CN116755688A - 组件处理方法、装置、计算机设备及存储介质 - Google Patents
组件处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116755688A CN116755688A CN202310741105.1A CN202310741105A CN116755688A CN 116755688 A CN116755688 A CN 116755688A CN 202310741105 A CN202310741105 A CN 202310741105A CN 116755688 A CN116755688 A CN 116755688A
- Authority
- CN
- China
- Prior art keywords
- component
- candidate
- keyword
- text
- components
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000012216 screening Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims description 30
- 230000011218 segmentation Effects 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000011161 development Methods 0.000 abstract description 16
- 238000005516 engineering process Methods 0.000 abstract description 15
- 238000012827 research and development Methods 0.000 abstract description 2
- 230000018109 developmental process Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 11
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000002372 labelling Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000008571 general function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/36—Software reuse
-
- 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
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- 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
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例属于研发管理以及金融科技领域,涉及一种组件处理方法、装置、计算机设备及存储介质,方法包括:获取组件需求文本以及多个第一候选组件,候选组件具有组件名以及组件画像;提取组件需求文本中的各关键词,得到关键词集合;计算关键词集合与各第一候选组件的组件名之间的相似度,并根据得到的相似度对各第一候选组件进行筛选,得到多个第二候选组件;基于关键词集合生成需求画像;通过预设的关联度算法计算需求画像与各第二候选组件的组件画像之间的关联度;根据得到的关联度从各第二候选组件中选取目标组件。此外,本申请还涉及区块链技术,组件画像可存储于区块链中。本申请可以根据组件需求文本自动选取组件,提高了开发效率。
Description
技术领域
本申请涉及研发管理技术以及金融科技领域,尤其涉及一种组件处理方法、装置、计算机设备及存储介质。
背景技术
在进行业务系统的开发时,对一些通用的功能会采用组件的方式进行开发,组件可以来自第三方组件库,或者是项目中产生的个性化组件。组件式开发实现了组件复用,有助于提高效率,快速实现业务需求。
在组件开发时,如果想复用以前的组件,需要由项目人员进行需求技术评审,根据需求文档判断可以复用以前的哪些组件。例如在金融保险领域,通过组件实现保险产品的生命流程,对于一个新的保险产品的开发,项目人员会查找以前是否存在相同或相似的保险产品,如果存在,可以沿用以前保险产品的组件或者对其进行修改,以减少开发工作量。但是这种人工判断的方式依赖于人的经验,当组件较为复杂时,容易出现错误,导致开发人员在开发中需要重写组件逻辑或修改组件,增加了开发工作量,修改过程还可能引入新的错误,影响了开发效率。
发明内容
本申请实施例的目的在于提出一种组件处理方法、装置、计算机设备及存储介质,以解决组件开发效率较低的问题。
为了解决上述技术问题,本申请实施例提供一种组件处理方法,采用了如下所述的技术方案:
获取组件需求文本以及多个第一候选组件,其中,候选组件具有组件名以及组件画像;
提取所述组件需求文本中的各关键词,得到关键词集合;
计算所述关键词集合与各第一候选组件的组件名之间的相似度,并根据得到的相似度对所述各第一候选组件进行筛选,得到多个第二候选组件;
基于所述关键词集合生成需求画像;
通过预设的关联度算法计算所述需求画像与各第二候选组件的组件画像之间的关联度;
根据得到的关联度从所述各第二候选组件中选取目标组件。
为了解决上述技术问题,本申请实施例还提供一种组件处理装置,采用了如下所述的技术方案:
获取模块,用于获取组件需求文本以及多个第一候选组件,其中,候选组件具有组件名以及组件画像;
关键词提取模块,用于提取所述组件需求文本中的各关键词,得到关键词集合;
组件筛选模块,用于计算所述关键词集合与各第一候选组件的组件名之间的相似度,并根据得到的相似度对所述各第一候选组件进行筛选,得到多个第二候选组件;
画像生成模块,用于基于所述关键词集合生成需求画像;
关联计算模块,用于通过预设的关联度算法计算所述需求画像与各第二候选组件的组件画像之间的关联度;
组件选取模块,用于根据得到的关联度从所述各第二候选组件中选取目标组件。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
获取组件需求文本以及多个第一候选组件,其中,候选组件具有组件名以及组件画像;
提取所述组件需求文本中的各关键词,得到关键词集合;
计算所述关键词集合与各第一候选组件的组件名之间的相似度,并根据得到的相似度对所述各第一候选组件进行筛选,得到多个第二候选组件;
基于所述关键词集合生成需求画像;
通过预设的关联度算法计算所述需求画像与各第二候选组件的组件画像之间的关联度;
根据得到的关联度从所述各第二候选组件中选取目标组件。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
获取组件需求文本以及多个第一候选组件,其中,候选组件具有组件名以及组件画像;
提取所述组件需求文本中的各关键词,得到关键词集合;
计算所述关键词集合与各第一候选组件的组件名之间的相似度,并根据得到的相似度对所述各第一候选组件进行筛选,得到多个第二候选组件;
基于所述关键词集合生成需求画像;
通过预设的关联度算法计算所述需求画像与各第二候选组件的组件画像之间的关联度;
根据得到的关联度从所述各第二候选组件中选取目标组件。
与现有技术相比,本申请实施例主要有以下有益效果:获取组件需求文本以及多个第一候选组件,候选组件具有组件名以及组件画像,组件名对组件的功能有一定的体现,组件画像是候选组件的标签化模型;提取组件需求文本中的各关键词,得到关键词集合;计算关键词集合与各第一候选组件的组件名之间的相似度,基于相似度对第一候选组件是否符合组件需求文本进行初步判断,从而对各第一候选组件进行筛选,得到多个第二候选组件,缩小了处理范围,提高了组件筛选的速度;基于关键词集合生成需求画像,通过关联度算法计算需求画像与各第二候选组件的组件画像之间的关联度,关联度代表组件需求文本与候选组件之间的关联性,根据关联度对各第二候选组件进行筛选,得到符合需求的目标组件;本申请通过两次自动筛选,选取出符合组件需求的组件,确保了组件选取准确性,提高了组件选取的效率,从而提高了组件开发的效率。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图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是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的组件处理方法的一个实施例的流程图;
图3是根据本申请的组件处理装置的一个实施例的结构示意图;
图4是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的组件处理方法一般由服务器执行,相应地,组件处理装置一般设置于服务器中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的组件处理方法的一个实施例的流程图。所述的组件处理方法,包括以下步骤:
步骤S201,获取组件需求文本以及多个第一候选组件,其中,候选组件具有组件名以及组件画像。
在本实施例中,组件处理方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式与终端设备进行通信。需要指出的是,上述无线连接方式可以包括但不限于3G/4G/5G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。
具体地,获取组件需求文本,组件需求文本记载了组件的功能需求。本申请需要根据组件需求文本,自动匹配合适的组件。
还需要获取多个第一候选组件。本申请预先存储了多个组件,组件可以存储在组件库中。候选组件具有组件名以及组件画像,组件名是组件的名称,需要对组件的功能有一定的体现,例如,组件名可以是评论组件、产品评论组件等;组件具有组件画像,组件画像类似于用户画像,只不过组件画像针对组件构建,它是根据组件的功能特性、属性抽象出来的标签化模型。
步骤S202,提取组件需求文本中的各关键词,得到关键词集合。
具体地,对组件需求文本进行自然语言处理,以提取其中的关键词,并根据提取出的关键词生成关键词集合。
进一步的,上述步骤S202可以包括:通过预设的分词库对组件需求文本进行分词处理,得到多个子词;对各子词进行词性标注,得到多个已标注子词;对各已标注子词进行过滤,得到多个候选词;通过预设的关键词提取算法从各候选词中提取出多个关键词,并根据各关键词生成关键词集合。
具体地,通过预设的分词库,例如jieba分词库,对组件需求文本进行分词处理,得到多个子词。然后对各子词进行词性标注,以标明每个子词的词性(例如动词、名词、形容词、停用词等),标注后得到多个已标注子词。
对各已标注子词进行过滤,以去除没有实际意义的停用词等,得到多个候选词。通过预设的关键词提取算法对各候选词进行处理,得到多个关键词,将各关键词所构成的集合作为关键词集合。在一个实施例中,关键词提取算法可以是TextRank算法,它是一种基于图的用于关键词抽取和文档摘要的排序算法,由谷歌的网页重要性排序算法PageRank算法改进而来,它利用一篇文档内部的词语间的共现信息(语义)便可以抽取关键词,能够从一个给定的文本中抽取出该文本的关键词、关键词组,并使用抽取式的自动文摘方法抽取出该文本的关键句。
在一个实施例中,通过jieba分词库对组件需求文本进行分词处理,得到多个子词;然后对各子词进行标注得到多个已标注子词;对各已标注子词进行过滤得到多个候选词;再通过集成在jieba分词库中的TextRank算法从各候选词中提取得到关键词。
举例说明,现有组件需求文本如下:评论列表滚动分页展示。主评论可以包含富文本,并且主评论论可以带附件,每条主评论都可以有0至多条子评论,子评论是纯文本,超过两条子评论就要折叠子评论,并且展示总共多少条子评论。每条评论都有回复按钮,只有自己的评论才有编辑和删除按钮,编辑的时候主评论内容回显到富文本编辑框,子评论内容回显到纯文本编辑框。展开子评论回复或编辑子评论时要保持展开,收起状态时同理。
根据组件需求文本可以判断这是一个评论组件,可以根据组件名称选取与评论相关的第一候选组件作为第二候选组件。然后对组件需求文本进行关键词提取,得到关键词集合{滚动分页展示、主评论、子评论、富文本、附件、折叠子评论、编辑、删除、回复、回显}。
本实施例中,通过分词库对组件需求文本进行分词处理得到多个子词;对各子词进行词性标注,得到多个已标注子词;对各已标注子词进行过滤以去除无用的子词,得到多个候选词;通过关键词提取算法从各候选词中提取出多个关键词,并生成关键词集合,确保了后续根据关键词集合进行组件选取。
步骤S203,计算关键词集合与各第一候选组件的组件名之间的相似度,并根据得到的相似度对各第一候选组件进行筛选,得到多个第二候选组件。
具体地,计算关键词集合与每个第一候选组件的组件名之间的相似度。可以将关键词集合映射为一个向量,将组件名映射为另一个向量,例如通过Bert模型将关键词集合和组件名称分别映射为向量。计算两个向量之间的余弦相似度,作为关键词集合与组件名之间的相似度。
将计算得到的相似度与预设的相似度阈值相比较,如果相似度大于等于相似度阈值,则确定关键词集合与组件名称具有一定的相似性,组件名称所对应的第一组件可能符合组件需求,可以保留这些第一候选组件,得到多个第二候选组件。
步骤S204,基于关键词集合生成需求画像。
具体地,需求画像是组件需求文本的画像,它也是所期望的组件的画像。
具体地,关键词集合中具有多个关键词,根据预设的组合策略对这些关键词进行组合,得到多个关键词组合,各关键词组合构成了需求画像。
步骤S205,通过预设的关联度算法计算需求画像与各第二候选组件的组件画像之间的关联度。
具体地,通过预设的关联度算法分别计算需求画像与每个第二候选组件的组件画像之间的关联度。关联度反应了需求画像与组件画像之间的关联性,可以理解,关联度越高,基于组件需求文本的期望组件与候选组件的关联度越高。
步骤S206,根据得到的关联度从各第二候选组件中选取目标组件。
具体地,可以获取预设的关联度阈值,将计算得到的关联度与关联度阈值相比较,如果计算得到的关联度大于等于关联度阈值,表示需求画像与组件画像之间具有较高的关联度,基于组件需求文本的期望组件与第二候选组件的关联度也较高。
因此,可以选取与需求画像的关联度大于等于关联度阈值的第二组件画像,并将其对应的第二候选组件作为目标组件,并确定目标组件可以匹配组件需求文本。
在一个实施例中,当可以选取出目标组件时,向开发人员账号所登录的终端发送选取成功的通知,以告知开发人员存在可用的候选组件;当无法选取出目标组件时,向开发人员账号所登录的终端发送选取失败的通知,以告知开发人员不存在可用的候选组件。
本实施例中,获取组件需求文本以及多个第一候选组件,候选组件具有组件名以及组件画像,组件名对组件的功能有一定的体现,组件画像是候选组件的标签化模型;提取组件需求文本中的各关键词,得到关键词集合;计算关键词集合与各第一候选组件的组件名之间的相似度,基于相似度对第一候选组件是否符合组件需求文本进行初步判断,从而对各第一候选组件进行筛选,得到多个第二候选组件,缩小了处理范围,提高了组件筛选的速度;基于关键词集合生成需求画像,通过关联度算法计算需求画像与各第二候选组件的组件画像之间的关联度,关联度代表组件需求文本与候选组件之间的关联性,根据关联度对各第二候选组件进行筛选,得到符合需求的目标组件;本申请通过两次自动筛选,选取出符合组件需求的组件,确保了组件选取准确性,提高了组件选取的效率,从而提高了组件开发的效率。
进一步的,上述组件处理方法还可以包括:获取各第一候选组件的界面信息;根据各第一候选组件的界面信息和组件需求文本,对各第一候选组件进行筛选,得到多个第二候选组件。
具体地,第一候选组件是已经存在的组件,表示预先完成了对这些组件的开发,组件可以具有UI(User Interface Designer,简称UI,用户界面),因此也预先存储了第一候选组件的界面信息。
界面信息可以包括第一候选组件的UI稿和UI描述信息;UI稿是UI的设计稿,是图形化的文件;UI描述信息可以以文本的形式描述UI稿。
可以根据界面信息,判断第一候选组件是否符合组件需求文本,从而对各第一候选组件进行筛选,得到多个第二候选组件。这里是得到第二候选组件的另一种实施例,通过界面信息得到第二候选组件后,再根据需求画像和组件画像对各第二候选组件进行筛选,得到目标组件,具体过程不再重复论述。
在一个实施例中,可以将界面信息和组件需求文本发送至开发人员账号所登录的终端,从而由开发人员根据界面信息和组件需求文本对第一候选组件进行筛选。
在一个实施例中,可以对界面信息和组件需求文本进行文本层面的分析,例如进行文本匹配,从而初步判断第一候选组件是否符合组件需求文本,得到第二候选组件。例如,组件需求文本写了需要对评论列表进行分页展示,评论可以包含富文本;但是根据界面信息,候选组件的UI没有可以作为评论区的元素,或者有元素可以支持评论区,但不支持富文本,则判断第一候选组件不适合组件需求文本,不可以作为第二候选组件。
本实施例中,获取各第一候选组件的界面信息,根据界面信息判断第一候选组件是否符合组件需求文本,从而对各第一候选组件进行筛选,丰富了第一候选组件的筛选方式。
进一步的,上述步骤S204可以包括:获取关键词集合中各关键词的属性信息;按照预设的属性组合策略,根据各关键词的属性信息对各关键词进行组合,得到多个关键词组合;根据各关键词组合生成需求画像。
具体地,获取关键词集合中各关键词的属性信息,属性信息可以标记关键词是否是主体关键词,可以标记主体关键词的属性,还可以标记主体关键词的功能。
本申请预设了属性组合策略,属性组合策略定义了不同属性信息的关键词如何进行组合。根据属性组合策略以及各关键词的属性信息,对各关键词进行组合得到多个关键词组合,关键词组合可以构成需求画像。
承接上文的例子,关键词集合中的关键词有:主评论、子评论、纯文本、富文本、点赞、评论、编辑、删除。其中,根据属性信息,主体关键词有“主评论、子评论”,主体关键词的属性有“纯文本、富文本”,主体关键词的功能有“点赞、评论、编辑、删除”。然后将主体关键词与属性、主体关键词与功能进行组合,得到如下示出的关键词组合:
主评论-点赞(主评论有点赞功能);
主评论-编辑(主评论有编辑功能);
主评论-富文本(主评论是富文本的形式);
子评论-纯文本(子评论是纯文本的形式);
……
这些关键词组合构成了需求画像。可以理解,上文的论述是通过简单的例子对需求画像的生成进行了介绍,但并不限定需求画像的生成。并且,候选组件的组件画像也具有相同的形式,组件画像具有标签以及标签组合,其中标签等同于关键词集合中的关键词,标签组合等同于需求画像中的关键词组合。
本实施例中,获取关键词集合中各关键词的属性信息,属性信息描述了关键词的特性、类型;按照属性组合策略,根据各关键词的属性信息对各关键词进行组合,得到多个关键词组合,关键词组合反应了期望组件的特性,根据各关键词组合可以生成描述期望组件的需求画像。
进一步的,上述步骤S205可以包括:将需求画像中的各关键词组合作为第一项集;根据各第二候选组件的组件画像中的各标签组合,分别生成各第二候选组件的第二项集;通过Apriori算法分别计算第一项集和各第二项集之间的关联度,并作为需求画像与各第二候选组件的组件画像之间的关联度。
具体地,Apriori算法是用于挖掘频繁项集和关联规则的算法,它通过计算项集之间的支持度和置信度来评估它们之间的关联度。本申请中,将需求画像中的各关键词组合作为第一项集;将每个第二候选组件的组件画像中的各标签组合,确定为第二候选组件的第二项集;多个第二候选组件可以得到多个第二项集。通过Apriori算法分别计算第一项集和各第二项集之间的关联度,并将这个关联度作为需求画像与各第二候选组件的组件画像之间的关联度,从而可以描述需求画像与各第二候选组件之间的关联性。
本实施例中,将需求画像中的各关键词组合作为第一项集;根据各第二候选组件的组件画像中的各标签组合,分别生成各第二候选组件的第二项集;通过Apriori算法分别计算第一项集和各第二项集之间的关联度,并将其作为需求画像与各第二候选组件的组件画像之间的关联度,从而得到需求画像与各第二候选组件之间的关联性。
进一步的,上述步骤S206之后,还可以包括:获取目标组件的标准字段以及组件说明信息,其中,标准字段定义目标组件中的参数,组件说明信息对目标组件进行说明与定义。
具体地,目标组件具有预设的标准字段以及组件说明信息,其中,标准字段定义了目标组件运行时涉及到的参数,例如,当目标组件涉及前端和后端时,调用后端接口具有入参和出参,标准字段定义了调用接口时入参和出参有哪些,且入参和出参的具体名称。组件说明信息对目标组件进行了说明与定义,承接上述的例子,组件说明信息可以对入参和出参等标准字段的数据类型、取值范围等进行规范,还可以为目标组件提供其他运行规范。
比如:组件需求是在页面显示用户某年的保费,那么后端需要使用该用户的账号和年份来在数据库中查询,查询到之后将数据返回给前端。前端需要通过接口将该用户的账号和查询年份传给后端,账号和年份就是目标组件中的参数,这两个参数要前后端统一,比如前后端统一约定账号用userNumber表示,年份用year表示:{userNumber:YUYUE441,year:2023},这就是前端要传给后端的请求数据;前后端还要统一约定响应的字段是premium,它也是目标组件中的参数,{premium:100000}可以是后端返回给前端的数据。
本实施例中,获取目标组件的标准字段以及组件说明信息,标准字段定义目标组件中的参数,组件说明信息对目标组件进行说明与定义,使得开发人员便于理解目标组件。
进一步的,上述获取目标组件的标准字段以及组件说明信息的步骤之后,还可以包括:根据目标组件及其对应的标准字段和组件说明信息,生成组件选取结果;将组件选取结果发送至开发人员账号所登录的终端,以指示开发人员根据标准字段和组件说明信息调用目标组件。
具体地,根据目标组件及其对应的标准字段和组件说明信息,生成组件选取结果;将组件选取结果发送至开发人员账号所登录的终端;开发人员可以在终端查看标准字段和组件说明信息,从而更快了解目标组件,更快调用目标组件以完成业务需求。
本实施例中,根据目标组件及其对应的标准字段和组件说明信息,生成组件选取结果;将组件选取结果发送至开发人员账号所登录的终端,以便开发人员可以更快地了解、调用目标组件以完成业务需求,提高了组件开发的效率。
本申请中的组件可以是金融领域中的组件,例如可以是实现保险产品的组件。可以理解,各种涉及组件的开发场景,均可以使用本申请的组件处理方法。
需要强调的是,为进一步保证上述组件画像的私密和安全性,上述组件画像还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,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。
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、机器人技术、生物识别技术、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。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图3,作为对上述图2所示方法的实现,本申请提供了一种组件处理装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图3所示,本实施例所述的组件处理装置300包括:获取模块301、关键词提取模块302、组件筛选模块303、画像生成模块304、关联计算模块305以及组件选取模块306,其中:
获取模块301,用于获取组件需求文本以及多个第一候选组件,其中,候选组件具有组件名以及组件画像。
关键词提取模块302,用于提取组件需求文本中的各关键词,得到关键词集合。
组件筛选模块303,用于计算关键词集合与各第一候选组件的组件名之间的相似度,并根据得到的相似度对各第一候选组件进行筛选,得到多个第二候选组件。
画像生成模块304,用于基于关键词集合生成需求画像。
关联计算模块305,用于通过预设的关联度算法计算需求画像与各第二候选组件的组件画像之间的关联度。
组件选取模块306,用于根据得到的关联度从各第二候选组件中选取目标组件。
本实施例中,获取组件需求文本以及多个第一候选组件,候选组件具有组件名以及组件画像,组件名对组件的功能有一定的体现,组件画像是候选组件的标签化模型;提取组件需求文本中的各关键词,得到关键词集合;计算关键词集合与各第一候选组件的组件名之间的相似度,基于相似度对第一候选组件是否符合组件需求文本进行初步判断,从而对各第一候选组件进行筛选,得到多个第二候选组件,缩小了处理范围,提高了组件筛选的速度;基于关键词集合生成需求画像,通过关联度算法计算需求画像与各第二候选组件的组件画像之间的关联度,关联度代表组件需求文本与候选组件之间的关联性,根据关联度对各第二候选组件进行筛选,得到符合需求的目标组件;本申请通过两次自动筛选,选取出符合组件需求的组件,确保了组件选取准确性,提高了组件选取的效率,从而提高了组件开发的效率。
在本实施例的一些可选的实现方式中,组件处理装置300还可以包括:界面获取模块以及界面筛选模块,其中:
界面获取模块,用于获取各第一候选组件的界面信息。
界面筛选模块,用于根据各第一候选组件的界面信息和组件需求文本,对各第一候选组件进行筛选,得到多个第二候选组件。
本实施例中,获取各第一候选组件的界面信息,根据界面信息判断第一候选组件是否符合组件需求文本,从而对各第一候选组件进行筛选,丰富了第一候选组件的筛选方式。
在本实施例的一些可选的实现方式中,关键词提取模块302可以包括:分词处理子模块、子词标注子模块、子词过滤子模块以及关键词提取子模块,其中:
分词处理子模块,用于通过预设的分词库对组件需求文本进行分词处理,得到多个子词。
子词标注子模块,用于对各子词进行词性标注,得到多个已标注子词。
子词过滤子模块,用于对各已标注子词进行过滤,得到多个候选词。
关键词提取子模块,用于通过预设的关键词提取算法从各候选词中提取出多个关键词,并根据各关键词生成关键词集合。
本实施例中,通过分词库对组件需求文本进行分词处理得到多个子词;对各子词进行词性标注,得到多个已标注子词;对各已标注子词进行过滤以去除无用的子词,得到多个候选词;通过关键词提取算法从各候选词中提取出多个关键词,并生成关键词集合,确保了后续根据关键词集合进行组件选取。
在本实施例的一些可选的实现方式中,画像生成模块304可以包括:属性获取子模块、关键词组合子模块以及画像生成子模块,其中:
属性获取子模块,用于获取关键词集合中各关键词的属性信息。
关键词组合子模块,用于按照预设的属性组合策略,根据各关键词的属性信息对各关键词进行组合,得到多个关键词组合。
画像生成子模块,用于根据各关键词组合生成需求画像。
本实施例中,获取关键词集合中各关键词的属性信息,属性信息描述了关键词的特性、类型;按照属性组合策略,根据各关键词的属性信息对各关键词进行组合,得到多个关键词组合,关键词组合反应了期望组件的特性,根据各关键词组合可以生成描述期望组件的需求画像。
在本实施例的一些可选的实现方式中,关联计算模块305可以包括:第一确定子模块、第二生成子模块以及关联计算子模块,其中:
第一确定子模块,用于将需求画像中的各关键词组合作为第一项集。
第二生成子模块,用于根据各第二候选组件的组件画像中的各标签组合,分别生成各第二候选组件的第二项集。
关联计算子模块,用于通过Apriori算法分别计算第一项集和各第二项集之间的关联度,并作为需求画像与各第二候选组件的组件画像之间的关联度。
本实施例中,将需求画像中的各关键词组合作为第一项集;根据各第二候选组件的组件画像中的各标签组合,分别生成各第二候选组件的第二项集;通过Apriori算法分别计算第一项集和各第二项集之间的关联度,并将其作为需求画像与各第二候选组件的组件画像之间的关联度,从而得到需求画像与各第二候选组件之间的关联性。
在本实施例的一些可选的实现方式中,组件处理装置300还可以包括说明获取模块,用于获取目标组件的标准字段以及组件说明信息,其中,标准字段定义目标组件中的参数,组件说明信息对目标组件进行说明与定义。
本实施例中,获取目标组件的标准字段以及组件说明信息,标准字段定义目标组件中的参数,组件说明信息对目标组件进行说明与定义,使得开发人员便于理解目标组件。
在本实施例的一些可选的实现方式中,组件处理装置300还可以包括:结果生成模块以及结果发送模块,其中:
结果生成模块,用于根据目标组件及其对应的标准字段和组件说明信息,生成组件选取结果。
结果发送模块,用于将组件选取结果发送至开发人员账号所登录的终端,以指示开发人员根据标准字段和组件说明信息调用目标组件。
本实施例中,根据目标组件及其对应的标准字段和组件说明信息,生成组件选取结果;将组件选取结果发送至开发人员账号所登录的终端,以便开发人员可以更快地了解、调用目标组件以完成业务需求,提高了组件开发的效率。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图4,图4为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是,图中仅示出了具有组件41-43的计算机设备4,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器41至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器41可以是所述计算机设备4的内部存储单元,例如该计算机设备4的硬盘或内存。在另一些实施例中,所述存储器41也可以是所述计算机设备4的外部存储设备,例如该计算机设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中,所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件,例如组件处理方法的计算机可读指令等。此外,所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器42在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中,所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据,例如运行所述组件处理方法的计算机可读指令。
所述网络接口43可包括无线网络接口或有线网络接口,该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
本实施例中提供的计算机设备可以执行上述组件处理方法。此处组件处理方法可以是上述各个实施例的组件处理方法。
本实施例中,获取组件需求文本以及多个第一候选组件,候选组件具有组件名以及组件画像,组件名对组件的功能有一定的体现,组件画像是候选组件的标签化模型;提取组件需求文本中的各关键词,得到关键词集合;计算关键词集合与各第一候选组件的组件名之间的相似度,基于相似度对第一候选组件是否符合组件需求文本进行初步判断,从而对各第一候选组件进行筛选,得到多个第二候选组件,缩小了处理范围,提高了组件筛选的速度;基于关键词集合生成需求画像,通过关联度算法计算需求画像与各第二候选组件的组件画像之间的关联度,关联度代表组件需求文本与候选组件之间的关联性,根据关联度对各第二候选组件进行筛选,得到符合需求的目标组件;本申请通过两次自动筛选,选取出符合组件需求的组件,确保了组件选取准确性,提高了组件选取的效率,从而提高了组件开发的效率。
本申请还提供了另一种实施方式,即提供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可读指令,所述计算机可读指令可被至少一个处理器执行,以使所述至少一个处理器执行如上述的组件处理方法的步骤。
本实施例中,获取组件需求文本以及多个第一候选组件,候选组件具有组件名以及组件画像,组件名对组件的功能有一定的体现,组件画像是候选组件的标签化模型;提取组件需求文本中的各关键词,得到关键词集合;计算关键词集合与各第一候选组件的组件名之间的相似度,基于相似度对第一候选组件是否符合组件需求文本进行初步判断,从而对各第一候选组件进行筛选,得到多个第二候选组件,缩小了处理范围,提高了组件筛选的速度;基于关键词集合生成需求画像,通过关联度算法计算需求画像与各第二候选组件的组件画像之间的关联度,关联度代表组件需求文本与候选组件之间的关联性,根据关联度对各第二候选组件进行筛选,得到符合需求的目标组件;本申请通过两次自动筛选,选取出符合组件需求的组件,确保了组件选取准确性,提高了组件选取的效率,从而提高了组件开发的效率。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上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,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种组件处理方法,其特征在于,包括下述步骤:
获取组件需求文本以及多个第一候选组件,其中,候选组件具有组件名以及组件画像;
提取所述组件需求文本中的各关键词,得到关键词集合;
计算所述关键词集合与各第一候选组件的组件名之间的相似度,并根据得到的相似度对所述各第一候选组件进行筛选,得到多个第二候选组件;
基于所述关键词集合生成需求画像;
通过预设的关联度算法计算所述需求画像与各第二候选组件的组件画像之间的关联度;
根据得到的关联度从所述各第二候选组件中选取目标组件。
2.根据权利要求1所述的组件处理方法,其特征在于,所述方法还包括:
获取各第一候选组件的界面信息;
根据所述各第一候选组件的界面信息和所述组件需求文本,对所述各第一候选组件进行筛选,得到多个第二候选组件。
3.根据权利要求1所述的组件处理方法,其特征在于,所述提取所述组件需求文本中的各关键词,得到关键词集合的步骤包括:
通过预设的分词库对所述组件需求文本进行分词处理,得到多个子词;
对各子词进行词性标注,得到多个已标注子词;
对各已标注子词进行过滤,得到多个候选词;
通过预设的关键词提取算法从各候选词中提取出多个关键词,并根据各关键词生成关键词集合。
4.根据权利要求1所述的组件处理方法,其特征在于,所述基于所述关键词集合生成需求画像的步骤包括:
获取所述关键词集合中各关键词的属性信息;
按照预设的属性组合策略,根据所述各关键词的属性信息对所述各关键词进行组合,得到多个关键词组合;
根据各关键词组合生成需求画像。
5.根据权利要求4所述的组件处理方法,其特征在于,所述通过预设的关联度算法计算所述需求画像与各第二候选组件的组件画像之间的关联度的步骤包括:
将所述需求画像中的各关键词组合作为第一项集;
根据各第二候选组件的组件画像中的各标签组合,分别生成所述各第二候选组件的第二项集;
通过Apriori算法分别计算所述第一项集和各第二项集之间的关联度,并作为所述需求画像与所述各第二候选组件的组件画像之间的关联度。
6.根据权利要求1所述的组件处理方法,其特征在于,在所述根据得到的关联度从所述各第二候选组件中选取目标组件的步骤之后,还包括:
获取所述目标组件的标准字段以及组件说明信息,其中,所述标准字段定义所述目标组件中的参数,所述组件说明信息对所述目标组件进行说明与定义。
7.根据权利要求6所述的组件处理方法,其特征在于,在所述获取所述目标组件的标准字段以及组件说明信息的步骤之后,还包括:
根据所述目标组件及其对应的标准字段和组件说明信息,生成组件选取结果;
将所述组件选取结果发送至开发人员账号所登录的终端,以指示开发人员根据所述标准字段和所述组件说明信息调用所述目标组件。
8.一种组件处理装置,其特征在于,包括:
获取模块,用于获取组件需求文本以及多个第一候选组件,其中,候选组件具有组件名以及组件画像;
关键词提取模块,用于提取所述组件需求文本中的各关键词,得到关键词集合;
组件筛选模块,用于计算所述关键词集合与各第一候选组件的组件名之间的相似度,并根据得到的相似度对所述各第一候选组件进行筛选,得到多个第二候选组件;
画像生成模块,用于基于所述关键词集合生成需求画像;
关联计算模块,用于通过预设的关联度算法计算所述需求画像与各第二候选组件的组件画像之间的关联度;
组件选取模块,用于根据得到的关联度从所述各第二候选组件中选取目标组件。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的组件处理方法的步骤。
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上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的组件处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310741105.1A CN116755688A (zh) | 2023-06-20 | 2023-06-20 | 组件处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310741105.1A CN116755688A (zh) | 2023-06-20 | 2023-06-20 | 组件处理方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116755688A true CN116755688A (zh) | 2023-09-15 |
Family
ID=87954883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310741105.1A Pending CN116755688A (zh) | 2023-06-20 | 2023-06-20 | 组件处理方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116755688A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117271782A (zh) * | 2023-11-22 | 2023-12-22 | 天津华来科技股份有限公司 | Sdk组件的动态集成方法及系统 |
-
2023
- 2023-06-20 CN CN202310741105.1A patent/CN116755688A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117271782A (zh) * | 2023-11-22 | 2023-12-22 | 天津华来科技股份有限公司 | Sdk组件的动态集成方法及系统 |
CN117271782B (zh) * | 2023-11-22 | 2024-02-23 | 天津华来科技股份有限公司 | Sdk组件的动态集成方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111046221B (zh) | 歌曲推荐方法、装置、终端设备以及存储介质 | |
CN113722438B (zh) | 基于句向量模型的句向量生成方法、装置及计算机设备 | |
CN113627797B (zh) | 入职员工画像生成方法、装置、计算机设备及存储介质 | |
CN114357117A (zh) | 事务信息查询方法、装置、计算机设备及存储介质 | |
CN112417133A (zh) | 排序模型的训练方法和装置 | |
CN116755688A (zh) | 组件处理方法、装置、计算机设备及存储介质 | |
CN116453125A (zh) | 基于人工智能的数据录入方法、装置、设备及存储介质 | |
CN113723077B (zh) | 基于双向表征模型的句向量生成方法、装置及计算机设备 | |
CN117312535B (zh) | 基于人工智能的问题数据处理方法、装置、设备及介质 | |
CN112199954B (zh) | 基于语音语义的疾病实体匹配方法、装置及计算机设备 | |
CN117195886A (zh) | 基于人工智能的文本数据处理方法、装置、设备及介质 | |
CN117234505A (zh) | 一种交互页面生成方法、装置、设备及其存储介质 | |
CN116774973A (zh) | 数据渲染方法、装置、计算机设备及存储介质 | |
CN116796840A (zh) | 医疗实体信息抽取方法、装置、计算机设备及存储介质 | |
CN116166858A (zh) | 基于人工智能的信息推荐方法、装置、设备及存储介质 | |
CN115062136A (zh) | 基于图神经网络的事件消歧方法及其相关设备 | |
CN114091451A (zh) | 一种文本分类方法、装置、设备及存储介质 | |
US20220222300A1 (en) | Systems and methods for temporal and visual feature driven search utilizing machine learning | |
US20240312020A1 (en) | Conditioned smart image cropping | |
CN116932739A (zh) | 基于人工智能的数据生成方法、装置、设备及存储介质 | |
CN117271790A (zh) | 标注数据的扩充方法、装置、计算机设备及存储介质 | |
CN115544282A (zh) | 基于图数据库的数据处理方法、装置、设备及存储介质 | |
CN117076775A (zh) | 资讯数据的处理方法、装置、计算机设备及存储介质 | |
CN116776838A (zh) | 文本处理方法、装置、计算机设备及存储介质 | |
CN117389607A (zh) | 看板配置方法、装置、计算机设备及存储介质 |
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 |