CN115964081A - 一种代码规模确定方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种代码规模确定方法、装置、设备及存储介质。该方法包括通过预定义界面原型确定待处理源代码的各代码元素，并确定所述各代码元素所实现业务功能的复杂度；统计全部复杂度中目标复杂度所匹配代码元素的目标数量；根据所述目标复杂度、所述目标数量和预先训练的规模算法模型中与所述目标复杂度匹配的目标代码规模参数，确定所述待处理源代码的规模。本发明的技术方案提供一种基于预定义界面原型和规模算法模型确定代码规模的方法，有效提高对代码规模评估的准确性。

Description

一种代码规模确定方法、装置、设备及存储介质

技术领域

本发明涉及计算机技术领域，尤其涉及一种代码规模确定方法、装置、设备及存储介质。

背景技术

政务服务系统等信息化系统建设的交付成果，是开发人员编写的源代码，一个软件系统实现所有功能需求所编写的源代码规模，决定了信息化建设的很大部分资金成本，目前常用的信息化系统规模评估方法有功能点评估法和经验值评估法等。

根据经验值评估通常很不准确，因为没有量化的数据作为判断依据；功能点评估，本质上也是根据经验值，而且随着自动化编码的普及，传统的功能点评估也不再适用。导致工作量评估存在很大不确定性，要么评估过多浪费资金，要么评估过少无法完工。

发明内容

本发明提供了一种代码规模确定方法、装置、设备及存储介质，以提供一种基于预定义界面原型和规模算法模型确定代码规模的方法，有效提高对代码规模评估的准确性。

根据本发明的一方面，提供了一种代码规模确定方法，该方法包括：

通过预定义界面原型确定待处理源代码的各代码元素，并确定所述各代码元素所实现业务功能的复杂度；

统计全部复杂度中目标复杂度所匹配代码元素的目标数量；

根据所述目标复杂度、所述目标数量和预先训练的规模算法模型中与所述目标复杂度匹配的目标代码规模参数，确定所述待处理源代码的规模；

其中，所述规模算法模型根据训练样本数据和测试样本数据经过至少一轮训练获得。

根据本发明的另一方面，提供了一种代码规模确定装置，该装置包括：

元素及复杂度确定模块，用于通过预定义界面原型确定待处理源代码的各代码元素，并确定所述各代码元素的复杂度；

元素数量统计模块，用于统计全部复杂度中目标复杂度所匹配代码元素的目标数量；

代码规模确定模块，用于根据所述目标复杂度、所述目标数量和预先训练的规模算法模型中与所述目标复杂度匹配的目标代码规模参数，确定所述待处理源代码的规模；

其中，所述规模算法模型根据训练样本数据和测试样本数据经过至少一轮训练预先获得。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的代码规模确定方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的代码规模确定方法。

本发明实施例的技术方案，通过预定义界面原型确定待处理源代码的各代码元素，并确定所述各代码元素所实现业务功能的复杂度；统计全部复杂度中目标复杂度所匹配代码元素的目标数量；根据所述目标复杂度、所述目标数量和预先训练的规模算法模型中与所述目标复杂度匹配的目标代码规模参数，确定所述待处理源代码的规模的技术手段，解决了现有技术中利用功能点评估和经验值评估法评估代码规模不准确的问题，提供一种基于预定义界面原型和规模算法模型确定代码规模的方法，有效提高对代码规模评估的准确性。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，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1a为本发明实施例一提供的一种代码规模确定方法的流程图；

图1b为本发明提供的一种预定义界面原型的示例图；

图2为本发明实施例二提供的另一种代码规模确定方法的流程图；

图3为本发明实施例三提供的一种代码规模确定装置的结构示意图；

图4是实现本发明实施例的代码规模确定方法的电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“目标”、“原始”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例一

图1a为本发明实施例一提供的一种代码规模确定方法的流程图，本实施例可适用于对代码规模进行确定的情况，该方法可以由代码规模确定装置来执行，该代码规模确定装置可以采用硬件和/或软件的形式实现，该代码规模确定装置可配置于计算机服务器中。如图1a所示，该方法包括：

S110、通过预定义界面原型确定待处理源代码的各代码元素，并确定各代码元素所实现业务功能的复杂度。

其中，预定义界面原型可以是预先定义的一个用于分析代码元素和代码元素复杂度的一个通用界面原型。待处理源代码可以是需要确定代码规模的实现某种业务功能的源代码。预定义界面原型可以具有通过标准化方法定义的多个界面元素，通过所定义的界面元素可以分析待处理源代码中的代码元素以及各代码元素所实现业务功能的复杂度。复杂度可以是指实现元素类型和元素动作的编码复杂度，复杂度可以与待处理源代码规模成正比。本发明中，可以设置复杂度取值范围为1-10。例如基本的输入输出元素，复杂度为1；简单的处理，复杂度为2-5；复杂的报表、复杂的运算的动作，复杂度为6-10。

示例性的，以录入个人信息的业务功能为例，图1b提供一种预定义界面原型的示例图。其中，页面1、页面2和页面3中均包含有界面元素，根据如页面2所示的界面元素可以确定待处理源代码的各代码元素和各代码元素的复杂度。

代码元素可以是指待处理源代码中以最小实现功能为单位的代码片段。代码元素可以包括元素类型、元素标签和元素动作。

其中，元素类型可以用于表示代码元素的功能属性，例如，输入框、下拉框、复选框、单选框、文本框、表格、报表和图表等。

元素标签可以用于表示代码元素的内容属性，具体的，元素标签可以包括元素名称或元素标题，例如图1b中所示的“姓名”、“籍贯”、“家庭地址”、“户籍地址”和“爱好”等文本字样。

元素动作可以用于表示代码元素的逻辑处理规则的定义，即代码元素可实现的逻辑动作，元素动作的逻辑处理规则可以包括复杂查询、数学运算和算法处理等。元素动作可以包括元素前置动作和元素后置动作。其中，元素前置动作可以包括在人机交互页面(如图1b的页面2)显示的动作，元素后置动作包括需在后台处理的动作。

例如图1b中“①”指示的输入框对应元素前置动作“绑定数据”，该元素前置动作的复杂度为1，没有对应元素后置动作；而“②”指示的保存按钮对应元素后置动作“保存个人信息”，后台处理动作可以有“判断家庭地址所在市县，保存个人活动区域的数据；判断个人爱好，加入兴趣组数据表”，该元素后置动作的复杂度为2，没有对应元素前置动作。

需要说明，元素类型和元素动作具有对应的复杂度，元素标签不具有对应的复杂度。元素类型和元素动作的复杂度可以根据经验值确定。

S120、统计全部复杂度中目标复杂度所匹配代码元素的目标数量。

其中，目标复杂度可以是全部复杂度中某一取值复杂度，例如全部复杂度中有1-10种复杂度，目标复杂度可以是取值为3的复杂度，相应的，目标数量可以是复杂度为3的代码元素的数量。

本实施例中，待处理源代码的各代码片段(即各代码元素)可以具有各自对应的编码复杂度，通过预定义界面原型对待处理源代码分析后得到各代码元素的复杂度，从而统计全部复杂度中某一目标复杂度匹配的代码元素的数量。

S130、根据目标复杂度、目标数量和预先训练的规模算法模型中与目标复杂度匹配的目标代码规模参数，确定待处理源代码的规模。

其中，规模算法模型根据训练样本数据和测试样本数据经过至少一轮训练获得。代码规模参数可以是用于反映同一复杂度的各代码元素规模的参数，例如，复杂度为1的代码元素的代码规模参数n1、复杂度为2的代码元素的代码规模参数n2、复杂度为3的代码元素的代码规模参数n3等。规模算法模型中的各代码规模参数在训练结束后趋于稳定。

在本实施例中，在目标复杂度、目标复杂度对应代码元素的目标数量、以及预先训练的规模算法模型中与目标复杂度匹配的目标代码规模参数的基础上，可以确定待处理源代码的规模。

本发明实施例的技术方案，通过预定义界面原型确定待处理源代码的各代码元素，并确定各代码元素所实现业务功能的复杂度；统计全部复杂度中目标复杂度所匹配代码元素的目标数量；根据目标复杂度、目标数量和预先训练的规模算法模型中与目标复杂度匹配的目标代码规模参数，确定待处理源代码的规模的技术手段，解决了现有技术中利用功能点评估和经验值评估法评估代码规模不准确的问题，提供一种基于预定义界面原型和规模算法模型确定代码规模的方法，有效提高对代码规模评估的准确性。

实施例二

图2为本发明实施例二提供的另一种代码规模确定方法的流程图，本实施例在上述实施例的基础上，将统计全部复杂度中目标复杂度所匹配代码元素的目标数量进行细化。如图2所示，该方法包括：

S210、通过预定义界面原型确定待处理源代码的各代码元素，并确定各代码元素所实现业务功能的复杂度。

S220、在全部复杂度中确定复杂度类别数量。

其中，复杂度类别数量可以指待处理源代码的各代码元素对应复杂度的种类，例如，1、2、3、4等复杂度的取值。

在通过预定义界面原型确定各代码元素和各复杂度后，可以统计复杂度的不同取值的总数量。

S230、依次将每个类别的复杂度确定为目标复杂度。

本实施例中，将取值为1、2、3、4、5、6、7、8、9、10的复杂度依次确定为目标复杂度。

S240、在全部代码元素中确定与目标复杂度匹配的目标代码元素。

在全部代码元素中确定取值为1的复杂度匹配的目标代码元素，确定取值为2的复杂度匹配的目标代码元素，确定取值为3的复杂度匹配的目标代码元素，依次类推，直至将全部类别复杂度的目标代码元素确定完毕。

可选的，在全部代码元素中确定与目标复杂度匹配的目标代码元素，可以包括：在全部代码元素中确定与目标复杂度匹配的原始代码元素；根据原始代码元素的元素标签对原始代码元素进行去重处理，得到目标代码元素。

其中，去重处理可以是将元素标签的类型和内容都类似的原始代码元素归属为同一个代码元素。

S250、统计目标代码元素的数量，获取目标数量。

对于每种取值的复杂度，分别统计对应的目标代码元素的数量作为目标数量。

S260、根据目标复杂度、目标数量和预先训练的规模算法模型中与目标复杂度匹配的目标代码规模参数，确定待处理源代码的规模。

其中，规模算法模型根据训练样本数据和测试样本数据经过至少一轮训练获得。

可选的，根据目标复杂度、目标数量和预先训练的规模算法模型中与目标复杂度匹配的目标代码规模参数，确定待处理源代码的规模，可以包括：将目标复杂度、目标数量和目标代码规模参数相乘，得到目标相乘结果；将全部目标复杂度匹配的目标相乘结果相加，确定待处理源代码的规模。

示例性，设n1是复杂度为1的代码规模参数，E1是复杂度为1的去重后代码元素的数量。代码规模Y1与元素数量E1和代码规模参数n1成函数关系：Y1＝n1*1*E1。

设n2是复杂度为2的代码规模参数，E2是复杂度为2的去重后代码元素的数量。代码规模Y2与元素数量E2和代码规模参数n2成函数关系：Y2＝n2*2*E2。

以此类推：确定待处理源代码的代码规模

其中，x为复杂度(取值1-10)，Ex为复杂度为x的代码元素的数量，nx为复杂度为x的代码规模参数。

本发明实施例的技术方案，通过预定义界面原型确定待处理源代码的各代码元素，并确定各代码元素所实现业务功能的复杂度；在全部复杂度中确定复杂度类别数量；依次将每个类别的复杂度确定为目标复杂度；在全部代码元素中确定与目标复杂度匹配的目标代码元素；统计目标代码元素的数量，获取目标数量；根据目标复杂度、目标数量和预先训练的规模算法模型中与目标复杂度匹配的目标代码规模参数，确定待处理源代码的规模的技术手段，解决了现有技术中利用功能点评估和经验值评估法评估代码规模不准确的问题，提供一种基于预定义界面原型和规模算法模型确定代码规模的方法，有效提高对代码规模评估的准确性。

实施例三

图3为本发明实施例三提供的一种代码规模确定装置的结构示意图。如图3所示，该装置包括：元素及复杂度确定模块310、元素数量统计模块320和代码规模确定模块330。其中：

元素及复杂度确定模块310，用于通过预定义界面原型确定待处理源代码的各代码元素，并确定所述各代码元素的复杂度；

元素数量统计模块320，用于统计全部复杂度中目标复杂度所匹配代码元素的目标数量；

代码规模确定模块330，用于根据所述目标复杂度、所述目标数量和预先训练的规模算法模型中与所述目标复杂度匹配的目标代码规模参数，确定所述待处理源代码的规模；

其中，所述规模算法模型根据训练样本数据和测试样本数据经过至少一轮训练预先获得。

本发明实施例的技术方案，通过预定义界面原型确定待处理源代码的各代码元素，并确定各代码元素所实现业务功能的复杂度；统计全部复杂度中目标复杂度所匹配代码元素的目标数量；根据目标复杂度、目标数量和预先训练的规模算法模型中与目标复杂度匹配的目标代码规模参数，确定待处理源代码的规模的技术手段，解决了现有技术中利用功能点评估和经验值评估法评估代码规模不准确的问题，提供一种基于预定义界面原型和规模算法模型确定代码规模的方法，有效提高对代码规模评估的准确性。

可选的，代码元素包括元素类型、元素标签和元素动作；

所述元素类型用于表示所述代码元素的功能属性；

所述元素标签用于表示所述代码元素的内容属性；

所述元素动作用于表示所述代码元素的逻辑处理规则的定义。

可选的，所述元素类型包括输入框、下拉框、复选框、单选框、文本框、表格、报表和图表；

所述元素标签包括元素名称或元素标题；

所述元素动作包括元素前置动作和元素后置动作；

其中，所述元素前置动作包括在人机交互页面显示的动作，所述元素后置动作包括需在后台处理的动作。

可选的，所述元素类型和所述元素动作具有对应的复杂度，所述元素标签不具有复杂度。

可选的，元素数量统计模块320，包括：

复杂度类别数量确定单元，用于在所述全部复杂度中确定复杂度类别数量；

目标复杂度确定单元，用于依次将每个类别的复杂度确定为所述目标复杂度；

目标代码元素确定单元，用于在全部代码元素中确定与所述目标复杂度匹配的目标代码元素；

目标数量确定单元，用于将所述目标代码元素的数量确定为所述目标数量。

可选的，目标代码元素确定单元，具体可以用于：

在所述全部代码元素中确定与所述目标复杂度匹配的原始代码元素；

根据所述原始代码元素的所述元素标签对所述原始代码元素进行去重处理，得到所述目标代码元素。

可选的，代码规模确定模块330，具体可以用于：

将所述目标复杂度、所述目标数量和所述目标代码规模参数相乘，得到目标相乘结果；

将全部目标复杂度匹配的目标相乘结果相加，确定所述待处理源代码的规模。

本发明实施例所提供的代码规模确定装置可执行本发明任意实施例所提供的代码规模确定方法，具备执行方法相应的功能模块和有益效果。

实施例四

图4示出了可以用来实施本发明的实施例的电子设备400的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图4所示，电子设备400包括至少一个处理器401，以及与至少一个处理器401通信连接的存储器，如只读存储器(ROM)402、随机访问存储器(RAM)403等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器401可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序，来执行各种适当的动作和处理。在RAM 403中，还可存储电子设备400操作所需的各种程序和数据。处理器401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

电子设备400中的多个部件连接至I/O接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许电子设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器401可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器401执行上文所描述的各个方法和处理，例如代码规模确定方法。

在一些实施例中，代码规模确定方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到电子设备400上。当计算机程序加载到RAM 403并由处理器401执行时，可以执行上文描述的代码规模确定方法的一个或多个步骤。备选地，在其他实施例中，处理器401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行代码规模确定方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种代码规模确定方法，其特征在于，包括：

通过预定义界面原型确定待处理源代码的各代码元素，并确定所述各代码元素所实现业务功能的复杂度；

统计全部复杂度中目标复杂度所匹配代码元素的目标数量；

根据所述目标复杂度、所述目标数量和预先训练的规模算法模型中与所述目标复杂度匹配的目标代码规模参数，确定所述待处理源代码的规模；

其中，所述规模算法模型根据训练样本数据和测试样本数据经过至少一轮训练获得。

2.根据权利要求1所述的方法，其特征在于，代码元素包括元素类型、元素标签和元素动作；

所述元素类型用于表示所述代码元素的功能属性；

所述元素标签用于表示所述代码元素的内容属性；

所述元素动作用于表示所述代码元素的逻辑处理规则的定义。

3.根据权利要求2所述的方法，其特征在于，所述元素类型包括输入框、下拉框、复选框、单选框、文本框、表格、报表和图表；

所述元素标签包括元素名称或元素标题；

所述元素动作包括元素前置动作和元素后置动作；

其中，所述元素前置动作包括在人机交互页面显示的动作，所述元素后置动作包括需在后台处理的动作。

4.根据权利要求2所述的方法，其特征在于，所述元素类型和所述元素动作具有对应的复杂度，所述元素标签不具有对应的复杂度。

5.根据权利要求1所述的方法，其特征在于，统计全部复杂度中目标复杂度所匹配代码元素的目标数量，包括：

在所述全部复杂度中确定复杂度类别数量；

依次将每个类别的复杂度确定为所述目标复杂度；

在全部代码元素中确定与所述目标复杂度匹配的目标代码元素；

统计所述目标代码元素的数量，获取所述目标数量。

6.根据权利要求5所述的方法，其特征在于，在全部代码元素中确定与所述目标复杂度匹配的目标代码元素，包括：

在所述全部代码元素中确定与所述目标复杂度匹配的原始代码元素；

根据所述原始代码元素的所述元素标签对所述原始代码元素进行去重处理，得到所述目标代码元素。

7.根据权利要求1所述的方法，其特征在于，根据所述目标复杂度、所述目标数量和预先训练的规模算法模型中与所述目标复杂度匹配的目标代码规模参数，确定所述待处理源代码的规模，包括：

将所述目标复杂度、所述目标数量和所述目标代码规模参数相乘，得到目标相乘结果；

将全部目标复杂度匹配的目标相乘结果相加，确定所述待处理源代码的规模。

8.一种代码规模确定装置，其特征在于，包括：

元素及复杂度确定模块，用于通过预定义界面原型确定待处理源代码的各代码元素，并确定所述各代码元素的复杂度；

元素数量统计模块，用于统计全部复杂度中目标复杂度所匹配代码元素的目标数量；

代码规模确定模块，用于根据所述目标复杂度、所述目标数量和预先训练的规模算法模型中与所述目标复杂度匹配的目标代码规模参数，确定所述待处理源代码的规模；

其中，所述规模算法模型根据训练样本数据和测试样本数据经过至少一轮训练预先获得。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的代码规模确定方法。

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存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的代码规模确定方法。

Images