CN116701811B - 一种网页处理方法、装置、设备及计算机可读存储介质 - Google Patents
一种网页处理方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN116701811B CN116701811B CN202310962090.1A CN202310962090A CN116701811B CN 116701811 B CN116701811 B CN 116701811B CN 202310962090 A CN202310962090 A CN 202310962090A CN 116701811 B CN116701811 B CN 116701811B
- Authority
- CN
- China
- Prior art keywords
- plug
- script
- function
- information
- target
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 32
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 230000006870 function Effects 0.000 claims abstract description 364
- 238000013515 script Methods 0.000 claims abstract description 334
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims description 70
- 238000012549 training Methods 0.000 claims description 47
- 230000015654 memory Effects 0.000 claims description 27
- 239000013598 vector Substances 0.000 claims description 24
- 230000004044 response Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 5
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 241000282693 Cercopithecidae Species 0.000 description 28
- 238000005516 engineering process Methods 0.000 description 13
- 238000013473 artificial intelligence Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 8
- 238000005096 rolling process Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000003058 natural language processing Methods 0.000 description 6
- 238000013519 translation Methods 0.000 description 6
- 238000012512 characterization method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- 238000009434 installation Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 239000004606 Fillers/Extenders Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012800 visualization Methods 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
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- 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
- G06F9/44521—Dynamic linking or loading; Link editing at or after load time, e.g. Java class loading
- G06F9/44526—Plug-ins; Add-ons
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Stored Programmes (AREA)
Abstract
本申请提供了一种网页处理方法、装置、设备及计算机可读存储介质;方法包括:响应于针对当前网页的功能设置指令,在所述当前网页呈现功能设置界面,并获取训练好的语言模型;通过所述功能设置界面接收针对所述当前网页的功能需求信息;利用所述训练好的语言模型对所述功能需求信息进行预测处理,生成所述功能需求信息对应的目标插件脚本;响应于接收到的针对所述目标插件脚本的第一运行指令,运行所述目标插件脚本,得到第一运行结果,并在所述当前网页输出所述第一运行结果。通过本申请,能够生成与功能需求相匹配的目标插件脚本,实现插件脚本的自定义。
Description
技术领域
本申请涉及信息处理技术,尤其涉及一种网页处理方法、装置、设备及计算机可读存储介质。
背景技术
浏览器插件是一种可以在网页浏览器中添加额外功能的软件,浏览器插件可以提供各种功能和特性,以增强用户的浏览体验。一些常见的浏览器插件包括广告拦截器、屏幕截图工具、翻译工具等。
在相关技术中,在需要安装浏览器插件时,通常是在相应地浏览器插件商店中搜索插件的名称,然后点击安装即可。也即只能够从已有的插件中选择将要安装的插件,而无法安装自定义的插件。
发明内容
本申请实施例提供一种网页处理方法、装置、计算机设备、计算机可读存储介质及计算机程序产品,能够生成与功能需求相匹配的目标插件脚本,实现插件脚本的自定义。
本申请实施例的技术方案是这样实现的:
本申请实施例提供一种网页处理方法,所述方法包括:
响应于针对当前网页的功能设置指令,在所述当前网页呈现功能设置界面,并获取训练好的语言模型;
通过所述功能设置界面接收针对所述当前网页的功能需求信息;
利用所述训练好的语言模型对所述功能需求信息进行预测处理,生成所述功能需求信息对应的目标插件脚本;
响应于接收到的针对所述目标插件脚本的第一运行指令,运行所述目标插件脚本,得到第一运行结果,并在所述当前网页输出所述第一运行结果。
本申请实施例提供一种网页处理装置,所述装置包括:
第一响应模块,用于响应于针对当前网页的功能设置指令,在所述当前网页呈现功能设置界面,并获取训练好的语言模型;
第一接收模块,用于通过所述功能设置界面接收针对所述当前网页的功能需求信息;
预测模块,用于利用所述训练好的语言模型对所述功能需求信息进行预测处理,生成所述功能需求信息对应的目标插件脚本;
第二响应模块,用于响应于接收到的针对所述目标插件脚本的第一运行指令,运行所述目标插件脚本,得到第一运行结果,并在所述当前网页输出所述第一运行结果。
本申请实施例提供一种计算机设备,包括:
存储器,用于存储计算机可执行指令;
处理器,用于执行所述存储器中存储的计算机可执行指令时,实现本申请实施例提供的网页处理方法。
本申请实施例提供一种计算机可读存储介质,存储有计算机可执行指令,用于引起被处理器执行时,实现本申请实施例提供的网页处理方法。
本申请实施例提供一种计算机程序产品,包括计算机程序或计算机可执行指令,所述计算机程序或计算机可执行指令被处理器执行时,实现本申请实施例提供的网页处理方法。
本申请实施例具有以下有益效果:
在本申请实施例中,接收针对当前网页的功能设置指令,在当前网页呈现功能设置界面,并获取训练好的语言模型,其中,针对当前网页的功能设置指令可以为针对功能设置按钮的点击操作,训练好的语言模型能够基于功能需求信息生成对应的目标插件脚本。接着,通过功能设置界面接收针对当前网页的功能需求信息,当前网页并不具备该功能需求信息对应的功能,并利用训练好的语言模型对功能需求信息进行预测处理,生成该功能需求信息对应的目标插件脚本;最后,基于接收到的针对目标插件脚本的第一运行指令,来运行目标插件脚本,得到相应的第一运行结果,并在当前网页输出第一运行结果。如此,能够结合训练好的语言模型来实时生成功能需求信息所对应的目标插件脚本,该目标插件脚本为与功能需求信息相匹配的插件脚本,也即本申请能够根据功能需求信息实现对插件脚本的定制化和自定义化,从而能够提供个性化服务、满足个性化需求,同时提升生成插件脚本的便捷性。
附图说明
图1是相关技术提供的浏览器的一个工具插件的功能展示示意图;
图2是本申请实施例提供的网页处理系统100的网络架构示意图;
图3是本申请实施例提供的终端400的结构示意图;
图4是本申请实施例提供的网页处理方法的第一种实现流程示意图;
图5是本申请实施例提供的得到训练好的语言模型的一种实现流程示意图;
图6为本申请实施例提供的更新功能需求信息的一种实现流程示意图;
图7为本申请实施例提供的网页处理方法的第二种实现流程示意图;
图8为本申请实施例提供的网页处理方法的第三种实现流程示意图;
图9为本申请实施例提供的网页处理方法的第四种实现流程示意图;
图10为本申请实施例提供的网页处理方法的第五种实现流程示意图;
图11为本申请实施例提供的定制网页的一种流程框架示意图;
图12为本申请实施例提供的油猴插件的安装界面的一种界面展示示意图;
图13为本申请实施例提供的添加脚本的一种界面展示示意图;
图14为本申请实施例提供的历史网页功能配置的一种界面展示示意图;
图15为本申请实施例提供的侧边栏抽屉的一种界面展示示意图;
图16为本申请实施例提供的生成脚本的界面的一种展示示意图;
图17为本申请实施例提供的展示滚动置顶功能的一种界面显示示意图;
图18为本申请实施例提供的定制网页界面功能的一种界面展示示意图;
图19为本申请实施例提供的定制网页脚本方法的一种实现流程示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,所描述的实施例不应视为对本申请的限制,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它实施例,都属于本申请保护的范围。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
在以下的描述中,所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
除非另有定义,本申请实施例所使用的所有的技术和科学术语与所属技术领域的技术人员通常理解的含义相同。本申请实施例中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
对本申请实施例进行进一步详细说明之前,对本申请实施例中涉及的名词和术语进行说明,本申请实施例中涉及的名词和术语适用于如下的解释。
1)油猴脚本(Tampermonkey Script),是一种用户脚本管理器,在浏览器中用于执行用户自定义的JavaScript脚本。
2)语言模型,是一种计算机程序或者算法,用于生成和理解自然语言文本,可以基于已经给定的上下文信息,来预测下一个单词、短语或者句子。语言模型的主要目标是尽可能准确地捕捉语言的统计规律和语义关系,以便在生成文本或者理解文本时提供合理的结果。语言模型通常使用统计方法或者机器学习方法来训练,从大规模的文本数据集中学习语言的概率分布,语言模型能够生成连贯的文本,并且在理解文本时能够推断出最可能的意思。语言模型广泛应用于机器翻译、语音识别、自动摘要、智能对话系统等领域。
为了更好地理解本申请实施例提供的网页处理方法,首先对相关技术中的网页处理方法以及存在的缺点进行说明。
相关技术中,某一浏览器网页功能拓展是通过安装扩展程序的方式,为浏览器添加额外的功能和特性。这些扩展程序可以修改网页的外观和行为,增加新的功能和工具,提高使用效率和体验。通常浏览器扩展程序包含前端和后端这两部分。其中,前端是指用户界面,包括浏览器界面和网页内容;后端是指应用程序接口(API)和服务器端代码,用于扩展程序与浏览器进行交互和数据交换。
在相关技术中,浏览器网页功能拓展是通过以下步骤实现的:
在步骤S01中,基于接收到的下载指令和安装指令,依次下载和安装扩展程序。
在步骤S02中,扩展程序向浏览器发送请求,获取当前页面的统一资源定位符(Uniform Resource Locator,URL)和超文本标记语言(Hyper Text Markup Language,HTML)代码。
在步骤S03中,扩展程序分析和修改网页的HTML和层叠样式表(Cascading StyleSheets,CSS)代码,添加额外的功能和特性,或修改网页的外观和行为。
在步骤S04中,扩展程序向服务器发送请求,获取需要的数据和资源。
在步骤S05中,扩展程序通过网页显示修改后的页面内容。
通过以上步骤,浏览器扩展程序可以实现各种功能和特性,包括广告拦截、字体调整、数据统计、翻译、同步等。参见图1,图1是浏览器的一个工具插件的功能展示示意图,其中,区域1中展示出精选工具的插件。
在相关技术中,存在以下三点问题:
第一,浏览器无法提供智能的本地定制化网页服务,对使用者的个人需求不能进行有效的分析和匹配,无法提供真正的个性化服务,用户需要进行搜索相关插件才能满足个性化需求,而且往往难找且不能完全满足要求,针对特定网页样式、功能的个性化需求往往只能等待网页开发者更新。
第二,网页定制化服务大多基于云端处理,即网页内容的处理需要联网识别处理,无法保证数据隐私和安全。
第三,无法联动不同网站功能,实现用户复杂的需求。
本申请实施例提供一种网页处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品,能够解决仅能安装已有插件,而无法安装自定义插件的问题,下面说明本申请实施例提供的计算机设备的示例性应用,本申请实施例提供的计算机设备可以实施为笔记本电脑、平板电脑,台式计算机、机顶盒、移动设备(例如,移动电话,便携式音乐播放器,个人数字助理,专用消息设备,便携式游戏设备)、智能手机、智能音箱、智能手表、智能电视、车载终端等各种类型的用户终端。下面,将说明计算机设备实施为终端时示例性应用。
参见图2,图2是本申请实施例提供的网页处理系统100的网络架构示意图,为实现支撑一个网页处理应用,终端400通过网络300连接服务器200,网络300可以是广域网或者局域网,又或者是二者的组合。
以在当前网页生成滚动置顶控件举例来说,终端400用于接收针对当前网页的功能设置指令,在当前网页呈现功能设置界面;终端400用于向服务器200发送模型获取指令,服务器200用于基于模型获取指令获取训练好的语言模型,并将训练好的语言模型发送至终端400;终端400通过功能设置界面接收针对当前网页的滚动置顶需求信息;利用训练好的语言模型对滚动置顶需求信息进行预测处理,生成滚动置顶需求信息对应的滚动置顶插件脚本;响应于接收到的针对滚动置顶插件脚本的第一运行指令,运行滚动置顶插件脚本,得到滚动置顶控件,并在当前网页输出滚动置顶控件。
在本申请实施例中,终端400能够结合训练好的语言模型来实时生成功能需求信息所对应的目标插件脚本,该目标插件脚本为与功能需求信息相匹配的插件脚本,也即本申请能够根据功能需求信息实现对插件脚本的定制化和自定义化。从而能够提供个性化服务、满足个性化需求,同时提升生成插件脚本的便捷性。还能够缩短生成目标插件脚本的时长,并节约生成目标插件脚本所需的运算资源,从而提升目标插件脚本的生成效率。
在一些实施例中,服务器200可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表、车载智能终端等,但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例中不做限制。
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。本申请实施例涉及人工智能中的自然语言处理技术。
自然语言处理(Nature Language processing,NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此,这一领域的研究将涉及自然语言,即人们日常使用的语言,所以它与语言学的研究有着密切的联系。自然语言处理技术通常包括文本处理、语义理解、机器翻译、机器人问答、知识图谱等技术。
参见图3,图3为本申请实施例提供的终端400的结构示意图,图3所示的终端400包括:至少一个处理器410、存储器450、至少一个网络接口420和用户接口430。终端400中的各个组件通过总线系统440耦合在一起。可理解,总线系统440用于实现这些组件之间的连接通信。总线系统440除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图3中将各种总线都标为总线系统440。
处理器410可以是一种集成电路芯片,具有信号的处理能力,例如通用处理器、数字信号处理器(Digital Signal Processor,DSP),或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其中,通用处理器可以是微处理器或者任何常规的处理器等。
用户接口430包括使得能够呈现媒体内容的一个或多个输出装置431,包括一个或多个扬声器和/或一个或多个视觉显示屏。用户接口430还包括一个或多个输入装置432,包括有助于用户输入的用户接口部件,比如键盘、鼠标、麦克风、触屏显示屏、摄像头、其他输入按钮和控件。
存储器450可以是可移除的,不可移除的或其组合。示例性的硬件设备包括固态存储器,硬盘驱动器,光盘驱动器等。存储器450可选地包括在物理位置上远离处理器410的一个或多个存储设备。
存储器450包括易失性存储器或非易失性存储器,也可包括易失性和非易失性存储器两者。非易失性存储器可以是只读存储器(Read Only Memory,ROM),易失性存储器可以是随机存取存储器(Random Access Memory,RAM)。本申请实施例描述的存储器450旨在包括任意适合类型的存储器。
在一些实施例中,存储器450能够存储数据以支持各种操作,这些数据的示例包括程序、模块和数据结构或者其子集或超集,下面示例性说明。
操作系统451,包括用于处理各种基本系统服务和执行硬件相关任务的系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务;
网络通信模块452,用于经由一个或多个(有线或无线)网络接口420到达其他电子设备,示例性的网络接口420包括:蓝牙、无线相容性认证(WiFi)、和通用串行总线(Universal Serial Bus,USB)等;
呈现模块453,用于经由一个或多个与用户接口430相关联的输出装置431(例如,显示屏、扬声器等)使得能够呈现信息(例如,用于操作外围设备和显示内容和信息的用户接口);
输入处理模块454,用于对一个或多个来自一个或多个输入装置432之一的一个或多个用户输入或互动进行检测以及翻译所检测的输入或互动。
在一些实施例中,本申请实施例提供的装置可以采用软件方式实现,图3示出了存储在存储器450中的网页处理装置455,其可以是程序和插件等形式的软件,包括以下软件模块:第一响应模块4551、第一接收模块4552、预测模块4553和第二响应模块4554,这些模块是逻辑上的,因此根据所实现的功能可以进行任意的组合或进一步拆分。将在下文中说明各个模块的功能。
在另一些实施例中,本申请实施例提供的装置可以采用硬件方式实现,作为示例,本申请实施例提供的装置可以是采用硬件译码处理器形式的处理器,其被编程以执行本申请实施例提供的网页处理方法,例如,硬件译码处理器形式的处理器可以采用一个或多个应用专用集成电路(Application Specific Integrated Circuit,ASIC)、DSP、可编程逻辑器件(Programmable Logic Device,PLD)、复杂可编程逻辑器件(Complex ProgrammableLogic Device,CPLD)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或其他电子元件。
将结合本申请实施例提供的终端的示例性应用和实施,说明本申请实施例提供的网页处理方法。
下面,说明本申请实施例提供的网页处理方法,如前所述,实现本申请实施例的网页处理方法的计算机设备可以是终端。因此下文中不再重复说明各个步骤的执行主体。
需要说明的是,下文中的网页处理方法的示例中,是以滚动置顶插件脚本的处理为例说明的,本领域技术人员根据对下文的理解,可以将本申请实施例提供的网页处理方法应用于其他功能需求信息对应的插件脚本的处理。
参见图4,图4是本申请实施例提供的网页处理方法的第一种实现流程示意图,以下将结合图4示出的步骤对本申请实施例提供的网页处理方法进行说明,图4的执行主体是终端。
在步骤S101中,响应于针对当前网页的功能设置指令,在当前网页呈现功能设置界面,并获取训练好的语言模型。
在一些实施例中,当前网页是指浏览器当前显示的网页,例如热搜网页、热播剧网页等。功能设置指令可以为针对功能设置控件的单击操作,功能设置指令也可以是接收到针对功能设置控件的触控操作而触发的,还可以是在接收到进行功能设置的语音信息或手势信息而触发的。基于接收到的功能设置指令,在当前网页呈现功能设置界面,示例性的,可在当前网页右侧1/4的区域呈现功能设置界面,也可在当前网页下侧1/4的区域呈现功能设置界面,还可以以浮层的形式呈现功能设置界面。
在一些实施例中,响应于针对当前网页的功能设置指令,还会获取训练好的语言模型,该训练好的语言模型能够根据输入的功能需求信息生成对应的目标插件脚本。示例性的,训练好的语言模型能够根据滚动置顶需求信息生成滚动置顶插件脚本。
在一些实施例中,在执行上述步骤S101之前,参见图5,还可通过以下步骤S001至步骤S003得到训练好的语言模型,下面具体说明。
在步骤S001中,获取预训练好的语言模型集合、预设场景信息和训练样本。
在本申请实施例中,预训练好的语言模型集合包括应用于不同场景的预训练好的语言模型,训练样本包括训练功能需求信息和训练功能需求信息对应的训练插件脚本。
示例性的,预训练好的语言模型集合中可以包括应用于翻译场景的预训练好的语言模型、应用于面试场景的预训练好的语言模型、应用于心理咨询场景的预训练好的语言模型等。其中,预训练好的语言模型集合中的各个预训练好的语言模型,是利用不同场景下的训练样本对初始语言模型训练得到的。其中,预设场景信息是基于接收到的场景选择操作得到的,示例性的,假设接收到针对“插件脚本助手”的选择操作,则将“插件脚本助手”确定为预设场景信息。
在步骤S002中,从预训练好的语言模型集合中确定预设场景信息对应的预训练好的目标语言模型。
在一些实施例中,预训练好的语言模型集合中的各个预训练好的语言模型可携带场景标识信息。基于此,可先获取各个预训练好的语言模型的场景标识信息,再从各个场景标识信息中确定出与预设场景信息相对应的目标场景标识信息,最后将携带目标场景标识信息的预训练好的语言模型确定为预训练好的目标语言模型。
示例性的,当预设场景信息为脚本助手场景时,将预训练好的语言模型集合中脚本助手对应的预训练好的语言模型确定为预训练好的目标语言模型。
在步骤S003中,利用训练功能需求信息和训练插件脚本对预训练好的目标语言模型进行训练处理,得到训练好的语言模型。
在一些实施例中,训练功能需求信息的个数为多个,对应的,训练插件脚本的个数与训练功能需求的个数一致。可将各个训练功能需求分别输入预训练好的目标语言模型,得到对应的预测插件脚本;接着,确定各个预测插件脚本与对应的训练插件脚本之间的误差信息;最后,将误差信息反向传播至预训练好的目标语言模型,利用梯度下降法对预训练好的目标语言模型的参数进行调整,直至误差信息小于误差阈值或者达到预设训练次数,从而得到训练好的语言模型。
通过上述步骤S001至步骤S003,先从多个预训练好的语言模型中确定出预设场景信息对应的预训练好的目标语言模型,在本申请实施例中,该预设场景信息可以为脚本助手场景;接着,利用训练功能需求和训练插件脚本对预训练好的目标语言模型进行训练,其中,训练功能需求可以包括多个不同的功能需求,训练功能需求可以为使用频次大于第一频次阈值的功能需求,例如,视频编辑功能需求、在线录屏功能需求等,对应的训练插件脚本为视频编辑插件脚本、在线录屏插件脚本等;最后,在达到训练结束条件时,停止训练,得到训练好的语言模型,其中,训练结束条件可以为误差信息小于误差阈值或者达到预设训练次数。如此得到精准的训练好的语言模型,该训练好的能够实现对功能需求信息的预测处理,从而得到功能需求信息对应的目标插件脚本。
继续参见图4,接续上文的步骤S101进行说明。
在步骤S102中,通过功能设置界面接收针对当前网页的功能需求信息。
在一些实施例中,在功能设置界面显示有功能需求信息的输入入口控件,接收通过该输入入口控件输入的功能需求信息。示例性的,功能需求信息可以为滚动置顶功能需求信息、实时翻译功能需求信息等。
在一些实施例中,当功能需求信息为缺失或者不完整的信息时,还会接收到提示信息,并对功能需求信息进行更新,参见图6,可通过以下步骤S601至步骤S604实现对功能需求信息的更新,下面具体说明。
在步骤S601中,判断是否接收到提示信息。
在一些实施例中,当功能需求信息不完全包括预设的多个维度对应的内容时,则会接收到提示信息,提示信息可以为针对功能需求信息生成的提问信息,用于针对未涉及预设维度的内容进行提问,例如,生成位置、应用网页范围等。
在一些实施例中,如果没有接收到提示信息,则表征功能需求信息包括预设的多个维度对应的内容,功能需求信息全面、完整,此时进入步骤S602;如果接收到提示信息,则表征功能需求信息不完全包括预设的多个维度对应的内容,功能需求信息缺失、不完整,此时进入步骤S603。
示例性的,当预设的多个维度对应的内容包括维度1对应的内容、维度2对应的内容、维度3对应的内容、维度4对应的内容和维度5对应的内容。当功能需求信息包括上述五个维度对应的内容时,则确定功能需求包括预设的多个维度对应的内容;当功能需求信息不包括上述至少一个维度对应的内容时,则确定功能需求不完全包括预设的多个维度对应的内容。
在步骤S602中,无需对功能需求信息进行更新。并结束流程。
在本申请实施例中,如果没有接收到提示信息,则表征功能需求信息包括预设的多个维度对应的内容,功能需求信息全面、完整,则无需对功能需求信息进行更新。
在步骤S603中,输出提示信息。
在本申请实施例中,如果接收到提示信息,则表征功能需求信息不完全包括预设的多个维度对应的内容,功能需求信息缺失、不完整,则输出提示信息。该提示信息用于补充功能需求信息。
在一些实施例中,可通过弹窗的形式输出该提示信息。
在步骤S604中,接收针对提示信息的答复信息,并将功能需求信息和答复信息确定为更新后的功能需求信息。
在一些实施例中,是将功能需求信息和答复信息进行拼接、组合,从而得到更新后的功能需求信息,该更新后的功能需求信息包括多个预设维度对应的内容。
通过上述步骤S601至步骤S604,在功能需求信息缺失、不完整的情况下,能够输出提示信息,并接收针对提示信息的答复内容,最后将功能需求信息和答复信息确定为更新后的功能需求信息,从而得到更新后的功能需求信息。如此,通过更新功能需求信息,能够得到全面、完整的更新后的功能需求信息。
继续参见图4,接续上文的步骤S102进行说明。
在步骤S103中,利用训练好的语言模型对功能需求信息进行预测处理,生成功能需求信息对应的目标插件脚本。
在一些实施例中,当功能需求信息为全面、完整的信息时,可将功能需求信息输入至训练好的语言模型中,以利用该训练好的语言模型对功能需求信息进行预测处理,并将训练好的语言模型的输出确定为功能需求信息对应的目标插件脚本。当功能需求信息缺失或者不完整时,则是将更新后的功能需求信息输入至训练好的语言模型中,以利用该训练好的语言模型对更新后的功能需求信息进行预测处理,并将训练好的语言模型的输出确定为更新后的功能需求信息对应的目标插件脚本。
在一些实施例中,在利用训练好的语言模型对功能需求信息或者更新后的功能需求信息进行预测处理时,是先将功能需求信息或者更新后的功能需求信息输入至训练好的语言模型。接着,训练好的语言模型会对功能需求信息或者更新后的功能需求信息进行文本编码,将功能需求信息或者更新后的功能需求信息转换为适合模型处理的编码形式。通常涉及将功能需求信息或者更新后的功能需求信息分割成标记,标记可以为单词或者字符,再将每个标记映射到模型的词汇表中的编号。然后,训练好的语言模型会根据上下文理解功能需求信息或者更新后的功能需求信息。进一步地,训练好的语言模型使用训练时学习到的知识来生成回答,训练好的语言模型会根据输入的编码序列生成一个新的编码序列,表示生成的回复。最后,训练好的语言模型将生成的编码序列转换回刻度的文本形式,包括反映射词汇表的编号到相应的标记,并将标记组合在一起形成回答句子。也即,得到目标脚本插件。
在一些实施例中,训练好的语言模型可以为统计语言模型、神经网络语言模型、转移语言模型等。
在一些实施例中,该训练好的语言模型是嵌入在当前网页中,属于当前网页的一个功能。基于此,生成的目标插件脚本可实时显示在当前网页中,便于及时查看和阅览。
在步骤S104中,响应于接收到的针对目标插件脚本的第一运行指令,运行目标插件脚本,得到第一运行结果,并在当前网页输出第一运行结果。
在一些实施例中,在接收到第一运行指令后,则运行目标插件脚本,该目标插件脚本的运行结果为第一运行结果,基于此,还会在当前网页输出该第一运行结果。
示例性的,当目标插件脚本为网页内容总结时,在第一运行结果为针对当前网页中内容的小结,还会将该小结显示在当前网页中,以便于直接查看针对当前网页中内容的小结。
在一些实施例中,当第一运行结果为功能控件时,在步骤S104之后,还可接收针对功能控件的触发操作,并响应于触发操作,执行功能需求信息对应的目标功能。
示例性的,该功能控件可以为悬浮按钮,针对功能控件的触发操作可以为针对悬浮按钮的点击操作。基于此,当功能需求信息为滚动置顶功能需求信息时,如果接收到针对功能控件的触发操作,则执行滚动置顶功能,也即显示当前网页中滚动条位于最顶端时的显示界面。
通过上述步骤S101至步骤S104,接收针对当前网页的功能设置指令,在当前网页呈现功能设置界面,并获取训练好的语言模型,其中,针对当前网页的功能设置指令可以为针对功能设置按钮的点击操作,训练好的语言模型能够基于功能需求信息生成对应的目标插件脚本。接着,通过功能设置界面接收针对当前网页的功能需求信息,当前网页并不具备该功能需求信息对应的功能,并利用训练好的语言模型对功能需求信息进行预测处理,生成该功能需求信息对应的目标插件脚本;最后,基于接收到的针对目标插件脚本的第一运行指令,来运行目标插件脚本,得到相应的第一运行结果,并在当前网页输出第一运行结果。如此,能够结合训练好的语言模型来实时生成功能需求信息所对应的目标插件脚本,该目标插件脚本为与功能需求信息相匹配的插件脚本,也即本申请能够根据功能需求信息实现对插件脚本的定制化和自定义化。从而能够提供个性化服务、满足个性化需求,同时提升生成插件脚本的便捷性。此外,在功能需求信息缺失、不完整的情况下,能够输出提示信息,并接收针对提示信息的答复内容,最后将功能需求信息和答复信息确定为更新后的功能需求信息,从而得到更新后的功能需求信息。如此,通过更新功能需求信息,能够得到全面、完整的更新后的功能需求信息。
在一些实施例中,在生成目标插件脚本之后,还可以推荐与功能需求信息满足匹配条件的候选插件脚本,参见图7,在上述步骤S103“利用训练好的语言模型对功能需求信息进行预测处理,生成功能需求信息对应的目标插件脚本”之后,还可执行以下步骤S104A至步骤S107A,下面具体说明。
在步骤S104A中,获取多个已有插件脚本的功能信息。
在一些实施例中,已有插件脚本可以包括通过上述步骤S101至步骤S104生成的目标插件脚本,也可以包括插件脚本库中有开发者提前编写好的模板插件脚本。
在一些实施例中,多个已有插件脚本可来源于一个网页,也可来源于多个网页。
在一些实施例中,还可将目标插件脚本与模板插件脚本中使用次数大于次数阈值的插件脚本,确定为多个已有插件脚本。也即多个已有插件脚本为频繁使用的插件脚本。
在步骤S105A中,将多个已有插件脚本中功能信息与功能需求信息满足匹配条件的已有插件脚本,确定为候选插件脚本。
在一些实施例中,可先分别对多个已有插件脚本的功能信息进行特征提取,得到各个第一特征向量,还对功能需求信息进行特征提取,得到功能需求对应的第二特征向量;接着,可通过余弦相似度确定各个第一特征向量与第二特征向量之间的相似度,并将相似度大于相似度阈值的第一特征向量确定为目标特征向量;最后,将目标特征向量对应的已有插件脚本确定为候选插件脚本。其中,相似度阈值为提前预设的值,该相似度阈值可以为0.8、0.85、0.9等。
在一些实施例中,还可对各个相似度按照从大至小的顺序进行排序处理,得到排序后的相似度;然后,将排序后的相似度中的前预设数量的相似度确定为目标相似度;最后,将目标相似度对应的第一特征向量确定为目标特征向量;并将目标特征向量对应的已有插件脚本确定为候选插件脚本。其中,预设数量可以为3、4、5等。
在步骤S106A中,输出候选插件脚本。
在一些实施例中,可通过弹窗的形式显示候选插件脚本。也即可视化显示与功能需求信息满足匹配条件的候选插件脚本。
在步骤S107A中,响应于针对选中的候选插件脚本的第二运行指令,运行选中的候选插件脚本,得到第二运行结果,并在当前网页输出第二运行结果。
在一些实施例中,当接收到针对选中的候选插件脚本的第二运行指令后,则运行选中的候选插件脚本,得到选中的候选插件脚本对应的第二运行结果;最后,还在当前网页中显示第二运行结果。其中,选中的候选插件脚本为候选插件脚本中的一个插件脚本,该选中的候选插件脚本接收到了第二运行指令,而其他候选插件脚本并未接收到第二运行指令。
通过上述步骤S104A至步骤S107A,能够从多个已有插件脚本中确定出与功能需求满足匹配条件的候选插件脚本,并输出候选插件脚本。从而实现根据功能需求信息,对已有插件脚本中满足匹配条件的候选插件脚本进行推荐的功能,提升自动化水平,提供更多的选择范围。
在一些实施例中,在生成目标插件脚本之后,还可以推荐与功能需求信息满足关联条件的至少一个关联插件脚本,参见图8,在上述步骤S103“利用训练好的语言模型对功能需求信息进行预测处理,生成功能需求信息对应的目标插件脚本”之后,还可执行以下步骤S104B至步骤S107B,下面具体说明。
在步骤S104B中,获取多个已有插件脚本的功能信息。
在一些实施例中,功能信息用于表征运行插件脚本后所能够实现的功能。示例性的,如果运行一个已有插件脚本之后,能够实现截屏的功能,则该已有插件脚本的功能信息为截屏功能信息。
在步骤S105B中,从多个已有插件脚本中,确定功能信息与功能需求信息满足关联条件的至少一个关联插件脚本。
在一些实施例中,可对至少一个功能信息与功能需求信息进行组合处理,得到组合结果,如果组合结果对应一个新的功能,则将至少一个功能信息对应的已有插件脚本确定为与功能需求信息满足关联条件的关联插件脚本,该新的功能是指不同于功能信息或者功能需求信息表征的功能。其中,按照组合结果中的排列顺序,依次拼接各个功能信息和功能需求信息,得到拼接功能,如果该拼接功能为预设功能集合中的任意一个功能,则表征组合结果对应一个新的功能;如果该拼接功能不包含于预设功能集合,则表征组合结果并不对应一个新的功能。该预设功能集合包括多个预设功能,该预设功能可以是历史实现频次大于第二频次阈值的功能,且预设功能不同于功能信息或者功能需求信息表征的功能。
示例性的,当功能需求信息为生成文案的功能,已有插件脚本的功能信息包括生成图片的功能、图片转换为视频的功能。则生成图片的功能和图片转换为视频的功能为与生成文案的功能满足关联条件的关联功能信息,生成图片的功能和图片转换为视频的功能对应的插件脚本为关联插件脚本。基于此,通过生成文案的功能、生成图片的功能以及图片转换为视频的功能能够实现“文生视频”这一新的功能,也即生成工作流。
在步骤S106B中,获取至少一个关联插件脚本和目标插件脚本的执行顺序。
在一些实施例中,为了实现新的功能,至少一个关联插件脚本和目标插件脚本需遵循一定的执行顺序,该执行顺序即为至少一个关联插件脚本和目标插件脚本在组合结果中的排列顺序。基于此,可将至少一个关联插件脚本和目标插件脚本在组合结果中的排列排序,确定为至少一个关联插件脚本和目标插件脚本的执行顺序。
承接上面的示例,生成文案功能对应的目标插件脚本的执行顺序为第一个,生成图片功能对应的关联插件脚本的执行顺序为第二个,图片转换为视频功能对应的关联插件脚本的执行顺序为第三个。
在步骤S107B中,响应于针对至少一个关联插件脚本和目标插件脚本的第三运行指令,按照执行顺序,依次执行对应的插件脚本,得到第三运行结果,并在当前网页输出第三运行结果。
在一些实施例中,当接收到第三运行指令时,则按照执行顺序依次执行对应的插件脚本,从而实现新的功能。
承接上面的示例,依次生成文案功能对应的目标插件脚本、生成图片功能对应的关联插件脚本和图片转换为视频功能对应的关联插件脚本,从而实现“文生视频”这一新的功能。对应的第三运行结果可以为虚拟人“讲话”的效果。
通过上述步骤S104B至步骤S107B,能够从多个已有插件脚本中确定出与功能需求满足关联条件的至少一个关联插件脚本。从而实现根据功能需求信息定制工作流的功能,并且当至少一个关联插件脚本与目标插件脚本来源于不同的网页时,能够实现不同网页之间的联动,从而实现复杂的功能。
在一些实施例中,在生成目标插件脚本之后,还可以将已生成的历史插件脚本按照功能类别进行分类,分类后并存储至本地,从而保证安全性及合法性,参见图9,在上述步骤S103“利用训练好的语言模型对功能需求信息进行预测处理,生成功能需求信息对应的目标插件脚本”之后,还可执行以下步骤S104C至步骤S106C,下面具体说明。
在步骤S104C中,获取各个历史插件脚本的功能类别。
在本申请实施例中,历史插件脚本是通过历史功能需求信息生成的。
在一些实施例中,各个历史插件脚本可携带功能类别,示例性的,该功能类别可以为文字处理类别、视频处理类别、图像处理类别等。基于此,可通过解析各个历史插件脚本来获得各个功能类别。
在步骤S105C中,按照各个功能类别对各个历史插件脚本进行分类处理,得到不同功能类别对应的多组历史插件脚本。
在一些实施例中,是将功能类别相同的历史插件脚本分类至同一组,从而得到不同功能类别对应的多组历史插件脚本。
示例性的,通过分类处理,可得到文字处理类别对应的一组历史插件脚本,视频处理类别对应的一组历史插件脚本,图像处理类别对应的一组历史插件脚本。
在步骤S106C中,将多组历史插件脚本存储至内存。
通过上述步骤S104C至步骤S106C,可实现对历史插件脚本的分类处理,便于后续查找以及快速定位。并且将多个历史插件脚本存储至内存,可实现本地处理插件脚本,从而保证安全性及合法性。
在一些实施例中,在生成目标插件脚本之后,还可以将目标插件脚本存储至代码仓库,以便及时更新当前网页的网页代码,从而实现热更新的目的,参见图10,在上述步骤S103“利用训练好的语言模型对功能需求信息进行预测处理,生成功能需求信息对应的目标插件脚本”之后,还可执行以下步骤S104D至步骤S106D,下面具体说明。
在步骤S104D中,将目标插件脚本的插件脚本代码存储至代码仓库。
在一些实施例中,代码仓库存储有插件脚本代码,当生成目标插件本时,则会将目标插件脚本的插件脚本代码实时存储至代码仓库。其中,该目标插件脚本的插件脚本代码携带有网页标识、时间戳信息、代码版本信息等。
在步骤S105D中,基于目标插件脚本的插件脚本代码更新当前网页的网页代码,得到更新后的网页代码。
在一些实施例中,当目标插件脚本为新增插件脚本时,可基于网页标识从代码仓库中确定出当前网页的历史插件脚本代码,再将目标插件脚本的插件脚本代码添加至历史插件脚本代码中,得到更新后的网页代码。
在一些实施例中,当目标插件脚本为已有插件脚本更新后的插件脚本时,可基于网页标识从代码仓库中确定出当前网页的历史插件脚本代码,再利用目标插件脚本的插件脚本代码替换历史插件脚本代码中对应的脚本代码,得到更新后的网页代码。
在步骤S106D中,响应于针对当前网页的打开指令,运行更新后的网页代码,在当前网页输出第一运行结果。
在一些实施例中,当再次打开当前网页时,则运行的更新后的网页代码,并会在当前网页输出第一运行结果。
示例性的,当功能需求信息为滚动置顶功能需求信息时,则可在当前网页显示滚动置顶功能需求信息对应的悬浮按钮。
通过上述步骤S104D至步骤S106D,能够实时将目标插件脚本的插件脚本代码实时存储至代码仓库,并实时更新当前网页的网页代码,实现插件脚本代码的热更新。
在本申请实施例中,上述步骤S104A至步骤S107A、步骤S104B至步骤S107B、步骤S104C至步骤S106C以及步骤S104D至步骤S106D之间不存在固定的执行先后顺序,可先执行其中任一流程,也可同时上述四个流程。
下面,将说明本申请实施例在一个实际的应用场景中的示例性应用。
本申请实施例提出一种网页处理方法,将语言处理模型等人工智能(ArtificialIntelligence,AI)技术应用于浏览器插件功能定制化,其中,语言处理模型可以是聊天生成预训练转换器(Chat Generative Pre-trained Transformer, ChatGPT),能够通过一句话生成用户需求对应的油猴脚本,提高了用户的操作便利性和定制化能力。同时,还能够可视化配置页面自动更新分类用户生成的历史脚本,实现统一、特定网页定制化的配置需求,提高了用户的操作效率和体验,主要包括:
第一,通过语言处理模型,同时结合提示语和上下文,使得语言处理模型能根据用户需求生成对应的油猴脚本,运行油猴脚本后便生成对应的油猴插件,通过该油猴插件能够实现用户需求,从而实现定制化网页需求。此外,该根据用户功能需求推荐其他油猴插件方便快捷跳转安装。
第二,分类用户插件。可针对特定网页以及所有网页做统一化、定制化配置处理,并可视化做存储与开关。
第三,封装需求工作流。可针对用户的需求,联动多个网站的网页功能完成,比如文生视频工作流,可以先调用语言处理模型生成提示词及文案,再调用稳定扩散算法(Stable Diffusion,SD)生成图片,最后调用图像到视频的转换算法生成视频,该视频能够实现通过虚拟人图片动态输出文案的效果。
第四,联动浏览器应用程序编程接口、插件接口、语言模型等实现本地处理网页需求,保证安全性、合法性。
第五,精准识别网页内容。可通过调用浏览器接口下载、读取网页代码文件,通过语言处理模型理解代码,以辅助用户定制化需求的精准实现,同时可训练学习系统(Tensorflow)图像识别能力,辅助实现网页中特定内容或者图像数据的提取处理。
在一些实施例中,参见图11,图11为本申请实施例提供的定制网页的一种流程框架示意图。可在浏览器安装油猴插件,并配置对应的脚本代码,选择开启油猴插件;脚本会自动拉取更新代码托管仓库中最新代码,加载用户的历史网页功能的配置,在每个网页中展示定制网页的悬浮按钮,点击即弹出侧边栏抽屉,供用户针对任一网页进行需求配置。其中,代码托管仓库可以为GitHub、GitLab、Bitbucket、Azure DevOps、SourceForge等。其中,油猴插件的安装界面如图12所示。
在一些实施例中,侧边栏抽屉是一种常见的用户界面设计元素,通常位于移动应用程序或者网页中,侧边栏抽屉是一个隐藏在侧边栏中的容器,可以通过点击按钮或者手势来展开或者收起。当侧边栏抽屉展开时,用户可以看到附加的导航选项、设置、过滤器或者其他相关内容。侧边栏抽屉可以提供更多的功能、选项或者信息,同时保持主界面整洁和简洁。侧边栏抽屉这种模式设计可以帮助用户快速访问所需的功能,同时不会占据太多的屏幕空间。
继续参见图11,定制网页流程包括以下步骤S1101至步骤S1119,下面具体说明。
在步骤S1101中,开始。
在步骤S1102中,判断是否配置并开启油猴插件。
在一些实施例中,如果已经配置并开启油猴插件,则表征能够进行网页定制,进入步骤S1103;如果没有配置、开启油猴插件,则表征不能够进行网页定制,进入步骤S1118。
在步骤S1103中,判断油猴插件脚本版本是否更新。
在一些实施例中,如果油猴插件脚本的版本发生了更新,则进入步骤S1104;如果油猴插件脚本的版本未发生更新,则进入步骤S1105。
在步骤S1104中,更新最新脚本代码。
在本申请实施例中,先获取到油猴插件脚本的最新脚本代码,再将当前油猴插件脚本代码更新为最新脚本代码。
在步骤S1105中,加载用户历史配置。
在本申请实施例中,历史配置是指对油猴插件脚本中功能的开启或者禁用,示例性的,开启“评论反馈优先保存草稿”功能、禁用“评论反馈一键便捷评论”功能。
在步骤S1106中,展示定制网页的悬浮按钮以及历史网页定制的功能。
在本申请实施例中,定制网页的悬浮按钮显示在网页界面,示例性的,该悬浮按钮可以显示在网页显示界面的右下角。
在步骤S1107中,判断是否接收到悬浮按钮的点击操作。
在本申请实施例中,如果接收到针对悬浮按钮的点击操作,则进入步骤S1108;如果未接收到针对悬浮按钮的点击操作,则进入步骤S1118。
在步骤S1108中,展开用户智能化定制网页的信息展示框。
在本申请实施例中,信息展示框中包含历史网页配置。
在步骤S1109中,判断是否接收到用户输入的需求。
在本申请实施例中,如果接收到用户输入的需求,则进入步骤S1110;如果没有接收到用户输入的需求,则进入步骤S1118。
在步骤S1110中,调用语言处理模型生成对应的油猴脚本、对应的推荐插件。
在步骤S1111中,生成插件推荐列表、实现用户需求的目标脚本以及可用的工作流。并同时转入步骤S1112、步骤S1114和步骤S1115。
在步骤S1112中,判断是否定制工作流。
在本申请实施例中,如果定制工作流,则进入步骤S1113;如果不定制工作流,则进入步骤S1118。
在步骤S1113中,将不同网页功能结合,完成复杂需求。并转入步骤S1116。
在步骤S1114中,判断是否安装推荐插件。
在本申请实施例中,如果安装推荐插件,则进入步骤S1116;如果不安装推荐插件,则进入步骤S1118。
在步骤S1115中,判断是否应用目标脚本。
在本申请实施例中,如果应用目标脚本,则进入步骤S1116;如果不应用目标脚本,则进入步骤S1118。
在步骤S1116中,判断是否保存需求配置。
在本申请实施例中,如果保存需求配置,则进入步骤S1117;如果不保存需求配置,进入步骤S1118。
在步骤S1117中,需求在当前网页生效,并本地存储在浏览器中。并进入步骤S1119。
在步骤S1118中,正常浏览网页。
在步骤S1119中,结束。
图13为本申请实施例提供的添加脚本的一种界面展示示意图。在图13中,开启“网页定制(语言处理模型版)”1301,可通过点击“添加新脚本”1302来实现脚本添加。
在一些实施例中,在网页定制信息展示框中,展示了用户的历史网页功能配置、与语言处理模型交流网页定制需求的聊天室;用户可以个性化选择是否开启历史网页功能配置,如图14所示;还可以直接与语言处理模型交流网页定制需求,语言处理模型可以是一个专门的油猴脚本助手,会持续交流直至生成符合用户定制化需求的油猴脚本。在图14中,语言处理模型功能增强、tapd提取信息跳转评论反馈、评论反馈优先保存草稿、网页定制(语言处理模型版)处于开启状态。
图15为本申请实施例提供的侧边栏抽屉的一种界面展示示意图。也即,图15所展示的界面可以显示在网页的最右侧。
在一些实施例中,针对生成脚本可以复制保存配置,如图16所示,图16中的1601即为保存按钮;也可以直接点击应用。在之后打开网页时即可实时在网页中看到对应功能,如图17中的1701所示。同时会给出对应插件推荐,并给出指引安装流程;还会推荐适用的网页联动工作流,将符合部分功能要求的网页内嵌到一个网页中,形成一个流程,让用户方便快捷的完成需求。
在一些实施例中,可将配置上传到云端,供使用本插件的其他人使用。此外,插件也会内置通用、热门的网页功能方便一键快捷使用,参见图18中的1801。
在一些实施例中,响应于接收到的点击悬浮的定制化网页按钮的操作,能够实时打开或者关闭侧边栏抽屉。已经保存的定制化配置会保存在浏览器中,下次打开浏览器也会根据脚本配置的网站生效范围应用功能配置。
在一些实施例中,图19为本申请实施例提供的定制网页脚本方法的一种实现流程示意图,智能化定制网页脚本方法基于前端、nodejs服务、Tensorflow机器学习、油猴插件API以及openai接口实现,包括以下步骤S1901至步骤S1907,下面具体说明。
在步骤S1901中,开始。
在步骤S1902中,部署语言处理模型接口、插件市场接口的服务器。
在一些实施例中,服务器部署nodejs服务,调用openai接口,向外暴露语言处理模型接口;同时云端数据库保存用户上传的接口代码,提供写入、获取插件代码接口。
在步骤S1903中,训练语言处理模型成为油猴脚本助手。
在一些实施例中,包括处理提示语、上下文,提供模板,将用户需求自动转为生成对应的油猴脚本,其中为了保证脚本质量,还需要处理不同的网页制作常用案例,包括但不限于提示语言处理模型以下注意点:
注意点1,按钮,确定生成的位置,点击后触发的事件。
注意点2,收集数据,确定作用的元素类名。
注意点3,弹窗,需要有关闭按钮,确定弹窗内容,点击确定后触发的事件。
注意点4,生效范围,需要确定脚本应用的网站地址。
通过以上注意点,在用户需求不清楚或者比较模糊时,语言处理模型能进一步交流确定需求,提供高质量的可执行代码;同时导入常用插件数据,引导语言处理模型提供脚本代码的同时也推荐相关市场插件。此外,支持工作流,即推荐几个串联起来后能实现功能的网站,联动多个网站的功能完成。示例性的,文生视频,可以先调用语言处理模型生成提示词及文案,再调用稳定扩散算法生成图片,最后调用图像到视频的转换算法生成视频,该视频能够实现通过虚拟人图片动态输出文案的效果,将对应网页嵌套到一个网页中,形成工作流,并展示、可编辑每个流程的结果,方便高效完成用户的复杂需求。
在步骤S1904中,训练识别模型,识别标注网页中的常用元素。
在一些实施例中,识别模型可以为Tensorflow模型,会调用浏览器接口下载、读取当前网页代码,交付语言处理模型理解代码内容从而精准识别网页内容,为后续定制化需求做准备。
在步骤S1905中,编写油猴脚本。
在一些实施例中,调用浏览器接口与油猴插件接口,实现用户定制化网页的悬浮按钮、侧边栏抽屉等界面交互以及调用语言处理模型接口实现需求定制、插件上传下载与本地化存储用户配置等等。
在步骤S1906中,将代码托管至代码仓库。
在一些实施例中,还编写自动拉取更新远程脚本的代码,即热更新脚本功能,可优化用户交互,提升体验感。
在步骤S1907中,结束。
通过本申请实施例提供的网页处理方法,能够高度匹配用户需求,实时针对网页功能、样式等做定制化,同时可联动多个网页功能以实现复杂需求,极大提升用户浏览网页的体验感,达到可“随心所欲定制网页”的效果。同时本地存储网页功能定制可能访问到的内容数据,兼具安全与合法性。基于此,用户无需等待网页开发者版本迭代,即可完成大部分自身所需的定制化需求,大大提升用户浏览网页的体验感以及拓展了网页定制化能力。
本申请实施例能够提供智能的本地定制化网页方法,用户可以通过可视化编辑器,一句话轻松修改网页内容与样式,同时推荐市场流行的相关插件,以全方位满足用户个性化需求,兼具便利性、实用性且极具个性化。能够基于本地处理,用户、网页数据可直接调用浏览器接口在用户本地进行处理,保证了数据隐私和安全。还可以根据用户需求,基于AI推荐各个网页的部分功能,生成对应工作流联动不同网页功能以实现复杂需求。
可以理解的是,在本申请实施例中,涉及到多个已有插件脚本的功能信息、执行顺序、功能类别、预训练好的语言模型集合、预设场景信息、训练样本等相关的数据,该相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
下面继续说明本申请实施例提供的网页处理装置455的实施为软件模块的示例性结构,在一些实施例中,如图3所示,存储在存储器450的网页处理装置455中的软件模块可以包括:
第一响应模块4551,用于响应于针对当前网页的功能设置指令,在所述当前网页呈现功能设置界面,并获取训练好的语言模型;
第一接收模块4552,用于通过所述功能设置界面接收针对所述当前网页的功能需求信息;
预测模块4553,用于利用所述训练好的语言模型对所述功能需求信息进行预测处理,生成所述功能需求信息对应的目标插件脚本;
第二响应模块4554,用于响应于接收到的针对所述目标插件脚本的第一运行指令,运行所述目标插件脚本,得到第一运行结果,并在所述当前网页输出所述第一运行结果。
在一些实施例中,所述网页处理装置455还包括:
第二接收模块,用于当所述第一运行结果为功能控件时,接收针对所述功能控件的触发操作;
第三响应模块,用于响应于所述触发操作,执行所述功能需求信息对应的目标功能。
在一些实施例中,所述网页处理装置455还包括:
第一获取模块,用于获取多个已有插件脚本的功能信息;
第一确定模块,用于将所述多个已有插件脚本中功能信息与所述功能需求信息满足匹配条件的已有插件脚本,确定为候选插件脚本;
第一输出模块,用于输出所述候选插件脚本;
第四响应模块,用于响应于针对选中的候选插件脚本的第二运行指令,运行所述选中的候选插件脚本,得到第二运行结果,并在所述当前网页输出所述第二运行结果。
在一些实施例中,所述网页处理装置455还包括:
第二获取模块,用于获取多个已有插件脚本的功能信息;
第二确定模块,用于从多个已有插件脚本中,确定功能信息与所述功能需求信息满足关联条件的至少一个关联插件脚本;
第三获取模块,用于获取至少一个关联插件脚本和所述目标插件脚本的执行顺序;
第五响应模块,用于响应于针对至少一个关联插件脚本和所述目标插件脚本的第三运行指令,按照所述执行顺序,依次执行对应的插件脚本,得到第三运行结果,并在所述当前网页输出所述第三运行结果。
在一些实施例中,所述网页处理装置455还包括:
第四获取模块,用于获取各个历史插件脚本的功能类别,其中,所述历史插件脚本是通过历史功能需求信息生成的;
分类模块,用于按照各个功能类别对所述各个历史插件脚本进行分类处理,得到不同功能类别对应的多组历史插件脚本;
第一存储模块,用于将所述多组历史插件脚本存储至内存。
在一些实施例中,所述网页处理装置455还包括:
第二输出模块,用于当接收到提示信息时,输出所述提示信息,其中,所述提示信息用于补充所述功能需求信息;
第三接收模块,用于接收针对所述提示信息的答复信息,并将所述功能需求信息和所述答复信息确定为更新后的功能需求信息。
在一些实施例中,所述网页处理装置455还包括:
第五获取模块,用于获取预训练好的语言模型集合、预设场景信息和训练样本,其中,所述预训练好的语言模型集合包括应用于不同场景的预训练好的语言模型,所述训练样本包括训练功能需求信息和所述训练功能需求信息对应的训练插件脚本;
第三确定模块,用于从所述预训练好的语言模型集合中确定所述预设场景信息对应的预训练好的目标语言模型;
训练模块,用于利用所述训练功能需求信息和所述训练插件脚本对所述预训练好的目标语言模型进行训练处理,得到训练好的语言模型。
在一些实施例中,所述网页处理装置455还包括:
第二存储模块,用于将所述目标插件脚本的插件脚本代码存储至代码仓库;
更新模块,用于基于所述目标插件脚本的插件脚本代码更新所述当前网页的网页代码,得到更新后的网页代码;
第六响应模块,用于响应于针对所述当前网页的打开指令,运行所述更新后的网页代码,在所述当前网页输出所述第一运行结果。
本申请实施例提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该电子设备执行本申请实施例上述的网页处理方法。
本申请实施例提供一种存储有可执行指令的计算机可读存储介质,其中存储有可执行指令,当可执行指令被处理器执行时,将引起处理器执行本申请实施例提供的网页处理方法,例如,如图4、图7、图8、图9、图10、图11和图19示出的网页处理方法。
在一些实施例中,计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器;也可以是包括上述存储器之一或任意组合的各种设备。
在一些实施例中,可执行指令可以采用程序、软件、软件模块、脚本或代码的形式,按任意形式的编程语言(包括编译或解释语言,或者声明性或过程性语言)来编写,并且其可按任意形式部署,包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例,可执行指令可以但不一定对应于文件系统中的文件,可以可被存储在保存其它程序或数据的文件的一部分,例如,存储在超文本标记语言(Hyper Text MarkupLanguage,HTML)文档中的一个或多个脚本中,存储在专用于所讨论的程序的单个文件中,或者,存储在多个协同文件(例如,存储一个或多个模块、子程序或代码部分的文件)中。
作为示例,可执行指令可被部署为在一个计算设备上执行,或者在位于一个地点的多个计算设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算设备上执行。
以上所述,仅为本申请的实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和范围之内所作的任何修改、等同替换和改进等,均包含在本申请的保护范围之内。
Claims (10)
1.一种网页处理方法,其特征在于,所述方法包括:
响应于针对当前网页的功能设置指令,在所述当前网页呈现功能设置界面,并获取训练好的语言模型;
通过所述功能设置界面接收针对所述当前网页的功能需求信息;
利用所述训练好的语言模型对所述功能需求信息进行预测处理,生成所述功能需求信息对应的目标插件脚本;
获取多个已有插件脚本的功能信息,所述已有插件脚本包括所述目标插件脚本,所述已有插件脚本来源于至少一个网页;
将所述多个已有插件脚本的功能信息与所述功能需求信息满足匹配条件的已有插件脚本,确定为候选插件脚本,并从所述多个已有插件脚本中,确定功能信息与所述功能需求信息满足关联条件的至少一个关联插件脚本;其中,在确定所述候选插件脚本时,是分别对所述多个已有插件脚本的功能信息和所述功能需求信息进行特征提取,对应得到多个第一特征向量和第二特征向量,当所述第一特征向量与所述第二特征向量之间的相似度大于相似度阈值时,将所述第一特征向量确定为目标特征向量,并将所述目标特征向量对应的已有插件脚本确定为所述候选插件脚本;在确定所述至少一个关联插件脚本时,是对至少一个功能信息与功能需求信息进行组合处理,得到组合结果,如果组合结果对应一个新的功能,则将所述至少一个功能信息对应的已有插件脚本确定为与所述功能需求信息满足所述关联条件的关联插件脚本;所述新的功能是指不同于所述功能信息或者所述功能需求信息表征的功能;
输出所述候选插件脚本,并获取所述至少一个关联插件脚本和所述目标插件脚本的执行顺序;
响应于针对选中的候选插件脚本的第二运行指令,运行所述选中的候选插件脚本,得到第二运行结果,并在所述当前网页输出所述第二运行结果;
响应于接收到的针对所述目标插件脚本的第一运行指令,运行所述目标插件脚本,得到第一运行结果,并在所述当前网页输出所述第一运行结果;
响应于针对所述至少一个关联插件脚本和所述目标插件脚本的第三运行指令,按照所述执行顺序,依次执行对应的插件脚本,得到第三运行结果,并在所述当前网页输出所述第三运行结果。
2.根据权利要求1中所述的方法,其特征在于,所述方法还包括:
当所述第一运行结果为功能控件时,接收针对所述功能控件的触发操作;
响应于所述触发操作,执行所述功能需求信息对应的目标功能。
3.根据权利要求1中所述的方法,其特征在于,所述方法还包括:
获取各个历史插件脚本的功能类别,其中,所述历史插件脚本是通过历史功能需求信息生成的;
按照各个功能类别对所述各个历史插件脚本进行分类处理,得到不同功能类别对应的多组历史插件脚本;
将所述多组历史插件脚本存储至内存。
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述方法还包括:
当接收到提示信息时,输出所述提示信息,其中,所述提示信息用于补充所述功能需求信息;
接收针对所述提示信息的答复信息,并将所述功能需求信息和所述答复信息确定为更新后的功能需求信息。
5.根据权利要求1至3中任一项所述的方法,其特征在于,所述方法还包括:
获取预训练好的语言模型集合、预设场景信息和训练样本,其中,所述预训练好的语言模型集合包括应用于不同场景的预训练好的语言模型,所述训练样本包括训练功能需求信息和所述训练功能需求信息对应的训练插件脚本;
从所述预训练好的语言模型集合中确定所述预设场景信息对应的预训练好的目标语言模型;
利用所述训练功能需求信息和所述训练插件脚本对所述预训练好的目标语言模型进行训练处理,得到训练好的语言模型。
6.根据权利要求1至3中任一项所述的方法,其特征在于,在所述生成所述功能需求信息对应的目标插件脚本之后,所述方法还包括:
将所述目标插件脚本的插件脚本代码存储至代码仓库;
基于所述目标插件脚本的插件脚本代码更新所述当前网页的网页代码,得到更新后的网页代码;
响应于针对所述当前网页的打开指令,运行所述更新后的网页代码,在所述当前网页输出所述第一运行结果。
7.一种网页处理装置,其特征在于,所述装置包括:
第一响应模块,用于响应于针对当前网页的功能设置指令,在所述当前网页呈现功能设置界面,并获取训练好的语言模型;
第一接收模块,用于通过所述功能设置界面接收针对所述当前网页的功能需求信息;
预测模块,用于利用所述训练好的语言模型对所述功能需求信息进行预测处理,生成所述功能需求信息对应的目标插件脚本;
获取模块,用于获取多个已有插件脚本的功能信息,所述已有插件脚本包括所述目标插件脚本,所述已有插件脚本来源于至少一个网页;
确定模块,用于将所述多个已有插件脚本的功能信息与所述功能需求信息满足匹配条件的已有插件脚本,确定为候选插件脚本,并从所述多个已有插件脚本中,确定功能信息与所述功能需求信息满足关联条件的至少一个关联插件脚本;其中,在确定所述候选插件脚本时,是分别对所述多个已有插件脚本的功能信息和所述功能需求信息进行特征提取,对应得到多个第一特征向量和第二特征向量,当所述第一特征向量与所述第二特征向量之间的相似度大于相似度阈值时,将所述第一特征向量确定为目标特征向量,并将所述目标特征向量对应的已有插件脚本确定为所述候选插件脚本;在确定所述至少一个关联插件脚本时,是对至少一个功能信息与功能需求信息进行组合处理,得到组合结果,如果组合结果对应一个新的功能,则将所述至少一个功能信息对应的已有插件脚本确定为与所述功能需求信息满足所述关联条件的关联插件脚本;所述新的功能是指不同于所述功能信息或者所述功能需求信息表征的功能;
输出模块,用于输出所述候选插件脚本,并获取所述至少一个关联插件脚本和所述目标插件脚本的执行顺序;
第三响应模块,用于响应于针对选中的候选插件脚本的第二运行指令,运行所述选中的候选插件脚本,得到第二运行结果,并在所述当前网页输出所述第二运行结果;
第二响应模块,用于响应于接收到的针对所述目标插件脚本的第一运行指令,运行所述目标插件脚本,得到第一运行结果,并在所述当前网页输出所述第一运行结果;
第四响应模块,用于响应于针对所述至少一个关联插件脚本和所述目标插件脚本的第三运行指令,按照所述执行顺序,依次执行对应的插件脚本,得到第三运行结果,并在所述当前网页输出所述第三运行结果。
8.一种计算机设备,其特征在于,所述计算机设备包括:
存储器,用于存储计算机可执行指令;
处理器,用于执行所述存储器中存储的计算机可执行指令时,实现权利要求1至6任一项所述的网页处理方法。
9.一种计算机可读存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令被处理器执行时实现权利要求1至6任一项所述的网页处理方法。
10.一种计算机程序产品,包括计算机程序或计算机可执行指令,其特征在于,所述计算机程序或计算机可执行指令被处理器执行时实现权利要求1至6任一项所述的网页处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310962090.1A CN116701811B (zh) | 2023-08-02 | 2023-08-02 | 一种网页处理方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310962090.1A CN116701811B (zh) | 2023-08-02 | 2023-08-02 | 一种网页处理方法、装置、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116701811A CN116701811A (zh) | 2023-09-05 |
CN116701811B true CN116701811B (zh) | 2024-02-27 |
Family
ID=87837755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310962090.1A Active CN116701811B (zh) | 2023-08-02 | 2023-08-02 | 一种网页处理方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116701811B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117252260B (zh) * | 2023-09-06 | 2024-06-11 | 山东心法科技有限公司 | 一种基于大语言模型的面试技能训练方法、设备及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110543307A (zh) * | 2019-07-23 | 2019-12-06 | 江苏联盟信息工程有限公司 | 一种应用构建方法及装置 |
CN111767026A (zh) * | 2020-06-22 | 2020-10-13 | 北京百度网讯科技有限公司 | 业务对象模板的生成方法、装置、设备和介质 |
JP2020191075A (ja) * | 2019-05-20 | 2020-11-26 | 富士通株式会社 | Web APIおよび関連エンドポイントの推薦 |
CN113536098A (zh) * | 2020-04-15 | 2021-10-22 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、设备及计算机可读存储介质 |
CN113836435A (zh) * | 2021-11-29 | 2021-12-24 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、设备及计算机可读存储介质 |
CN114035793A (zh) * | 2021-12-13 | 2022-02-11 | 中国平安财产保险股份有限公司 | 页面生成方法、页面生成装置、设备及存储介质 |
CN114511696A (zh) * | 2021-12-22 | 2022-05-17 | 北京云测信息技术有限公司 | 控件定位方法、装置、电子设备及可读存储介质 |
CN115562656A (zh) * | 2022-10-18 | 2023-01-03 | 康键信息技术(深圳)有限公司 | 页面的生成方法、装置、存储介质及计算机设备 |
CN115857920A (zh) * | 2021-09-23 | 2023-03-28 | 华为云计算技术有限公司 | 应用页面开发方法、装置、系统、计算设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10642721B2 (en) * | 2018-01-10 | 2020-05-05 | Accenture Global Solutions Limited | Generation of automated testing scripts by converting manual test cases |
US11269622B2 (en) * | 2019-06-28 | 2022-03-08 | Intel Corporation | Methods, systems, articles of manufacture, and apparatus for a context and complexity-aware recommendation system for improved software development efficiency |
-
2023
- 2023-08-02 CN CN202310962090.1A patent/CN116701811B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020191075A (ja) * | 2019-05-20 | 2020-11-26 | 富士通株式会社 | Web APIおよび関連エンドポイントの推薦 |
CN110543307A (zh) * | 2019-07-23 | 2019-12-06 | 江苏联盟信息工程有限公司 | 一种应用构建方法及装置 |
CN113536098A (zh) * | 2020-04-15 | 2021-10-22 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、设备及计算机可读存储介质 |
CN111767026A (zh) * | 2020-06-22 | 2020-10-13 | 北京百度网讯科技有限公司 | 业务对象模板的生成方法、装置、设备和介质 |
CN115857920A (zh) * | 2021-09-23 | 2023-03-28 | 华为云计算技术有限公司 | 应用页面开发方法、装置、系统、计算设备及存储介质 |
WO2023045862A1 (zh) * | 2021-09-23 | 2023-03-30 | 华为云计算技术有限公司 | 应用页面开发方法、装置、系统、计算设备及存储介质 |
CN113836435A (zh) * | 2021-11-29 | 2021-12-24 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、设备及计算机可读存储介质 |
CN114035793A (zh) * | 2021-12-13 | 2022-02-11 | 中国平安财产保险股份有限公司 | 页面生成方法、页面生成装置、设备及存储介质 |
CN114511696A (zh) * | 2021-12-22 | 2022-05-17 | 北京云测信息技术有限公司 | 控件定位方法、装置、电子设备及可读存储介质 |
CN115562656A (zh) * | 2022-10-18 | 2023-01-03 | 康键信息技术(深圳)有限公司 | 页面的生成方法、装置、存储介质及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116701811A (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11775254B2 (en) | Analyzing graphical user interfaces to facilitate automatic interaction | |
US20170337261A1 (en) | Decision Making and Planning/Prediction System for Human Intention Resolution | |
CN112868060B (zh) | 用户、自动化助理和其它计算服务之间的多模态交互 | |
CN109284399B (zh) | 相似度预测模型训练方法、设备及计算机可读存储介质 | |
US7983997B2 (en) | Interactive complex task teaching system that allows for natural language input, recognizes a user's intent, and automatically performs tasks in document object model (DOM) nodes | |
CN110046227B (zh) | 对话系统的配置方法、交互方法、装置、设备和存储介质 | |
US20070203869A1 (en) | Adaptive semantic platform architecture | |
WO2020197630A1 (en) | Interactive dialog training and communication system using artificial intelligence (ai) | |
US20160306784A1 (en) | Audio Onboarding Of Digital Content With Enhanced Audio Communications | |
CN116701811B (zh) | 一种网页处理方法、装置、设备及计算机可读存储介质 | |
CN115080836A (zh) | 基于人工智能的信息推荐方法、装置、电子设备及存储介质 | |
US10789053B2 (en) | Facilitated user interaction | |
Vergara et al. | Building cognitive applications with IBM watson services: Volume 7 natural language understanding | |
CN112835860B (zh) | 共享文档的处理方法、装置、设备及计算机可读存储介质 | |
CN117520498A (zh) | 基于虚拟数字人交互处理方法、系统、终端、设备及介质 | |
CN112100501A (zh) | 信息流的处理方法、装置及电子设备 | |
Larsen | Learning Microsoft Cognitive Services | |
CN114218364A (zh) | 问答知识库扩充方法与装置 | |
CN114595191A (zh) | 网页处理方法、装置、电子设备及存储介质 | |
CN113518160A (zh) | 视频生成方法、装置、设备及存储介质 | |
GOUNOUE GUIFFO | Conversational Web browsing: the case of form filling | |
CN117290589A (zh) | 数据变化预测方法、系统、电子设备及存储介质 | |
Saraiva | A Conversational Interface for Webpage Code Generation | |
CN118605873A (zh) | 一种管理页面生成方法、装置、电子设备及存储介质 | |
Tyshchenko et al. | DEVELOPMENT OF VOICE ASSISTANT BASED ON NEURAL SYSTEMS. |
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 |