CN111124387B - 机器学习平台的建模系统、方法、计算机设备及存储介质 - Google Patents

Abstract

本申请提出一种机器学习平台的建模系统、方法、计算机设备及存储介质，其中，系统包括：建模流程森林生成模块，用于生成建模流程森林，建模流程森林包括多个树，每个树对应有向无环图，且有向无环图具有多个节点；有向无环图编辑模块，用于提供用于编辑有向无环图的界面；表单编辑模块，用于提供表单编辑界面，并获取有向无环图编辑界面中的当前有向无环图，以及获取当前有向无环图中被触发的触发节点，和在表单编辑界面中展示触发节点对应的表单；同步模块，用于当有向无环图编辑模块和表单编辑模块中的一个接收到用户指令之后，将用户指令同步至有向无环图编辑模块和表单编辑模块中的另一个。通过本系统，能够提高建模过程的逻辑性和灵活性。

Description

机器学习平台的建模系统、方法、计算机设备及存储介质

技术领域

本申请涉及机器学习技术领域，尤其涉及一种机器学习平台的建模系统、方法、计算机设备及存储介质。

背景技术

机器学习是人工智能研究发展到一定阶段的必然产物，其致力于通过计算的手段，利用经验来改善系统自身的性能。在计算机系统中，“经验”通常以“数据”形式存在，通过机器学习算法，可从数据中产生“模型”，在面对新的情况时，模型会提供相应的判断，即预测结果。可见，如何基于经验数据产生模型(即机器学习建模过程)是机器学习技术的关键。

传统的机器学习建模过程比较繁杂，为了快速得到阶段性结果，目前大部分使用交互式建模，比如通过Python、R语言写代码建模、通过填表单完成建模。然而，写代码建模方式要求开发者对数据精通，门槛较高，而填表单建模方式的表达能力有限，逻辑性差。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请提出一机器学习平台的建模系统、方法、计算机设备及存储介质，用于解决现有技术中交互式建模方式门槛高、表达能力有限、逻辑性差的技术问题。

为达上述目的，本申请第一方面实施例提出了一种机器学习平台的建模系统，包括：

建模流程森林生成模块，用于生成建模流程森林，其中，所述建模流程森林包括多个树，每个树对应有向无环图，且所述有向无环图具有多个节点；

有向无环图编辑模块，用于提供用于编辑所述有向无环图的界面；

表单编辑模块，用于提供表单编辑界面，并获取所述有向无环图编辑界面中的当前有向无环图，以及获取所述当前有向无环图中被触发的触发节点，和在所述表单编辑界面中展示所述触发节点对应的表单；

同步模块，用于当所述有向无环图编辑模块和所述表单编辑模块中的一个接收到用户指令之后，将所述用户指令同步至所述有向无环图编辑模块和所述表单编辑模块中的另一个。

本申请实施例的机器学习平台的建模系统，通过生成建模流程森林，建模流程森林包括多个树，每个树对应有向无环图，且有向无环图具有多个节点，由表单编辑模块获取有向无环图编辑界面中的当前有向无环图，并获取当前有向无环图中被触发的触发节点，在表单编辑界面中展示触发节点对应的表单，当有向无环图编辑模块和表单编辑模块中的一个接收到用户指令之后，将用户指令同步至有向无环图编辑模块和表单编辑模块中的另一个。由此，通过在有向无环图编辑界面显示当前有向无环图，在表单编辑界面中显示当前有向无环图中触发节点对应的表单，实现了表单和有向无环图的同步显示，提高了逻辑性，建模过程中无需编写大量代码，上手门槛低，用户可以根据需求灵活切换至代码模式进行微调，灵活性强，且避免了重复编码，大幅度提高了开发效率。

为达上述目的，本申请第二方面实施例提出了一种机器学习平台的建模方法，包括：

生成建模流程森林，其中，所述建模流程森林包括多个树，每个树对应有向无环图，且所述有向无环图具有多个节点；

获取有向无环图编辑界面中的当前有向无环图，以及获取所述当前有向无环图中被触发的触发节点；

在表单编辑界面中展示所述触发节点对应的表单；

接收用户在所述有向无环图编辑界面和所述表单编辑界面中的一个输入的用户指令，将所述用户指令同步至所述有向无环图编辑界面和所述表单编辑界面中的另一个。

本申请实施例的机器学习平台的建模方法，通过生成建模流程森林，建模流程森林包括多个树，每个树对应有向无环图，且有向无环图具有多个节点，获取有向无环图编辑界面中的当前有向无环图，并获取当前有向无环图中被触发的触发节点，在表单编辑界面中展示触发节点对应的表单，接收用户在有向无环图编辑界面和表单编辑界面中的一个输入的用户指令，将用户指令同步至有向无环图编辑界面和表单编辑界面中的另一个。由此，通过在有向无环图编辑界面显示当前有向无环图，在表单编辑界面中显示当前有向无环图中触发节点对应的表单，实现了表单和有向无环图的同步显示，提高了逻辑性，建模过程中无需编写大量代码，上手门槛低，用户可以根据需求灵活切换至代码模式进行微调，灵活性强，且避免了重复编码，大幅度提高了开发效率。

为达上述目的，本申请第三方面实施例提出了一种计算机设备，包括：处理器和存储器；其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如第二方面实施例所述的机器学习平台的建模方法。

为达上述目的，本申请第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第二方面实施例所述的机器学习平台的建模方法。

为达上述目的，本申请第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，实现如第二方面实施例所述的机器学习平台的建模方法。

本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本申请实施例所提供的一种机器学习平台的建模系统的结构示意图；

图2为有向无环图的示例图；

图3为本申请实施例的机器学习平台的建模系统的操作界面示例图；

图4为本申请实施例所提供的另一种机器学习平台的建模系统的结构示意图；

图5为本申请实施例所提供的一种机器学习平台的建模方法的流程示意图；

图6为本申请实施例所提供的另一种机器学习平台的建模方法的流程示意图；

图7为本申请实施例所提供的又一种机器学习平台的建模方法的流程示意图；

图8为本申请实施例所提供的再一种机器学习平台的建模方法的流程示意图；以及

图9为本申请实施例所提供的计算机设备的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

下面参考附图描述本申请实施例的机器学习平台的建模系统、方法、计算机设备及存储介质。

图1为本申请实施例所提供的一种机器学习平台的建模系统的结构示意图。

如图1所示，该机器学习平台的建模系统10包括：建模流程森林生成模块110、有向无环图编辑模块120、表单编辑模块130，以及同步模块140。

其中，建模流程森林生成模块110，用于生成建模流程森林，建模流程森林包括多个树，每个树对应有向无环图，且有向无环图具有多个节点。

在图论中，如果一个有向无环图从任意顶点出发无法经过若干条边回到该点，则该图是一个有向无环图(Directed Acyclic Graph，DAG)。一个有向无环图包含多个节点以及连接两个节点的有向边，有向边可以根据两个节点之间的关系建立。

本实施例中，建模流程森林生成模块110可以基于已有的代码生成建模流程森林，建模流程森林中的每棵树都是一个有向无环图。例如，对于建模过程中的抽象公共开放组件和解决方案(即代码模板)，建模流程森林生成模块110可以基于对应的代码生成相应的建模流程森林。

图2为有向无环图的示例图，如图2所示，该有向无环图包括多个节点和多条边，每条边连接两个节点，每个节点对应代码中的一个模块或功能，且每个节点可接收用户的操作，比如，用户可以点击某个节点，以查看该节点对应的信息。

有向无环图编辑模块120，用于提供用于编辑有向无环图的界面。

本实施例中，有向无环图编辑模块120提供用于编辑有向无环图的界面，即有向无环图编辑界面，在有向无环图编辑界面中显示有向无环图。

在本申请实施例一种可能的实现方式中，用户可以对有向无环图编辑界面中展示的当前有向无环图进行拖拽操作，此时，有向无环图编辑模块120还用于接收用户的拖拽指令，并根据拖拽指令对当前有向无环图中的节点位置进行调整。其中，拖拽指令用于移动当前有向无环图中的一个节点或多个节点组成的组合。也就是说，本申请中，用户可以对有向无环图中的一个节点进行拖拽，或对多个节点组成的组合进行拖拽。由此，方便了用户对有向无环图中的节点进行灵活调整，也即实现了对代码结构的灵活调整。

表单编辑模块130，用于提供表单编辑界面，并获取有向无环图编辑界面中的当前有向无环图，以及获取当前有向无环图中被触发的触发节点，和在表单编辑界面中展示触发节点对应的表单。

本实施例中，表单编辑模块130提供了表单编辑界面，当有向无环图中的某个节点被触发后，表单编辑模块130获取被触发的触发节点，并在表单编辑界面中展示与该触发节点对应的表单，以方便用户查看节点对应的表单或对表单进行调整。

同步模块140，用于当有向无环图编辑模块和表单编辑模块中的一个接收到用户指令之后，将用户指令同步至有向无环图编辑模块和表单编辑模块中的另一个。

本实施例中，当用户通过有向无环图编辑模块120输入用户指令时，同步模块140将有向无环图编辑模块120接收到的用户指令同步至表单编辑模块130；或者，当用户通过表单编辑模块130输入用户指令时，同步模块140将表单编辑模块130接收到的用户指令同步至有向无环图编辑模块120。由此，实现了有向无环图和表单中的代码同步。

图3为本申请实施例的机器学习平台的建模系统的操作界面示例图。机器学习平台的建模系统的操作界面由表单编辑界面和有向无环图编辑界面构成，图3中，左侧为表单编辑界面，用于开发，供用户对表单进行编辑；右侧为有向无环图编辑界面，用于导航，便于用户查找代码对应的节点。图3中，“1”标识的区域为菜单栏所在的区域，“2”标识的区域为快捷操作功能键所在的区域，“3”标识的区域用于显示表单，“4”标识的区域显示的是有向无环图编辑界面的菜单栏，“5”标识的区域用于展示有向无环图。当用户触发有向无环图编辑界面中展示的有向无环图中的某个节点时，该节点对应的表单显示在表单编辑界面中，用户可以在表单编辑界面中显示的表单进行编辑。

本实施例的机器学习平台的建模系统，通过生成建模流程森林，建模流程森林包括多个树，每个树对应有向无环图，且有向无环图具有多个节点，由表单编辑模块获取有向无环图编辑界面中的当前有向无环图，并获取当前有向无环图中被触发的触发节点，在表单编辑界面中展示触发节点对应的表单，当有向无环图编辑模块和表单编辑模块中的一个接收到用户指令之后，将用户指令同步至有向无环图编辑模块和表单编辑模块中的另一个。由此，通过在有向无环图编辑界面显示当前有向无环图，在表单编辑界面中显示当前有向无环图中触发节点对应的表单，实现了表单和有向无环图的同步显示，提高了逻辑性，建模过程中无需编写大量代码，上手门槛低，用户可以根据需求灵活切换至代码模式进行微调，灵活性强，且避免了重复编码，大幅度提高了开发效率。

在本申请实施例一种可能的实现方式中，如图4所示，在如图1所示实施例的基础上，该机器学习平台的建模系统10，还包括：

摘要抽取模块150，用于获取表单编辑界面中的当前表单，并抽取当前表单的摘要，以及将摘要添加在表单编辑界面之中。

其中，摘要比如可以包括当前表单对应的处理对象、处理动作等。

在本申请实施例一种可能的实现方式中，摘要抽取模块150还可以用于将摘要添加在有向无环图编辑界面中对应的节点处。比如，当用户将鼠标的光标放置在有向无环图的某个节点上时，摘要抽取模块150获取该节点对应的表单，并从对应的表单中抽取处理对象、处理动作等信息作为摘要，将抽取得到的摘要显示在该节点的下方。

智能输入模块160，用于获取用户的输入信息，并根据输入信息生成至少一个联想结果，并在输入框中提供至少一个联想结果以供用户选择。

本实施例中，当用户输入命令的部分字符之后，智能输入模块160能够根据用户已输入的字符快速定位到可能的命令。例如，若用户想要输入ImportData命令，当用户输入im之后，智能输入模块160根据字符im，可以生成ImportData和ImportModel两个命令，并将这两个命令显示在输入框中以供用户选择。用户选择智能输入模块160提供的联想结果时，可以通过鼠标点击的方式选择，或者，通过键盘上的上下键移动光标来选择，或者，还可以输入目标命令的id来直接定位到ImportData命令并输入。

智能指引模块170，用于获取表单编辑界面中的当前表单，以及当前表单对应的操作类型，并根据操作类型生成下一步操作提示，并在当前表单标题之下展示下一步操作提示。

本实施例中，智能指引模块170可以根据表单编辑界面中展示的当前表单对应的操作类型，生成下一步操作提示，并将操作提示显示在当前表单的标题之下。

其中，操作类型比如可以是定义变量、调用数据集等。

作为一种可能的实现方式，智能指引模块170根据当前表单的操作类型生成下一步操作提示时，可以基于历史分析任务的频度、建模的逻辑关系等统计分析得到下一步操作提示。其中，下一步操作提示可以有一个多个。比如，dataset产生后，可以向用户提示Split、BuildModel、ViewData等操作。进一步地，当动态调整功能开启时，还可以根据用户的操作频度动态调整生成的操作提示的先后顺序。由此，达到了向用户提示可能的下一步操作的目的，提升了用户体验。

在本申请实施例一种可能的实现方式中，该机器学习平台的建模系统10还具有人工组合及快速复用功能，由用户将有向无环图中的子图作为一个组合，并添加至预设的“我的workflow”下，一方便自己或他人直接复用，避免了代码的重复编辑。

在本申请实施例一种可能的实现方式中，该机器学习平台的建模系统10还具有导航快速定位功能，支持有向无环图快速地、自动地放大或缩小。

在本申请实施例一种可能的实现方式中，该机器学习平台的建模系统10还具有预置解决方案集成功能，支持在菜单栏中快速引入预置的解决方案。

在本申请实施例一种可能的实现方式中，该机器学习平台的建模系统10还具有自定义解决方案集成功能，以方便用户自定义表单，并将自定义的表单添加至菜单栏中的某个菜单下，或在菜单栏中新建菜单，或将自定义的解决方案添加至快捷操作栏中。

本实施例的机器学习平台的建模系统，通过获取表单编辑界面中的当前表单，并抽取当前表单的摘要添加在表单编辑界面中，为用户快速了解当前表单的信息提供了便利；通过获取用户的输入信息，并根据输入信息生成至少一个联想结果，并在输入框中提供至少一个联想结果以供用户选择，使得用户能够快速定位到所需的命令，避免了输入命令的全部字符带来的不便以及命令输入错误的概率；通过获取表单编辑界面中的当前表单，以及当前表单对应的操作类型，并根据操作类型生成下一步操作提示，并在当前表单标题之下展示下一步操作提示，达到了向用户提示可能的下一步操作的目的，提升了用户体验。

为了实现上述实施例，本申请还提出一种机器学习平台的建模方法。

图5为本申请实施例所提供的一种机器学习平台的建模方法的流程示意图，该方法可以应用于前述实施例所述的机器学习平台的建模系统。

如图5所示，该机器学习平台的建模方法可以包括以下步骤：

步骤101，生成建模流程森林，其中，建模流程森林包括多个树，每个树对应有向无环图，且有向无环图具有多个节点。

本实施例中，建模流程森林可以根据已有的代码生成。比如，可以基于建模过程中的抽象公共开放组件和解决方案，生成相应的建模流程森林。

步骤102，获取有向无环图编辑界面中的当前有向无环图，以及获取当前有向无环图中被触发的触发节点。

本实施例中，当有向无环图编辑界面中显示有有向无环图时，若用户触发了当前有向无环图中的某个节点，则可以获取有向无环图编辑界面中展示的当前有向无环图，并获取当前有向无环图中被触发的触发节点。

在本申请实施例一种可能的实现方式中，还可以接收用户在有向无环图编辑界面中输入的拖拽指令，并根据拖拽指令对当前有向无环图中的节点位置进行调整。其中，拖拽指令用于移动当前有向无环图中的一个节点或多个节点组成的组合。由此，方便了用户对有向无环图中的节点进行灵活调整，也即实现了对代码结构的灵活调整。

步骤103，在表单编辑界面中展示触发节点对应的表单。

本实施例中，获取了当前有向无环图中被触发的触发节点之后，可以进一步获取该触发节点对应的表单，并在表单编辑界面中展示获取的表单，以供用户对表单编辑界面中显示的表单进行编辑。

步骤104，接收用户在有向无环图编辑界面和表单编辑界面中的一个输入的用户指令，将用户指令同步至有向无环图编辑界面和表单编辑界面中的另一个。

当用户在有向无环图编辑界面中输入用户指令时，可以将用户在有向无环图编辑界面中输入的用户指令同步至表单编辑界面中；或者，当用户在表单编辑界面中输入用户指令时，可以将用户在表单编辑界面中输入的用户指令同步至有向无环图编辑界面中。由此，实现了有向无环图和表单中的代码同步。

本实施例的机器学习平台的建模方法，通过生成建模流程森林，建模流程森林包括多个树，每个树对应有向无环图，且有向无环图具有多个节点，获取有向无环图编辑界面中的当前有向无环图，并获取当前有向无环图中被触发的触发节点，在表单编辑界面中展示触发节点对应的表单，接收用户在有向无环图编辑界面和表单编辑界面中的一个输入的用户指令，将用户指令同步至有向无环图编辑界面和表单编辑界面中的另一个。由此，通过在有向无环图编辑界面显示当前有向无环图，在表单编辑界面中显示当前有向无环图中触发节点对应的表单，实现了表单和有向无环图的同步显示，提高了逻辑性，建模过程中无需编写大量代码，上手门槛低，用户可以根据需求灵活切换至代码模式进行微调，灵活性强，且避免了重复编码，大幅度提高了开发效率。

在本申请实施例一种可能的实现方式中，如图6所示，在如图5所示实施例的基础上，该机器学习平台的建模方法，还可以包括以下步骤：

步骤201，获取表单编辑界面中的当前表单。

本实施例中，当表单编辑界面中显示有表单时，可以获取表单编辑界面中显示的当前表单。比如，对于前述实施例的机器学习平台的建模系统而言，可以由该系统中设置的摘要抽取界面来获取表单编辑界面中显示的当前表单。

步骤202，抽取当前表单的摘要，并将摘要添加在表单编辑界面之中。

本实施例中，获取了当前表单之后，可以根据当前表单的信息，抽取当前表单的摘要，并将摘要添加在表单编辑界面中。其中，摘要可以包括当前表单对应的处理对象、处理动作等。

在本申请实施例一种可能的实现方式中，还可以在有向无环图中的节点处显示摘要。当用户将鼠标的光标放置在有向无环图的某个节点上时，获取该节点对应的表单，并从对应的表单中抽取处理对象、处理动作等信息作为摘要，将抽取得到的摘要显示在该节点的下方。

本实施例的机器学习平台的建模方法，通过获取表单编辑界面中的当前表单，并抽取当前表单的摘要添加在表单编辑界面中，由此，为用户快速了解当前表单的信息提供了便利，提升了用户体验。

在本申请实施例一种可能的实现方式中，如图7所示，在如图5所示实施例的基础上，该机器学习平台的建模方法，还可以包括以下步骤：

步骤301，获取用户的输入信息。

其中，用户的输入信息比如可以是用户希望输入命令的部分字符。当用户在表单编辑界面中输入字符时，可以获取用户的输入信息。

步骤302，根据输入信息生成至少一个联想结果。

步骤303，在输入框中提供至少一个联想结果以供用户选择。

举例而言，假设用户想要输入命令ImportData命令，当用户输入im之后，根据获取的字符im，可以生成ImportData和ImportModel两个命令，并将这两个命令显示在输入框中以供用户选择。用户从提供的至少一个联想结果中选择所需的联想结果时，可以通过鼠标点击的方式选择，或者，通过键盘上的上下键移动光标来选择，或者，还可以输入目标命令的id来直接定位到ImportData命令并输入。

本实施例的机器学习平台的建模方法，通过获取用户的输入信息，并根据输入信息生成至少一个联想结果，并在输入框中提供至少一个联想结果以供用户选择，由此，使得用户能够快速定位到所需的命令，避免了输入命令的全部字符带来的不便以及命令输入错误的概率。

在本申请实施例一种可能的实现方式中，如图8所示，在如图5所示实施例的基础上，该机器学习平台的建模方法，还可以包括以下步骤：

步骤401，获取表单编辑界面中的当前表单，以及当前表单对应的操作类型。

本实施例中，当表单编辑界面中显示有表单时，可以获取表单编辑界面中显示的当前表单，并获取当前表单对应的操作类型。

其中，操作类型比如可以是定义变量、调用数据集等。

步骤402，根据操作类型生成下一步操作提示。

本实施例中，根据表单编辑界面中显示的当前表单对应的操作类型，可以预测出下一步可能会执行的操作，并生成下一步操作提示。

作为一种可能的实现方式，根据当前表单的操作类型生成下一步操作提示时，可以基于历史分析任务的频度、建模的逻辑关系等统计分析得到下一步操作提示。其中，下一步操作提示可以有一个多个。比如，dataset产生后，可以向用户提示Split、BuildModel、ViewData等操作。进一步地，当动态调整功能开启时，还可以根据用户的操作频度动态调整生成的操作提示的先后顺序。其中，动态调整功能具有开启和关闭两种状态，当处于关闭状态时，不会调整生成的操作提示的先后顺序。

步骤403，在当前表单标题之下展示下一步操作提示。

本实施例中，生成下一步操作提示后，可以在当前表单标题之下展示下一步操作提示。

本实施例的机器学习平台的建模方法，通过获取表单编辑界面中的当前表单，以及当前表单对应的操作类型，并根据操作类型生成下一步操作提示，并在当前表单标题之下展示下一步操作提示，达到了向用户提示可能的下一步操作的目的，提升了用户体验。

为了实现上述实施例，本申请还提出一种计算机设备，包括：处理器和存储器。其中，处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于实现如前述实施例所述的机器学习平台的建模方法。

图9为本申请实施例所提供的计算机设备的结构示意图，示出了适于用来实现本申请实施方式的示例性计算机设备90的框图。图9显示的计算机设备90仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图9所示，计算机设备90以通用计算机设备的形式表现。计算机设备90的组件可以包括但不限于：一个或者多个处理器或者处理单元906，系统存储器910，连接不同系统组件(包括系统存储器910和处理单元906)的总线908。

总线908表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture；以下简称：ISA)总线，微通道体系结构(Micro Channel Architecture；以下简称：MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation；以下简称：VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection；以下简称：PCI)总线。

计算机设备90典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备90访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器910可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory；以下简称：RAM)911和/或高速缓存存储器912。计算机设备90可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统913可以用于读写不可移动的、非易失性磁介质(图9未显示，通常称为“硬盘驱动器”)。尽管图9中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(Compact Disc ReadOnly Memory；以下简称：CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory；以下简称：DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线908相连。系统存储器910可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。

计算机可读的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。计算机可读的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——无线、电线、光缆、RF等等，或者上述的任意合适的组合。

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申请操作的计算机程序代码，所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。

具有一组(至少一个)程序模块9140的程序/实用工具914，可以存储在例如系统存储器910中，这样的程序模块9140包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块9140通常执行本申请所描述的实施例中的功能和/或方法。

计算机设备90也可以与一个或多个外部设备10(例如键盘、指向设备、显示器100等)通信，还可与一个或者多个使得用户能与该终端设备90交互的设备通信，和/或与使得该计算机设备90能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口902进行。并且，计算机设备90还可以通过网络适配器900与一个或者多个网络(例如局域网(Local Area Network；以下简称：LAN)，广域网(Wide Area Network；以下简称：WAN)和/或公共网络，例如因特网)通信。如图9所示，网络适配器900通过总线908与计算机设备90的其它模块通信。应当明白，尽管图9中未示出，可以结合计算机设备90使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元906通过运行存储在系统存储器910中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的机器学习平台的建模方法。

为了实现上述实施例，本申请还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现如前述实施例所述的机器学习平台的建模方法。

为了实现上述实施例，本申请还提出一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，实现如前述实施例所述的机器学习平台的建模方法。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (12)

1.一种机器学习平台的建模系统，其特征在于，包括：

建模流程森林生成模块，用于生成建模流程森林，其中，所述建模流程森林包括多个树，每个树对应有向无环图，且所述有向无环图具有多个节点；

有向无环图编辑模块，用于提供有向无环图编辑界面，所述有向无环图编辑界面用于编辑所述有向无环图的界面，其中，在所述有向无环图编辑界面中显示所述有向无环图；

表单编辑模块，用于提供表单编辑界面，并获取所述有向无环图编辑界面中的当前有向无环图，以及获取所述当前有向无环图中被触发的触发节点，和在所述表单编辑界面中展示所述触发节点对应的表单；

同步模块，用于当所述有向无环图编辑模块和所述表单编辑模块中的一个接收到用户指令之后，将所述用户指令同步至所述有向无环图编辑模块和所述表单编辑模块中的另一个；

所述有向无环图编辑模块，还用于接收用户的拖拽指令，并根据所述拖拽指令对所述当前有向无环图中的节点位置进行调整，其中，所述拖拽指令用于移动所述当前有向无环图中的一个节点或多个节点组成的组合。

2.如权利要求1所述的机器学习平台的建模系统，其特征在于，所述拖拽指令用于移动所述当前有向无环图中的一个节点或多个节点组成的组合。

3.如权利要求1所述的机器学习平台的建模系统，其特征在于，还包括：

摘要抽取模块，用于获取所述表单编辑界面中的当前表单，并抽取所述当前表单的摘要，以及将所述摘要添加在所述表单编辑界面之中。

4.如权利要求1所述的机器学习平台的建模系统，其特征在于，还包括：

智能输入模块，用于获取用户的输入信息，并根据所述输入信息生成至少一个联想结果，并在输入框中提供所述至少一个联想结果以供所述用户选择。

5.如权利要求1所述的机器学习平台的建模系统，其特征在于，还包括：

智能指引模块，用于获取所述表单编辑界面中的当前表单，以及所述当前表单对应的操作类型，并根据所述操作类型生成下一步操作提示，并在所述当前表单标题之下展示所述下一步操作提示。

6.一种机器学习平台的建模方法，其特征在于，包括：

生成建模流程森林，其中，所述建模流程森林包括多个树，每个树对应有向无环图，且所述有向无环图具有多个节点；

获取有向无环图编辑界面中的当前有向无环图，以及获取所述当前有向无环图中被触发的触发节点，其中，当所述有向无环图编辑界面中显示有有向无环图时，若用户触发了所述当前有向无环图中的某个节点，则获取所述有向无环图编辑界面中展示的当前有向无环图，并获取所述当前有向无环图中被触发的触发节点；

在表单编辑界面中展示所述触发节点对应的表单；

接收用户在所述有向无环图编辑界面和所述表单编辑界面中的一个输入的用户指令，将所述用户指令同步至所述有向无环图编辑界面和所述表单编辑界面中的另一个；

接收用户在所述有向无环图编辑界面中输入的拖拽指令，并根据所述拖拽指令对所述当前有向无环图中的节点位置进行调整，其中，所述拖拽指令用于移动所述当前有向无环图中的一个节点或多个节点组成的组合。

7.如权利要求6所述的机器学习平台的建模方法，其特征在于，所述拖拽指令用于移动所述当前有向无环图中的一个节点或多个节点组成的组合。

8.如权利要求6所述的机器学习平台的建模方法，其特征在于，还包括：

获取所述表单编辑界面中的当前表单；

抽取所述当前表单的摘要，并将所述摘要添加在所述表单编辑界面之中。

9.如权利要求6所述的机器学习平台的建模方法，其特征在于，还包括：

获取用户的输入信息；

根据所述输入信息生成至少一个联想结果；

在输入框中提供所述至少一个联想结果以供所述用户选择。

10.根据权利要求6所述的机器学习平台的建模方法，其特征在于，还包括：

获取所述表单编辑界面中的当前表单，以及所述当前表单对应的操作类型；

根据所述操作类型生成下一步操作提示；

在所述当前表单标题之下展示所述下一步操作提示。

11.一种计算机设备，其特征在于，包括处理器和存储器；

其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如权利要求6-10中任一项所述的机器学习平台的建模方法。

12.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求6-10中任一项所述的机器学习平台的建模方法。