、公開されている70億パラメータ規模のLLMを用い、プロンプトと入力を同一の条件としました。
評価指標には、抽出の正しさを表す適合率、抽出漏れの少なさを表す再現率、両者の調和平均であるF1値*6を用いました。
評価結果を表2に示します。本技術のF1値は98.80%で、従来手法の85.32%を13.48ポイント上回りました。正解数は125項目から164項目に増え、抽出誤りは33項目から4項目に、抽出漏れは10項目から0項目に減りました。両手法で同じLLMを用いていることから、この差は、構造に沿って不足情報を特定し、質問・補完する仕組みによるものと考えています。
3段構造では、上の段階の判断が下の段階の項目を決めます。サービスの種類を誤ると、それに紐付く要求項目もすべて誤った値になります。本技術は、サービスの種類を決めるのに必要な情報を構造から特定し、不足していれば利用者に確認してから次の段階へ進みます。このため、誤りが下の段階へ広がりにくくなります。
*6 F1値:適合率と再現率の調和平均。抽出の正しさと抽出漏れの少なさを総合的に評価する指標。

品質保証と保守運用
本技術は、抽出した要求項目を、利用者の要望との対応関係と合わせて出力します。このため、抽出結果はAPIを通じて制御システムへそのまま渡すことも、運用者が抽出の根拠を確認したうえで適用することもできます。導入当初は運用者の確認を組み合わせ、運用実績に応じて確認の範囲を縮小し、人手を介さない運用へ段階的に移行することを想定しています。なお、評価で得た精度は、今回の評価条件におけるものです。
本技術を利用するには、設備・運用情報のデータベース、ネットワーク監視システム、ネットワーク制御基盤との連携が必要です。Intent構造化ナレッジグラフは、ビジネス、サービス、リソースの3段構造と項目間の関係性を共通の枠組みとし、対象ネットワークの要求項目をこの枠組みに当てはめて定義する設計です。
今後の展開
現在、5G無線を対象として、利用者の要望から無線の要求項目を導くまでの変換を確立しています。今後は、次の2つの方向で技術を高めていきます。
1つは、ナレッジグラフの構築と更新の効率化です。現時点では、サービスや要求項目の追加・変更に合わせて、運用者がナレッジグラフを更新しています。今後は、LLMを用いてこの更新作業を自動化し、対象の拡大に合わせてナレッジグラフを継続的に拡充できるようにします。
もう1つは、適用範囲の拡大です。ネットワークに共通する構造とネットワークごとの知識を分けて体系化し、5G無線以外のネットワークにも適用できるようにします。さらに、ネットワークにとどまらず、アプリケーション、コンピューティング、ストレージ、セキュリティを含むICTインフラ全体へ対象を広げます。利用者の要望から各インフラの要件を一貫して導き、インフラどうしの連携につなげる技術への発展をめざします。
■参考文献
(1) https://www.tmforum.org/resources/introductory-guide/autonomous-networks-business-requirements-and-framework-v3-0-0-ig1218/
(2) https://journal.ntt.co.jp/article/18762
(3) https://www.rd.ntt/forum/2023/doc/E06_leaf_j.pdf
(4) https://journal.ntt.co.jp/article/40105
(5) https://portal.3gpp.org/desktopmodules/Specifications/SpecificationDetails.aspx?specificationId=3187

(後列左から)堀内 信吾/布施 将司
(前列左から)藤原 瑠/高橋 龍太朗/藤田 佐和子



利用者の言葉からネットワークに必要な要件を導くIntent抽出技術により、専門知識がなくても最適な通信を利用できる、自律的なネットワークオペレーションの実現に取り組んでいきます。