CN116107666B - 程序业务流信息生成方法、装置、电子设备和计算机介质 - Google Patents
程序业务流信息生成方法、装置、电子设备和计算机介质 Download PDFInfo
- Publication number
- CN116107666B CN116107666B CN202310378806.3A CN202310378806A CN116107666B CN 116107666 B CN116107666 B CN 116107666B CN 202310378806 A CN202310378806 A CN 202310378806A CN 116107666 B CN116107666 B CN 116107666B
- Authority
- CN
- China
- Prior art keywords
- service flow
- program service
- configuration information
- flow configuration
- program
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
- G06F9/44505—Configuring for program initiating, e.g. using registry, configuration files
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本公开的实施例公开了程序业务流信息生成方法、装置、电子设备和计算机介质。该方法的一具体实施方式包括:根据程序业务流数据样本集,对初始程序业务流配置信息预测模型进行训练,得到训练完成的程序业务流配置信息预测模型;根据程序业务流数据样本集和目标程序业务流配置信息集,对程序业务流配置信息预测模型进行优化,得到优化程序业务流配置信息预测模型;将目标程序业务流数据输入至优化程序业务流配置信息预测模型中,得到目标程序业务流配置信息;根据目标程序业务流配置信息,执行页面配置操作。该实施方式减少了构建程序业务流程的时间。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及程序业务流信息生成方法、装置、电子设备和计算机介质。
背景技术
程序业务流信息是构建应用程序的流程节点信息。目前,为了构建程序业务流信息,通常采用的方式为:解析流程日志,从日志中获取执行角色、流程模块、交互信息等,结合推荐模型为用户构建操作流程。
然而,当采用上述方式时,经常会存在如下技术问题:
第一,随着越来越多的程序业务流数据样本的获取,程序业务流程构建的难度越来越大,构建程序业务流程时间较长;
第二,程序业务流程构建过程中可能会出现程序业务流异常,导致应用程序构建的周期变长。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了程序业务流信息生成方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种程序业务流信息生成方法,该方法包括:获取预设的程序业务流集合中每个程序业务流的程序业务流数据样本,得到程序业务流数据样本集,其中,上述程序业务流数据样本集中的程序业务流数据样本包括:样本程序业务流数据与对应的程序业务流配置信息标签;根据上述程序业务流数据样本集,对初始程序业务流配置信息预测模型进行训练,得到训练完成的程序业务流配置信息预测模型;获取上述程序业务流集合中每个程序业务流的程序业务流数据,得到程序业务流数据集;将上述程序业务流数据集输入至上述程序业务流配置信息预测模型中,得到目标程序业务流配置信息集,其中,上述程序业务流数据集中的程序业务流数据对应上述目标程序业务流配置信息集中的目标程序业务流配置信息;根据上述程序业务流数据样本集和上述目标程序业务流配置信息集,对上述程序业务流配置信息预测模型进行优化,得到优化程序业务流配置信息预测模型;获取目标程序业务流对应的目标程序业务流数据;将上述目标程序业务流数据输入至上述优化程序业务流配置信息预测模型中,得到目标程序业务流配置信息;根据上述目标程序业务流配置信息,执行页面配置操作。
第二方面,本公开的一些实施例提供了一种程序业务流信息生成装置,装置包括:第一获取单元,被配置成获取预设的程序业务流集合中每个程序业务流的程序业务流数据样本,得到程序业务流数据样本集,其中,上述程序业务流数据样本集中的程序业务流数据样本包括:样本程序业务流数据与对应的程序业务流配置信息标签;训练单元,被配置成根据上述程序业务流数据样本集,对初始程序业务流配置信息预测模型进行训练,得到训练完成的程序业务流配置信息预测模型;第二获取单元,被配置成获取上述程序业务流集合中每个程序业务流的程序业务流数据,得到程序业务流数据集;第一输入单元,被配置成将上述程序业务流数据集输入至上述程序业务流配置信息预测模型中,得到目标程序业务流配置信息集,其中,上述程序业务流数据集中的程序业务流数据对应上述目标程序业务流配置信息集中的目标程序业务流配置信息;优化单元,被配置成被配置成根据上述程序业务流数据样本集和上述目标程序业务流配置信息集,对上述程序业务流配置信息预测模型进行优化,得到优化程序业务流配置信息预测模型;第三获取单元,被配置成获取目标程序业务流对应的目标程序业务流数据;第二输入单元,被配置成将上述目标程序业务流数据输入至上述优化程序业务流配置信息预测模型中,得到目标程序业务流配置信息;执行单元,被配置成根据上述目标程序业务流配置信息,执行页面配置操作。
第三方面,本公开的一些实施例提供了一种电子设备,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,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些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,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例中具有如下有益效果:通过本公开的一些实施例的程序业务流信息生成方法,缩短了构建程序业务流程的时间。具体来说,造成构建程序业务流程时间较长的原因在于:随着越来越多的程序业务流数据样本的获取,程序业务流程构建的难度越来越大。基于此,本公开的一些实施例的程序业务流信息生成方法,首先,获取预设的程序业务流集合中每个程序业务流的程序业务流数据样本,得到程序业务流数据样本集,其中,上述程序业务流数据样本集中的程序业务流数据样本包括:样本程序业务流数据与对应的程序业务流配置信息标签。然后,根据上述程序业务流数据样本集,对初始程序业务流配置信息预测模型进行训练,得到训练完成的程序业务流配置信息预测模型。由此,可以通过训练完成的程序业务流配置信息预测模型识别程序业务流数据的程序业务流配置信息,从而,无须逐步构建程序业务流程,减少了构建程序业务流程的时间。这里,利用了较多的程序业务流数据样本对初始程序业务流配置信息预测模型进行训练,可以确定程序业务流配置信息和程序业务流数据之间的对应关系。因此,提高了程序业务流信息生成的准确率。然后,获取上述程序业务流集合中每个程序业务流的程序业务流数据,得到程序业务流数据集。之后,将上述程序业务流数据集输入至上述程序业务流配置信息预测模型中,得到目标程序业务流配置信息集,其中,上述程序业务流数据集中的程序业务流数据对应上述目标程序业务流配置信息集中的目标程序业务流配置信息。然后,根据上述程序业务流数据样本集和上述目标程序业务流配置信息集,对上述程序业务流配置信息预测模型进行优化,得到优化程序业务流配置信息预测模型。由此,可以利用程序业务流数据样本集与目标程序业务流配置信息集对程序业务流配置信息预测模型进行优化,从而,提高了程序业务流配置信息生成的准确率。然后,获取目标程序业务流对应的目标程序业务流数据。之后,将上述目标程序业务流数据输入至上述优化程序业务流配置信息预测模型中,得到目标程序业务流配置信息。最后,根据上述目标程序业务流配置信息,执行页面配置操作。由此,缩短了构建程序业务流程的时间。进而缩短了页面配置时间。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的程序业务流信息生成方法的一些实施例的流程图;
图2是根据本公开的程序业务流信息生成装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
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。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。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是本公开的程序业务流信息生成方法的一些实施例的流程100。该程序业务流信息生成方法,包括以下步骤:
步骤101,获取预设的程序业务流集合中每个程序业务流的程序业务流数据样本,得到程序业务流数据样本集。
在一些实施例中,程序业务流信息生成方法的执行主体(例如计算设备)可以通过有线连接或无线连接的方式获取预设的程序业务流集合中每个程序业务流的程序业务流数据样本,得到程序业务流数据样本集。其中,上述程序业务流数据样本集中的程序业务流数据样本包括:样本程序业务流数据与对应的程序业务流配置信息标签。这里,程序业务流可以是指开发应用程序对应的各个节点构成的流程。例如,程序业务流可以是ABCD流程。其中,A可以是指原型设计,B可以是指确定需求,C可以是指UI设计,D可以是指开发。这里,对于程序业务流数据样本包括的样本程序业务流数据来说,对应的程序业务流配置信息标签是正确排序后的各个流程节点。例如,程序业务流配置信息标签可以是正确排序后的APP的流程节点BACD。需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。这里,样本程序业务流数据可以是指开发应用程序对应各个节点的详细数据。例如,样本程序业务流数据中包括的节点A对应的原型设计的数据,即根据需求设计APP的原型,节点A包括APP的界面、交互、功能流程等。
步骤102,根据上述程序业务流数据样本集,对初始程序业务流配置信息预测模型进行训练,得到训练完成的程序业务流配置信息预测模型。
在一些实施例中,上述执行主体可以根据上述程序业务流数据样本集,对初始程序业务流配置信息预测模型进行训练,得到训练完成的程序业务流配置信息预测模型。其中,上述程序业务流数据样本集中的程序业务流数据样本包括样本程序业务流数据与对应的程序业务流配置信息标签。这里,对于程序业务流数据样本包括的样本程序业务流数据来说,对应的程序业务流配置信息标签是正确排序后的各个流程节点。例如,程序业务流配置信息标签可以是正确排序后的APP的流程节点BACD。
实践中,上述执行主体可以通过以下步骤对初始程序业务流配置信息预测模型进行训练,得到训练完成的程序业务流配置信息预测模型:
第一步,从上述程序业务流数据样本集中选择程序业务流数据样本。这里,从上述程序业务流数据样本集中选择程序业务流数据样本是指随机选择程序业务流数据样本。
第二步,将上述程序业务流数据样本输入至上述初始程序业务流配置信息预测模型中,得到程序业务流配置信息。这里,上述初始程序业务流配置信息预测模型可以是未经模型训练的监督策略模型。
第三步,基于预设的配置信息损失函数,确定上述程序业务流配置信息与上述程序业务流数据样本包括的程序业务流配置信息标签之间的标签差异值。配置信息损失函数可以包括但不限于:均方误差损失函数(MSE)、交叉熵损失函数(CrossEntropy)等等。
第四步,响应于上述标签差异值大于等于预设标签阈值,调整上述初始程序业务流配置信息预测模型的网络参数。
在一些实施例中,上述执行主体可以响应于上述差异值大于等于预设标签阈值,调整上述初始程序业务流配置信息预测模型的网络参数。这里,对于预设标签阈值的设定,不作限制。例如,可以对差异值和预设标签阈值求差值,得到损失差值。在此基础上,利用反向传播、随机梯度下降等方法将差异值从模型的最后一层向前传递,以调整每一层的参数。当然根据需要,也可以采用网络冻结(dropout)的方法,对其中的一些层的网络参数保持不变,不进行调整,对此,不做任何限定。
第五步,响应于上述标签差异值小于上述预设标签阈值,将上述初始程序业务流配置信息预测模型确定为训练后的程序业务流配置信息预测模型。
在一些实施例中,上述执行主体可以响应于上述标签差异值小于上述预设标签阈值,将上述初始程序业务流配置信息预测模型确定为训练后的程序业务流配置信息预测模型。这里,对于预设标签阈值的设定,不作限制。
步骤103,获取上述程序业务流集合中每个程序业务流的程序业务流数据,得到程序业务流数据集。
在一些实施例中,程序业务流信息生成方法的执行主体(例如计算设备)可以通过有线连接或无线连接的方式获取上述程序业务流集合中每个程序业务流的程序业务流数据,得到程序业务流数据集。这里,程序业务流数据是指开发应用程序对应各个节点的详细数据。例如,程序业务流数据可以指开发应用程序包括节点A对应的原型设计的数据,即根据需求设计APP的原型,包括APP的界面、交互、功能流程等。
步骤104,将上述程序业务流数据集输入至上述程序业务流配置信息预测模型中,得到目标程序业务流配置信息集。
在一些实施例中,上述执行主体可以将上述程序业务流数据集输入至上述程序业务流配置信息预测模型中,得到目标程序业务流配置信息集。其中,上述程序业务流数据集中的程序业务流数据对应上述目标程序业务流配置信息集中的目标程序业务流配置信息。这里,程序业务流数据可以是指开发应用程序对应各个节点的详细数据。
实践中,上述执行主体可以将上述程序业务流数据集中的每个将上述程序业务流数据输入至上述程序业务流配置信息预测模型中,以生成目标程序业务流配置信息,得到目标程序业务流配置信息集。
步骤105,根据上述程序业务流数据样本集和上述目标程序业务流配置信息集,对上述程序业务流配置信息预测模型进行优化,得到优化程序业务流配置信息预测模型。
在一些实施例中,上述执行主体可以根据上述程序业务流数据样本集和上述目标程序业务流配置信息集,对上述程序业务流配置信息预测模型进行优化,得到优化程序业务流配置信息预测模型。其中,上述程序业务流数据样本集中的程序业务流数据样本包括样本程序业务流数据与对应的程序业务流配置信息标签。这里,上述程序业务流数据样本集中的程序业务流数据样本对应上述目标程序业务流配置信息集中的目标程序业务流配置信息。
实践中,根据上述程序业务流数据样本集和上述目标程序业务流配置信息集,上述执行主体可以通过以下训练步骤对上述程序业务流配置信息预测模型进行优化,得到优化程序业务流配置信息预测模型:
第一步,对于上述目标程序业务流配置信息集中的每个目标程序业务流配置信息。执行以下处理步骤:
1、从设定程序业务流配置信息集中选择对应上述目标程序业务流配置信息的设定程序业务流配置信息作为目标设定程序业务流配置信息。从设定程序业务流配置信息集中选择与上述目标程序业务流配置信息对应的程序业务流相同的设定程序业务流配置信息作为目标设定程序业务流配置信息。
2、将上述目标设定程序业务流配置信息与上述目标程序业务流配置信息的相似度确定为目标程序业务流配置信息分数。可以通过余弦相似函数确定上述目标设定程序业务流配置信息与上述目标程序业务流配置信息的相似度。
3、将上述目标程序业务流配置信息与上述目标程序业务流配置信息分数组合为程序业务流配置信息训练样本。这里,组合可以是指合并。
第二步,对各个程序业务流配置信息训练样本进行排序处理,以生成程序业务流配置信息训练样本序列。这里,对上述各个程序业务流配置信息训练样本包括的各个目标程序业务流配置信息分数,从大到小对各个程序业务流配置信息训练样本进行排序处理,以生成程序业务流配置信息训练样本序列。
第三步,根据上述程序业务流配置信息训练样本序列,对初始程序业务流配置信息评分模型进行训练,得到训练完成的程序业务流配置信息评分模型。这里,上述初始程序业务流配置信息评分模型可以是未经模型训练的奖励模型。
实践中,上述第三步可以包括以下子步骤:
第一子步骤,从上述程序业务流配置信息训练样本序列中选择程序业务流配置信息训练样本。这里,从上述程序业务流配置信息训练样本序列中选择程序业务流配置信息训练样本是指随机选择程序业务流配置信息训练样本。
第二子步骤,将上述程序业务流配置信息训练样本输入至上述初始程序业务流配置信息评分模型中,得到初始程序业务流配置信息质量分数。这里,上述初始程序业务流配置信息评分模型可以是未经模型训练的奖励模型。
第三子步骤,基于预设的质量分数损失函数,确定上述初始程序业务流配置信息质量分数与上述程序业务流配置信息训练样本包括的目标程序业务流配置信息分数之间的分数差异值。质量分数损失函数可以包括但不限于:均方误差损失函数(MSE)、交叉熵损失函数(CrossEntropy)等等。
第四子步骤,响应于上述分数差异值大于等于预设分数阈值,调整上述初始程序业务流配置信息评分模型的网络参数。
在一些实施例中,上述执行主体可以响应于上述差异值大于等于预设分数阈值,调整上述初始程序业务流配置信息评分模型的网络参数。这里,对于预设分数阈值的设定,不作限制。例如,可以对差异值和预设分数阈值求差值,得到损失差值。在此基础上,利用反向传播、随机梯度下降等方法将差异值从模型的最后一层向前传递,以调整每一层的参数。当然根据需要,也可以采用网络冻结(dropout)的方法,对其中的一些层的网络参数保持不变,不进行调整,对此,不做任何限定。
第五子步骤,响应于上述分数差异值小于上述预设分数阈值,将上述初始程序业务流配置信息评分模型确定为训练后的程序业务流配置信息评分模型。
在一些实施例中,上述执行主体可以响应于上述分数差异值小于上述预设分数阈值,将上述初始程序业务流配置信息评分模型确定为训练后的程序业务流配置信息评分模型。这里,对于预设分数阈值的设定,不作限制。
第四步,从上述程序业务流数据样本集中提取预设数量个程序业务流数据样本作为待训练程序业务流数据样本组。这里,从上述程序业务流数据样本集中提取预设数量个程序业务流数据样本作为待训练程序业务流数据样本组中的提取为随机提取。
第五步,将上述待训练程序业务流数据样本组包括的各个样本程序业务流数据输入至程序业务流数据学习模型中,得到程序业务流配置信息组,其中,上述各个样本程序业务流数据中的样本程序业务流数据对应上述程序业务流配置信息组中的程序业务流配置信息。这里,程序业务流数据学习模型可以是指DDPG(Deep Deterministic PolicyGradient,强化学习模型)。
第六步,将上述程序业务流配置信息组输入至上述程序业务流配置信息评分模型中,得到程序业务流配置信息质量分数组。其中,上述程序业务流配置信息组中的程序业务流配置信息对应上述程序业务流配置信息质量分数组中的程序业务流配置信息质量分数。
实践中,上述执行主体可以将上述程序业务流配置信息组中的上述程序业务流配置信息输入至上述程序业务流配置信息评分模型中,得到程序业务流配置信息质量分数。
第七步,根据上述程序业务流配置信息质量分数组,对上述程序业务流数据学习模型进行优化,得到优化程序业务流数据学习模型。
在一些实施例中,根据上述程序业务流配置信息质量分数组中的上述程序业务流配置信息质量分数,对上述程序业务流数据学习模型进行优化,得到优化程序业务流数据学习模型。这里,将程序业务流配置信息质量分数组传递给DDPG模型,DDPG模型收到程序业务流配置信息质量分数组之后,使用强化学习方式产生策略梯度,最后使用策略梯度更新DDPG模型的参数。
第八步,根据上述程序业务流配置信息质量分数组,对上述程序业务流配置信息预测模型进行优化,得到优化程序业务流配置信息预测模型。首先,可以将上述程序业务流配置信息质量分数组中小于等于预设分数的程序业务流配置信息质量分数确定为异常程序业务流配置信息质量分数,得到异常程序业务流配置信息质量分数组。其次,可以确定上述异常程序业务流配置信息质量分数组中每个异常程序业务流配置信息质量分数与上述预设分数的分数差值,得到分数差值组。接着,可以将上述分数差值组中各个分数差值的平均值确定为优化差值。在此基础上,利用反向传播、随机梯度下降等方法将优化差值从模型的最后一层向前传递,以调整每一层的参数。当然根据需要,也可以采用网络冻结(dropout)的方法,对其中的一些层的网络参数保持不变,不进行调整,对此,不做任何限定。
上述第一步-第八步中的相关内容作为本公开的一个发明点,解决了背景技术提及的技术问题二“导致应用程序构建的周期变长。”。导致应用程序构建的周期变长的因素往往如下:程序业务流程构建过程中可能会出现程序业务流异常。如果解决了上述因素,就能达到缩短应用程序构建的周期的效果。为了达到这一效果,首先,对于上述目标程序业务流配置信息集中的每个目标程序业务流配置信息,执行以下处理步骤:从设定程序业务流配置信息集中选择对应上述目标程序业务流配置信息的设定程序业务流配置信息作为目标设定程序业务流配置信息。将上述目标设定程序业务流配置信息与上述目标程序业务流配置信息的相似度确定为目标程序业务流配置信息分数。将上述目标程序业务流配置信息与上述目标程序业务流配置信息分数组合为程序业务流配置信息训练样本。接着,对各个程序业务流配置信息训练样本进行排序处理,以生成程序业务流配置信息训练样本序列。由此,可以通过目标设定程序业务流配置信息与目标程序业务流配置信息的相似度确定为目标程序业务流配置信息分数,从而,降低了程序业务流构建过程中会出现程序业务流异常的可能性。然后,根据上述程序业务流配置信息训练样本序列,对初始程序业务流配置信息评分模型进行训练,得到训练完成的程序业务流配置信息评分模型。接着,从上述程序业务流数据样本集中提取预设数量个程序业务流数据样本作为待训练程序业务流数据样本组。接着,将上述待训练程序业务流数据样本组包括的各个样本程序业务流数据输入至程序业务流数据学习模型中,得到程序业务流配置信息组。其中,上述各个样本程序业务流数据中的样本程序业务流数据对应上述程序业务流配置信息组中的程序业务流配置信息。之后,将上述程序业务流配置信息组输入至上述程序业务流配置信息评分模型中,得到程序业务流配置信息质量分数组。其中,上述程序业务流配置信息组中的程序业务流配置信息对应上述程序业务流配置信息质量分数组中的程序业务流配置信息质量分数。然后,根据上述程序业务流配置信息质量分数组,对上述程序业务流数据学习模型进行优化,得到优化程序业务流数据学习模型。由此,可以利用程序业务流配置信息质量分数组对程序业务流数据学习模型进行优化。最后,根据上述程序业务流配置信息质量分数组,对上述程序业务流配置信息预测模型进行优化,得到优化程序业务流配置信息预测模型。由此,降低了程序业务流构建过程中会出现程序业务流异常的可能性。进而缩短了应用程序构建的周期。
步骤106,获取目标程序业务流对应的目标程序业务流数据。
在一些实施例中,程序业务流信息生成方法的执行主体(例如计算设备)可以通过有线连接或无线连接的方式获取目标程序业务流对应的目标程序业务流数据。这里,目标程序业务流数据可以是指新的开发应用程序对应各个节点的详细数据。例如,目标程序业务流数据中包括的节点A1对应的原型设计的数据,即根据需求设计APP的原型,节点A1包括APP的界面、交互、功能流程等。
步骤107,将上述目标程序业务流数据输入至上述优化程序业务流配置信息预测模型中,得到目标程序业务流配置信息。
在一些实施例中,上述执行主体可以根据将上述目标程序业务流数据输入至上述优化程序业务流配置信息预测模型中,得到目标程序业务流配置信息。这里,目标程序业务流配置信息可以是指对目标程序业务流数据包括的各个流程节点正确排序后的各个流程节点。例如,目标程序业务流配置信息可以是正确排序后的App的流程节点B1A1C1。
步骤108,根据上述目标程序业务流配置信息,执行页面配置操作。
在一些实施例中,上述执行主体可以根据上述目标程序业务流配置信息,执行页面配置操作。这里,页面配置操作可以是指根据各个流程节点依次配置当前应用程序的页面。例如,页面配置操作可以是指根据各个流程节点依次搭建当前应用程序对应的主页面与子页面。主页面可以是首页,子页面可以是用户信息页面。
本公开的上述各个实施例中具有如下有益效果:通过本公开的一些实施例的程序业务流信息生成方法,缩短了构建程序业务流程的时间。具体来说,造成构建程序业务流程时间较长的原因在于:随着越来越多的程序业务流数据样本的获取,程序业务流程构建的难度越来越大。基于此,本公开的一些实施例的程序业务流信息生成方法,首先,获取预设的程序业务流集合中每个程序业务流的程序业务流数据样本,得到程序业务流数据样本集,其中,上述程序业务流数据样本集中的程序业务流数据样本包括:样本程序业务流数据与对应的程序业务流配置信息标签。然后,根据上述程序业务流数据样本集,对初始程序业务流配置信息预测模型进行训练,得到训练完成的程序业务流配置信息预测模型。由此,可以通过训练完成的程序业务流配置信息预测模型识别程序业务流数据的程序业务流配置信息,从而,无须逐步构建程序业务流程,减少了构建程序业务流程的时间。这里,利用了较多的程序业务流数据样本对初始程序业务流配置信息预测模型进行训练,可以确定程序业务流配置信息和程序业务流数据之间的对应关系。因此,提高了程序业务流信息生成的准确率。然后,获取上述程序业务流集合中每个程序业务流的程序业务流数据,得到程序业务流数据集。之后,将上述程序业务流数据集输入至上述程序业务流配置信息预测模型中,得到目标程序业务流配置信息集,其中,上述程序业务流数据集中的程序业务流数据对应上述目标程序业务流配置信息集中的目标程序业务流配置信息。然后,根据上述程序业务流数据样本集和上述目标程序业务流配置信息集,对上述程序业务流配置信息预测模型进行优化,得到优化程序业务流配置信息预测模型。由此,可以利用程序业务流数据样本集与目标程序业务流配置信息集对程序业务流配置信息预测模型进行优化,从而,提高了程序业务流配置信息生成的准确率。然后,获取目标程序业务流对应的目标程序业务流数据。之后,将上述目标程序业务流数据输入至上述优化程序业务流配置信息预测模型中,得到目标程序业务流配置信息。最后,根据上述目标程序业务流配置信息,执行页面配置操作。由此,缩短了构建程序业务流程的时间。进而缩短了页面配置时间。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种程序业务流信息生成装置的一些实施例,这些装置实施例与图1所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的程序业务流信息生成装置200包括:第一获取单元201、训练单元202、第二获取单元203、第一输入单元204、优化单元205、第三获取单元206、第二输入单元207和执行单元208。其中,第一获取单元201被配置成获取上述程序业务流集合中每个程序业务流的程序业务流数据,得到程序业务流数据集;训练单元202被配置成根据上述程序业务流数据样本集,对初始程序业务流配置信息预测模型进行训练,得到训练完成的程序业务流配置信息预测模型;第二获取单元203,被配置成获取上述程序业务流集合中每个程序业务流的程序业务流数据,得到程序业务流数据集;第一输入单元204,被配置成将上述程序业务流数据集输入至上述程序业务流配置信息预测模型中,得到目标程序业务流配置信息集,其中,上述程序业务流数据集中的程序业务流数据对应上述目标程序业务流配置信息集中的目标程序业务流配置信息;优化单元205,被配置成根据上述程序业务流数据样本集和上述目标程序业务流配置信息集,对上述程序业务流配置信息预测模型进行优化,得到优化程序业务流配置信息预测模型;第三获取单元206,被配置成获取目标程序业务流对应的目标程序业务流数据;第二输入单元207,被配置成将上述目标程序业务流数据输入至上述优化程序业务流配置信息预测模型中,得到目标程序业务流配置信息;执行单元208,被配置成根据上述目标程序业务流配置信息,执行页面配置操作。
可以理解的是,该装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备(如计算设备)300的结构示意图。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)304中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 304通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305: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306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,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。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,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,本公开的一些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。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的功能。
需要说明的是,本公开的一些实施例中记载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、或者的任意合适的组合。在本公开的一些实施例中,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。而在本公开的一些实施例中,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,或者的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
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:获取预设的程序业务流集合中每个程序业务流的程序业务流数据样本,得到程序业务流数据样本集,其中,上述程序业务流数据样本集中的程序业务流数据样本包括:样本程序业务流数据与对应的程序业务流配置信息标签;根据上述程序业务流数据样本集,对初始程序业务流配置信息预测模型进行训练,得到训练完成的程序业务流配置信息预测模型;获取上述程序业务流集合中每个程序业务流的程序业务流数据,得到程序业务流数据集;将上述程序业务流数据集输入至上述程序业务流配置信息预测模型中,得到目标程序业务流配置信息集,其中,上述程序业务流数据集中的程序业务流数据对应上述目标程序业务流配置信息集中的目标程序业务流配置信息;根据上述程序业务流数据样本集和上述目标程序业务流配置信息集,对上述程序业务流配置信息预测模型进行优化,得到优化程序业务流配置信息预测模型;获取目标程序业务流对应的目标程序业务流数据;将上述目标程序业务流数据输入至上述优化程序业务流配置信息预测模型中,得到目标程序业务流配置信息;根据上述目标程序业务流配置信息,执行页面配置操作。
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一些实施例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,方框中上标注的功能也可以以不同于附图中上标注的顺序发生。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,这依上涉及的功能而定。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。
描述于本公开的一些实施例中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。上描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括:第一获取单元、训练单元、第二获取单元、第一输入单元、优化单元、第三获取单元、第二输入单元和执行单元。其中,这些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“获取上述程序业务流集合中每个程序业务流的程序业务流数据,得到程序业务流数据集的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对上运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中上涉及的发明范围,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发明构思的情况下,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的实施例中公开的(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 (6)
1.一种程序业务流信息生成方法,包括:
获取预设的程序业务流集合中每个程序业务流的程序业务流数据样本,得到程序业务流数据样本集,其中,所述程序业务流数据样本集中的程序业务流数据样本包括:样本程序业务流数据与对应的程序业务流配置信息标签;
根据所述程序业务流数据样本集,对初始程序业务流配置信息预测模型进行训练,得到训练完成的程序业务流配置信息预测模型;
获取所述程序业务流集合中每个程序业务流的程序业务流数据,得到程序业务流数据集;
将所述程序业务流数据集输入至所述程序业务流配置信息预测模型中,得到目标程序业务流配置信息集,其中,所述程序业务流数据集中的程序业务流数据对应所述目标程序业务流配置信息集中的目标程序业务流配置信息;
对于所述目标程序业务流配置信息集中的每个目标程序业务流配置信息,执行以下处理步骤:
从设定程序业务流配置信息集中选择对应所述目标程序业务流配置信息的设定程序业务流配置信息作为目标设定程序业务流配置信息;
将所述目标设定程序业务流配置信息与所述目标程序业务流配置信息的相似度确定为目标程序业务流配置信息分数;
将所述目标程序业务流配置信息与所述目标程序业务流配置信息分数组合为程序业务流配置信息训练样本;
对各个程序业务流配置信息训练样本进行排序处理,以生成程序业务流配置信息训练样本序列;
根据所述程序业务流配置信息训练样本序列,对初始程序业务流配置信息评分模型进行训练,得到训练完成的程序业务流配置信息评分模型,其中,所述根据所述程序业务流配置信息训练样本序列,对初始程序业务流配置信息评分模型进行训练,得到训练完成的程序业务流配置信息评分模型,包括:从所述程序业务流配置信息训练样本序列中选择程序业务流配置信息训练样本;将所述程序业务流配置信息训练样本输入至所述初始程序业务流配置信息评分模型中,得到初始程序业务流配置信息质量分数;基于预设的质量分数损失函数,确定所述初始程序业务流配置信息质量分数与所述程序业务流配置信息训练样本包括的目标程序业务流配置信息分数之间的分数差异值;响应于所述分数差异值大于等于预设分数阈值,调整所述初始程序业务流配置信息评分模型的网络参数;响应于所述分数差异值小于所述预设分数阈值,将所述初始程序业务流配置信息评分模型确定为训练后的程序业务流配置信息评分模型;
从所述程序业务流数据样本集中提取预设数量个程序业务流数据样本作为待训练程序业务流数据样本组;
将所述待训练程序业务流数据样本组包括的各个样本程序业务流数据输入至程序业务流数据学习模型中,得到程序业务流配置信息组,其中,所述各个样本程序业务流数据中的样本程序业务流数据对应所述程序业务流配置信息组中的程序业务流配置信息;
将所述程序业务流配置信息组输入至所述程序业务流配置信息评分模型中,得到程序业务流配置信息质量分数组,其中,所述程序业务流配置信息组中的程序业务流配置信息对应所述程序业务流配置信息质量分数组中的程序业务流配置信息质量分数;
根据所述程序业务流配置信息质量分数组,对所述程序业务流数据学习模型进行优化,得到优化程序业务流数据学习模型;
根据所述程序业务流配置信息质量分数组,对所述程序业务流配置信息预测模型进行优化,得到优化程序业务流配置信息预测模型;
获取目标程序业务流对应的目标程序业务流数据;
将所述目标程序业务流数据输入至所述优化程序业务流配置信息预测模型中,得到目标程序业务流配置信息;
根据所述目标程序业务流配置信息,执行页面配置操作。
2.根据权利要求1所述的方法,其中,所述根据所述程序业务流数据样本集,对初始程序业务流配置信息预测模型进行训练,得到训练完成的程序业务流配置信息预测模型,包括:
从所述程序业务流数据样本集中选择程序业务流数据样本;
将所述程序业务流数据样本输入至所述初始程序业务流配置信息预测模型中,得到程序业务流配置信息;
基于预设的配置信息损失函数,确定所述程序业务流配置信息与所述程序业务流数据样本包括的程序业务流配置信息标签之间的标签差异值;
响应于所述标签差异值大于等于预设标签阈值,调整所述初始程序业务流配置信息预测模型的网络参数。
3.根据权利要求2所述的方法,其中,所述方法还包括:
响应于所述标签差异值小于所述预设标签阈值,将所述初始程序业务流配置信息预测模型确定为训练后的程序业务流配置信息预测模型。
4.一种程序业务流信息生成装置,包括:
第一获取单元,被配置成获取预设的程序业务流集合中每个程序业务流的程序业务流数据样本,得到程序业务流数据样本集,其中,所述程序业务流数据样本集中的程序业务流数据样本包括:样本程序业务流数据与对应的程序业务流配置信息标签;
训练单元,被配置成根据所述程序业务流数据样本集,对初始程序业务流配置信息预测模型进行训练,得到训练完成的程序业务流配置信息预测模型;
第二获取单元,被配置成获取所述程序业务流集合中每个程序业务流的程序业务流数据,得到程序业务流数据集;
第一输入单元,被配置成将所述程序业务流数据集输入至所述程序业务流配置信息预测模型中,得到目标程序业务流配置信息集,其中,所述程序业务流数据集中的程序业务流数据对应所述目标程序业务流配置信息集中的目标程序业务流配置信息;
优化单元,被配置成对于所述目标程序业务流配置信息集中的每个目标程序业务流配置信息,执行以下处理步骤:从设定程序业务流配置信息集中选择对应所述目标程序业务流配置信息的设定程序业务流配置信息作为目标设定程序业务流配置信息,将所述目标设定程序业务流配置信息与所述目标程序业务流配置信息的相似度确定为目标程序业务流配置信息分数;将所述目标程序业务流配置信息与所述目标程序业务流配置信息分数组合为程序业务流配置信息训练样本;对各个程序业务流配置信息训练样本进行排序处理,以生成程序业务流配置信息训练样本序列;根据所述程序业务流配置信息训练样本序列,对初始程序业务流配置信息评分模型进行训练,得到训练完成的程序业务流配置信息评分模型,其中,所述根据所述程序业务流配置信息训练样本序列,对初始程序业务流配置信息评分模型进行训练,得到训练完成的程序业务流配置信息评分模型,包括:从所述程序业务流配置信息训练样本序列中选择程序业务流配置信息训练样本;将所述程序业务流配置信息训练样本输入至所述初始程序业务流配置信息评分模型中,得到初始程序业务流配置信息质量分数;基于预设的质量分数损失函数,确定所述初始程序业务流配置信息质量分数与所述程序业务流配置信息训练样本包括的目标程序业务流配置信息分数之间的分数差异值;响应于所述分数差异值大于等于预设分数阈值,调整所述初始程序业务流配置信息评分模型的网络参数;响应于所述分数差异值小于所述预设分数阈值,将所述初始程序业务流配置信息评分模型确定为训练后的程序业务流配置信息评分模型;从所述程序业务流数据样本集中提取预设数量个程序业务流数据样本作为待训练程序业务流数据样本组;将所述待训练程序业务流数据样本组包括的各个样本程序业务流数据输入至程序业务流数据学习模型中,得到程序业务流配置信息组,其中,所述各个样本程序业务流数据中的样本程序业务流数据对应所述程序业务流配置信息组中的程序业务流配置信息;将所述程序业务流配置信息组输入至所述程序业务流配置信息评分模型中,得到程序业务流配置信息质量分数组,其中,所述程序业务流配置信息组中的程序业务流配置信息对应所述程序业务流配置信息质量分数组中的程序业务流配置信息质量分数;根据所述程序业务流配置信息质量分数组,对所述程序业务流数据学习模型进行优化,得到优化程序业务流数据学习模型;根据所述程序业务流配置信息质量分数组,对所述程序业务流配置信息预测模型进行优化,得到优化程序业务流配置信息预测模型;
第三获取单元,被配置成获取目标程序业务流对应的目标程序业务流数据;
第二输入单元,被配置成将所述目标程序业务流数据输入至所述优化程序业务流配置信息预测模型中,得到目标程序业务流配置信息;
执行单元,被配置成根据所述目标程序业务流配置信息,执行页面配置操作。
5.一种电子设备,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至3中任一所述的方法。
6.一种计算机可读介质,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至3中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310378806.3A CN116107666B (zh) | 2023-04-11 | 2023-04-11 | 程序业务流信息生成方法、装置、电子设备和计算机介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310378806.3A CN116107666B (zh) | 2023-04-11 | 2023-04-11 | 程序业务流信息生成方法、装置、电子设备和计算机介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116107666A CN116107666A (zh) | 2023-05-12 |
CN116107666B true CN116107666B (zh) | 2023-07-14 |
Family
ID=86258260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310378806.3A Active CN116107666B (zh) | 2023-04-11 | 2023-04-11 | 程序业务流信息生成方法、装置、电子设备和计算机介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116107666B (zh) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115345600B (zh) * | 2022-10-13 | 2023-03-24 | 天聚地合(苏州)科技股份有限公司 | 一种rpa流程的生成方法和装置 |
CN115756642A (zh) * | 2022-11-16 | 2023-03-07 | 南京领行科技股份有限公司 | 一种业务流程配置方法、装置、设备及存储介质 |
-
2023
- 2023-04-11 CN CN202310378806.3A patent/CN116107666B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN116107666A (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110807515B (zh) | 模型生成方法和装置 | |
CN111523640B (zh) | 神经网络模型的训练方法和装置 | |
CN111340220B (zh) | 用于训练预测模型的方法和装置 | |
CN111368973B (zh) | 用于训练超网络的方法和装置 | |
CN112200173B (zh) | 多网络模型训练方法、图像标注方法和人脸图像识别方法 | |
CN111353601A (zh) | 用于预测模型结构的延时的方法和装置 | |
CN117236805B (zh) | 电力设备控制方法、装置、电子设备和计算机可读介质 | |
CN111582452B (zh) | 生成神经网络模型的方法和装置 | |
CN116107666B (zh) | 程序业务流信息生成方法、装置、电子设备和计算机介质 | |
CN115186738B (zh) | 模型训练方法、装置和存储介质 | |
CN111754984B (zh) | 文本选取的方法、装置、设备和计算机可读介质 | |
CN111626044B (zh) | 文本生成方法、装置、电子设备及计算机可读存储介质 | |
CN114511152A (zh) | 预测模型的训练方法和装置 | |
CN113344214A (zh) | 数据处理模型的训练方法、装置、电子设备及存储介质 | |
CN110633707A (zh) | 预测速度的方法和装置 | |
CN111582482B (zh) | 用于生成网络模型信息的方法、装置、设备和介质 | |
CN111767290A (zh) | 用于更新用户画像的方法和装置 | |
CN117743555B (zh) | 答复决策信息发送方法、装置、设备和计算机可读介质 | |
CN111522887B (zh) | 用于输出信息的方法和装置 | |
CN113077353B (zh) | 用于生成核保结论的方法、装置、电子设备和介质 | |
CN116467178B (zh) | 数据库检测方法、装置、电子设备和计算机可读介质 | |
CN115375963B (zh) | 基于多级标签的图像识别模型训练方法、装置 | |
CN116800834B (zh) | 虚拟礼物合并方法、装置、电子设备和计算机可读介质 | |
US20240028923A1 (en) | Extracting enriched target-oriented common sense from grounded graphs to support next step decision making | |
CN115481260A (zh) | 基于审计信息的知识图谱构建方法、装置和电子设备 |
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 |