CN110955433A - 一种自动化部署脚本的生成方法及装置 - Google Patents

一种自动化部署脚本的生成方法及装置 Download PDF

Info

Publication number
CN110955433A
CN110955433A CN201911182990.4A CN201911182990A CN110955433A CN 110955433 A CN110955433 A CN 110955433A CN 201911182990 A CN201911182990 A CN 201911182990A CN 110955433 A CN110955433 A CN 110955433A
Authority
CN
China
Prior art keywords
deployment
statement
text
deployment flow
flow statement
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.)
Granted
Application number
CN201911182990.4A
Other languages
English (en)
Other versions
CN110955433B (zh
Inventor
吴沅宣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bank of China Ltd
Original Assignee
Bank of China Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Bank of China Ltd filed Critical Bank of China Ltd
Priority to CN201911182990.4A priority Critical patent/CN110955433B/zh
Publication of CN110955433A publication Critical patent/CN110955433A/zh
Application granted granted Critical
Publication of CN110955433B publication Critical patent/CN110955433B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00Arrangements for software engineering
    • G06F8/60Software deployment
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Machine Translation (AREA)
  • Stored Programmes (AREA)

Abstract

本申请提供的自动化部署脚本的生成方法及装置,获取第一文本,将第一文本的部署流程语句转化为指定形式的第二部署流程语句,采用优化模对具有部署错误的特征信息的第二部署流程语句进行优化,得到第三文本,最后将第三文本的部署流程语句转换为符合自动化部署脚本的语句形式的语句,得到自动化部署脚本。因为能够将人工编写的部署流程语句最终转化为符合自动化部署脚本的语句形式要求的语句,所以,人工可以不按照自动化部署脚本的语句形式要求去编写部署流程语句,从而避免了人工编写的自动化部署脚本不符合语句形式要求的问题,并且,采用优化模对部署流程语句进行优化,可以避免出现错误的部署流程语句,提高部署流程语句的准确性。

Description

一种自动化部署脚本的生成方法及装置
技术领域
本申请涉及电子信息领域,尤其涉及一种自动化部署脚本的生成方法及装置。
背景技术
随着科技的快速发展,每天都有大量的软件上线,软件上线过程中,需要对软件的各项配置进行部署,自动化部署因其具有效率高,部署效果好的特点,在软件部署中,得到广泛的应用。
自动化部署脚本是实现自动化部署的关键要素,在自动化部署脚本中,包括多个部署流程,目前,自动化部署脚本通常是人工进行编写的,由于自动化部署脚本具有固定的语句形式要求,所以人工编写的语句有可能会出现不符合自动化部署脚本语句形式的情况,同时,人工编写的自动化部署脚本中往往会出现一些重复的,或冗余的错误部署流程,例如,将文件从A目录复制到B目录,再由B目录复制到C目录的冗余部署流程,这样的部署流程会严重的降低后期的部署效率。
综上所述,可见现有采用人工编写的自动化部署脚本,存在脚本的部署流程准确性低的问题。
发明内容
本申请提供了一种自动化部署脚本的生成方法及装置,目的在于解决如何提高自动化部署脚本的部署流程准确性的问题。
为了实现上述目的,本申请提供了以下技术方案:
一种自动化部署脚本的生成方法,包括:
获取第一文本,所述第一文本为人工编写的包括多条部署流程语句的文本;
针对所述第一文本中的每条所述部署流程语句,将所述部署流程语句转换为指定形式的第二部署流程语句,得到第二文本;
将所述第二文本输入预先训练好的优化模型,使所述优化模型,对所述第二文本中具有部署错误的特征信息的所述第二部署流程语句进行优化,得到第三文本;
将所述第三文本中的部署流程语句,转换为符合自动化部署脚本的语句形式的部署流程语句,得到所述自动化部署脚本。
可选的,所述将所述部署流程语句转换为指定形式的第二部署流程语句,包括:
获取所述部署流程语句中包括的关键字段;
针对每个所述关键字段,依据预设的字段转换关系表,将所述关键字段转换为与所述关键字段对应的目标字段;其中,所述字段转换关系表中规定各个所述关键字段对应的目标字段。
可选的,还包括:采用训练样本对预设的基础模型进行训练得到所述优化模型,所述训练样本为多个目标文本,所述目标文本包括多条目标部署流程语句,所述多条目标部署流程语句中,至少一条所述目标部署流程语句具有人工标识的部署错误的特征信息,以及具有预设的优化标签,所述优化标签用于指示针对所述部署错误的特征信息进行优化的优化结果。
可选的,所述优化模型,对所述第二文本中具有部署错误的特征信息的所述第二部署流程语句进行优化的过程,包括:
逐条判断所述第二文本中的所述第二部署流程语句是否具有部署错误的特征信息;
如果所述第二部署流程语句具有部署错误的特征信息,则将所述第二部署流程语句作为待优化的部署流程语句;
确定所述部署错误的特征信息对应的优化策略,所述优化策略依据所述训练样本中的所述优化标签得到;
依据所述优化策略,对所述待优化的部署流程语句进行优化。
可选的,所述将所述第三文本中的部署流程语句,转换为符合自动化部署脚本的语句形式的部署流程语句,包括:
针对所述第三文本中每条所述部署流程语句,确定所述部署流程语句中的每个字段对应的目标字段,以及每个所述目标字段之间的排列顺序;所述每个字段对应的目标字段,以及所述排列顺序由预设的语句转换规则设定;
将各个所述目标字段按照所述排列顺序进行排列,得到符合所述自动化部署脚本的语句形式的部署流程语句。
一种自动化部署脚本的生成装置,包括:
获取单元,用于获取第一文本,所述第一文本为人工编写的包括多条部署流程语句的文本;
第一转换单元,用于针对所述第一文本中的每条所述部署流程语句,将所述部署流程语句转换为指定形式的第二部署流程语句,得到第二文本;
输入单元,用于将所述第二文本输入预先训练好的优化模型,使所述优化模型,对所述第二文本中具有部署错误的特征信息的所述第二部署流程语句进行优化,得到第三文本;
第二转换单元,用于将所述第三文本中的部署流程语句,转换为符合自动化部署脚本的语句形式的部署流程语句,得到所述自动化部署脚本。
可选的,所述第一转换单元用于将所述部署流程语句转换为指定形式的第二部署流程语句,包括:
所述第一转换单元具体用于,获取所述部署流程语句中包括的关键字段;针对每个所述关键字段,依据预设的字段转换关系表,将所述关键字段转换为与所述关键字段对应的目标字段;其中,所述字段转换关系表中规定各个所述关键字段对应的目标字段。
可选的,所述第二转换单元用于所述将所述第三文本中的部署流程语句,转换为符合自动化部署脚本的语句形式的部署流程语句,包括:
所述第二转换单元具体用于,针对所述第三文本中每条所述部署流程语句,确定所述部署流程语句中的每个字段对应的目标字段,以及每个所述目标字段之间的排列顺序;所述每个字段对应的目标字段,以及所述排列顺序由预设的语句转换规则设定;将各个所述目标字段按照所述排列顺序进行排列,得到符合所述自动化部署脚本的语句形式的部署流程语句。
一种电子设备,包括:处理器和存储器,所述存储器用于存储应用程序,所述处理器用于执行所述应用程序,以实现上述的自动化部署脚本的生成方法。
一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的自动化部署脚本的生成方法。
本申请所述的方法及装置,获取第一文本,将第一文本的部署流程语句转化为指定形式的第二部署流程语句,并采用优化模对具有部署错误的特征信息的第二部署流程语句进行优化,得到第三文本,最后将第三文本的部署流程语句转换为符合预设的自动化部署脚本的语句形式的语句,得到自动化部署脚本。本技术方案中,因为能够将人工编写的部署流程语句最终转化为符合自动化部署脚本的语句形式要求的语句,所以,人工可以不用按照自动化部署脚本的语句形式要求去编写部署流程语句,从而避免了人工编写的自动化部署脚本不符合语句形式要求的问题,并且,本技术方案中,采用预先训练好的优化模对部署流程语句进行优化,从而可以避免出现部署错误的部署流程语句,提高了部署流程语句的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的自动化部署脚本的生成方法的流程图;
图2为本申请实施例公开的生成优化模型的方法的流程图;
图3为本申请实施例公开的优化模型对部署流程语句进行优化的方法的流程图;
图4为本申请实施例公开的一种自动化部署脚本系统的模型架构图;
图5为本申请实施例公开的自动化部署脚本的装置的结构示意图;
图6为本申请实施例公开的一种设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
图1为本申请实施例公开的一种自动化部署脚本的生成方法,可以包括以下步骤:
S101、获取第一文本。
第一文本为人工编写的包括多条部署流程语句的文本。需要说明的是,人工可以采用自然语言编写目标文本,例如,可以采用中文语言编写第一文本,获取目标文本的一种方式可以是,接收用户输入的文本,并将该文本作为第一文本。
S102、针对第一文本中的每条部署流程语句,将部署流程语句转换为指定形式的第二部署流程语句,得到第二文本。
本步骤中,转换得到的第二部署流程语句为预先训练好的优化模型可识别的语句。因为优化模型无法识别采用自然语言编写的部署流程语句,所以需将第一文本的部署流程语句转换为优化模型可识别的语句。将部署流程语句转换为指定形式的第二部署流程语句的一种方式可以包括步骤A1和步骤A2:
步骤A1:获取部署流程语句中包括的关键字段。实现本步骤的一种方式可以是,对部署流程语句进行识别,确定部署流程语句中的各个字段,针对每一个字段,若在预设的关键字段数据库中查找与该字段相同的关键字段,则将该字段作为关键字段。
步骤A2:针对每个关键字段,依据预设的字段转换关系表,将关键字段转换为与该关键字段对应的目标字段。本步骤中,字段转换关系表中规定各个关键字段对应的目标字段,所以在字段转换关系表中,查找出该关键字段对应的目标字段,并将目标字段作为该关键字段转换后的结果,即可实现对关键字段的转换。
需要说明的是,如果人工编写的目标文本为符合优化模型的语句形式的文本,则无需执行本步骤,在执行S101,后可以直接执行的S103。需要说明的是,人工采用自然语言编写目标文本相对于采用其他的编写形式,具有编写简便的优点。
S103、将第二文本输入预先训练好的优化模型,使优化模型,对第二文本中具有部署错误的特征信息的第二部署流程语句进行优化,得到第三文本。
因为在S102中,只是完成对第一文本的部署流程语句的语句形式转化,并不会改变部署流程语句的语句内容,由于第一文本的部署流程语句中往往会存在部署流程错误的语句,所以在第二文本的多条第二部署流程语句中,也会对应的存在部署流程错误的语句。
本实施例中,部署错误的特征信息为表征第二部署流程语句中存在错误的部署流程的信息。优化模型属于深度学习模型,训练好的优化模型可以识别出具有部署错误的特征信息的第二部署流程语句,以及能够对该第二部署流程语句进行优化。
具体的,得到优化模型的过程可以参考图2所示流程图,优化模型对部署流程语句进行优化的过程可以参考图3所示流程图。
需要说明的是,第三文本中的部署流程包括,第二文本中,无需优化的第二部署流程语句,以及对需进行优化的第二部署流程语句优化后得到部署流程语句。
S104、将第三文本中的部署流程语句,转换为符合自动化部署脚本的语句形式的部署流程语句,得到自动化部署脚本。
实现本步骤的一种方式可以是:针对第三文本中的每条部署流程语句,确定部署流程语句中的每个字段对应的目标字段,以及每个目标字段之间的排列顺序,并将各个目标字段按照该排列顺序进行排列,得到符合自动化部署脚本的语句形式的部署流程语句。其中,语句转换规则中规定了部署流程语句中的每个字段的对应的目标字段,以及各个目标字段在语句中的排列顺序。例如,第三文本中的部署流程语句为“A-C”,依据预先规定的,A和C对应的目标字段为其自身,“-”对应的目标字段为CP,且目标字段为CP在语句的开头,则转换后的语句为“CP A C”。
本实施例提供的方法,获取第一文本,将第一文本的部署流程语句转化为符合优化模型的语句形式的语句,并采用优化模对转换后的部署流程语句进行优化,最后将优化后的部署流程语句转换为符合预设的自动化部署脚本的语句格式要求的语句,得到自动化部署脚本。本技术方案中,因为能够将人工编写的部署流程语句最终转化为符合自动化部署脚本的语句格式要求的语句,所以,人工可以不用按照自动化部署脚本的语句形式要求去编写部署流程语句,从而避免了人工编写的自动化部署脚本不符合语句形式要求的问题,并且,本技术方案中,采用预先训练好的优化模对部署流程语句进行优化,从而可以避免出现部署错误的部署流程语句,提高了部署流程语句的准确性。
另外,人工可以不用按照自动化部署脚本的语句格式要求去编写部署流程语句,例如,人工可以采用常用的自然语言进行编写,从而降低了人工编写部署流程语句的要求,提高了人工编写部署流程语句效率。
图2为本申请实施例提供的生成优化模型的方法,可以包括以下步骤:
S201、搭建基础模型。
可以结合实际需求,自行选择常见的一种或几种神经网络模型的组合作为基础模型,例如,可以以常见的DNN、RNN、LSTM以及CNN中的一种或几种组合的得到的基础模型。
S202、获取训练样本。
在本实施例中,训练样本为多个目标文本,每个目标文本包括多条目标部署流程语句,每条目标部署流程语句的语句形式都是优化模型可以识别的形式,并且在多条目标部署流程语句中,至少存在一条具有人工标识的部署错误的特征信息,以及具有预设的优化标签的部署流程语句。
部署错误的特征信息为,人工在部署流程语句中标记的表征错误的部署流程字段,优化标签为,人工对需进行优化的部署流程语句进行标记的标签,优化标签用于指示针对部署错误的特征信息进行优化的优化结果。
通过人工标识的部署错误的特征信息,以及优化标签。使训练好的优化模型,可以依据优化标签的优化结果对具有同样的部署错误的特征信息的部署流程语句进行优化。
S203、采用训练样本对基础模型进行训练,得到优化模型。
具体的,依据训练样本对部基础模型进行训练的方法为现有技术,这里不再赘述,在本实施例中,训练后的得到优化模型,可以得到针对不同的部署流程语句的优化规则,并可以采用优化规则对部署流程语句进行优化。
本实施例提供的方法,采用预先训练好的优化模型对部署流程语句进行优化,从而可以避免出现错误的部署流程语句,提高了部署流程语句的准确性。
图3为实施例提供的优化模型对第二部署流程语句进行优化的过程,可以包括以下步骤:
S301、逐条判断第二文本中的第二部署流程语句是否具有部署错误的特征信息。如果是,则执行S302,如果不是,则执行S305。
优化模型接收到第二文本后,对第二文本中的每条第二部署流程语句进行解析,以判断第二部署流程语句是否具有部署错误的特征信息。
如前述实施例所述,训练样本的部署流程语句中设置有人工标识的部署错误的特征信息,训练好的优化模型,具有能够识别部署流程语句中部署错误的特征信息,所以训练好的优化模型,可以判断接收到第二文本中的第二部署流程语句是否具有部署错误的特征信息。
S302、如果第二部署流程语句具有部署错误的特征信息,则将该第二部署流程语句作为待优化的部署流程语句。
如果第二部署流程语句具有部署错误的特征信息,说明该二部署流程语句中存在错误的部署流程,则将该第二部署流程语句为待优化对象。
S303、确定待优化的部署流程语句的部署错误的特征信息对应的优化策略。
如前述实施例所示,优化标签为,人工为需进行优化的部署流程语句设置的标签,优化标签用于指示针对部署错误的特征信息进行优化的优化结果,训练好的优化模型,可以根据大量的优化标签,学习得到针对不同的部署错误的特征信息如何进行优化的优化策略。
所以,确定待优化的部署流程语句的部署错误的特征信息后,训练好的优化模型可以确定能够对该待优化的部署流程语句进行优化的优化策略。
S304、依据优化策略,对待优化的部署流程语句进行优化,得到优化后的部署流程语句。
确定优化策略后,依据优化策略,对待优化的部署流程语句进行优化,得到优化后的部署流程语句。
S305、确定该第二部署流程语句为正确的部署流程语句。
本实施例提供的方法,训练好的优化模型可以对具有部署错误的特征信息的部署流程语句进行优化,从而可以避免出现错误的部署流程语句,提高了部署流程语句的准确性。
图4为本申请实施例提供的一种自动化部署脚本系统的模型架构图,包括接口模块,机器学习模块,以及自动化部署模块。
接口模块,用于接收用户输入的第一文本,将第一文本中的部署流程语语句转换机器学习模块可以识别的语句,得到第二文本,并将第二文本输入至机器学习模块。以及,接收到机器学习模块反馈的第三文本后,将第三文本转化为自动化部署脚本,并将自动化部署脚本传输至自动化部署模块。
机器学习模块,用于接收第二文本,对第二文本中需进行优化的部署流程语语句进行优化,得到第三文本,并将第三文本反馈至接口模块。
自动化部署模块,用于接收接口模块传输的自动化部署脚本,并按照该自动化部署脚本的各个部署流程语句,执行部署,从而实现自动化部署。
本实施例提供的自动化部署脚本系统,通过接口模块、机器学习模块,以及自动化部署模块,可以实现将用户采用自然语言编写的部署流程语句,转化为符合自动化部署脚本的语句,从而得到自动化部署脚本,同时还可以对部署流程语句进行优化,提高了部署流程语句的准确度。
与上述本发明实施例提供的一种自动化部署脚本的生成方法相对应,参考图5,示出了本发明实施例还提供了自动化部署脚本的生成装置500的结构示意图,包括:
获取单元501,用于获取第一文本,第一文本为人工编写的包括多条部署流程语句的文本。
第一转换单元502,用于针对第一文本中的每条部署流程语句,将部署流程语句转换为指定形式的第二部署流程语句,得到第二文本。
输入单元503,用于将第二文本输入预先训练好的优化模型,使优化模型,对第二文本中具有部署错误的特征信息的第二部署流程语句进行优化,得到第三文本。
第二转换单元504,用于将第三文本中的部署流程语句,转换为符合自动化部署脚本的语句形式的部署流程语句,得到自动化部署脚本。
上述的装置,还包括优化单元505,优化单元505用于采用优化模型,对第二文本中具有部署错误的特征信息的第二部署流程语句进行优化,得到第三文本。
其中,第一转换单元502将部署流程语句转换为指定形式的第二部署流程语句的具体实现过程为:获取部署流程语句中包括的关键字段;针对每个关键字段,依据预设的字段转换关系表,将关键字段转换为与该关键字段对应的目标字段;其中,字段转换关系表中规定各个关键字段对应的目标字段。
其中,第二转换单元将第三文本中的部署流程语句,转换为符合自动化部署脚本的语句形式的部署流程语句的具体实现过程为:针对第三文本中每条部署流程语句,确定部署流程语句中的每个字段对应的目标字段,以及每个目标字段之间的排列顺序;每个字段对应的目标字段,以及排列顺序由预设的语句转换规则设定;将各个目标字段按照排列顺序进行排列,得到符合自动化部署脚本的语句形式的部署流程语句。
其中,优化单元505的优化模型,采用训练样本对预设的基础模型进行训练得到,训练样本为多个目标文本,目标文本包括多条目标部署流程语句,多条目标部署流程语句中,至少一条目标部署流程语句具有人工标识的部署错误的特征信息,以及具有预设的优化标签,优化标签用于指示针对部署错误的特征信息进行优化的优化结果。
其中,优化单元505的优化模型,在对第二文本中具有部署错误的特征信息的第二部署流程语句进行优化的具体实现方式为:逐条判断第二文本中的第二部署流程语句是否具有部署错误的特征信息,如果第二部署流程语句具有部署错误的特征信息,则将第二部署流程语句作为待优化的部署流程语句,确定部署错误的特征信息对应的优化策略,优化策略依据训练样本中的优化标签得到,依据优化策略,对待优化的部署流程语句进行优化。
本申请提供的装置,获取第一文本,将第一文本的部署流程语句转化为指定形式的第二部署流程语句,并采用优化模对具有部署错误的特征信息的第二部署流程语句进行优化,得到第三文本,最后将第三文本的部署流程语句转换为符合预设的自动化部署脚本的语句形式的语句,得到自动化部署脚本。本技术方案中,因为能够将人工编写的部署流程语句最终转化为符合自动化部署脚本的语句格式要求的语句,所以,人工可以不用按照自动化部署脚本的语句形式要求去编写部署流程语句,从而避免了人工编写的自动化部署脚本不符合语句形式要求的问题,并且,本技术方案中,采用预先训练好的优化模对部署流程语句进行优化,从而可以避免出现部署错误的部署流程语句,提高了部署流程语句的准确性。
图6为本申请实施例提供的一种设备600的结构示意图,包括:处理器601和存储器602,存储器602用于存储应用程序,处理器601用于执行应用程序,以实现上述的自动化部署脚本的生成方法。
本申请实施例提供的一种计算机可读存储介质,计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的自动化部署脚本的生成方法。
本申请实施例方法所述的功能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设备可读取存储介质中。基于这样的理解,本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算设备(可以是个人计算机,服务器,移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种自动化部署脚本的生成方法,其特征在于,包括:
获取第一文本,所述第一文本为人工编写的包括多条部署流程语句的文本;
针对所述第一文本中的每条所述部署流程语句,将所述部署流程语句转换为指定形式的第二部署流程语句,得到第二文本;
将所述第二文本输入预先训练好的优化模型,使所述优化模型,对所述第二文本中具有部署错误的特征信息的所述第二部署流程语句进行优化,得到第三文本;
将所述第三文本中的部署流程语句,转换为符合自动化部署脚本的语句形式的部署流程语句,得到所述自动化部署脚本。
2.根据权利要求1所述的方法,其特征在于,所述将所述部署流程语句转换为指定形式的第二部署流程语句,包括:
获取所述部署流程语句中包括的关键字段;
针对每个所述关键字段,依据预设的字段转换关系表,将所述关键字段转换为与所述关键字段对应的目标字段;其中,所述字段转换关系表中规定各个所述关键字段对应的目标字段。
3.根据权利要求1所述的方法,其特征在于,还包括:采用训练样本对预设的基础模型进行训练得到所述优化模型,所述训练样本为多个目标文本,所述目标文本包括多条目标部署流程语句,所述多条目标部署流程语句中,至少一条所述目标部署流程语句具有人工标识的部署错误的特征信息,以及具有预设的优化标签,所述优化标签用于指示针对所述部署错误的特征信息进行优化的优化结果。
4.根据权利要求3所述的方法,其特征在于,所述优化模型,对所述第二文本中具有部署错误的特征信息的所述第二部署流程语句进行优化的过程,包括:
逐条判断所述第二文本中的所述第二部署流程语句是否具有部署错误的特征信息;
如果所述第二部署流程语句具有部署错误的特征信息,则将所述第二部署流程语句作为待优化的部署流程语句;
确定所述部署错误的特征信息对应的优化策略,所述优化策略依据所述训练样本中的所述优化标签得到;
依据所述优化策略,对所述待优化的部署流程语句进行优化。
5.根据权利要求1所述的方法,其特征在于,所述将所述第三文本中的部署流程语句,转换为符合自动化部署脚本的语句形式的部署流程语句,包括:
针对所述第三文本中每条所述部署流程语句,确定所述部署流程语句中的每个字段对应的目标字段,以及每个所述目标字段之间的排列顺序;所述每个字段对应的目标字段,以及所述排列顺序由预设的语句转换规则设定;
将各个所述目标字段按照所述排列顺序进行排列,得到符合所述自动化部署脚本的语句形式的部署流程语句。
6.一种自动化部署脚本的生成装置,其特征在于,包括:
获取单元,用于获取第一文本,所述第一文本为人工编写的包括多条部署流程语句的文本;
第一转换单元,用于针对所述第一文本中的每条所述部署流程语句,将所述部署流程语句转换为指定形式的第二部署流程语句,得到第二文本;
输入单元,用于将所述第二文本输入预先训练好的优化模型,使所述优化模型,对所述第二文本中具有部署错误的特征信息的所述第二部署流程语句进行优化,得到第三文本;
第二转换单元,用于将所述第三文本中的部署流程语句,转换为符合自动化部署脚本的语句形式的部署流程语句,得到所述自动化部署脚本。
7.根据权利要求6所述的装置,其特征在于,所述第一转换单元用于将所述部署流程语句转换为指定形式的第二部署流程语句,包括:
所述第一转换单元具体用于,获取所述部署流程语句中包括的关键字段;针对每个所述关键字段,依据预设的字段转换关系表,将所述关键字段转换为与所述关键字段对应的目标字段;其中,所述字段转换关系表中规定各个所述关键字段对应的目标字段。
8.根据权利要求6所述的装置,其特征在于,所述第二转换单元用于所述将所述第三文本中的部署流程语句,转换为符合自动化部署脚本的语句形式的部署流程语句,包括:
所述第二转换单元具体用于,针对所述第三文本中每条所述部署流程语句,确定所述部署流程语句中的每个字段对应的目标字段,以及每个所述目标字段之间的排列顺序;所述每个字段对应的目标字段,以及所述排列顺序由预设的语句转换规则设定;将各个所述目标字段按照所述排列顺序进行排列,得到符合所述自动化部署脚本的语句形式的部署流程语句。
9.一种电子设备,其特征在于,包括:处理器和存储器,所述存储器用于存储应用程序,所述处理器用于执行所述应用程序,以实现权利要求1-5任一项所述的自动化部署脚本的生成方法。
10.一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中存储有指令,当其在计算机上运行时,使得计算机执行权利要求1-5任一项所述的自动化部署脚本的生成方法。
CN201911182990.4A 2019-11-27 2019-11-27 一种自动化部署脚本的生成方法及装置 Active CN110955433B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911182990.4A CN110955433B (zh) 2019-11-27 2019-11-27 一种自动化部署脚本的生成方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911182990.4A CN110955433B (zh) 2019-11-27 2019-11-27 一种自动化部署脚本的生成方法及装置

Publications (2)

Publication Number Publication Date
CN110955433A true CN110955433A (zh) 2020-04-03
CN110955433B CN110955433B (zh) 2023-08-29

Family

ID=69977080

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911182990.4A Active CN110955433B (zh) 2019-11-27 2019-11-27 一种自动化部署脚本的生成方法及装置

Country Status (1)

Country Link
CN (1) CN110955433B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108647207A (zh) * 2018-05-08 2018-10-12 上海携程国际旅行社有限公司 自然语言修正方法、系统、设备及存储介质
CN109376166A (zh) * 2018-08-20 2019-02-22 中国平安财产保险股份有限公司 脚本转换方法、装置、计算机设备及存储介质
CN109635095A (zh) * 2018-12-17 2019-04-16 北京百度网讯科技有限公司 用于优化对话模型的方法和装置
US20190236132A1 (en) * 2018-01-26 2019-08-01 Ge Inspection Technologies, Lp Generating natural language recommendations based on an industrial language model
CN110096259A (zh) * 2019-03-15 2019-08-06 佛山青藤信息科技有限公司 一种Web页面元素定位方法及系统
CN110362597A (zh) * 2019-06-28 2019-10-22 华为技术有限公司 一种结构化查询语言sql注入检测方法及装置
CN110457683A (zh) * 2019-07-15 2019-11-15 北京百度网讯科技有限公司 模型优化方法、装置、计算机设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190236132A1 (en) * 2018-01-26 2019-08-01 Ge Inspection Technologies, Lp Generating natural language recommendations based on an industrial language model
CN108647207A (zh) * 2018-05-08 2018-10-12 上海携程国际旅行社有限公司 自然语言修正方法、系统、设备及存储介质
CN109376166A (zh) * 2018-08-20 2019-02-22 中国平安财产保险股份有限公司 脚本转换方法、装置、计算机设备及存储介质
CN109635095A (zh) * 2018-12-17 2019-04-16 北京百度网讯科技有限公司 用于优化对话模型的方法和装置
CN110096259A (zh) * 2019-03-15 2019-08-06 佛山青藤信息科技有限公司 一种Web页面元素定位方法及系统
CN110362597A (zh) * 2019-06-28 2019-10-22 华为技术有限公司 一种结构化查询语言sql注入检测方法及装置
CN110457683A (zh) * 2019-07-15 2019-11-15 北京百度网讯科技有限公司 模型优化方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
CN110955433B (zh) 2023-08-29

Similar Documents

Publication Publication Date Title
CN111310440B (zh) 文本的纠错方法、装置和系统
CN109086199A (zh) 一种自动化生成测试脚本的方法、终端和可存储介质
CN107221328B (zh) 修改源的定位方法及装置、计算机设备及可读介质
CN112579466B (zh) 测试用例的生成方法、装置及计算机可读存储介质
CN110399306B (zh) 软件模块自动化测试方法及装置
CN101859295B (zh) 具标记提示的简繁字词转换系统及其方法
WO2023278052A1 (en) Automated troubleshooter
CN111079408A (zh) 一种语种识别方法、装置、设备及存储介质
WO2023007791A1 (ja) プログラムコード自動生成システム
CN113283231B (zh) 获取签章位的方法、设置系统、签章系统及存储介质
CN112860873B (zh) 智能应答方法、装置及存储介质
JP2016164707A (ja) 自動翻訳装置及び翻訳用モデル学習装置
CN116560631B (zh) 一种机器学习模型代码的生成方法及装置
CN117556057A (zh) 知识问答方法、向量数据库构建方法及装置
CN117406995A (zh) 一种代码编写的辅助方法、在线代码编辑器、设备及介质
CN112540925A (zh) 新特性兼容性检测系统及方法、电子设备及可读存储介质
CN109684395B (zh) 一种基于自然语言处理的可视化数据接口通用解析方法
CN117130589A (zh) 代码处理方法、装置、一体机和计算机程序产品
CN117130593A (zh) 代码处理方法、系统和电子设备
CN110955433A (zh) 一种自动化部署脚本的生成方法及装置
CN116150376A (zh) 一种样本数据分布优化方法、装置和存储介质
CN115687935A (zh) 语音识别的后处理方法、装置、设备及存储介质
CN104641367A (zh) 用于格式化电子字符序列的格式化模块、系统和方法
CN111079407B (zh) 对用户输入的内容进行解析的方法和装置
CN110209831A (zh) 模型生成、语义识别的方法、系统、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
GR01 Patent grant
GR01 Patent grant