CN109840072B - 信息处理方法和装置 - Google Patents

Abstract

本公开实施例公开了信息处理方法和装置。该方法的具体实施方式包括：获取目标需求关键词；利用预先建立的需求翻译模型，生成该目标需求关键词对应的代码关键点，其中，该需求翻译模型用于表征需求关键词与代码关键点之间的对应关系；根据所生成的代码关键点，执行与该目标需求关键词相关的预定义操作。该实施方式提供了新的信息处理方式。

Description

信息处理方法和装置

技术领域

本公开实施例涉及计算机技术领域，具体涉及信息处理方法和装置。

背景技术

随着人工智能的发展，人们可以尝试将人工智能应用在各种场景中。另外，随着互联网技术的发展，提供各种类型服务的应用或者网页层出不穷。开发新的功能，需要工作人员(例如软件的产品经理和程序员)付出大量的时间。并且，在产品经理提出需求到程序员给出实现代码的过程中，需要双方付出巨大的沟通成本。

发明内容

本公开实施例提出了信息处理方法和装置。

第一方面，本公开实施例提供了一种信息处理方法，该方法包括：获取目标需求关键词；利用预先建立的需求翻译模型，生成上述目标需求关键词对应的代码关键点，其中，上述需求翻译模型用于表征需求关键词与代码关键点之间的对应关系；根据所生成的代码关键点，执行与上述目标需求关键词相关的预定义操作。

在一些实施例中，上述方法还包括：获取需求描述信息；利用预先建立的需求识别模型，生成与上述需求描述信息对应的目标需求关键词，其中，上述需求识别模型用于表征需求描述信息与需求关键词之间的对应关系。

在一些实施例中，上述根据所生成的代码关键点，执行与上述目标需求关键词相关的预定义操作，包括：利用查找到的目标代码关键点，生成上述目标需求关键词对应的实现代码。

在一些实施例中，上述根据所生成的代码关键点，执行与上述目标需求关键词相关的预定义操作，包括：获取与上述目标需求关键词相关的已有代码，以及将所生成的代码关键点确定为目标代码关键点；根据上述目标代码关键点，确定上述已有代码中是否存在错误。

在一些实施例中，上述根据上述目标代码关键点，确定上述已有代码中是否存在错误，包括：确定上述已有代码中是否存在与上述目标代码关键点相匹配的代码；响应于确定存在，确定上述已有代码没有错误；响应于确定不存在，确定上述已有代码中存在错误，以及生成错误指示信息。

第二方面，本公开实施例提供了一种信息处理装置，该装置包括：第一获取单元，被配置成获取目标需求关键词；第一生成单元，被配置成利用预先建立的需求翻译模型，生成上述目标需求关键词对应的代码关键点，其中，上述需求翻译模型用于表征需求关键词与代码关键点之间的对应关系；执行单元，被配置成根据所生成的代码关键点，执行与上述目标需求关键词相关的预定义操作。

在一些实施例中，上述装置还包括：第二获取单元，被配置成获取需求描述信息；第二生成单元，被配置成利用预先建立的需求识别模型，生成与上述需求描述信息对应的目标需求关键词，其中，上述需求识别模型用于表征需求描述信息与需求关键词之间的对应关系。

在一些实施例中，上述执行单元，还被配置成：利用查找到的目标代码关键点，生成上述目标需求关键词对应的实现代码。

在一些实施例中，上述执行单元，还被配置成：获取与上述目标需求关键词相关的已有代码，以及将所生成的代码关键点确定为目标代码关键点；根据上述目标代码关键点，确定上述已有代码中是否存在错误。

在一些实施例中，上述执行单元，还被配置成：确定上述已有代码中是否存在与上述目标代码关键点相匹配的代码；响应于确定存在，确定上述已有代码没有错误；响应于确定不存在，确定上述已有代码中存在错误，以及生成错误指示信息。

第三方面，本公开实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本公开实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本公开实施例提供的信息处理方法和装置，通过上述需求翻译模型可以根据目标关键词，生成目标关键词对应的代码关键点。然后，上述执行主体可以利用代码关键点，针对目标需求关键词指示的需求，执行预定义操作，技术效果至少可以包括：提供了一种新的信息处理方式。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一些实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的信息处理方法的一个实施例的流程图；

图3是根据本公开的信息处理方法的一个应用场景的示意图；

图4是根据本公开的信息处理方法的再一个实施例的流程图；

图5是根据本公开的信息处理装置的一个实施例的结构示意图；

图6是适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的信息处理方法或信息处理装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104可以是用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如信息处理类应用、通话类应用、直播类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有通信功能的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上的信息处理类应用支持的后台服务器。服务器105可以接收终端设备101、102、103发送的目标需求关键词。然后，服务器105可以对目标需求关键词执行一系列的操作，得到处理结果，例如，生成目标需求关键词对应的实现代码。然后，服务器105可以将处理结果返回至终端设备101、102、103。

需要说明的是，本公开实施例所提供的信息处理方法一般由服务器105执行，相应地，信息处理装置一般设置于服务器105中。可选的，本公开实施例所提供的信息处理方法也可以由终端设备101、102、103执行。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

请参考图2，其示出了信息处理方法的一个实施例的流程200。本实施例主要以该方法应用于有一定运算能力的电子设备中来举例说明，该电子设备可以是图1示出的服务器。该信息处理方法，包括以下步骤：

步骤201，获取目标需求关键词。

在本实施例中，信息处理方法的执行主体(例如图1所示的服务器)可以从上述执行主体本地或者其它电子设备，获取目标需求关键词。

在这里，目标需求关键词可以是用于指示目标需求的词。目标需求关键词可以是一个，也可以是多个。

作为示例，目标需求关键词可以是由工作人员给出的，也可以是由上述执行主体解析文本得到的。

作为示例，目标需求关键词可以是“登录”“退出”等。

步骤202，利用预先建立的需求翻译模型，生成目标需求关键词对应的代码关键点。

在本实施例中，上述执行主体可以利用预先建立的需求翻译模型，生成目标需求关键词对应的代码关键点。

在这里，上述需求翻译模型用于表征需求关键词与代码关键点之间的对应关系。

在这里，可以将上述目标需求关键词导入上述需求翻译模型，然后，上述需求翻译模型可以生成代码关键点。

作为示例，上述需求翻译模型可以是对应关系表，上述对应关系表对应记录了需求关键词和代码关键点。

作为示例，上述需求翻译模型可以对第一初始神经网络进行训练得到的。第一初始神经网络的网络结构，可以根据实践自定义配置。作为示例，确定第一初始神经网络包括哪些层，层与层之间的连接顺序关系，以及每层都包括哪些神经元，每个神经元对应的权重(weight)和偏置项(bias)，每层的激活函数等等。作为示例，当上述第一初始神经网络为深度卷积神经网络时，由于深度卷积神经网络是一个多层的神经网络，因此需要确定深度卷积神经网络包括哪些层(例如，卷积层，池化层，全连接层，分类器等等)，层与层之间的连接顺序关系，以及每个层都包括哪些网络参数(例如，权重、偏置项、卷积的步长)等等。确定了第一初始神经网络的网络结构之后，可以利用第一样本集，对第一初始神经网络采用各种机器学习方式进行训练，得到上述需求翻译模型。在这里，第一样本集可以包括第一样本，第一样本可以包括标注了代码关键点的需求关键词。

在这里，代码关键点可以是关键代码。作为示例，与目标需求关键词“登录”对应的代码关键点，可以包括“input”“password”等。

步骤203，根据所生成的代码关键点，执行与目标需求关键词相关的预定义操作。

在本实施例中，上述执行主体可以根据步骤202所生成的代码关键点，执行与上述目标需求关键词相关的预定义操作。

在本实施例中，上述预定义操作可以是预先定义的操作。

作为示例，上述预定义操作可以包括但不限于以下至少一项：检查已有代码(与上述目标需求关键词指示的需求相关)的是否有错误；根据目标需求关键词，生成用于实现上述目标需求关键词指示的需求的代码。

需要说明的是，上述需求翻译模型可以根据目标关键词，生成目标关键词对应的代码关键点。然后，上述执行主体可以利用代码关键点，针对目标需求关键词指示的需求，执行预定义操作。由此，技术效果至少可以包括：

第一，提供了一种新的处理信息的方法。

第二，可以实现从目标需求关键词得到代码关键点。利用需求翻译模型得到的代码关键点，相对于利用人力得到代码关键点，可以提高得到的代码关键点的准确性。另外，可以提高得到代码关键点的便捷程度和速度。

继续参见图3，图3是根据图2所示实施例的信息处理方法的应用场景的一个示意图。在图3的应用场景中：

首先，服务器301可以从终端302接收目标需求关键词，以获取目标需求关键词。

然后，服务器301可以利用预先建立的需求翻译模型，生成与上述目标需求关键词对应的代码关键点。在这里，上述需求翻译模型用于表征需求关键词与代码关键点之间的对应关系。

最后，上述服务器301可以根据所生成的代码关键点，执行与上述目标需求关键词相关的预定义操作。

本公开的上述实施例提供的方法，通过上述需求翻译模型可以根据目标关键词，生成目标关键词对应的代码关键点。然后，上述执行主体可以利用代码关键点，针对目标需求关键词指示的需求，执行预定义操作，技术效果至少可以包括：提供了一种新的信息处理方式。

在一些实施例中，可以由工作人员在终端输入目标需求关键词，终端将上述目标需求关键词发送至上述执行主体。

在一些实施例中，上述步骤203可以包括：利用查找到的目标代码关键点，生成上述目标需求关键词对应的实现代码。

在这里，由于目标代码关键点相当于提供了实现代码的梗概，因此可以以目标代码关键点为中心，添加适当的辅助语句，生成上述实现代码。

需要说明的是，上述根据目标代码关键点，生成实现代码，提供一种新的代码实现方式。从而，可以实现由机器自动生成实现代码，提高代码生成的速度和准确度。

进一步参考图4，其示出了信息处理方法的又一个实施例的流程400。该信息处理方法的流程400，包括以下步骤：

步骤401，获取需求信息。

在本实施例中，信息处理方法的执行主体(例如图1所示的服务器)可以获取需求信息。

在这里，上述需求描述信息可以由工作人员在终端设备中输入，然后，终端设备可以将上述需求描述信息发送至上述执行主体。上述执行主体可以利用预先建立的需求识别模型，生成与上述需求描述信息对应的目标需求关键词。

在这里，上述需求描述信息可以是自然语言。作为示例，需求描述信息可以包括“用户在界面甲上实现登录”。

步骤402，利用预先建立的需求识别模型，生成与需求描述信息对应的目标需求关键词。

在本实施例中，上述执行主体可以利用预先建立的需求识别模型，生成与需求描述信息对应的目标需求关键词。

在这里，上述需求识别模型用于表征需求描述信息与需求关键词之间的对应关系。

在这里，上述需求识别模型可以利用自然语言处理技术建立的。

作为示例，软件制作过程中的产品经理角色，可以提供需求描述信息。

需要说明的是，利用需求识别模型，识别自然语言形式的需求描述信息，可以从需求描述信息得到关键词，从而，可以在软件制作过程中，从快速提炼需求要点，用于生成代码关键点。从而，可以提高代码关键点的生成速度。并且，提高了一种从自然语言形式的需求描述信息到代码形式的代码关键点的生成方法。

作为示例，上述需求识别模型可以对第二初始神经网络进行训练得到的。第二初始神经网络的网络结构，可以根据实践自定义配置。作为示例，确定第二初始神经网络包括哪些层，层与层之间的连接顺序关系，以及每层都包括哪些神经元，每个神经元对应的权重(weight)和偏置项(bias)，每层的激活函数等等。作为示例，当上述第二初始神经网络为深度卷积神经网络时，由于深度卷积神经网络是一个多层的神经网络，因此需要确定深度卷积神经网络包括哪些层(例如，卷积层，池化层，全连接层，分类器等等)，层与层之间的连接顺序关系，以及每个层都包括哪些网络参数(例如，权重、偏置项、卷积的步长)等等。确定了第二初始神经网络的网络结构之后，可以利用第二样本集，对第二初始神经网络采用各种机器学习方式进行训练，得到上述需求识别模型。在这里，第二样本集可以包括第二样本，第二样本可以包括标注了需求关键词的需求描述信息。

步骤403，利用预先建立的需求翻译模型，生成目标需求关键词对应的代码关键点。

在本实施例中，上述执行主体可以利用预先建立的需求翻译模型，生成目标需求关键词对应的代码关键点。在这里，上述需求翻译模型用于表征需求关键词与代码关键点之间的对应关系。

在这里，步骤403的相关实现细节和技术效果，请参考步骤203中的描述，在此不再赘述。

步骤404，获取与代码关键点相关的已有代码，以及将所生成的代码关键点确定为目标代码关键点。

在本实施例中，上述执行主体可以获取与上述目标需求关键词相关的已有代码，以及将所生成的代码关键点确定为目标代码关键点。

步骤405，根据目标代码关键点，确定已有代码中是否存在错误。

在本实施例中，上述执行主体可以根据上述目标代码关键点，确定上述已有代码中是否存在错误。

在一些实施例中，上述根据上述目标代码关键点，确定上述已有代码中是否存在错误，可以通过以下方式实现：确定上述已有代码中是否存在与上述目标代码关键点相匹配的代码；如果存在，则确定上述已有代码没有错误；如果不存在，则确定上述已有代码中存在错误，以及生成错误指示信息。

在这里，与目标代码关键点相匹配的代码，可以是与目标代码关键点相同的代码，也可以是与目标代码关键点实现相同功能的类似代码。

在这里，上述错误指示信息可以指示上述已有代码中是否存在错误。

可选的，上述错误指示信息还可以指示上述已有代码中的错误代码的位置。

从图4中可以看出，与图2对应的实施例相比，本实施例中的信息处理方法的流程400突出了利用需求识别模型生成目标需求关键词以及利用代码关键点检查已有代码是否有误的步骤。由此，本实施例描述的方案，技术效果至少可以包括：

第一，提供了一种新的信息处理方式。

第二，提供了由自然语言形式的需求描述信息到代码关键点的生成方式。

第三，提供了一种检查已有代码的方式。由此，可以实现计算机自动检查已有代码是否符合需求描述信息所指示的需求，从而可以提高代码的生成速度和交付速度。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种信息处理装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的信息处理装置500包括：第一获取单元501、第一生成单元502和执行单元503。其中，第一获取单元，被配置成获取目标需求关键词；第一生成单元，被配置成利用预先建立的需求翻译模型，生成上述目标需求关键词对应的代码关键点，其中，上述需求翻译模型用于表征需求关键词与代码关键点之间的对应关系；执行单元，被配置成根据所生成的代码关键点，执行与上述目标需求关键词相关的预定义操作。

在一些实施例中，上述装置还包括：第二获取单元(未示出)，被配置成获取需求描述信息；第二生成单元(未示出)，被配置成利用预先建立的需求识别模型，生成与上述需求描述信息对应的目标需求关键词，其中，上述需求识别模型用于表征需求描述信息与需求关键词之间的对应关系。

在一些实施例中，上述执行单元，还被配置成：利用查找到的目标代码关键点，生成上述目标需求关键词对应的实现代码。

在一些实施例中，上述执行单元，还被配置成：获取与上述目标需求关键词相关的已有代码，以及将所生成的代码关键点确定为目标代码关键点；根据上述目标代码关键点，确定上述已有代码中是否存在错误。

在一些实施例中，上述执行单元，还被配置成：确定上述已有代码中是否存在与上述目标代码关键点相匹配的代码；响应于确定存在，确定上述已有代码没有错误；响应于确定不存在，确定上述已有代码中存在错误，以及生成错误指示信息。

需要说明的是，本公开实施例提供的信息处理装置中各单元的实现细节和技术效果可以参考本公开中其它实施例的说明，在此不再赘述。

下面参考图6，其示出了适于用来实现本公开实施例的电子设备(例如图1中的终端或服务器)600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：向至少两个处理器中的处理器，发送训练样本集中的训练样本子集，其中，处理器用于：基于待训练模型和接收到的训练样本子集，前向传播确定待训练模型的实际输出；对于上述至少两个处理器中的处理器，获取该处理器确定的待训练模型的实际输出；基于所获取的实际输出，进行反向传播，确定待训练模型中预先指定的第一网络参数对应的第一梯度；根据上述第一梯度，更新上述第一网络参数。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取目标需求关键词的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (8)

1.一种信息处理方法，包括：

获取目标需求关键词；

利用预先建立的需求翻译模型，生成所述目标需求关键词对应的代码关键点，其中，所述需求翻译模型用于表征需求关键词与代码关键点之间的对应关系；

获取与所述目标需求关键词相关的已有代码，以及将所生成的代码关键点确定为目标代码关键点；

根据所述目标代码关键点，确定所述已有代码中是否存在与所述目标代码关键点相同的代码或者与所述目标代码关键点实现相同功能的类似代码，如果存在，则确定所述已有代码没有错误，如果不存在，则确定所述已有代码中存在错误，并生成错误指示信息。

2.根据权利要求1所述的方法，其中，所述方法还包括：

获取需求描述信息；

利用预先建立的需求识别模型，生成与所述需求描述信息对应的目标需求关键词，其中，所述需求识别模型用于表征需求描述信息与需求关键词之间的对应关系。

3.根据权利要求1或2所述的方法，还包括：

利用查找到的目标代码关键点，生成所述目标需求关键词对应的实现代码。

4.一种信息处理装置，包括：

第一获取单元，被配置成获取目标需求关键词；

第一生成单元，被配置成利用预先建立的需求翻译模型，生成所述目标需求关键词对应的代码关键点，其中，所述需求翻译模型用于表征需求关键词与代码关键点之间的对应关系；

执行单元，被配置成获取与所述目标需求关键词相关的已有代码，以及将所生成的代码关键点确定为目标代码关键点；还被配置成，根据所述目标代码关键点，确定所述已有代码中是否存在与所述目标代码关键点相同的代码或者与所述目标代码关键点实现相同功能的类似代码，如果存在，则确定所述已有代码没有错误，如果不存在，则确定所述已有代码中存在错误，并生成错误指示信息。

5.根据权利要求4所述的装置，其中，所述装置还包括：

第二获取单元，被配置成获取需求描述信息；

第二生成单元，被配置成利用预先建立的需求识别模型，生成与所述需求描述信息对应的目标需求关键词，其中，所述需求识别模型用于表征需求描述信息与需求关键词之间的对应关系。

6.根据权利要求4或5所述的装置，其中，所述执行单元，还被配置成：

利用查找到的目标代码关键点，生成所述目标需求关键词对应的实现代码。

7.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-3中任一所述的方法。

8.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-3中任一所述的方法。

Images