CN109375904A - 一种基于模型的计算机软件开发方法 - Google Patents
一种基于模型的计算机软件开发方法 Download PDFInfo
- Publication number
- CN109375904A CN109375904A CN201811125297.9A CN201811125297A CN109375904A CN 109375904 A CN109375904 A CN 109375904A CN 201811125297 A CN201811125297 A CN 201811125297A CN 109375904 A CN109375904 A CN 109375904A
- Authority
- CN
- China
- Prior art keywords
- module
- model
- software
- sentence
- extraction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/20—Software design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3692—Test management for test results analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/33—Intelligent editors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Stored Programmes (AREA)
Abstract
本发明公开了一种基于模型的计算机软件开发方法,具体包括以下步骤:S1、用户可通过用户交互单元向整个开发系统内输入目标需求语句,系统控制处理模块会将用户交互单元内输入的目标需求语句传送至智能语句识别系统内,智能语句识别系统内的原始文本分词处理模块对输入的原始文本数据进行分词处理得到分词文本,涉及软件开发技术领域。该基于模型的计算机软件开发方法,可很好的避免现有的软件模型构建软件开发方式会浪费人们大量的时间的情况发生,实现了通过人们输入所需目标相关的语句,来自动进行参考模型的提取,很好的达到了缩短人们构建软件模型时间的目的,从而大大方便了人们的软件开发工作。
Description
技术领域
本发明涉及软件开发技术领域,具体为一种基于模型的计算机软件开发方法。
背景技术
计算机软件是指计算机系统中的程序及其文档,程序是计算任务的处理对象和处理规则的描述;文档是为了便于了解程序所需的阐明性资料,程序必须装入机器内部才能工作,文档一般是给人看的,不一定装入机器,计算机软件多用于某种特定目的,如控制一定生产过程,使计算机完成某些工作,总体分为:系统软件和应用软件两大类,软件是用户与硬件之间的接口界面,用户主要是通过软件与计算机进行交流,软件是计算机系统设计的重要依据,为了方便用户,为了使计算机系统具有较高的总体效用,在设计计算机系统时,必须通盘考虑软件与硬件的结合,以及用户的要求和软件的要求,随着现今社会的进步和发展,嵌入式系统开发经逐步面临着市场需求多样性与开发实现快速性之间的矛盾,然而传统的嵌入式系统开发模式,从需求分析、设计、实现到测试的顺序开发过程中由于开发环节较多、中间文档较多,常导致各开发环节之间的衔接存在很大的不确定性和潜在的遗漏危机,一旦在最终实现和测试阶段出现了明显的错误或是需求不满足的情况,则无法进行跨越阶段的重复设计,只能从头开始设计和实现,这样将无法满足市场对产品开发周期的快速性需求,使嵌入式系统开发陷入设计瓶颈。
目前人们在通过使用模型进行软件开发时,大多是需要人们先根据目标需求人工构建对应模型,然而,这样的软件模型构建软件开发方式会浪费人们大量的时间,不能实现通过人们输入所需目标相关的语句,来自动进行参考模型的提取,无法达到缩短人们构建软件模型时间的目的,从而给人们的软件开发工作带来了极大的不便。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种基于模型的计算机软件开发方法,解决了现有的软件模型构建软件开发方式会浪费人们大量的时间,不能实现通过人们输入所需目标相关的语句,来自动进行参考模型的提取,无法达到缩短人们构建软件模型时间的目的,从而给人们的软件开发工作带来了极大不便的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:一种基于模型的计算机软件开发方法,具体包括以下步骤:
S1、用户可通过用户交互单元向整个开发系统内输入目标需求语句,系统控制处理模块会将用户交互单元内输入的目标需求语句传送至智能语句识别系统内,智能语句识别系统内的原始文本分词处理模块对输入的原始文本数据进行分词处理得到分词文本,之后利用特征向量矩阵构建单元对分词文本进行语义词向量转化和识别,再利用LSTM记忆网络处理模块和词典大数据库捕获语义词向量矩阵中每一单词的上下文语义,融入上下文信息,从而得到目标需求语句的特征语义向量;
S2、利用CNN卷积神经网络提取单元并结合不同滤波长度的卷积核提取语义词向量矩阵的局部特征,从而得到目标需求语句的语义识别过程;
S3、之后系统控制处理模块会根据所识别的目标需求语义控制软件模型提取系统进行参考模型提取,软件模型提取系统内的提取指令处理模块会接收所识别出的目标需求的语义数据,并将数据传送至软件模型识别模块内,软件模型识别模块会根据数据向软件模型联网数据库内提取所需尅性的参考模型,然后将提取的多个参考模型传送至软件模型分析模块内进行分析,分析完成后,软件模型发生模块可将提取的参考模型发送至系统控制处理模块内;
S4、系统控制处理模块可将提取的多个参考模型传送至模型筛选修改模块内进行显示,用户可通过模型筛选修改模块对模型进行筛选和修改,得到所需模型,并通过模型确认模块进行确认;
S5、确认完成后系统控制处理模块会通过大吗自动生成模块生成与模型对应的代码程序,然后通过代码固化模块将自动生成的代码程序固化在相应的硬件电路中;
S6、之后系统控制处理模块可控制软件测试系统内的运行环境设定模块里进行环境设定,设定完成后,再将软件程序传送至运行程序模拟测试模块内进行模拟测试,测试出的结果会通过测试结果分析模块进行分析,从而完成了该软件的开发和测试。
优选的,所述软件模型提取系统包括提取指令处理模块、软件模型识别模块、软件模型分析模块和软件模型发生模块,所述提取指令处理模块的输出端与软件模型识别模块的输入端连接,且软件模型识别模块的输出端与软件模型分析模块的输入端连接,所述软件模型分析模块的输出端与软件模型发生模块的输入端连接。
优选的,所述智能语句识别系统包括原始文本分词处理模块、特征向量矩阵构建单元和LSTM记忆网络处理模块,所述原始文本分词处理模块的输出端与特征向量矩阵构建单元的输入端连接,且特征向量矩阵构建单元的输出端与LSTM记忆网络处理模块的输入端连接。
优选的,所述软件测试系统包括运行环境设定模块、运行程序模拟测试模块和测试结果分析模块,所述运行环境设定模块的输出端与运行程序模拟测试模块的输入端连接,且运行程序模拟测试模块的输出端与测试结果分析模块的输入端连接。
(三)有益效果
本发明提供了一种基于模型的计算机软件开发方法。与现有技术相比具备以下有益效果:该基于模型的计算机软件开发方法,通过在具体包括以下步骤:S1、用户可通过用户交互单元向整个开发系统内输入目标需求语句,系统控制处理模块会将用户交互单元内输入的目标需求语句传送至智能语句识别系统内,S2、利用CNN卷积神经网络提取单元并结合不同滤波长度的卷积核提取语义词向量矩阵的局部特征,从而得到目标需求语句的语义识别过程,S3、之后系统控制处理模块会根据所识别的目标需求语义控制软件模型提取系统进行参考模型提取,软件模型提取系统内的提取指令处理模块会接收所识别出的目标需求的语义数据,S4、系统控制处理模块可将提取的多个参考模型传送至模型筛选修改模块内进行显示,用户可通过模型筛选修改模块对模型进行筛选和修改,得到所需模型,并通过模型确认模块进行确认,S5、确认完成后系统控制处理模块会通过大吗自动生成模块生成与模型对应的代码程序,然后通过代码固化模块将自动生成的代码程序固化在相应的硬件电路中,S6、之后系统控制处理模块可控制软件测试系统内的运行环境设定模块里进行环境设定,设定完成后,再将软件程序传送至运行程序模拟测试模块内进行模拟测试,测试出的结果会通过测试结果分析模块进行分析,从而完成了该软件的开发和测试,可很好的避免现有的软件模型构建软件开发方式会浪费人们大量的时间的情况发生,实现了通过人们输入所需目标相关的语句,来自动进行参考模型的提取,很好的达到了缩短人们构建软件模型时间的目的,从而大大方便了人们的软件开发工作。
附图说明
图1为本发明系统的结构原理框图;
图2为本发明软件测试系统的结构原理框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-2,本发明实施例提供一种技术方案:一种基于模型的计算机软件开发方法,具体包括以下步骤:
S1、用户可通过用户交互单元向整个开发系统内输入目标需求语句,系统控制处理模块会将用户交互单元内输入的目标需求语句传送至智能语句识别系统内,智能语句识别系统内的原始文本分词处理模块对输入的原始文本数据进行分词处理得到分词文本,之后利用特征向量矩阵构建单元对分词文本进行语义词向量转化和识别,再利用LSTM记忆网络处理模块和词典大数据库捕获语义词向量矩阵中每一单词的上下文语义,融入上下文信息,从而得到目标需求语句的特征语义向量;
S2、利用CNN卷积神经网络提取单元并结合不同滤波长度的卷积核提取语义词向量矩阵的局部特征,从而得到目标需求语句的语义识别过程;
S3、之后系统控制处理模块会根据所识别的目标需求语义控制软件模型提取系统进行参考模型提取,软件模型提取系统内的提取指令处理模块会接收所识别出的目标需求的语义数据,并将数据传送至软件模型识别模块内,软件模型识别模块会根据数据向软件模型联网数据库内提取所需尅性的参考模型,然后将提取的多个参考模型传送至软件模型分析模块内进行分析,分析完成后,软件模型发生模块可将提取的参考模型发送至系统控制处理模块内;
S4、系统控制处理模块可将提取的多个参考模型传送至模型筛选修改模块内进行显示,用户可通过模型筛选修改模块对模型进行筛选和修改,得到所需模型,并通过模型确认模块进行确认;
S5、确认完成后系统控制处理模块会通过大吗自动生成模块生成与模型对应的代码程序,然后通过代码固化模块将自动生成的代码程序固化在相应的硬件电路中;
S6、之后系统控制处理模块可控制软件测试系统内的运行环境设定模块里进行环境设定,设定完成后,再将软件程序传送至运行程序模拟测试模块内进行模拟测试,测试出的结果会通过测试结果分析模块进行分析,从而完成了该软件的开发和测试。
本发明中,软件模型提取系统包括提取指令处理模块、软件模型识别模块、软件模型分析模块和软件模型发生模块,所述提取指令处理模块的输出端与软件模型识别模块的输入端连接,且软件模型识别模块的输出端与软件模型分析模块的输入端连接,所述软件模型分析模块的输出端与软件模型发生模块的输入端连接。
本发明中,智能语句识别系统包括原始文本分词处理模块、特征向量矩阵构建单元和LSTM记忆网络处理模块,所述原始文本分词处理模块的输出端与特征向量矩阵构建单元的输入端连接,且特征向量矩阵构建单元的输出端与LSTM记忆网络处理模块的输入端连接。
本发明中,软件测试系统包括运行环境设定模块、运行程序模拟测试模块和测试结果分析模块,所述运行环境设定模块的输出端与运行程序模拟测试模块的输入端连接,且运行程序模拟测试模块的输出端与测试结果分析模块的输入端连接。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种基于模型的计算机软件开发方法,其特征在于:具体包括以下步骤:
S1、用户可通过用户交互单元向整个开发系统内输入目标需求语句,系统控制处理模块会将用户交互单元内输入的目标需求语句传送至智能语句识别系统内,智能语句识别系统内的原始文本分词处理模块对输入的原始文本数据进行分词处理得到分词文本,之后利用特征向量矩阵构建单元对分词文本进行语义词向量转化和识别,再利用LSTM记忆网络处理模块和词典大数据库捕获语义词向量矩阵中每一单词的上下文语义,融入上下文信息,从而得到目标需求语句的特征语义向量;
S2、利用CNN卷积神经网络提取单元并结合不同滤波长度的卷积核提取语义词向量矩阵的局部特征,从而得到目标需求语句的语义识别过程;
S3、之后系统控制处理模块会根据所识别的目标需求语义控制软件模型提取系统进行参考模型提取,软件模型提取系统内的提取指令处理模块会接收所识别出的目标需求的语义数据,并将数据传送至软件模型识别模块内,软件模型识别模块会根据数据向软件模型联网数据库内提取所需尅性的参考模型,然后将提取的多个参考模型传送至软件模型分析模块内进行分析,分析完成后,软件模型发生模块可将提取的参考模型发送至系统控制处理模块内;
S4、系统控制处理模块可将提取的多个参考模型传送至模型筛选修改模块内进行显示,用户可通过模型筛选修改模块对模型进行筛选和修改,得到所需模型,并通过模型确认模块进行确认;
S5、确认完成后系统控制处理模块会通过大吗自动生成模块生成与模型对应的代码程序,然后通过代码固化模块将自动生成的代码程序固化在相应的硬件电路中;
S6、之后系统控制处理模块可控制软件测试系统内的运行环境设定模块里进行环境设定,设定完成后,再将软件程序传送至运行程序模拟测试模块内进行模拟测试,测试出的结果会通过测试结果分析模块进行分析,从而完成了该软件的开发和测试。
2.根据权利要求1所述的一种基于模型的计算机软件开发方法,其特征在于:所述软件模型提取系统包括提取指令处理模块、软件模型识别模块、软件模型分析模块和软件模型发生模块,所述提取指令处理模块的输出端与软件模型识别模块的输入端连接,且软件模型识别模块的输出端与软件模型分析模块的输入端连接,所述软件模型分析模块的输出端与软件模型发生模块的输入端连接。
3.根据权利要求1所述的一种基于模型的计算机软件开发方法,其特征在于:所述智能语句识别系统包括原始文本分词处理模块、特征向量矩阵构建单元和LSTM记忆网络处理模块,所述原始文本分词处理模块的输出端与特征向量矩阵构建单元的输入端连接,且特征向量矩阵构建单元的输出端与LSTM记忆网络处理模块的输入端连接。
4.根据权利要求1所述的一种基于模型的计算机软件开发方法,其特征在于:所述软件测试系统包括运行环境设定模块、运行程序模拟测试模块和测试结果分析模块,所述运行环境设定模块的输出端与运行程序模拟测试模块的输入端连接,且运行程序模拟测试模块的输出端与测试结果分析模块的输入端连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811125297.9A CN109375904A (zh) | 2018-09-26 | 2018-09-26 | 一种基于模型的计算机软件开发方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811125297.9A CN109375904A (zh) | 2018-09-26 | 2018-09-26 | 一种基于模型的计算机软件开发方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109375904A true CN109375904A (zh) | 2019-02-22 |
Family
ID=65402535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811125297.9A Pending CN109375904A (zh) | 2018-09-26 | 2018-09-26 | 一种基于模型的计算机软件开发方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109375904A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112527682A (zh) * | 2020-12-24 | 2021-03-19 | 四川享宇金信金融科技有限公司 | 一种产品功能性与用户协调性融合的模型开发方法 |
CN113204330A (zh) * | 2021-06-01 | 2021-08-03 | 李麟 | 一种基于人工智能的程序开发设计方法及系统 |
CN113805847A (zh) * | 2021-09-15 | 2021-12-17 | 南通在渡教育咨询有限公司 | 在线无代码化开发系统 |
CN115202732A (zh) * | 2022-06-27 | 2022-10-18 | 深圳市互通创新科技有限公司 | 一种智能软件开发辅助系统及使用方法 |
CN117111902A (zh) * | 2023-10-25 | 2023-11-24 | 北京恒信启华信息技术股份有限公司 | Ai智能软件开发方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101114226A (zh) * | 2007-08-28 | 2008-01-30 | 北京中企开源信息技术有限公司 | 一种基于模型组件的代码自动生成装置、系统及方法 |
CN101710285A (zh) * | 2009-11-24 | 2010-05-19 | 武汉大学 | 一种基于领域模型的服务需求获取与建模方法 |
US20110271246A1 (en) * | 2009-02-26 | 2011-11-03 | Panasonic Corporation | Software development support tool |
CN102270136A (zh) * | 2011-08-10 | 2011-12-07 | 清华大学 | 一种需求特征建模到体系结构建模的平滑过渡方法 |
CN103345386A (zh) * | 2013-05-31 | 2013-10-09 | 电子科技大学 | 一种软件生产方法、装置及运行系统 |
CN106599933A (zh) * | 2016-12-26 | 2017-04-26 | 哈尔滨工业大学 | 一种基于联合深度学习模型的文本情感分类方法 |
CN107122183A (zh) * | 2017-04-17 | 2017-09-01 | 上海众开信息科技有限公司 | 业务代码生成方法及装置 |
CN107346249A (zh) * | 2017-07-13 | 2017-11-14 | 重庆电子工程职业学院 | 一种基于模型的计算机软件开发方法 |
-
2018
- 2018-09-26 CN CN201811125297.9A patent/CN109375904A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101114226A (zh) * | 2007-08-28 | 2008-01-30 | 北京中企开源信息技术有限公司 | 一种基于模型组件的代码自动生成装置、系统及方法 |
US20110271246A1 (en) * | 2009-02-26 | 2011-11-03 | Panasonic Corporation | Software development support tool |
CN101710285A (zh) * | 2009-11-24 | 2010-05-19 | 武汉大学 | 一种基于领域模型的服务需求获取与建模方法 |
CN102270136A (zh) * | 2011-08-10 | 2011-12-07 | 清华大学 | 一种需求特征建模到体系结构建模的平滑过渡方法 |
CN103345386A (zh) * | 2013-05-31 | 2013-10-09 | 电子科技大学 | 一种软件生产方法、装置及运行系统 |
CN106599933A (zh) * | 2016-12-26 | 2017-04-26 | 哈尔滨工业大学 | 一种基于联合深度学习模型的文本情感分类方法 |
CN107122183A (zh) * | 2017-04-17 | 2017-09-01 | 上海众开信息科技有限公司 | 业务代码生成方法及装置 |
CN107346249A (zh) * | 2017-07-13 | 2017-11-14 | 重庆电子工程职业学院 | 一种基于模型的计算机软件开发方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112527682A (zh) * | 2020-12-24 | 2021-03-19 | 四川享宇金信金融科技有限公司 | 一种产品功能性与用户协调性融合的模型开发方法 |
CN112527682B (zh) * | 2020-12-24 | 2023-10-27 | 四川享宇金信金融科技有限公司 | 一种产品功能性与用户协调性融合的模型开发方法 |
CN113204330A (zh) * | 2021-06-01 | 2021-08-03 | 李麟 | 一种基于人工智能的程序开发设计方法及系统 |
CN113204330B (zh) * | 2021-06-01 | 2024-03-26 | 李麟 | 一种基于人工智能的程序开发设计方法及系统 |
CN113805847A (zh) * | 2021-09-15 | 2021-12-17 | 南通在渡教育咨询有限公司 | 在线无代码化开发系统 |
CN115202732A (zh) * | 2022-06-27 | 2022-10-18 | 深圳市互通创新科技有限公司 | 一种智能软件开发辅助系统及使用方法 |
CN115202732B (zh) * | 2022-06-27 | 2023-08-08 | 苏州唐人数码科技有限公司 | 一种智能软件开发辅助系统及使用方法 |
CN117111902A (zh) * | 2023-10-25 | 2023-11-24 | 北京恒信启华信息技术股份有限公司 | Ai智能软件开发方法及装置 |
CN117111902B (zh) * | 2023-10-25 | 2024-01-26 | 北京恒信启华信息技术股份有限公司 | Ai智能软件开发方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109375904A (zh) | 一种基于模型的计算机软件开发方法 | |
CN110597735B (zh) | 一种面向开源软件缺陷特征深度学习的软件缺陷预测方法 | |
WO2022095682A1 (zh) | 文本分类模型的训练方法、文本分类方法、装置、设备、存储介质及计算机程序产品 | |
CN109446927B (zh) | 基于先验知识的双人交互行为识别方法 | |
CN106529605B (zh) | 基于免疫理论的卷积神经网络模型的图像识别方法 | |
CN110188331A (zh) | 模型训练方法、对话系统评价方法、装置、设备及存储介质 | |
CN111143576A (zh) | 一种面向事件的动态知识图谱构建方法和装置 | |
Wu et al. | Applications of deep learning for smart water networks | |
CN110502361A (zh) | 面向bug报告的细粒度缺陷定位方法 | |
CN112069328B (zh) | 一种基于多标签分类的实体关系联合抽取模型的建立方法 | |
CN112000771B (zh) | 一种面向司法公开服务的句子对智能语义匹配方法和装置 | |
CN101751385B (zh) | 一种采用层次管道过滤器体系结构的多语言信息抽取方法 | |
CN106202955A (zh) | 基于编码智能适配的诊断相关分组方法及系统 | |
JP7292657B2 (ja) | データ処理方法、データ処理装置、コンピュータプログラム及び電子装置 | |
CN107832047B (zh) | 一种基于lstm的非api函数实参推荐方法 | |
CN110210513A (zh) | 数据分类方法、装置及终端设备 | |
CN112001166B (zh) | 面向政务咨询服务的智能问答句子对语义匹配方法和装置 | |
CN109683871B (zh) | 基于图像目标检测的代码自动生成装置及方法 | |
CN110968660A (zh) | 基于联合训练模型的信息抽取方法和系统 | |
WO2023241272A1 (zh) | 基于图注意力网络的混凝土坝缺陷图像描述自动生成方法 | |
Wu et al. | Optimized deep learning framework for water distribution data-driven modeling | |
CN112925794B (zh) | 基于桥接填充的复杂多表sql生成方法和装置 | |
CN113111657B (zh) | 一种跨语言知识图谱对齐与融合方法、装置及存储介质 | |
CN108920446A (zh) | 一种工程文本的处理方法 | |
CN112035345A (zh) | 一种基于代码片段分析的混合深度缺陷预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190222 |
|
RJ01 | Rejection of invention patent application after publication |