CN109376344A - 表单的生成方法及终端设备 - Google Patents
表单的生成方法及终端设备 Download PDFInfo
- Publication number
- CN109376344A CN109376344A CN201811016894.8A CN201811016894A CN109376344A CN 109376344 A CN109376344 A CN 109376344A CN 201811016894 A CN201811016894 A CN 201811016894A CN 109376344 A CN109376344 A CN 109376344A
- Authority
- CN
- China
- Prior art keywords
- list
- occurrence
- type
- frequency
- option type
- 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
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/177—Editing, e.g. inserting or deleting of tables; using ruled lines
- G06F40/18—Editing, e.g. inserting or deleting of tables; using ruled lines of spreadsheets
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/186—Templates
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明适用于数据处理技术领域,提供了一种表单的生成方法及终端设备,在本发明实施例中,通过识别收集到的历史表单模板集合中各个表单模板包含的输入框的选项类型,统计历史表单模板集合中各个选项类型的出现次数,并基于该出现次数,选取一个以上的选项类型作为被选类型,将用户输入的所述被选类型的代码导入渲染容器组件的JavaScript文件中,在用户输入需要渲染的表单数据后,通过渲染容器组件对表单数据进行渲染,生成表单。以提高表单生成的自动化程度和速度,减少软件开发人员的工作量。
Description
技术领域
本发明属于数据处理技术领域,尤其涉及一种表单的生成方法及终端设备。
背景技术
在现实生活中,金融机构经常需要生成各种表单,根据传统的方法,在开发时,需要生成大量的用于在APP或者网页中接收用户数据的H5页面,并进一步地在将用户填写的表单数据以一个表单的形式输出。
然而,很多表单信息录入的功能代码都是可以复用的,在现有技术中,只因为录入字段不一致,就重复的开发大量相似的代码逻辑,导致代码利用率低的问题,造成了开发人力的浪费,延缓了开发进度。
发明内容
有鉴于此,本发明实施例提供了一种表单的生成方法及终端设备,以解决现有技术存在的代码利用率低的问题。
本发明实施例的第一方面提供了一种表单的生成方法,包括:
调取历史表单模板集合,所述历史表单模板集合中包含预设时间段内用户选择的多个表单模板;
识别所述历史表单模板集合中各个表单模板包含的输入框的选项类型;
根据所述历史表单模板集合中各个选项类型的出现次数,选取一个以上的选项类型作为被选类型;
将用户输入的所述被选类型的代码导入渲染容器组件的JavaScript文件中;
通过所述渲染容器组件对用户输入的表单数据进行渲染,生成表单。
本发明实施例的第二方面提供了一种终端设备,包括存储器以及处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如下步骤:
调取历史表单模板集合,所述历史表单模板集合中包含预设时间段内用户选择的多个表单模板;
识别所述历史表单模板集合中各个表单模板包含的输入框的选项类型;
根据所述历史表单模板集合中各个选项类型的出现次数,选取一个以上的选项类型作为被选类型;
将用户输入的所述被选类型的代码导入渲染容器组件的JavaScript文件中;
通过所述渲染容器组件对用户输入的表单数据进行渲染,生成表单。
本发明实施例的第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如下步骤:
调取历史表单模板集合,所述历史表单模板集合中包含预设时间段内用户选择的多个表单模板;识别所述历史表单模板集合中各个表单模板包含的输入框的选项类型;根据所述历史表单模板集合中各个选项类型的出现次数,选取一个以上的选项类型作为被选类型;将用户输入的所述被选类型的代码导入渲染容器组件的JavaScript文件中;通过所述渲染容器组件对用户输入的表单数据进行渲染,生成表单。
可选地,所述识别所述历史表单模板集合中各个表单模板包含的输入框的选项类型,包括:
通过中值滤波算法对所述表单模板进行降噪处理,生成第一表单;
根据所述第一表单中各个像素点的灰度值,计算所述第一表单的灰度平均值,并将所述第一表单中灰度值小于所述灰度平均值的像素点转换为黑色像素点,将所述第一表单中灰度值大于或等于所述灰度平均值的像素点转换为白色像素点,以生成第二表单;控制一个预设的矩形区域从所述第二表单的最左上方的像素点开始,按照预设的路线移动,直到所述矩形区域移动至所述第二表单的所述预设的路线上最后一个像素点;在所述矩形区域的移动过程中,当所述矩形区域中只包含白色像素点时,将矩形区域当前所包含的全部像素点均标记为分割像素点,以通过多个所述分割像素点将所述第二表单分割为多个表单区域;计算各个所述表单区域的特征向量,并通过有监督学习模型识别各个所述表单区域的特征向量对应的字符串;通过预设的选型类型与多个字符串的对应关系,确定各个所述表单区域对应的选项类型。
可选地,所述根据所述历史表单模板集合中各个选项类型的出现次数,选取一个以上的选项类型作为被选类型,包括:选择所述出现次数不小于第一预设次数阈值的选项类型作为被选类型;将所述出现次数小于所述第一预设次数阈值的选项类型作为待定选项类型,并调取各个待定选项类型的出现次数与出现时间段的对应关系;通过预设的回归模型,拟合所述待定选项类型的出现次数与出现时间段的对应关系的回归方程,并基于所述回归方程计算出所述待定选项类型在当前时刻之后的预设数量的出现时间段内的出现次数,作为预测出现次数;选择所述预测出现次数不小于第二预设次数阈值的待定选项类型作为被选类型。
可选地,所述通过预设的回归模型,拟合所述待定选项类型的出现次数与出现时间段的对应关系的回归方程,包括:通过公式:其中,num表示所述待定选项类型的出现次数、time表示出现时间段、pre1和pre2分别是两个非线性回归方程的系数,所述e为自然常数。
可选地,所述通过所述渲染容器组件对用户输入的表单数据进行渲染,生成表单,包括:提取所述表单数据所包含的数据框的标识,根据预设的标识与接口的对应关系,调取所述标识对应的DirectX接口,并基于所述DirectX接口调用所述渲染容器组件内的代码对所述表单数据中所述标识对应的数据进行渲染。
在本发明实施例中,通过识别收集到的历史表单模板集合中各个表单模板包含的输入框的选项类型,统计历史表单模板集合中各个选项类型的出现次数,并基于该出现次数,选取一个以上的选项类型作为被选类型,将用户输入的所述被选类型的代码导入渲染容器组件的JavaScript文件中,在用户输入需要渲染的表单数据后,通过渲染容器组件对表单数据进行渲染,生成表单。以提高表单生成的自动化程度和速度,减少软件开发人员的工作量。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的表单的生成方法的实现流程图;
图2是本发明实施例提供的表单的生成方法S102的具体实现流程图;
图3是本发明实施例提供的表单的生成方法S103的具体实现流程图;
图4是本发明实施例提供的表单的生成装置的结构框图;
图5是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
图1示出了本发明实施例提供的表单的生成方法的实现流程,该方法流程包括步骤S101至S105。各步骤的具体实现原理如下。
S101:调取历史表单模板集合,所述历史表单模板集合中包含预设时间段内用户选择的多个表单模板。
在本发明实施例中,用户在录入数据并生成表单之前,首先需要选择一个表单模板,选择表单模板的过程可以是:用户直接输入模板的类别;或用户填入一些必要的信息,由系统根据这些信息自动为用户选择一个表单模板。值得注意地,在本发明实施例的应用场景中,每一个表单模板包含多个输入框,而各个输入框可能属于不同的选项类型,不同的选项类型对应着不同的代码。
示例性地,输入框的选项类型包括:文本输入框、数字输入框、下拉选择框、开关选择框、日期选择控件、地址选择控件、提交按钮、信息清空按钮等。值得注意地,上述的选项类型只是笼统性的举例,在本发明实施例中,选项类型被分的很细,因此有很多的选项类型,远远不止上述例子中的选项类型。
在本发明实施例中,首先需要统计在预设时间段内被选择的多个表单模板,生成历史表单模板集合。值得注意地,由于一个表单模板很可能被多个用户反复的选择,所以在历史表单模板集合中会存在重复的表单模板,在本发明实施例中,在历史表单模板集合中不会对相同的表单模板进行合并,而只是简单地将被用户选择的表单模板存入历史表单模板集合中。例如:在当前日期前的一周内,表单模板A被选择了3次,表单模板B被选择了2次,表单模板C被选择了1次,则历史表单模板集合中的表单模板为:表单模板A、表单模板A、表单模板A、表单模板B、表单模板B、表单模板C。
S102:识别所述历史表单模板集合中各个表单模板包含的输入框的选项类型。
在本发明实施例中,由于用户选择的表单模板是海量的,而且一个表单模板中包含了多个输入框,用户选择的表单模板可能之前并未被分析过,所以一个表单模板具体包含了哪些输入框,各个输入框属于哪个选项类型还需要进一步地识别,而并不能在确定表单模板后就直接确定。
作为本发明的一个实施例,如图2所示,上述S102包括:
S1021:通过中值滤波算法对所述表单模板进行降噪处理,生成第一表单。
可以理解地,考虑到用户选择的表单模板可能是用户直接以扫描件的形式主动录入的,所以与普通的模板相比,需要首先对这类的表单模板进行降噪处理后才可以再后续的过程中进行更准确的识别。
在本发明实施例中,由于历史表单模板集合中的各个表单模板属于一个统一的集合,所以适合采用统一化的处理方法,所以在本发明实施例中,无论一个表单模板是不是以扫描件的录入的,都首先进行降噪处理。
S1022:根据所述第一表单中各个像素点的灰度值,计算所述第一表单的灰度平均值,并将所述第一表单中灰度值小于所述灰度平均值的像素点转换为黑色像素点,将所述第一表单中灰度值大于或等于所述灰度平均值的像素点转换为白色像素点,以生成第二表单。
S1023:控制一个预设的矩形区域从所述第二表单的最左上方的像素点开始,按照预设的路线移动,直到所述矩形区域移动至所述第二表单的所述预设的路线上最后一个像素点。
可选地,预设的路线可以是:将所述预设的矩形区域的左上角对齐所述第二表单的最左上方的像素点后开始向下方移动,直到所述矩形区域的最下行移至第二表单最下方后,向右移一个像素点,随后在向上移动,直到所述矩形区域的最上行移至第二表单最上方后,向右移一个像素点,再向下方移动,直到所述矩形区域的最下行移至第二表单最下方,依次类推,以一个类似“S”形的方式移动预设的矩形区域。
S1024,在所述矩形区域的移动过程中,当所述矩形区域中只包含白色像素点时,将矩形区域当前所包含的全部像素点均标记为分割像素点,以通过多个所述分割像素点将所述第二表单分割为多个表单区域。
可以理解地,在所述预设的矩形区域的移动过程中,有些时刻所述矩形区域中只包含白色像素点,于是将该时刻矩形区域中的全部像素点标记为分割像素点,但是在有些时刻所述矩形区域中还包含黑色像素点,于是在该时刻不标记新的分割像素点。因此在矩形区域移动完成后,会将所述第二表单中的像素点分为分割像素点以及不属于分割像素点的像素点,若干个在所述第二表单中成片连续排布的不属于分割像素点的像素点就构成了一个表单区域,所以通过一个个的分割像素点,可以把所述第二表单中不属于分割像素点的像素点分成一个个的表单区域。一个表单区域中不包含任何一个分割像素点。
S1025,计算各个所述表单区域的特征向量,并通过有监督学习模型识别各个所述表单区域的特征向量对应的字符串。
可以理解地,在一个表单区域中可能还有一些字符串,而在本发明实施例中,由于一个表单模板还没有填入任何用户输入的数据,所以这些表单模板中已经存在的字符串是为了提示用户输入何种数据的,因而本发明实施例可以利用这些字符串确定各个输入框具体是输入何种数据的,从而最后确定各个输入框属于哪个选项类型。
示例性地,假设识别到一个表单区域中的字符串为:“地址”,则可以判定在表单模板在这个地方希望接收到用户的地址信息,从而可以判定该表单区域的输入框对应的选项类型为:文字输入框。
可选地,在提取了各个表单区域的特征向量后,可以通过现有的支持向量机算法或者K最近邻算法识别出各个表单区域的特征向量对应的字符串。
S1026,通过预设的选型类型与多个字符串的对应关系,确定各个所述表单区域对应的选项类型。
在本发明实施例中,一个选项类型对应有多个字符串,例如:“文字输入款”这个选项类型就可能对应:地址、姓名等字符串;“数字输入框”这个选项类型就可能对应:电话、身份证号等字符串等。
可以理解地,通过上述的识别方法,可以快速准确的识别出一个表单模板中包含的选项类型,从而对后续的统计过程提供原始数据支持。
S103,根据所述历史表单模板集合中各个选项类型的出现次数,选取一个以上的选项类型作为被选类型。
在本发明实施例中,由于被选类型直接关乎到后续的组件生成的过程,所以在选取被选类型时,不仅要考虑一个选项类型在过去的出现次数,还会分析它的发展趋势,从而更加准确的选择合理数量的选项类型作为被选类型。
作为本发明的一个实施例,如图3所示,上述S103包括:
S1031,选择所述出现次数不小于第一预设次数阈值的选项类型作为被选类型。
可以理解地,如果一个选项类型在一定时间内被选择了足够多次,则证明该选项类型经常被用到,因此不需要其他的计算步骤,即直接将其确定为被选类型。
S1032,将所述出现次数小于所述第一预设次数阈值的选项类型作为待定选项类型,并调取各个待定选项类型的出现次数与出现时间段的对应关系。
可以理解地,如上文所述,本发明实施例还会分析一个选项类型的出现次数的发展趋势,并基于这个发展趋势决定是否将其作为被选类型,所以当一个选项类型在历史表单模板集合中的出现次数不够多时,还需要进一步地分析判断。
S1033,通过预设的回归模型,拟合所述待定选项类型的出现次数与出现时间段的对应关系的回归方程,并基于所述回归方程计算出所述待定选项类型在当前时刻之后的预设数量的出现时间段内的出现次数,作为预测出现次数。
可选地,所述通过预设的回归模型,拟合所述待定选项类型的出现次数与出现时间段的对应关系的回归方程,包括:
通过公式:拟合所述待定选项类型的出现次数与出现时间段的对应关系的回归方程,其中,num表示所述待定选项类型的出现次数、time表示出现时间段、pre1和pre2分别是两个非线性回归方程的系数,所述e为自然常数。
可以理解地,可以将预设时间段分为多个出现时间段,并将各个出现时间段按照时间顺序依次排序,将第一个出现时间段的time设定为1,将第二个出现时间段的time设定为2,将第三个出现时间段的time设定为3,以此类推。Time作为因变量表示出现时间段,num作为因变量表示所述待定选项类型的出现次数。
可以理解地,假设预设时间段一共被分为100个出现时间段,则当前时刻之后的第一个出现时间段的time则为101,当前时刻之后的第二个出现时间段的time则为102,以此类推。
在本发明实施例中,通过上述的自变量、因变量的设定方法,可以通过回归模型拟合出一条有关待定选项类型的出现次数与出现时间段的对应关系的曲线,并基于拟合出的回归方程可以计算出当前时刻之后的预设数量的出现时间段内的出现次数(例如上述示例中101和102这两个出现时间段内的出现次数)。
S1034,选择所述预测出现次数不小于第二预设次数阈值的待定选项类型作为被选类型。
可以理解地,由于在确定被选类型的过程中,原始的数据是预设时间段内用户选择的多个表单模板,例如一周内用户选择的多个表单模板,所以随着当前时间的改变,历史表单模板集合也是动态改变的,因此被选类型也是动态改变的。一个之前被定为被选类型的选项类型,可能在当前就已经不是被选类型了。
可以理解地,通过上述方法可以通过考虑一个选项类型的出现次数的发展趋势,更加科学全面地确定一个选项类型的重要性,以及在未来出现的可能性。
S104,将用户输入的所述被选类型的代码导入渲染容器组件的JavaScript文件中。
可以理解地,通过将一个被选类型的代码导入渲染容器组件的JavaScript文件中,可以在下次需要在制作表单模板时生成该选项类型下的输入框时,直接调用代码,并基于已开发的代码进行微调或整合,使得开发人员不用重复开发代码。
可以理解地,之所以不将所有的选项类型都导入渲染容器组件,而只是导入被选类型的代码,是考虑到现实生活中存在海量的选项类型,实际不可能将所有的选型类型都导入渲染容器,而且渲染容器中的选项类型过多,也增加了渲染容器本身开发的复杂性,也会影响渲染容器执行操作时的效率。
S105,通过所述渲染容器组件对用户输入的表单数据进行渲染,生成表单。
可选地,提取所述表单数据所包含的数据框的标识,根据预设的标识与接口的对应关系,调取所述标识对应的DirectX接口,并基于所述DirectX接口调用所述渲染容器组件内的代码对所述表单数据中所述标识对应的数据进行渲染。
可以理解地,本发明实施例通过识别收集到的历史表单模板集合中各个表单模板包含的输入框的选项类型,统计历史表单模板集合中各个选项类型的出现次数,并基于该出现次数,选取一个以上的选项类型作为被选类型,将用户输入的所述被选类型的代码导入渲染容器组件的JavaScript文件中,在用户输入需要渲染的表单数据后,通过渲染容器组件对表单数据进行渲染,生成表单。以提高表单生成的自动化程度和速度,减少软件开发人员的工作量。
对应于上文实施例所述的表单的生成方法,图4示出了本发明实施例提供的表单的生成装置的结构框图,为了便于说明,仅示出了与本发明实施例相关的部分。
参照图4,该装置包括:
调取模块401,用于调取历史表单模板集合,所述历史表单模板集合中包含预设时间段内用户选择的多个表单模板;
识别模块402,用于识别所述历史表单模板集合中各个表单模板包含的输入框的选项类型;
选取模块403,用于根据所述历史表单模板集合中各个选项类型的出现次数,选取一个以上的选项类型作为被选类型;
导入模块404,用于将用户输入的所述被选类型的代码导入渲染容器组件的JavaScript文件中;
渲染模块405,用于通过所述渲染容器组件对用户输入的表单数据进行渲染,生成表单。
可选地,所述识别所述历史表单模板集合中各个表单模板包含的输入框的选项类型,包括:
通过中值滤波算法对所述表单模板进行降噪处理,生成第一表单;根据所述第一表单中各个像素点的灰度值,计算所述第一表单的灰度平均值,并将所述第一表单中灰度值小于所述灰度平均值的像素点转换为黑色像素点,将所述第一表单中灰度值大于或等于所述灰度平均值的像素点转换为白色像素点,以生成第二表单;控制一个预设的矩形区域从所述第二表单的最左上方的像素点开始,按照预设的路线移动,直到所述矩形区域移动至所述第二表单的所述预设的路线上最后一个像素点;在所述矩形区域的移动过程中,当所述矩形区域中只包含白色像素点时,将矩形区域当前所包含的全部像素点均标记为分割像素点,以通过多个所述分割像素点将所述第二表单分割为多个表单区域;计算各个所述表单区域的特征向量,并通过有监督学习模型识别各个所述表单区域的特征向量对应的字符串;通过预设的选型类型与多个字符串的对应关系,确定各个所述表单区域对应的选项类型。
可选地,所述根据所述历史表单模板集合中各个选项类型的出现次数,选取一个以上的选项类型作为被选类型,包括:
选择所述出现次数不小于第一预设次数阈值的选项类型作为被选类型;
将所述出现次数小于所述第一预设次数阈值的选项类型作为待定选项类型,并调取各个待定选项类型的出现次数与出现时间段的对应关系;
通过预设的回归模型,拟合所述待定选项类型的出现次数与出现时间段的对应关系的回归方程,并基于所述回归方程计算出所述待定选项类型在当前时刻之后的预设数量的出现时间段内的出现次数,作为预测出现次数;
选择所述预测出现次数不小于第二预设次数阈值的待定选项类型作为被选类型。
可选地,所述通过预设的回归模型,拟合所述待定选项类型的出现次数与出现时间段的对应关系的回归方程,包括:
通过公式:其中,num表示所述待定选项类型的出现次数、time表示出现时间段、pre1和pre2分别是两个非线性回归方程的系数,所述e为自然常数。
可选地,所述通过所述渲染容器组件对用户输入的表单数据进行渲染,生成表单,包括:
提取所述表单数据所包含的数据框的标识,根据预设的标识与接口的对应关系,调取所述标识对应的DirectX接口,并基于所述DirectX接口调用所述渲染容器组件内的代码对所述表单数据中所述标识对应的数据进行渲染。
可以理解地,本发明实施例,通过识别收集到的历史表单模板集合中各个表单模板包含的输入框的选项类型,统计历史表单模板集合中各个选项类型的出现次数,并基于该出现次数,选取一个以上的选项类型作为被选类型,将用户输入的所述被选类型的代码导入渲染容器组件的JavaScript文件中,在用户输入需要渲染的表单数据后,通过渲染容器组件对表单数据进行渲染,生成表单。以提高表单生成的自动化程度和速度,减少软件开发人员的工作量。
图5是本发明一实施例提供的终端设备的示意图。如图5所示,该实施例的终端设备5包括:处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52,例如表单的生成程序。所述处理器50执行所述计算机程序52时实现上述各个表单的生成方法实施例中的步骤,例如图1所示的步骤101至105。或者,所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能,例如图4所示单元401至405的功能。
示例性的,所述计算机程序52可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器51中,并由所述处理器50执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序52在所述终端设备5中的执行过程。
所述终端设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是终端设备5的示例,并不构成对终端设备5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述终端设备5的内部存储单元,例如终端设备5的硬盘或内存。所述存储器51也可以是所述终端设备5的外部存储设备,例如所述终端设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种表单的生成方法,其特征在于,包括:
调取历史表单模板集合,所述历史表单模板集合中包含预设时间段内用户选择的多个表单模板;
识别所述历史表单模板集合中各个表单模板包含的输入框的选项类型;
根据所述历史表单模板集合中各个选项类型的出现次数,选取一个以上的选项类型作为被选类型;
将用户输入的所述被选类型的代码导入渲染容器组件的JavaScript文件中;
通过所述渲染容器组件对用户输入的表单数据进行渲染,生成表单。
2.如权利要求1所述的表单的生成方法,其特征在于,所述识别所述历史表单模板集合中各个表单模板包含的输入框的选项类型,包括:
通过中值滤波算法对所述表单模板进行降噪处理,生成第一表单;
根据所述第一表单中各个像素点的灰度值,计算所述第一表单的灰度平均值,并将所述第一表单中灰度值小于所述灰度平均值的像素点转换为黑色像素点,将所述第一表单中灰度值大于或等于所述灰度平均值的像素点转换为白色像素点,以生成第二表单;
控制一个预设的矩形区域从所述第二表单的最左上方的像素点开始,按照预设的路线移动,直到所述矩形区域移动至所述第二表单的所述预设的路线上最后一个像素点;
在所述矩形区域的移动过程中,当所述矩形区域中只包含白色像素点时,将矩形区域当前所包含的全部像素点均标记为分割像素点,以通过多个所述分割像素点将所述第二表单分割为多个表单区域;
计算各个所述表单区域的特征向量,并通过监督学习模型识别各个所述表单区域的特征向量对应的字符串;
通过预设的选型类型与多个字符串的对应关系,确定各个所述表单区域对应的选项类型。
3.如权利要求1所述的表单的生成方法,其特征在于,所述根据所述历史表单模板集合中各个选项类型的出现次数,选取一个以上的选项类型作为被选类型,包括:
选择所述出现次数不小于第一预设次数阈值的选项类型作为被选类型;
将所述出现次数小于所述第一预设次数阈值的选项类型作为待定选项类型,并调取各个待定选项类型的出现次数与出现时间段的对应关系;
通过预设的回归模型,拟合所述待定选项类型的出现次数与出现时间段的对应关系的回归方程,并基于所述回归方程计算出所述待定选项类型在当前时刻之后的预设数量的出现时间段内的出现次数,作为预测出现次数;
选择所述预测出现次数不小于第二预设次数阈值的待定选项类型作为被选类型。
4.如权利要求3所述的表单的生成方法,其特征在于,所述通过预设的回归模型,拟合所述待定选项类型的出现次数与出现时间段的对应关系的回归方程,包括:
通过公式:拟合所述待定选项类型的出现次数与出现时间段的对应关系的回归方程,其中,num表示所述待定选项类型的出现次数、time表示出现时间段、pre1和pre2分别是两个非线性回归方程的系数,所述e为自然常数。
5.如权利要求1所述的表单的生成方法,其特征在于,所述通过所述渲染容器组件对用户输入的表单数据进行渲染,生成表单,包括:
提取所述表单数据所包含的数据框的标识,根据预设的标识与接口的对应关系,调取所述标识对应的DirectX接口,并基于所述DirectX接口调用所述渲染容器组件内的代码对所述表单数据中所述标识对应的数据进行渲染。
6.一种终端设备,包括存储器以及处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现如下步骤:
调取历史表单模板集合,所述历史表单模板集合中包含预设时间段内用户选择的多个表单模板;
识别所述历史表单模板集合中各个表单模板包含的输入框的选项类型;
根据所述历史表单模板集合中各个选项类型的出现次数,选取一个以上的选项类型作为被选类型;
将用户输入的所述被选类型的代码添加进渲染容器组件的JavaScript文件中;
通过所述渲染容器组件对用户输入的表单数据进行渲染,生成表单。
7.如权利要求6所述的终端设备,其特征在于,所述识别所述历史表单模板集合中各个表单模板包含的输入框的选项类型,包括:
通过中值滤波算法对所述表单模板进行降噪处理,生成第一表单;
根据所述第一表单中各个像素点的灰度值,计算所述第一表单的灰度平均值,并将所述第一表单中灰度值小于所述灰度平均值的像素点转换为黑色像素点,将所述第一表单中灰度值大于或等于所述灰度平均值的像素点转换为白色像素点,以生成第二表单;
控制一个预设的矩形区域从所述第二表单的最左上方的像素点开始,按照预设的路线移动,直到所述矩形区域移动至所述第二表单的所述预设的路线上最后一个像素点;
在所述矩形区域的移动过程中,当所述矩形区域中只包含白色像素点时,将矩形区域当前所包含的全部像素点均标记为分割像素点,以通过多个所述分割像素点将所述第二表单分割为多个表单区域;
计算各个所述表单区域的特征向量,并通过有监督学习模型识别各个所述表单区域的特征向量对应的字符串;
通过预设的选型类型与多个字符串的对应关系,确定各个所述表单区域对应的选项类型。
8.如权利要求6所述的终端设备,其特征在于,所述根据所述历史表单模板集合中各个选项类型的出现次数,选取一个以上的选项类型作为被选类型,包括:
选择所述出现次数不小于第一预设次数阈值的选项类型作为被选类型;
将所述出现次数小于所述第一预设次数阈值的选项类型作为待定选项类型,并调取各个待定选项类型的出现次数与出现时间段的对应关系;
通过预设的回归模型,拟合所述待定选项类型的出现次数与出现时间段的对应关系的回归方程,并基于所述回归方程计算出所述待定选项类型在当前时刻之后的预设数量的出现时间段内的出现次数,作为预测出现次数;
选择所述预测出现次数不小于第二预设次数阈值的待定选项类型作为被选类型。
9.如权利要求8所述的终端设备,其特征在于,所述通过预设的回归模型,拟合所述待定选项类型的出现次数与出现时间段的对应关系的回归方程,包括:
通过公式:拟合所述待定选项类型的出现次数与出现时间段的对应关系的回归方程,其中,num表示所述待定选项类型的出现次数、time表示出现时间段、pre1和pre2分别是两个非线性回归方程的系数,所述e为自然常数。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811016894.8A CN109376344A (zh) | 2018-09-03 | 2018-09-03 | 表单的生成方法及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811016894.8A CN109376344A (zh) | 2018-09-03 | 2018-09-03 | 表单的生成方法及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109376344A true CN109376344A (zh) | 2019-02-22 |
Family
ID=65404324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811016894.8A Pending CN109376344A (zh) | 2018-09-03 | 2018-09-03 | 表单的生成方法及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109376344A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110266645A (zh) * | 2019-05-21 | 2019-09-20 | 平安科技(深圳)有限公司 | 实时数据的验证方法、装置、服务器及介质 |
CN110321540A (zh) * | 2019-06-27 | 2019-10-11 | 北京奇艺世纪科技有限公司 | 一种生成表单的方法、装置、电子设备及介质 |
CN110837366A (zh) * | 2019-10-11 | 2020-02-25 | 平安科技(深圳)有限公司 | 一种表单生成方法、电子装置及计算机可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008106783A1 (en) * | 2007-03-07 | 2008-09-12 | Spoton Systems Inc. | A generic, customizable navigation, layout and reporting system for mobile forms data capture |
CN106708484A (zh) * | 2015-11-13 | 2017-05-24 | 阿里巴巴集团控股有限公司 | 一种建立页面的方法和装置 |
-
2018
- 2018-09-03 CN CN201811016894.8A patent/CN109376344A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008106783A1 (en) * | 2007-03-07 | 2008-09-12 | Spoton Systems Inc. | A generic, customizable navigation, layout and reporting system for mobile forms data capture |
CN106708484A (zh) * | 2015-11-13 | 2017-05-24 | 阿里巴巴集团控股有限公司 | 一种建立页面的方法和装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110266645A (zh) * | 2019-05-21 | 2019-09-20 | 平安科技(深圳)有限公司 | 实时数据的验证方法、装置、服务器及介质 |
CN110321540A (zh) * | 2019-06-27 | 2019-10-11 | 北京奇艺世纪科技有限公司 | 一种生成表单的方法、装置、电子设备及介质 |
CN110837366A (zh) * | 2019-10-11 | 2020-02-25 | 平安科技(深圳)有限公司 | 一种表单生成方法、电子装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021179720A1 (zh) | 基于联邦学习的用户数据分类方法、装置、设备及介质 | |
Li et al. | Multiattention network for semantic segmentation of fine-resolution remote sensing images | |
WO2021078027A1 (zh) | 构建网络结构优化器的方法、装置及计算机可读存储介质 | |
Guo et al. | Supplier selection based on hierarchical potential support vector machine | |
CN107516090A (zh) | 一体化人脸识别方法和系统 | |
CN108229341A (zh) | 分类方法和装置、电子设备、计算机存储介质、程序 | |
CN109934249A (zh) | 数据处理方法、装置、介质和计算设备 | |
CN109754068A (zh) | 基于深度学习预训练模型的迁移学习方法及终端设备 | |
CN107871166A (zh) | 针对机器学习的特征处理方法及特征处理系统 | |
CN109034206A (zh) | 图像分类识别方法、装置、电子设备及计算机可读介质 | |
CN109376344A (zh) | 表单的生成方法及终端设备 | |
CN109918499A (zh) | 一种文本分类方法、装置、计算机设备及存储介质 | |
CN109408058A (zh) | 基于机器学习的前端辅助开发方法和装置 | |
CN110019790A (zh) | 文本识别、文本监控、数据对象识别、数据处理方法 | |
CN112529477A (zh) | 信用评估变量筛选方法、装置、计算机设备及存储介质 | |
CN110162766A (zh) | 词向量更新方法和装置 | |
CN112036483B (zh) | 基于AutoML的对象预测分类方法、装置、计算机设备及存储介质 | |
CN109947811A (zh) | 通用特征库生成方法及装置、存储介质、电子设备 | |
CN116245670A (zh) | 基于双标签模型处理财税数据的方法、装置、介质和设备 | |
CN113837492B (zh) | 物品供应量的预测方法、设备、存储介质及程序产品 | |
Anitha et al. | Convolution Neural Network and Auto-encoder Hybrid Scheme for Automatic Colorization of Grayscale Images | |
WO2022001233A1 (zh) | 基于层次化迁移学习的预标注方法及其相关设备 | |
CN110532448B (zh) | 基于神经网络的文档分类方法、装置、设备及存储介质 | |
CN111814044A (zh) | 一种推荐方法、装置、终端设备及存储介质 | |
CN111143568A (zh) | 一种论文分类时的缓冲方法、装置、设备及存储介质 |
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 |