CN110647666B - 模板与公式的智能匹配方法、装置及计算机可读存储介质 - Google Patents
模板与公式的智能匹配方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110647666B CN110647666B CN201910829795.XA CN201910829795A CN110647666B CN 110647666 B CN110647666 B CN 110647666B CN 201910829795 A CN201910829795 A CN 201910829795A CN 110647666 B CN110647666 B CN 110647666B
- Authority
- CN
- China
- Prior art keywords
- module
- calculation
- calculation formula
- word
- user
- 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 29
- 238000004364 calculation method Methods 0.000 claims abstract description 321
- 230000000694 effects Effects 0.000 claims abstract description 91
- 238000000605 extraction Methods 0.000 claims description 34
- 239000013598 vector Substances 0.000 claims description 24
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 26
- 238000013527 convolutional neural network Methods 0.000 description 24
- 238000013528 artificial neural network Methods 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 12
- 125000004122 cyclic group Chemical group 0.000 description 10
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种大数据技术,揭露了一种模板与公式的智能匹配方法,包括:接收计算公式集、模块集、模块标签集、实现目的,从所述模块集中查询出可实现所述实现目的的模块种类得到模块集合和计算效果集合,从所述计算公式集中查询出可实现所述计算效果集合的计算公式种类得到计算集合,将所述计算效果集合中的输入参数条件要求反馈给用户,接收用户选择的计算公式得到计算公式集合,基于所述模块集合和所述计算公式集合构建完成满足用户需求的包括计算公式的模块集合,完成计算公式与模块的匹配。本发明还提出一种模板与公式的智能匹配装置以及一种计算机可读存储介质。本发明可以实现快速的模板与公式的智能匹配功能。
Description
技术领域
本发明涉及大数据技术领域,尤其涉及一种基于模板与公式的智能匹配方法、装置及计算机可读存储介质。
背景技术
应用程序接口(英语:Application Programming Interface,简称:API)通常又称为模块,所述模块是为了实现某个需求而写好的软件程序,良好的模块可降低使用者的时间精力投入比,提高整个开发系统的内聚性,降低偶然异常情况的发生概率,提高系统的维护性和扩展性。随着近年来软件的规模日益庞大,常常把更为复杂的实现需求或实现目的提前写好供用户直接调用,因此对于用户来说更加方便。特别地,不可否认的是,当模块中包括各种计算公式时,所述包括各种计算公式的模块在编写的时候更加复杂繁琐,因为不同的计算公式所需要的输入参量种类、输入参量的参数要求等都千差万别,为了解决计算公式带来的实现繁琐、输入变量多变的问题,目前常用的方法就是基于特定需求直接将计算公式写死在模块内的代码中或模块内的配置文件中,虽然解决了所述问题,但同样丧失了模块的扩展性和灵活性。
发明内容
本发明提供一种模板与公式的智能匹配方法、装置及计算机可读存储介质,其主要目的在于根据用户提供的输入参数数量及输入参数的条件要求进行模板与公式的智能匹配。
为实现上述目的,本发明提供的一种模板与公式的智能匹配方法,包括:
接收计算公式集、模块集、计算公式标签集、模块标签集并存入至数据库中;
接收用户输入的实现目的A,通过所述数据库查询所述模块标签集中是否包括所述实现目的A;
当所述模块标签集中不包括所述实现目的A时,返回模块调用失败的信息,并提示用户重新输入实现目的;
当所述模块标签集中包括所述实现目的A时,从所述模块集中查询出可实现所述实现目的A相对应的模块种类,得到模块集合A’,以及所述模块集合A’中不同模块所需要的计算效果得到计算效果集合A”;
通过所述计算公式标签集从所述计算公式集中查询出可实现所述计算效果集合A”相对应的计算公式种类得到计算集合,以及所述计算公式标签集根据所述计算效果集合A”中所需要的计算公式的输入参数数量及输入参数的条件要求反馈给用户;
接收用户选择的计算公式得到计算公式集合B;
基于所述模块集合A’和所述计算公式集合B构建完成满足用户需求的包括计算公式的模块集合C,完成智能化的计算公式与模块的匹配。
可选地,所述模块集包括多个模块,所述模块是为了实现不同需求而预先写好的软件程序;
所述模块标签集包括所述模块的实现目的及所述模块所需要的计算公式的计算效果;
所述计算公式集包括多种计算公式;
所述计算公式标签集包括所述计算公式的计算效果、所述计算公式的输入参数数量及输入参数的条件要求。
可选地,所述接收用户输入的实现目的A,通过所述数据库查询所述模块标签集中是否包括所述实现目的A,包括:
接收用户输入的基于文字表述的实现目的A;
对所述实现目的A进行关键字提取操作得到关键字集合;
将所述关键字集合与所述模块标签集进行匹配计算,从而完成所述查询。
可选地,所述关键字提取操作包括:
对所述实现目的A进行语句切分并去除异形词得到词语集合;
对所述词语集合内的每个词语进行权重打分操作得到与所述词语集合对应的权重分数集合;
对所述权重分数按照从高到低排序,提取权重分数前一名或多名对应的词语,完成所述关键字提取操作。
可选地,所述权重打分操作包括:
将所述每个词语转变为词向量形式;
计算词向量形式下每个词语的欧式距离;
遍历词向量形式下每个词语与其他词语的权重得到权重分数,其中所述词向量形式下每个词语与其他词语的权重为:
其中,fgrav(Wi,Wall|i)为所述词向量形式下每个词语与其他词语的权重,tfidf(Wi)是词Wi的词频值,tfidf(Wall|i)是去除词Wi以外的所有其他词的TF-IDF值,d是词Wi和Wall|i的词向量之间的欧式距离。
此外,为实现上述目的,本发明还提供一种模板与公式的智能匹配装置,该装置包括存储器和处理器,所述存储器中存储有可在所述处理器上运行的模板与公式的智能匹配程序,所述模板与公式的智能匹配程序被所述处理器执行时实现如下步骤:
接收计算公式集、模块集、计算公式标签集、模块标签集并存入至数据库中;
接收用户输入的实现目的A,通过所述数据库查询所述模块标签集中是否包括所述实现目的A;
当所述模块标签集中不包括所述实现目的A时,返回模块调用失败的信息,并提示用户重新输入实现目的;
当所述模块标签集中包括所述实现目的A时,从所述模块集中查询出可实现所述实现目的A相对应的模块种类,得到模块集合A’,以及所述模块集合A’中不同模块所需要的计算效果得到计算效果集合A”;
通过所述计算公式标签集从所述计算公式集中查询出可实现所述计算效果集合A”相对应的计算公式种类得到计算集合,以及所述计算公式标签集根据所述计算效果集合A”中所需要的计算公式的输入参数数量及输入参数的条件要求反馈给用户;
接收用户选择的计算公式得到计算公式集合B;
基于所述模块集合A’和所述计算公式集合B构建完成满足用户需求的包括计算公式的模块集合C,完成智能化的计算公式与模块的匹配。
可选地,所述模块集包括多个模块,所述模块是为了实现不同需求而预先写好的软件程序;
所述模块标签集包括所述模块的实现目的及所述模块所需要的计算公式的计算效果;
所述计算公式集包括多种计算公式;
所述计算公式标签集包括所述计算公式的计算效果、所述计算公式的输入参数数量及输入参数的条件要求。
可选地,所述接收用户输入的实现目的A,通过所述数据库查询所述模块标签集中是否包括所述实现目的A,包括:
接收用户输入的基于文字表述的实现目的A;
对所述实现目的A进行关键字提取操作得到关键字集合;
将所述关键字集合与所述模块标签集进行匹配计算,从而完成所述查询。
可选地,所述关键字提取操作包括:
对所述实现目的A进行语句切分并去除异形词得到词语集合;
对所述词语集合内的每个词语进行权重打分操作得到与所述词语集合对应的权重分数集合;
对所述权重分数按照从高到低排序,提取权重分数前一名或多名对应的词语,完成所述关键字提取操作。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有模板与公式的智能匹配程序,所述模板与公式的智能匹配程序可被一个或者多个处理器执行,以实现如上所述的模板与公式的智能匹配方法的步骤。
本发明通过对数据集进行多次划分得到计算公式集、模块集、计算公式标签集、模块标签集,并利用数据库查询功能进行标签判断,达到第一次的模板与公式的匹配功能,同时根据输入参数数量及输入参数的条件要求对公式进行二次匹配,所以经过初步预处理、一次匹配和二次匹配,可以达到模板与公式匹配的目的。因此本发明提出的模板与公式的智能匹配方法、装置及计算机可读存储介质,可以实现精准快速的模板与公式匹配的目的。
附图说明
图1为本发明一实施例提供的模板与公式的智能匹配方法的流程示意图;
图2为本发明一实施例提供的模板与公式的智能匹配装置的内部结构示意图;
图3为本发明一实施例提供的模板与公式的智能匹配装置中模板与公式的智能匹配程序的模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种模板与公式的智能匹配方法。参照图1所示,为本发明一实施例提供的模板与公式的智能匹配方法的流程示意图。该方法可以由一个装置执行,该装置可以由软件和/或硬件实现。
在本实施例中,模板与公式的智能匹配方法包括:
S1、接收计算公式集、模块集、计算公式标签集、模块标签集并存入至数据库中。
本发明较佳实施例,所述模块集包括各种模块,所述各种模块是为了实现不同需求而写好的软件程序,因此较佳地,所述模块集是可实现所述各种模块的代码集,所述代码集可用C++、JAVA、Python等编程语言撰写。如可根据用户生活需求,所述模块集可包括二维码快速扫描模块、账目支出收入记录模块、车牌识别模块、股价预测模块等不同用户生活需求下的模块。进一步地,所述模块标签集就是记录所述各种模块的实现目的及所述各种模块所需要的计算公式的计算效果,如模块Z是为了实现车牌识别为目的而已写好的软件程序,则所述模块标签集在模块Z与车牌识别之间建立联系,如可将模块Z用计算机语言0001表示,同时将车牌识别也用0001表示,建立对等关系。进一步地,所述模块标签集记录所述各种模块所需要的计算公式的计算效果,如模块Z是为了实现车牌识别为目的的软件程序,而所述模块Z需要对车牌的特征进行提取,而对车牌的特征进行提取可用卷积神经网络实现,因此所述卷积神经网络就是所述计算公式,而提取数据特征就是所述计算公式的计算效果,进一步地,同样可将所述计算公式的计算效果用0001表示,因此所述模块Z、所述车牌识别、各种模块所需要的计算效果之间建立了联系,其中所述车牌识别、所述各种模块所需要的计算效果被所述模块标签集记录。
较佳地,所述计算公式集包括各种计算公式,所述计算公式标签集包括记录所述各种计算公式的计算效果、所述各种计算公式的输入参数数量及输入参数的条件要求,进一步地,所述计算公式标签集与所述模块标签集都记录所述各种计算公式的计算效果,因此所述计算公式标签集与所述模块标签集可通过所述计算效果进行访问查询。优选地,所述各种计算公式可用代码提前写好,因此所述计算公式集较佳地为实现所述各种计算公式的代码集。所述各种计算公式较复杂的可包括卷积神经网络、循环神经网络、梯度下降算法等,较简单可包括一次函数、二次函数、二元一次函数、tan函数等。所述计算公式标签集记录各计算公式的计算效果,如记录卷积神经网络的计算效果是提取数据的特征、循环神经网络的计算效果是提取数据的特征、梯度下降算法的计算效果是进行数据迭代、一次函数、二次函数、二元一次函数、三角函数的计算效果是数据拟合等。
进一步地,所述计算公式标签集同时记录所述各种计算公式的输入参数数量及各输入参数的条件要求。如记录所述卷积神经网络需要的输入参数只有一个,且输入参数可为一维、二维或者更高维数据;记录所述循环神经网络需要的输入参数需要有两个,输入参数类型其中一种是一维数据或多维数据,另一种是时间类型数据;记录所述一次函数只需要一个输入参数;记录所述二元一次函数需要两个输入参数;记录所述tan函数只需要一个输入参数,且输入参数不能为等。
S2、接收用户输入的实现目的A,通过所述数据库查询所述模块标签集中是否包括所述实现目的A。
优选地,接收用户输入的基于文字表述的实现目的A,对所述实现目的A进行关键字提取操作得到关键字集合,将所述关键字集合与所述模块标签集进行匹配计算,从而完成所述查询。
进一步地,所述关键字提取操作包括对所述实现目的A进行语句切分并去除异形词得到词语集合,对所述词语集合内的每个词语进行权重打分操作得到所述每个词语的权重分数,对所述权重分数按照从高到低排序,提取权重分数前一名或多名对应的词语,完成所述关键字提取操作。
较佳地,所述权重打分操作包括将所述每个词语转变为词向量形式,计算词向量形式下每个词语的欧式距离,然后遍历词向量形式下每个词语与其他词语的权重得到权重分数。所述词向量形式下每个词语与其他词语的权重为:
其中,fgrav(Wi,Wall|i)为所述词向量形式下每个词语与其他词语的权重,tfidf(Wi)是词Wi的TF-IDF值,所述TF-IDF值是一种常用数字加权技术,tfidf(Wall|i)是去除词Wi以外的所有其他词的TF-IDF值,d是词Wi和Wall|i的词向量之间的欧式距离。
本发明较佳实施例,如接收用户输入的实现目的是车牌识别,则所述数据库通过查询所述模块标签集中是否记录有所述车牌识别的模块
S3、当所述模块标签集中不包括所述实现目的A时,返回模块调用失败的信息,并提示用户重新输入实现目的。
优选地,如当所述模块标签集中未含有所述车牌识别的实现目的,则返回模块调用失败的信息,并提示用户重新输入,较佳地,所述模块调用失败的信息和提示用户重新输入可采用屏幕显示文字或语音播报的方式。
S4、当所述模块标签集中包括所述实现目的A时,从所述模块集中查询出可实现所述实现目的A相对应的模块种类,得到模块集合A’,以及所述模块集合A’中不同模块所需要的计算效果得到计算效果集合A”。
较佳地,如接收用户输入的实现目的是车牌识别,则所述数据库通过查询所述模块标签集中是否记录有所述实现目的为车牌识别的模块,当所述模块标签集中记录含有所述车牌识别的实现目的,则从所述模块集中查询出可实现所述车牌识别的模块种类得到模块集合A’,如模块集合A’中有3个模块a、b、c可实现所述车牌识别,并查询所述模块集合A’中不同模块所需要的计算效果得到计算效果集合A”,如所述模块a不需要计算公式,当接收图片或视频后可直接实现车牌识别、所述模块b需要有一个实现特征提取的计算公式、所述模块c需要有一个实现特征提取的计算公式和一个数据迭代的计算公式,则所述计算效果集合A”包括特征提取和数据迭代。
S5、通过所述计算公式标签集从所述计算公式集中查询出可实现所述计算效果集合A”相对应的计算公式种类得到计算集合,以及所述计算公式标签集根据所述计算效果集合A”中所需要的计算公式的输入参数数量及输入参数的条件要求反馈给用户。
较佳地,如所述计算效果集合A”中包括特征提取和数据迭代两种计算效果,因为所述计算公式标签集中记录了各个公式的计算效果,如所述特征提取和所述数据迭代在所述计算公式标签集中被记录为0001和0002,且可以实现特征提取的计算效果(即:0001)有两种计算公式,分别为所述卷积神经网络和所述循环神经网络,所述卷积神经网络需要的输入参数只有一个,且输入数据可为一维、二维或者更高维数据;所述循环神经网络需要的输入参数需要有两个,数据类型其中一种是一维数据或多维数据,另一种是时间类型数据,同理,查询可实现所述数据迭代的计算效果有若干种计算公式,因此综合来说,通过查询所述计算公式标签集信息可得到各计算公式的输入参数数量和输入参数的条件要求,同时将所述计算公式的输入参数数量和输入参数的条件要求通过文字信息反馈给用户。
S6、接收用户选择的计算公式得到计算公式集合B。
优选地,如上述特征提取的计算效果在所述卷积神经网络与所述循环神经网络都可实现,并同时将所述卷积神经网络与所述循环神经网络的输入参数数量及输入参数的条件要求通过文字信息或语音播报等形式反馈给用户,用户根据自身的实际情况,如只能提供一种数据,进而选择了所述卷积神经网络作为实现所述特征提取的计算公式。同理,所述数据迭代与所述特征提取的选择方案相同,如用户根据自身所能提供的数据,最终选择了随机梯度下降算法实现所述数据迭代的计算效果,将所述随机梯度下降算法与所述卷积神经网络组成计算公式集合B。
S7、基于所述模块集合A’和所述计算公式集合B构建完成满足用户需求的包括计算公式的模块集合C,完成智能化的计算公式与模块的匹配。
较佳地,如上述模块集合A’有3个模块a、b、c可实现所述车牌识别,所述计算公式集合B包括所述随机梯度下降算法与所述卷积神经网络,将所述随机梯度下降算法用s表示,所述卷积神经网络用t表示,因此按照排列组合的方式,最终可提供给用户选择并使用的模块集合有三种,分别为a、bt、cst,由于所述举例是以最简单的描述形式展开,实际上由于用户可提供的数据多变性、可实现相同计算效果含有大量计算公式、实现目的相同的大量模块,通过排列组合可得到更多的模块集合,因此在解决计算公式带来的实现繁琐、输入变量多变问题的同时,极大的提高了模块扩展性和灵活性。
发明还提供一种模板与公式的智能匹配装置。参照图2所示,为本发明一实施例提供的模板与公式的智能匹配装置的内部结构示意图。
在本实施例中,所述模板与公式的智能匹配装置1可以是PC(Personal Computer,个人电脑),或者是智能手机、平板电脑、便携计算机等终端设备,也可以是一种服务器等。该模板与公式的智能匹配装置1至少包括存储器11、处理器12,通信总线13,以及网络接口14。
其中,存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是模板与公式的智能匹配装置1的内部存储单元,例如该模板与公式的智能匹配装置1的硬盘。存储器11在另一些实施例中也可以是模板与公式的智能匹配装置1的外部存储设备,例如模板与公式的智能匹配装置1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,存储器11还可以既包括模板与公式的智能匹配装置1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于模板与公式的智能匹配装置1的应用软件及各类数据,例如模板与公式的智能匹配程序01的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行存储器11中存储的程序代码或处理数据,例如执行模板与公式的智能匹配程序01等。
通信总线13用于实现这些组件之间的连接通信。
网络接口14可选的可以包括标准的有线接口、无线接口(如WI-FI接口),通常用于在该装置1与其他电子设备之间建立通信连接。
可选地,该装置1还可以包括用户接口,用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard),可选的用户接口还可以包括标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在模板与公式的智能匹配装置1中处理的信息以及用于显示可视化的用户界面。
图2仅示出了具有组件11-14以及模板与公式的智能匹配程序01的模板与公式的智能匹配装置1,本领域技术人员可以理解的是,图1示出的结构并不构成对模板与公式的智能匹配装置1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
在图2所示的装置1实施例中,存储器11中存储有模板与公式的智能匹配程序01;处理器12执行存储器11中存储的模板与公式的智能匹配程序01时实现如下步骤:
步骤一、接收计算公式集、模块集、计算公式标签集、模块标签集并存入至数据库中。
本发明较佳实施例,所述模块集包括各种模块,所述各种模块是为了实现不同需求而写好的软件程序,因此较佳地,所述模块集是可实现所述各种模块的代码集,所述代码集可用C++、JAVA、Python等编程语言撰写。如可根据用户生活需求,所述模块集可包括二维码快速扫描模块、账目支出收入记录模块、车牌识别模块、股价预测模块等不同用户生活需求下的模块。进一步地,所述模块标签集就是记录所述各种模块的实现目的及所述各种模块所需要的计算公式的计算效果,如模块Z是为了实现车牌识别为目的而已写好的软件程序,则所述模块标签集在模块Z与车牌识别之间建立联系,如可将模块Z用计算机语言0001表示,同时将车牌识别也用0001表示,建立对等关系。进一步地,所述模块标签集记录所述各种模块所需要的计算公式的计算效果,如模块Z是为了实现车牌识别为目的的软件程序,而所述模块Z需要对车牌的特征进行提取,而对车牌的特征进行提取可用卷积神经网络实现,因此所述卷积神经网络就是所述计算公式,而提取数据特征就是所述计算公式的计算效果,进一步地,同样可将所述计算公式的计算效果用0001表示,因此所述模块Z、所述车牌识别、各种模块所需要的计算效果之间建立了联系,其中所述车牌识别、所述各种模块所需要的计算效果被所述模块标签集记录。
较佳地,所述计算公式集包括各种计算公式,所述计算公式标签集包括记录所述各种计算公式的计算效果、所述各种计算公式的输入参数数量及输入参数的条件要求,进一步地,所述计算公式标签集与所述模块标签集都记录所述各种计算公式的计算效果,因此所述计算公式标签集与所述模块标签集可通过所述计算效果进行访问查询。优选地,所述各种计算公式可用代码提前写好,因此所述计算公式集较佳地为实现所述各种计算公式的代码集。所述各种计算公式较复杂的可包括卷积神经网络、循环神经网络、梯度下降算法等,较简单可包括一次函数、二次函数、二元一次函数、tan函数等。所述计算公式标签集记录各计算公式的计算效果,如记录卷积神经网络的计算效果是提取数据的特征、循环神经网络的计算效果是提取数据的特征、梯度下降算法的计算效果是进行数据迭代、一次函数、二次函数、二元一次函数、三角函数的计算效果是数据拟合等。
进一步地,所述计算公式标签集同时记录所述各种计算公式的输入参数数量及各输入参数的条件要求。如记录所述卷积神经网络需要的输入参数只有一个,且输入参数可为一维、二维或者更高维数据;记录所述循环神经网络需要的输入参数需要有两个,输入参数类型其中一种是一维数据或多维数据,另一种是时间类型数据;记录所述一次函数只需要一个输入参数;记录所述二元一次函数需要两个输入参数;记录所述tan函数只需要一个输入参数,且输入参数不能为等。
步骤二、接收用户输入的实现目的A,通过所述数据库查询所述模块标签集中是否包括所述实现目的A。
优选地,接收用户输入的基于文字表述的实现目的A,对所述实现目的A进行关键字提取操作得到关键字集合,将所述关键字集合与所述模块标签集进行匹配计算,从而完成所述查询。
进一步地,所述关键字提取操作包括对所述实现目的A进行语句切分并去除异形词得到词语集合,对所述词语集合内的每个词语进行权重打分操作得到所述每个词语的权重分数,对所述权重分数按照从高到低排序,提取权重分数前一名或多名对应的词语,完成所述关键字提取操作。
较佳地,所述权重打分操作包括将所述每个词语转变为词向量形式,计算词向量形式下每个词语的欧式距离,然后遍历词向量形式下每个词语与其他词语的权重得到权重分数。所述词向量形式下每个词语与其他词语的权重为:
其中,fgrav(Wi,Wall|i)为所述词向量形式下每个词语与其他词语的权重,tfidf(Wi)是词Wi的TF-IDF值,所述TF-IDF值是一种常用数字加权技术,tfidf(Wall|i)是去除词Wi以外的所有其他词的TF-IDF值,d是词Wi和Wall|i的词向量之间的欧式距离。
本发明较佳实施例,如接收用户输入的实现目的是车牌识别,则所述数据库通过查询所述模块标签集中是否记录有所述车牌识别的模块
步骤三、当所述模块标签集中不包括所述实现目的A时,返回模块调用失败的信息,并提示用户重新输入实现目的。
优选地,如当所述模块标签集中未含有所述车牌识别的实现目的,则返回模块调用失败的信息,并提示用户重新输入,较佳地,所述模块调用失败的信息和提示用户重新输入可采用屏幕显示文字或语音播报的方式。
步骤四、当所述模块标签集中包括所述实现目的A时,从所述模块集中查询出可实现所述实现目的A相对应的模块种类,得到模块集合A’,以及所述模块集合A’中不同模块所需要的计算效果得到计算效果集合A”。
较佳地,如接收用户输入的实现目的是车牌识别,则所述数据库通过查询所述模块标签集中是否记录有所述实现目的为车牌识别的模块,当所述模块标签集中记录含有所述车牌识别的实现目的,则从所述模块集中查询出可实现所述车牌识别的模块种类得到模块集合A’,如模块集合A’中有3个模块a、b、c可实现所述车牌识别,并查询所述模块集合A’中不同模块所需要的计算效果得到计算效果集合A”,如所述模块a不需要计算公式,当接收图片或视频后可直接实现车牌识别、所述模块b需要有一个实现特征提取的计算公式、所述模块c需要有一个实现特征提取的计算公式和一个数据迭代的计算公式,则所述计算效果集合A”包括特征提取和数据迭代。
步骤五、通过所述计算公式标签集从所述计算公式集中查询出可实现所述计算效果集合A”相对应的计算公式种类得到计算集合,以及所述计算公式标签集根据所述计算效果集合A”中所需要的计算公式的输入参数数量及输入参数的条件要求反馈给用户。
较佳地,如所述计算效果集合A”中包括特征提取和数据迭代两种计算效果,因为所述计算公式标签集中记录了各个公式的计算效果,如所述特征提取和所述数据迭代在所述计算公式标签集中被记录为0001和0002,且可以实现特征提取的计算效果(即:0001)有两种计算公式,分别为所述卷积神经网络和所述循环神经网络,所述卷积神经网络需要的输入参数只有一个,且输入数据可为一维、二维或者更高维数据;所述循环神经网络需要的输入参数需要有两个,数据类型其中一种是一维数据或多维数据,另一种是时间类型数据,同理,查询可实现所述数据迭代的计算效果有若干种计算公式,因此综合来说,通过查询所述计算公式标签集信息可得到各计算公式的输入参数数量和输入参数的条件要求,同时将所述计算公式的输入参数数量和输入参数的条件要求通过文字信息反馈给用户。
步骤六、接收用户选择的计算公式得到计算公式集合B。
优选地,如上述特征提取的计算效果在所述卷积神经网络与所述循环神经网络都可实现,并同时将所述卷积神经网络与所述循环神经网络的输入参数数量及输入参数的条件要求通过文字信息或语音播报等形式反馈给用户,用户根据自身的实际情况,如只能提供一种数据,进而选择了所述卷积神经网络作为实现所述特征提取的计算公式。同理,所述数据迭代与所述特征提取的选择方案相同,如用户根据自身所能提供的数据,最终选择了随机梯度下降算法实现所述数据迭代的计算效果,将所述随机梯度下降算法与所述卷积神经网络组成计算公式集合B。
步骤七、基于所述模块集合A’和所述计算公式集合B构建完成满足用户需求的包括计算公式的模块集合C,完成智能化的计算公式与模块的匹配。
较佳地,如上述模块集合A’有3个模块a、b、c可实现所述车牌识别,所述计算公式集合B包括所述随机梯度下降算法与所述卷积神经网络,将所述随机梯度下降算法用s表示,所述卷积神经网络用t表示,因此按照排列组合的方式,最终可提供给用户选择并使用的模块集合有三种,分别为a、bt、cst,由于所述举例是以最简单的描述形式展开,实际上由于用户可提供的数据多变性、可实现相同计算效果含有大量计算公式、实现目的相同的大量模块,通过排列组合可得到更多的模块集合,因此在解决计算公式带来的实现繁琐、输入变量多变问题的同时,极大的提高了模块扩展性和灵活性。
可选地,在其他实施例中,模板与公式的智能匹配程序还可以被分割为一个或者多个模块,一个或者多个模块被存储于存储器11中,并由一个或多个处理器(本实施例为处理器12)所执行以完成本发明,本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段,用于描述模板与公式的智能匹配程序在模板与公式的智能匹配装置中的执行过程。
例如,参照图3所示,为本发明模板与公式的智能匹配装置一实施例中的模板与公式的智能匹配程序的模块示意图,该实施例中,所述模板与公式的智能匹配程序可以被分割为数据接收及处理模块10、模块标签匹配模块20、计算公式求解模块30、计算公式与模块匹配输出模块40示例性地:
所述数据接收及处理模块10用于:接收计算公式集、模块集、计算公式标签集、模块标签集并存入至数据库中;
所述模块标签匹配模块20用于:接收用户输入的实现目的A,通过所述数据库查询所述模块标签集中是否包括所述实现目的A,当所述模块标签集中不包括所述实现目的A时,返回模块调用失败的信息,并提示用户重新输入实现目的,当所述模块标签集中包括所述实现目的A时,从所述模块集中查询出可实现所述实现目的A相对应的模块种类,得到模块集合A’,以及所述模块集合A’中不同模块所需要的计算效果得到计算效果集合A”。
所述计算公式求解模块30用于:通过所述计算公式标签集从所述计算公式集中查询出可实现所述计算效果集合A”相对应的计算公式种类得到计算集合,以及所述计算公式标签集根据所述计算效果集合A”中所需要的计算公式的输入参数数量及输入参数的条件要求反馈给用户。
所述计算公式与模块匹配输出模块40用于:接收用户选择的计算公式得到计算公式集合B,基于所述模块集合A’和所述计算公式集合B构建完成满足用户需求的包括计算公式的模块集合C,完成智能化的计算公式与模块的匹配。
上述数据接收及处理模块10、模块标签匹配模块20、计算公式求解模块30、计算公式与模块匹配输出模块40等程序模块被执行时所实现的功能或操作步骤与上述实施例大体相同,在此不再赘述。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有模板与公式的智能匹配程序,所述模板与公式的智能匹配程序可被一个或多个处理器执行,以实现如下操作:
接收计算公式集、模块集、计算公式标签集、模块标签集并存入至数据库中;
接收用户输入的实现目的A,通过所述数据库查询所述模块标签集中是否包括所述实现目的A,当所述模块标签集中不包括所述实现目的A时,返回模块调用失败的信息,并提示用户重新输入实现目的,当所述模块标签集中包括所述实现目的A时,从所述模块集中查询出可实现所述实现目的A相对应的模块种类,得到模块集合A’,以及所述模块集合A’中不同模块所需要的计算效果得到计算效果集合A”;
通过所述计算公式标签集从所述计算公式集中查询出可实现所述计算效果集合A”相对应的计算公式种类得到计算集合,以及所述计算公式标签集根据所述计算效果集合A”中所需要的计算公式的输入参数数量及输入参数的条件要求反馈给用户;
接收用户选择的计算公式得到计算公式集合B,基于所述模块集合A’和所述计算公式集合B构建完成满足用户需求的包括计算公式的模块集合C,完成智能化的计算公式与模块的匹配。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本文中的术语“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、装置、物品或者方法不仅包括那些要素,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、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (4)
1.一种模板与公式的智能匹配方法,其特征在于,所述方法包括:
接收计算公式集、模块集、计算公式标签集、模块标签集并存入至数据库中;
接收用户输入的实现目的A,通过所述数据库查询所述模块标签集中是否包括所述实现目的A;
当所述模块标签集中不包括所述实现目的A时,返回模块调用失败的信息,并提示用户重新输入实现目的;
当所述模块标签集中包括所述实现目的A时,从所述模块集中查询出可实现所述实现目的A相对应的模块种类,得到模块集合A’,以及根据所述模块集合A’中不同模块所需要的计算效果得到计算效果集合A”;
通过所述计算公式标签集从所述计算公式集中查询出可实现所述计算效果集合A”相对应的计算公式种类得到计算集合,以及根据所述计算公式标签集将所述计算效果集合A”中所需要的计算公式的输入参数数量及输入参数的条件要求反馈给用户;
接收用户选择的计算公式得到计算公式集合B;
基于所述模块集合A’和所述计算公式集合B构建完成满足用户需求的包括计算公式的模块集合C,完成智能化的计算公式与模块的匹配;
其中,所述模块集包括多个模块,所述模块是为了实现不同需求而预先写好的软件程序;所述模块标签集包括所述模块的实现目的及所述模块所需要的计算公式的计算效果;所述计算公式集包括多种计算公式;所述计算公式标签集包括所述计算公式的计算效果、所述计算公式的输入参数数量及输入参数的条件要求;
所述接收用户输入的实现目的A,通过所述数据库查询所述模块标签集中是否包括所述实现目的A,包括:接收用户输入的基于文字表述的实现目的A;对所述实现目的A进行关键字提取操作得到关键字集合;将所述关键字集合与所述模块标签集进行匹配计算,从而完成所述查询;
所述关键字提取操作包括:对所述实现目的A进行语句切分并去除异形词得到词语集合;对所述词语集合内的每个词语进行权重打分操作得到与所述词语集合对应的权重分数集合;对所述权重分数按照从高到底排序,提取权重分数前一名或多名对应的词语,完成所述关键字提取操作。
2.如权利要求1所述的模板与公式的智能匹配方法,其特征在于,所述权重打分操作包括:
将所述每个词语转变为词向量形式;
计算词向量形式下每个词语的欧式距离;
遍历词向量形式下每个词语与其他词语的权重得到权重分数,其中所述词向量形式下每个词语与其他词语的权重为:
其中,为所述词向量形式下每个词语与其他词语的权重,/>是词/>的词频值,/>是去除词/>以外的所有其他词的TF-IDF值,/>是词/>和/>的词向量之间的欧式距离。
3.一种模板与公式的智能匹配装置,其特征在于,所述装置包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的模板与公式的智能匹配程序,所述模板与公式的智能匹配程序被所述处理器执行时实现如下步骤:
接收计算公式集、模块集、计算公式标签集、模块标签集并存入至数据库中;
接收用户输入的实现目的A,通过所述数据库查询所述模块标签集中是否包括所述实现目的A;
当所述模块标签集中不包括所述实现目的A时,返回模块调用失败的信息,并提示用户重新输入实现目的;
当所述模块标签集中包括所述实现目的A时,从所述模块集中查询出可实现所述实现目的A相对应的模块种类,得到模块集合A’,以及根据所述模块集合A’中不同模块所需要的计算效果得到计算效果集合A”;
通过所述计算公式标签集从所述计算公式集中查询出可实现所述计算效果集合A”相对应的计算公式种类得到计算集合,以及根据所述计算公式标签集将所述计算效果集合A”中所需要的计算公式的输入参数数量及输入参数的条件要求反馈给用户;
接收用户选择的计算公式得到计算公式集合B;
基于所述模块集合A’和所述计算公式集合B构建完成满足用户需求的包括计算公式的模块集合C,完成智能化的计算公式与模块的匹配;
其中,所述模块集包括多个模块,所述模块是为了实现不同需求而预先写好的软件程序;所述模块标签集包括所述模块的实现目的及所述模块所需要的计算公式的计算效果;所述计算公式集包括多种计算公式;所述计算公式标签集包括所述计算公式的计算效果、所述计算公式的输入参数数量及输入参数的条件要求;
所述接收用户输入的实现目的A,通过所述数据库查询所述模块标签集中是否包括所述实现目的A,包括:接收用户输入的基于文字表述的实现目的A;对所述实现目的A进行关键字提取操作得到关键字集合;将所述关键字集合与所述模块标签集进行匹配计算,从而完成所述查询;
所述关键字提取操作包括:对所述实现目的A进行语句切分并去除异形词得到词语集合;对所述词语集合内的每个词语进行权重打分操作得到与所述词语集合对应的权重分数集合;对所述权重分数按照从高到底排序,提取权重分数前一名或多名对应的词语,完成所述关键字提取操作。
4.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有模板与公式的智能匹配程序,所述模板与公式的智能匹配程序可被一个或者多个处理器执行,以实现如权利要求1至2中任一项所述的模板与公式的智能匹配方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910829795.XA CN110647666B (zh) | 2019-09-03 | 2019-09-03 | 模板与公式的智能匹配方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910829795.XA CN110647666B (zh) | 2019-09-03 | 2019-09-03 | 模板与公式的智能匹配方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110647666A CN110647666A (zh) | 2020-01-03 |
CN110647666B true CN110647666B (zh) | 2023-12-19 |
Family
ID=68991508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910829795.XA Active CN110647666B (zh) | 2019-09-03 | 2019-09-03 | 模板与公式的智能匹配方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110647666B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114358729A (zh) * | 2021-12-30 | 2022-04-15 | 新开普电子股份有限公司 | 一种公式推荐算法的实现方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101620536A (zh) * | 2009-08-17 | 2010-01-06 | 用友软件股份有限公司 | 一种调用功能函数的方法和装置 |
CN102750144A (zh) * | 2012-05-31 | 2012-10-24 | 华亚微电子(上海)有限公司 | 功能模块的生成工具 |
CN104573822A (zh) * | 2013-10-10 | 2015-04-29 | 罗伯特·博世有限公司 | 用于集成控制组件的用于计算lolimot的模型计算单元 |
CN105637478A (zh) * | 2013-09-20 | 2016-06-01 | 甲骨文国际公司 | 原生移动应用代码的计算机辅助开发 |
CN108133168A (zh) * | 2016-12-01 | 2018-06-08 | 北京新唐思创教育科技有限公司 | 一种文本识别中的公式搜索方法及其装置 |
CN108711109A (zh) * | 2018-05-28 | 2018-10-26 | 中国平安人寿保险股份有限公司 | 准备金计算系统更新方法、设备、存储介质及装置 |
CN109343831A (zh) * | 2018-08-22 | 2019-02-15 | 平安普惠企业管理有限公司 | 一种html组件的管理方法及装置 |
CN109358851A (zh) * | 2018-07-19 | 2019-02-19 | 平安科技(深圳)有限公司 | 图表组件的创建方法、装置及计算机可读存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8453084B2 (en) * | 2008-09-04 | 2013-05-28 | Synopsys, Inc. | Approximate functional matching in electronic systems |
CN104933181A (zh) * | 2015-07-01 | 2015-09-23 | 周口师范学院 | 一种数学公式搜索方法及装置 |
CN106126235B (zh) * | 2016-06-24 | 2019-05-07 | 中国科学院信息工程研究所 | 一种复用代码库构建方法、复用代码快速溯源方法及系统 |
CN106776520A (zh) * | 2016-12-27 | 2017-05-31 | 中国建设银行股份有限公司 | 一种计算公式处理方法、装置以及计算方法和装置 |
CN109101232B (zh) * | 2018-06-08 | 2024-03-12 | 中国平安人寿保险股份有限公司 | 一种产品开发的方法、装置、计算机设备及存储介质 |
CN109359188B (zh) * | 2018-09-30 | 2020-01-14 | 北京数聚鑫云信息技术有限公司 | 一种组件编排方法和系统 |
CN110032632A (zh) * | 2019-04-04 | 2019-07-19 | 平安科技(深圳)有限公司 | 基于文本相似度的智能客服问答方法、装置及存储介质 |
CN110069279B (zh) * | 2019-04-29 | 2023-08-08 | 南方电网科学研究院有限责任公司 | 一种直流控制保护程序的校验方法、装置及存储介质 |
-
2019
- 2019-09-03 CN CN201910829795.XA patent/CN110647666B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101620536A (zh) * | 2009-08-17 | 2010-01-06 | 用友软件股份有限公司 | 一种调用功能函数的方法和装置 |
CN102750144A (zh) * | 2012-05-31 | 2012-10-24 | 华亚微电子(上海)有限公司 | 功能模块的生成工具 |
CN105637478A (zh) * | 2013-09-20 | 2016-06-01 | 甲骨文国际公司 | 原生移动应用代码的计算机辅助开发 |
CN104573822A (zh) * | 2013-10-10 | 2015-04-29 | 罗伯特·博世有限公司 | 用于集成控制组件的用于计算lolimot的模型计算单元 |
CN108133168A (zh) * | 2016-12-01 | 2018-06-08 | 北京新唐思创教育科技有限公司 | 一种文本识别中的公式搜索方法及其装置 |
CN108711109A (zh) * | 2018-05-28 | 2018-10-26 | 中国平安人寿保险股份有限公司 | 准备金计算系统更新方法、设备、存储介质及装置 |
CN109358851A (zh) * | 2018-07-19 | 2019-02-19 | 平安科技(深圳)有限公司 | 图表组件的创建方法、装置及计算机可读存储介质 |
CN109343831A (zh) * | 2018-08-22 | 2019-02-15 | 平安普惠企业管理有限公司 | 一种html组件的管理方法及装置 |
Non-Patent Citations (1)
Title |
---|
Heuristically Matching Solution Spaces of Arithmetic Formulas to Efficiently Reuse Solutions;Andrea Aquino et al;《2017 IEEE/ACM 39th International Conference on Software Engineering (ICSE)》;第1-11页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110647666A (zh) | 2020-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110502608B (zh) | 基于知识图谱的人机对话方法及人机对话装置 | |
CN108804532B (zh) | 一种查询意图的挖掘和查询意图的识别方法、装置 | |
CN109871446B (zh) | 意图识别中的拒识方法、电子装置及存储介质 | |
CN110334272B (zh) | 基于知识图谱的智能问答方法、装置及计算机存储介质 | |
CN107590174B (zh) | 页面访问方法及装置 | |
US9767144B2 (en) | Search system with query refinement | |
CN110413773B (zh) | 智能文本分类方法、装置及计算机可读存储介质 | |
CN111597433B (zh) | 资源搜索方法、装置以及电子设备 | |
CN111459977B (zh) | 自然语言查询的转换 | |
CN111325156A (zh) | 人脸识别方法、装置、设备和存储介质 | |
CN110866042B (zh) | 表格智能查询方法、装置及计算机可读存储介质 | |
CN111339166A (zh) | 基于词库的匹配推荐方法、电子装置及存储介质 | |
CN102609500A (zh) | 一种问题推送方法和采用该方法的问答系统和搜索引擎 | |
CN110427453B (zh) | 数据的相似度计算方法、装置、计算机设备及存储介质 | |
CN112287069A (zh) | 基于语音语义的信息检索方法、装置及计算机设备 | |
CN111783471A (zh) | 自然语言的语义识别方法、装置、设备及存储介质 | |
US9619558B2 (en) | Method and system for entity recognition in a query | |
CN106844381B (zh) | 图像处理装置及方法 | |
US20230334075A1 (en) | Search platform for unstructured interaction summaries | |
CN113127621A (zh) | 对话模块的推送方法、装置、设备及存储介质 | |
CN112446209A (zh) | 一种意图标签的设置方法、设备、装置及存储介质 | |
CN110647666B (zh) | 模板与公式的智能匹配方法、装置及计算机可读存储介质 | |
CN110765765A (zh) | 基于人工智能的合同关键条款提取方法、装置及存储介质 | |
CN111090668B (zh) | 数据检索方法及装置、电子设备和计算机可读存储介质 | |
CN111708862B (zh) | 文本匹配方法、装置及电子设备 |
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 |