CN109582776B - 模型的生成方法及装置、电子设备及存储介质 - Google Patents
模型的生成方法及装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN109582776B CN109582776B CN201811473822.6A CN201811473822A CN109582776B CN 109582776 B CN109582776 B CN 109582776B CN 201811473822 A CN201811473822 A CN 201811473822A CN 109582776 B CN109582776 B CN 109582776B
- Authority
- CN
- China
- Prior art keywords
- model
- target
- module
- generated
- basic function
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000006870 function Effects 0.000 claims abstract description 132
- 238000006243 chemical reaction Methods 0.000 claims abstract description 58
- 238000012545 processing Methods 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000012856 packing Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000008901 benefit Effects 0.000 description 5
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Stored Programmes (AREA)
Abstract
本公开实施例公开了一种模型的生成方法及装置、电子设备及存储介质。所述方法包括:获取待生成模型对应的目标基础功能模块及待生成模型对应的目标触发模块,其中目标触发模块中至少包括待生成模型对应的基础功能模块转换规则;将目标基础功能模块及目标触发模块配置于基于有限状态机的管道模型中得到待生成模型。本公开实施例的技术方案解决了现有技术中自然语言理解工具的通用性、复用性以及可拓展性较差,或是具有一定的通用性,但是难以满足不同使用场景的特殊需求的技术缺陷,实现了通过对具有不同基础功能模块的复用以及依据模型的功能设定模块的转换规则可以简便地生成具有不同功能的多种模型,还可以对模型的功能进行扩展和延伸。
Description
技术领域
本公开实施例涉及模型生成技术领域,特别是涉及一种模型的生成方法及装置、电子设备及存储介质。
背景技术
现如今,自然语言处理是人工智能中较为热门的一项技术,出现了很多可对自然语言进行处理的工具,例如自然语言理解的工具。
现有的自然语言理解工具大多可以提供在线的语言处理服务,例如通过调用远程http的restful API来对目标语句进行解析完成查询分析、对话管理等任务,典型的有Google的API.ai以及Facebook的Wit.ai。进一步地,现有的自然语言理解工具还可以进行本地部署,针对需求训练和调整自己的模型,例如开源工具如rasa NLU等。
发明人在具体实施过程中,发现现有技术存在如下问题:可提供在线服务的通用化自然语言理解工具难以满足特定使用场景的需求,而可进行本地部署的自然语言理解工具不但部署过程比较复杂,而且功能较为单一,可复用性和可拓展性较差。
发明内容
有鉴于此,本公开实施例提供了一种模型的生成方法及装置、电子设备及存储介质,主要目的在于解决的自然语言理解工具通用性、复用性以及可拓展性较差,或是具有一定的通用性,但是难以满足不同使用场景的特殊需求的问题。
为了解决上述问题,本公开实施例主要提供如下技术方案:
第一方面,本公开实施例提供了一种模型的生成方法,该方法包括:
获取待生成模型对应的目标基础功能模块,以及所述待生成模型对应的目标触发模块,其中,所述目标触发模块中至少包括所述待生成模型对应的基础功能模块转换规则;
将所述目标基础功能模块以及所述目标触发模块配置于基于有限状态机的管道模型中,得到所述待生成模型。
第二方面,本公开实施例还提供一种模型的生成装置,该装置包括:
模块及转换规则获取模块,用于获取待生成模型对应的目标基础功能模块,以及所述待生成模型对应的目标触发模块,其中,所述目标触发模块中至少包括所述待生成模型对应的基础功能模块转换规则;
模型生成模块,用于将所述目标基础功能模块以及所述目标触发模块配置于基于有限状态机的管道模型中,得到所述待生成模型。
第三方面,本公开实施例还提供一种电子设备,包括:
至少一个处理器;
以及与所述处理器连接的至少一个存储器、总线;其中,
所述处理器、存储器通过所述总线完成相互间的通信;
所述处理器用于调用所述存储器中的程序指令,以执行本公开任意实施例所述的模型的生成方法。
第四方面,本公开实施例还提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行本公开任意实施例所述的模型的生成方法
借由上述技术方案,本公开实施例提供的技术方案至少具有下列优点:
本公开实施例提供的模型的生成方法及装置、电子设备及存储介质,通过将待生成模型对应基础功能模块以及触发模块配置于基于有限状态机的管道模型中,生成该待生成模型,解决了现有技术中自然语言理解工具的通用性、复用性以及可拓展性较差,或是具有一定的通用性,但是难以满足不同使用场景的特殊需求的技术缺陷,实现了通过对具有不同基础功能模块的复用以及依据模型的功能设定模块的转换规则可以简便地生成具有不同功能的多种模型,还可以对模型的功能进行扩展和延伸。
上述说明仅是本公开实施例技术方案的概述,为了能够更清楚了解本公开实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本公开实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本公开实施例的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本公开实施例的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本公开实施例一提供的模型的生成方法的流程图;
图2a示出了本公开实施例二提供的模型的生成方法的流程图;
图2b示出了本公开实施例二提供的待生成模型的结构示意图;
图3示出了本公开实施例三提供的模型的生成装置的结构示意图;
图4示出了本公开实施例四提供的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
实施例一
图1为本公开实施例一提供的一种模型的生成方法的流程图,本实施例的方法可以模型的生成装置来执行,该装置可通过硬件和/或软件的方式实现,并一般可集成于电子设备中,例如服务器等。本实施例的方法具体包括:
S110、获取待生成模型对应的目标基础功能模块,以及待生成模型对应的目标触发模块,其中,目标触发模块中至少包括待生成模型对应的基础功能模块转换规则。
可以理解的是,模型在工作的过程中一般都是通过对输入数据进行一系列的数据转换操作进而得到输出数据,每一次数据转换操作都是用于实现不同的数据处理功能,例如数据类型转换、分词处理、生成词向量等等。也就是说,模型的功能的实现是通过一系列基础数据处理功能的有序连接实现的。
因此,在本实施例中,使用了具有单一的、基础的数据处理功能的模块,即基础功能模块。其实,基础功能模块实质上也是一个模型,只不过是一个结构简单、功能单一的模型。目标基础功能模块具体是指功能与待生成模块所执行的一系列的数据处理操作相对应的基础功能模块。
进一步需要说明的是,本实施例中的基础功能模块并不一定是仅具有最基础的数据处理功能(例如生成词向量等)的模块,也可以是具有组合功能的模块,例如具有分词以及同时生成词语的词向量的功能的模块。可以理解的是,由于一些最基础的数据处理操作在大部分情况下都是共同被有序执行的,所以,对于这种情况,可以将这些总是被连续执行的数据处理操作合并至一个基础功能模块,使得该基础功能模块用于有序执行被合并的所有数据处理操作。
进一步地,由于本实施例中的待生成模型是由多个目标基础功能模块组成的,并且对于不同的待生成模型不但对应的目标基础功能模块一般是不相同的,更为重要的是在不同的待生成模型中各个目标基础功能模块的执行顺序也是不同的。因此,为了使得目标基础功能模块之间无论执行顺序为何,都能够顺利地实现数据的交接,就需要所有的目标基础功能模块均可以对相同的设定类型的输入数据进行处理,且输出数据的类型也必须是上述设定类型的数据。
进一步地,为了尽量简化目标基础功能模块的结构,上述设定类型的种类不宜过多。在本实施例中,所有目标基础功能模块所能处理以及输出的数据类型具体可以是以下三种:保存字符串类型的数据即StringSet数据、值为数值型的保存字典类型数据即DoubleArray数据以及值为字符串型的保存字典类型数据即DoubleMap数据。
在本实施例中,不但要获取待生成模型对应的目标基础功能模块,还要获取待生成模型对应的目标触发模块,该目标触发模块中至少包括待生成模型对应的基础功能模块转换规则。其中,基础功能模块转换规则用于限定所获取的目标基础功能模块的执行顺序以及跳转条件。所获取的所有目标基础功能模块依据该执行顺序执行才能实现待生成模块的功能。进一步地,基础功能模块转换规则具体可以以跳转的起始状态、跳转的条件以及跳转的终止状态来实现对目标基础功能模块的执行顺序的控制。
进一步地,目标触发模块中还可以包括目标基础功能模块的优先级,以实现同时通过基础功能模块转换规则以及优先级来确定所获取的所有目标基础功能模块的执行顺序。
S120、将目标基础功能模块以及目标触发模块配置于基于有限状态机的管道模型中,得到待生成模型。
在本实施例中,在获取目标基础功能模型以及基础功能模块转换规则之后,会将它们配置在基于有限状态机的管道模型中。该基于有限状态机的管道模型起到了控制器的作用,可以控制所有目标基础功能模型按照基础功能模块转换规则依次有序地工作,进而实现待生成模型的功能。
本公开实施例提供的模型的生成方法,通过将待生成模型对应基础功能模块以及触发模块配置于基于有限状态机的管道模型中,生成该待生成模型,解决了现有技术中自然语言理解工具的通用性、复用性以及可拓展性较差,或是具有一定的通用性,但是难以满足不同使用场景的特殊需求的技术缺陷,实现了通过对具有不同基础功能模块的复用以及依据模型的功能设定模块的转换规则可以简便地生成具有不同功能的多种模型,还可以对模型的功能进行扩展和延伸。
实施例二
图2a是本公开实施例二提供的一种模型的生成方法的流程图。本实施例以上述实施例为基础进行优化,在本实施例中,给出了一种增加模型内部模块类型的具体实施方式。
相应的,本实施例的方法具体包括:
S210、获取待生成模型对应的目标基础功能模块、待生成模型对应的目标触发模块以及待生成模块对应的基于有限状态机的目标管道模型,其中,目标触发模块中至少包括待生成模型对应的基础功能模块及管道模型转换规则,基于有限状态机的目标管道模型中配置有触发模块以及多个基础功能模块。
在本实施例中,待生成模块所包括的模块不但有目标基础功能模块,同时还包括有基于有限状态机的目标管道模型。也就是说,本实施例中的待生成模型可以是由目标基础功能模块以及基于有限状态机的目标管道模型依据设定转换规则有序执行而实现的。因此,在本实施例中,待生成模型对应的转换规则中不但包括目标基础功能模块与目标基础功能模块之间的转换规则,还应包括目标基础功能模型与目标管道模型之间的转换规则。
在本实施例中,基于有限状态机的目标管道模型中配置有触发模块以及多个基础功能模块,其中,触发模块中至少包括该多个基础功能模块的转换规则。可见,在本实施例中,基于有限状态机的管道模型可以复用其他基于有限状态机的管道模型。
S220、获取待生成模型对应的目标输入数据类型转换模块以及目标输出数据类型转换模块。
可以理解的是,在不同的应用场景下,模型的输入数据的数据类型可能不是模型可直接处理的数据类型,因此,就需要对输入数据进行数据类型转化,以使模型可正常工作。同样地,还需要将模型的输出数据转换为与当前使用场景对应的数据类型。
因此,在本实施例中,增加了目标输入数据类型转换模块以及目标输出数据类型转换模块,以使待生成模型可以在不同的应用场景中使用。其中,目标输入数据类型转换模块具体用于将输入数据转换为待生成模块可以直接处理的数据类型的数据,目标输出数据类型转换模块用于将待生成模型的输出数据转换为与当前应用场景对应的数据类型的数据。
S230、将目标基础功能模块、目标触发模块、基于有限状态机的目标管道模型、目标输入数据类型转换模块以及目标输出数据类型转换模块配置于基于有限状态机的管道模型中,得到待生成模型。
在本实施例中,待生成模型中同时包括目标基础功能模块、目标触发模块、基于有限状态机的目标管道模型、目标输入数据类型转换模块以及目标输出数据类型转换模块。
图2b示例性地表示了待生成模型的结构。如图2b所示,transformer1和transformer2为目标基础功能模块,目标管道模型中包括三个基础功能模块即transformer3至transformer5。rule3和rule4是目标管道模型中的触发模块中包括的转换规则。rule1、rule2和rule5是目标触发模块中的转换规则。
本公开实施例提供了一种模型的生成方法,该方法中在待生成模型中复用其他基于有限状态机的目标管道模型,还增加了目标输入数据类型转换模块以及目标输出数据类型转换模块,丰富了待生成模型的结构,使得待生成模型的结构更加灵活,同时还使得待生成模型可以顺利地应用于不同应用场景中。
在上述各实施例的基础上,将基于有限状态机的管道模型中所配置的不同的目标基础功能模块之间的数据传输格式具体化为json格式。
这样设置的好处是:可以简化数据格式,使得数据更易读写。
在上述各实施例的基础上,将目标基础功能模块以及目标触发模块配置于基于有限状态机的管道模型中,得到待生成模型,具体化为:将目标基础功能模块以及目标触发模块配置于基于有限状态机的管道模型中,使用Model Package方法对基于有限状态机的管道模型进行模型打包处理,得到待生成模型。
这样设置的好处是:使得待生成模型在打包之后可以更加有效地应用于不同的应用场景。
这里需要说明的是,各个实施例之间的技术特征的排列组合也落入本公开的保护范围。
实施例三
图3是本公开实施例三提供的一种模型的生成装置的结构图。如图3所示,所述装置包括:模块及转换规则获取模块301以及模型生成模块302,其中:
模块及转换规则获取模块301,用于获取待生成模型对应的目标基础功能模块,以及待生成模型对应的目标触发模块,其中,目标触发模块中至少包括待生成模型对应的基础功能模块转换规则;
模型生成模块302,用于将目标基础功能模块以及目标触发模块配置于基于有限状态机的管道模型中,得到待生成模型。
本公开实施例提供了一种模型的生成装置,该装置首先通过模块及转换规则获取模块301获取待生成模型对应的目标基础功能模块,以及待生成模型对应的目标触发模块,其中,目标触发模块中至少包括待生成模型对应的基础功能模块转换规则,然后通过模型生成模块302将目标基础功能模块以及目标触发模块配置于基于有限状态机的管道模型中,得到待生成模型。
该装置解决了现有技术中自然语言理解工具的通用性、复用性以及可拓展性较差,或是具有一定的通用性,但是难以满足不同使用场景的特殊需求的技术缺陷,实现了通过对具有不同基础功能模块的复用以及依据模型的功能设定模块的转换规则可以简便地生成具有不同功能的多种模型,还可以对模型的功能进行扩展和延伸。
在上述各实施例的基础上,目标基础功能模块的输入数据的类型以及输出数据的类型均可以至少包括下述三种数据类型中的一种:
保存字符串类型的数据、值为数值型的保存字典类型数据以及值为字符串型的保存字典类型数据。
在上述各实施例的基础上,还可以包括:
转换模块获取模块,用于在将目标基础功能模块以及目标触发模块配置于基于有限状态机的管道模型中,得到待生成模型之前,获取待生成模型对应的目标输入数据类型转换模块以及目标输出数据类型转换模块;
相应地,模型生成模块302具体可以用于:
将目标基础功能模块、目标触发模块、目标输入数据类型转换模块以及目标输出数据类型转换模块配置于基于有限状态机的管道模型中,得到待生成模型。
在上述各实施例的基础上,模块及转换规则获取模块301具体可以用于:
获取待生成模型对应的目标基础功能模块、待生成模型对应的目标触发模块以及待生成模块对应的基于有限状态机的目标管道模型,其中,目标触发模块中至少包括待生成模型对应的基础功能模块及管道模型转换规则,基于有限状态机的目标管道模型中配置有触发模块以及多个基础功能模块;
相应地,模型生成模块302具体可以用于:
将目标基础功能模块、目标触发模块以及基于有限状态机的目标管道模型配置于基于有限状态机的管道模型中,得到待生成模型。
在上述各实施例的基础上,基于有限状态机的管道模型中所配置的不同的目标基础功能模块之间的数据传输格式可以为json格式。
在上述各实施例的基础上,模型生成模块302具体可以用于:
将目标基础功能模块以及目标触发模块配置于基于有限状态机的管道模型中,使用Model Package方法对基于有限状态机的管道模型进行模型打包处理,得到所生成模型。
由于本实施例所介绍的模型的生成装置为可以执行本公开实施例中的模型的生成方法的装置,故而基于本公开实施例中所介绍的模型的生成方法,本领域所属技术人员能够了解本实施例的模型的生成装置的具体实施方式以及其各种变化形式,所以在此对于该模型的生成装置如何实现本公开实施例中的模型的生成方法不再详细介绍。只要本领域所属技术人员实施本公开实施例中模型的生成方法所采用的装置,都属于本申请所欲保护的范围。
实施例四
本公开实施例四提供了一种电子设备,如图4所示,包括:至少一个处理器(processor)41;以及与所述处理器41连接的至少一个存储器(memory)42、总线43;其中,
所述处理器41、存储器42通过所述总线43完成相互间的通信;
所述处理器41用于调用所述存储器42中的程序指令,以执行上述方法实施例中的步骤。
存储器42作为一种非暂态计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本公开实施例中的一种模型的生成方法对应的程序指令/模块(例如,附图3所示的:模块及转换规则获取模块301以及模型生成模块302)。所述处理器41用于调用所述存储器42中的程序指令/模块,以执行上述方法实施例中一种模型的生成方法中的步骤。
存储器42可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器42可以包括高速随机存取存储器,还可以包括非暂态性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态性固态存储器件。在一些实施例中,存储器42可选包括相对于处理器41远程设置的存储器,这些远程存储器可以通过网络连接至终端设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实施例五
本实施例五提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的模型的生成方法。该方法包括:
获取待生成模型对应的目标基础功能模块,以及所述待生成模型对应的目标触发模块,其中,所述目标触发模块中至少包括所述待生成模型对应的基础功能模块转换规则;
将所述目标基础功能模块以及所述目标触发模块配置于基于有限状态机的管道模型中,得到所述待生成模型。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种模型的生成方法,其特征在于,包括:
获取待生成模型对应的目标基础功能模块,以及所述待生成模型对应的目标触发模块,其中,所述目标触发模块中至少包括所述待生成模型对应的基础功能模块转换规则;
将所述目标基础功能模块以及所述目标触发模块配置于基于有限状态机的管道模型中,得到所述待生成模型;
所述获取待生成模型对应的目标基础功能模块,以及所述待生成模型对应的目标触发模块,具体包括:
获取待生成模型对应的目标基础功能模块、所述待生成模型对应的目标触发模块以及所述待生成模型对应的基于有限状态机的目标管道模型,其中,所述目标触发模块中至少包括所述待生成模型对应的基础功能模块及管道模型转换规则,所述基于有限状态机的目标管道模型中配置有触发模块以及多个基础功能模块;
相应地,所述将所述目标基础功能模块以及所述目标触发模块配置于基于有限状态机的管道模型中,得到所述待生成模型,具体包括:
将所述目标基础功能模块、所述目标触发模块以及所述基于有限状态机的目标管道模型配置于基于有限状态机的管道模型中,得到所述待生成模型。
2.根据权利要求1所述的方法,其特征在于,所述目标基础功能模块的输入数据的类型以及输出数据的类型均至少包括下述三种数据类型中的一种:
保存字符串类型的数据、值为数值型的保存字典类型数据以及值为字符串型的保存字典类型数据。
3.根据权利要求1或2所述的方法,其特征在于,在所述将所述目标基础功能模块以及所述目标触发模块配置于基于有限状态机的管道模型中,得到所述待生成模型之前,还包括:
获取所述待生成模型对应的目标输入数据类型转换模块以及目标输出数据类型转换模块;
相应地,所述将所述目标基础功能模块以及所述目标触发模块配置于基于有限状态机的管道模型中,得到所述待生成模型,具体包括:
将所述目标基础功能模块、所述目标触发模块、所述目标输入数据类型转换模块以及所述目标输出数据类型转换模块配置于基于有限状态机的管道模型中,得到所述待生成模型。
4.根据权利要求1或2所述的方法,其特征在于,所述基于有限状态机的管道模型中所配置的不同的目标基础功能模块之间的数据传输格式为json格式。
5.根据权利要求1或2所述的方法,其特征在于,所述将所述目标基础功能模块以及所述目标触发模块配置于基于有限状态机的管道模型中,得到所述待生成模型,具体包括:
将所述目标基础功能模块以及所述目标触发模块配置于基于有限状态机的管道模型中,使用Model Package方法对所述基于有限状态机的管道模型进行模型打包处理,得到所述待生成模型。
6.一种模型的生成装置,其特征在于,包括:
模块及转换规则获取模块,用于获取待生成模型对应的目标基础功能模块,以及所述待生成模型对应的目标触发模块,其中,所述目标触发模块中至少包括所述待生成模型对应的基础功能模块转换规则;
模型生成模块,用于将所述目标基础功能模块以及所述目标触发模块配置于基于有限状态机的管道模型中,得到所述待生成模型;
所述模块及转换规则获取模块,还具体用于:
获取待生成模型对应的目标基础功能模块、待生成模型对应的目标触发模块以及待生成模块对应的基于有限状态机的目标管道模型,其中,目标触发模块中至少包括待生成模型对应的基础功能模块及管道模型转换规则,基于有限状态机的目标管道模型中配置有触发模块以及多个基础功能模块;
相应地,所述模型生成模块,还具体用于:
将所述目标基础功能模块、所述目标触发模块以及所述基于有限状态机的目标管道模型配置于基于有限状态机的管道模型中,得到待生成模型。
7.根据权利要求6所述的装置,其特征在于,所述目标基础功能模块的输入数据的类型以及输出数据的类型均至少包括下述三种数据类型中的一种:
保存字符串类型的数据、值为数值型的保存字典类型数据以及值为字符串型的保存字典类型数据。
8.一种电子设备,其特征在于,包括:
至少一个处理器;
以及与所述处理器连接的至少一个存储器、总线;其中,
所述处理器、存储器通过所述总线完成相互间的通信;
所述处理器用于调用所述存储器中的程序指令,以执行权利要求1至权利要求5中任一项所述的模型的生成方法。
9.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行权利要求1至权利要求5中任一项所述的模型的生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811473822.6A CN109582776B (zh) | 2018-12-04 | 2018-12-04 | 模型的生成方法及装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811473822.6A CN109582776B (zh) | 2018-12-04 | 2018-12-04 | 模型的生成方法及装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109582776A CN109582776A (zh) | 2019-04-05 |
CN109582776B true CN109582776B (zh) | 2021-07-09 |
Family
ID=65926887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811473822.6A Active CN109582776B (zh) | 2018-12-04 | 2018-12-04 | 模型的生成方法及装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109582776B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110287171B (zh) * | 2019-06-28 | 2020-05-26 | 北京九章云极科技有限公司 | 一种数据处理方法及系统 |
CN110868471B (zh) | 2019-11-18 | 2022-09-30 | 北京小米移动软件有限公司 | 设备构建方法、装置及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1551103A (zh) * | 2003-05-01 | 2004-12-01 | 用于语音识别和自然语言理解的具有合成统计和基于规则的语法模型的系统 | |
CN1746856A (zh) * | 2004-09-09 | 2006-03-15 | 微软公司 | 用于在数据保护系统中保护数据的方法、系统和装置 |
CN106909126A (zh) * | 2017-04-06 | 2017-06-30 | 广东技术师范学院 | 基于实时分层有限状态机的计算机数控系统建模开发方法 |
CN107451663A (zh) * | 2017-07-06 | 2017-12-08 | 阿里巴巴集团控股有限公司 | 算法组件化、基于算法组件建模方法、装置以及电子设备 |
CN107924492A (zh) * | 2015-08-14 | 2018-04-17 | 高通股份有限公司 | 使用归一化置信值对移动设备行为进行分类 |
CN108196827A (zh) * | 2017-12-08 | 2018-06-22 | 南京航空航天大学 | 非形式化需求规约模板到形式化设计模型的自动转换方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8125279B2 (en) * | 2009-06-19 | 2012-02-28 | Rockstar Bidco, LP | System and method for reducing holdover duration |
US20170244595A1 (en) * | 2016-02-22 | 2017-08-24 | Ca, Inc. | Dynamic data collection profile configuration |
CN107526846B (zh) * | 2017-09-27 | 2021-09-24 | 百度在线网络技术(北京)有限公司 | 频道排序模型的生成、排序方法、装置、服务器和介质 |
CN108269200A (zh) * | 2017-12-29 | 2018-07-10 | 深圳市科陆电子科技股份有限公司 | 一种基于状态机控制模型的告警事件处理方法及系统 |
-
2018
- 2018-12-04 CN CN201811473822.6A patent/CN109582776B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1551103A (zh) * | 2003-05-01 | 2004-12-01 | 用于语音识别和自然语言理解的具有合成统计和基于规则的语法模型的系统 | |
CN1746856A (zh) * | 2004-09-09 | 2006-03-15 | 微软公司 | 用于在数据保护系统中保护数据的方法、系统和装置 |
CN107924492A (zh) * | 2015-08-14 | 2018-04-17 | 高通股份有限公司 | 使用归一化置信值对移动设备行为进行分类 |
CN106909126A (zh) * | 2017-04-06 | 2017-06-30 | 广东技术师范学院 | 基于实时分层有限状态机的计算机数控系统建模开发方法 |
CN107451663A (zh) * | 2017-07-06 | 2017-12-08 | 阿里巴巴集团控股有限公司 | 算法组件化、基于算法组件建模方法、装置以及电子设备 |
CN108196827A (zh) * | 2017-12-08 | 2018-06-22 | 南京航空航天大学 | 非形式化需求规约模板到形式化设计模型的自动转换方法 |
Non-Patent Citations (1)
Title |
---|
"基于有限状态机的模型转换方法的研究";孙宏旭 等;《计算机技术与发展》;20120228;第10-13,17页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109582776A (zh) | 2019-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106970873B (zh) | 线上mock测试方法、装置及系统 | |
CN108279932B (zh) | 一种移动终端动态配置用户界面方法和装置 | |
CN110020006B (zh) | 查询语句的生成方法及相关设备 | |
CN107506181A (zh) | 业务处理、数据处理方法、装置以及电子设备 | |
CN106250104B (zh) | 一种针对服务器的远程操作系统、方法及装置 | |
US11082302B2 (en) | System and method facilitating reusability of distributed computing pipelines | |
US20170351723A1 (en) | Managing data format of data received from devices in an internet of things network | |
CN108268289B (zh) | web应用的参数配置方法、装置及系统 | |
US11699073B2 (en) | Network off-line model processing method, artificial intelligence processing device and related products | |
CN109582776B (zh) | 模型的生成方法及装置、电子设备及存储介质 | |
CN104423961A (zh) | 一种生成测试脚本的方法及系统 | |
CN108874379B (zh) | 页面的处理方法及装置 | |
CN106326099B (zh) | 一种用于程序跟踪的方法、装置及电子设备 | |
US10387124B2 (en) | System and method for creating domain specific language | |
CN110633959A (zh) | 基于图结构的审批任务创建方法、装置、设备及介质 | |
CN109241749A (zh) | 数据加密、机器学习模型训练方法、装置以及电子设备 | |
CN114168114A (zh) | 一种算子注册方法、装置以及设备 | |
CN107391529B (zh) | 一种实现对象关系映射orm的方法及装置 | |
CN107092474B (zh) | 程序开发方法、etl处理方法及装置 | |
CN106648567B (zh) | 数据获取方法及装置 | |
CN118034924A (zh) | 基于众核系统的数据处理方法、装置、电子设备和介质 | |
US20140310070A1 (en) | Coordinated business rules management and mixed integer programming | |
CN109271180A (zh) | 一种数据处理方法及装置 | |
CN111580789A (zh) | 功能块框架生成 | |
CN110019497B (zh) | 一种数据读取方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220506 Address after: 210034 floor 8, building D11, Hongfeng Science Park, Nanjing Economic and Technological Development Zone, Jiangsu Province Patentee after: New Technology Co.,Ltd. Patentee after: Volkswagen (China) Investment Co., Ltd Address before: 100080 Room 501, 5th floor, NO.67, North Fourth Ring Road West, Haidian District, Beijing Patentee before: Beijing Yufanzhi Information Technology Co.,Ltd. |