1.一种基于大语言模型的事件处理方法，其特征在于，所述方法包括：将待处理的事件流输入至大语言模型中设置的模型数据库，通过所述模型数据库确定所述事件流相匹配的初始处理模型；所述事件流中包含多个原子事件，所述模型数据库包括模型描述信息，所述模型描述信息包括网络结构参数和模型权值参数，所述初始处理模型基于与所述事件流对应的同源数据训练得到；

基于所述网络结构参数和所述模型权值参数对所述初始处理模型进行调整，得到目标处理模型，并将所述目标处理模型部署在最优处理节点；

将所述事件流输入调度至所述最优处理节点，基于所述目标处理模型对所述事件流进行事件触发词抽取和事件论元抽取，得到事件描述文本。

2.根据权利要求1所述的基于大语言模型的事件处理方法，其特征在于，所述模型数据库还包括预处理参数；

在基于所述网络结构参数和所述模型权值参数对所述初始处理模型进行调整之前，还包括：对所述事件流基于所述预处理参数进行预处理，具体包括：

对所述事件流进行数据清洗和归一化处理，所述数据清洗基于所述预处理参数去除所述事件流中的无效数据和残缺数据，所述归一化处理基于所述预处理参数中的归一化参数对所述事件流进行归一化处理。

3.根据权利要求1或2所述的基于大语言模型的事件处理方法，其特征在于，所述基于所述网络结构参数和所述模型权值参数对所述初始处理模型进行调整，得到目标处理模型，包括：基于所述网络结构参数和所述模型权值参数，使用MXNet框架的接口对所述初始处理模型进行调整，得到目标处理模型。

4.根据权利要求1或2所述的基于大语言模型的事件处理方法，其特征在于，所述将所述目标处理模型部署在最优处理节点，包括：获取多个处理节点的最大处理能力，以及多个处理节点的当前负载值，基于最大处理能力和当前负载值，确定每个处理节点的当前负载比值；

基于每个处理节点的当前负载比值确定每个处理节点的分发权重，基于每个处理节点的分发权重确定出最优处理节点，并将所述目标处理模型部署在所述最优处理节点。

5.根据权利要求4所述的基于大语言模型的事件处理方法，其特征在于，所述获取多个处理节点的最大处理能力，包括：获取多个处理节点的CPU数量、处理速率、磁盘I/O速率、内存容量和最大网络带宽，并基于下式得到处理节点的最大处理能力：；

其中， 表示第i个处理节点的CPU数量， 表示第i个处理节点的处理速率， 表示第i个处理节点的磁盘I/O速率， 表示第i个处理节点的内存容量， 表示第i个处理节点的最大网络带宽， 表示CPU数量及处理速率的权值， 表示磁盘I/O速率的权值，表示磁盘I/O速率的权值， 表示最大网络带宽的权值。

6.根据权利要求4所述的基于大语言模型的事件处理方法，其特征在于，确定每个处理节点的当前负载值，包括：基于下式确定每个处理节点的当前负载值：

；

其中， 表示第i个处理节点的CPU数量平均数据和处理速率平均数据， 表示第i个处理节点的磁盘I/O速率平均数据， 表示第i个处理节点的内存容量平均数据，表示第i个处理节点的磁盘I/O速率平均数据，表示CPU数量平均数据和处理速率平均数据的权值， 表示磁盘I/O速率平均数据的权值，表示内存容量平均数据的权值， 表示磁盘I/O速率平均数据的权值。

7.根据权利要求4所述的基于大语言模型的事件处理方法，其特征在于，基于每个处理节点的当前负载比值确定每个处理节点的分发权重，包括：基于下式和每个处理节点的当前负载比值，确定每个处理节点的分发权重：，其中 表示第i个处理节点的当前负载比值，其中第i个处

理节点的当前负载比值基于下式表示：

；

其中， 表示第i个处理节点的最大处理能力， 表示第i个处理节点的当前负载值。

8.根据权利要求1所述的基于大语言模型的事件处理方法，其特征在于，所述目标处理模型的结构为双边分支BERT模型；

基于所述目标处理模型对所述事件流进行事件触发词抽取和事件论元抽取之前，还包括：对所述事件流中的多个所述原子事件通过分隔符重新构造文本和事件注释的输入，经过构建的输入为以下结构：[CLS][SEP][SEP]；

其中，[CLS]表示特殊分类表示，[SEP]表示分离的特殊表示，表示标记化的输入句子，表示事件分类标签。

9.根据权利要求8所述的基于大语言模型的事件处理方法，其特征在于，所述基于所述目标处理模型对所述事件流进行事件触发词抽取和事件论元抽取，包括：基于所述目标处理模型对所述事件流进行事件触发词抽取后，采用softmax分类器对事件分类标签进行预测，通过条件随机场CRF对事件流进行论元抽取。

10.一种基于大语言模型的事件处理系统，其特征在于，所述系统包括：初始处理模型确定装置，用于将待处理的事件流输入至大语言模型中设置的模型数据库，通过所述模型数据库确定所述事件流相匹配的初始处理模型；所述事件流中包含多个原子事件，所述模型数据库包括模型描述信息，所述模型描述信息包括网络结构参数和模型权值参数，所述初始处理模型基于与所述事件流对应的同源数据训练得到，所述初始处理模型为双边分支 BERT模型，包括两个编码器网络，两个所述编码器网络以BERT为骨干，两个所述BERT模型共享权重，基于一个全连接层对编码进行特征处理；

模型调整装置，用于基于网络结构参数和模型权值参数对所述初始处理模型进行调整，得到目标处理模型，并将所述目标处理模型部署在最优处理节点；

处理装置，用于将所述事件流输入调度至所述最优处理节点，基于所述目标处理模型对所述事件流进行事件触发词抽取和事件论元抽取，得到事件描述文本。