CN116821389A - 图标匹配方法、装置、计算机设备及存储介质 - Google Patents
图标匹配方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116821389A CN116821389A CN202310782913.2A CN202310782913A CN116821389A CN 116821389 A CN116821389 A CN 116821389A CN 202310782913 A CN202310782913 A CN 202310782913A CN 116821389 A CN116821389 A CN 116821389A
- Authority
- CN
- China
- Prior art keywords
- icon
- service
- matched
- mark
- library
- 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
- 238000000034 method Methods 0.000 title claims abstract description 87
- 238000012549 training Methods 0.000 claims description 26
- 239000003550 marker Substances 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 13
- 238000011176 pooling Methods 0.000 claims description 10
- 230000000007 visual effect Effects 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 45
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
Landscapes
- User Interface Of Digital Computer (AREA)
Abstract
本申请实施例属于金融领域的人工智能技术,涉及一种图标匹配方法,包括获取训练完成的图标识别模型及业务图标集,利用图标识别模型对业务图标集中的图标进行图标识别,得到业务图标标记集;将业务图标标记集存储至图标库中;获取待匹配业务图标,判断待匹配业务图标与图标库是否匹配;当匹配时,则选择图标库中匹配的图标标记作为待匹配业务图标的目标图标标记;当不匹配时,则在业务中新增待匹配业务图标的图标标记。本申请还提供一种图标匹配装置、计算机设备及存储介质。此外,本申请还涉及区块链技术,业务图标集可存储于区块链中。本申请提高图标匹配的准确率及业务更新升级的效率。
Description
技术领域
本申请涉及人工智能领域,尤其涉及一种图标匹配方法、装置、计算机设备及存储介质。
背景技术
随着互联网技术的发展,利用人工智能图片识别工具能够极大地提升人类的生产生活效率,如人脸识别、车辆识别、动物识别等等都在各种互联网应用场景中大量使用。而在金融领域中,银行的各个业务系统在业务更新升级的过程中也会涉及到人工智能的图片识别技术。然而,在更新升级过程中,前端业务往往会包括成千上万个前端页面,这些页面中包括大量图标,从而导致更新升级的效率比较低,如何提高业务更新升级的效率成为亟待解决的问题。
现有一种业务更新升级的方法,在业务更新升级过程中对大量的重复文件进行编译传输,使得每一张图标或者图片能够唯一标识,从而有效管理所有的携带唯一标识的图标或者图片。
然而,申请人发现,传统的业务更新升级方法存在一定的缺陷,一方面,在更新升级过程中一些前端业务中经常会包括成千上万个前端页面,这些页面中包括大量图标,在业务的更新升级过程中会经常用到相同的图标和图片,如果在每个业务更新升级都加入相同的图标进入业务中,容易造成大量的重复的文件在业务中越积越多,并且在业务更新升级过程中需要对大量的重复文件进行编译传输,使得业务更新升级的效率降低,另一方面,由于大型业务的更新升级往往涉及众多开发人员及模块,在业务更新升级的过程中需要花费大量人力进行图标匹配,导致业务在更新升级过程中图标匹配的准确率降低,由此可见,传统的业务更新升级方法存在图标匹配准确率低、业务更新升级效率低的问题。
发明内容
本申请实施例的目的在于提出一种图标匹配方法、装置、计算机设备及存储介质,其主要目的是提高图标匹配的准确率及业务更新升级的效率。
为了解决上述技术问题,本申请实施例提供一种图标匹配方法,采用了如下所述的技术方案:
获取训练完成的图标识别模型及业务图标集,利用所述图标识别模型对所述业务图标集中的图标进行图标识别,得到业务图标标记集;
将所述业务图标标记集存储至预设的图标库中;
获取待匹配业务图标,判断所述待匹配业务图标与所述图标库是否匹配;
当所述待匹配业务图标与所述图标库匹配时,则选择所述图标库中匹配的图标标记作为所述待匹配业务图标的目标图标标记;
当所述待匹配业务图标与所述图标库不匹配时,则在业务中新增所述待匹配业务图标的图标标记。
进一步的,所述判断所述待匹配业务图标与所述图标库是否匹配,包括:
获取所述待匹配业务图标的初始图标标记及所述图标库中的本地图标标记及远程图标标记;
判断所述初始图标标记与所述本地图标标记是否匹配;
当所述初始图标标记与所述本地图标标记匹配,则确定所述待匹配业务图标与所述图标库相匹配;
当所述初始图标标记与所述本地图标标记不匹配,则判断所述初始图标标记与所述远程图标标记是否匹配;
当所述初始图标标记与所述远程图标标记匹配,则确定所述待匹配业务图标与所述图标库相匹配;
当所述初始图标标记与所述远程图标标记不匹配,则确定所述待匹配业务图标与所述图标库不匹配。
进一步的,所述选择所述图标库中匹配的图标标记作为所述待匹配业务图标的目标图标标记,包括:
获取待匹配业务图标的业务需求,以及在所述图标库中与所述待匹配业务图标相匹配的图标列表;
根据所述业务需求从所述图标列表中选择所述待匹配业务图标的目标图标标记。
进一步的,所述在业务中新增所述待匹配业务图标的图标标记,包括:
识别所述待匹配业务图标的图标类别;
根据所述图标类别确定所述待匹配业务图标的业务路径;
基于所述业务路径将所述待匹配业务图标新增至业务中。
进一步的,所述将所述业务图标标记集存储至预设的图标库中,包括:
获取所述业务图标标记集的图标路径,并识别所述业务图标标记集中图标所属的业务类别;
根据所述图标路径及所述业务类别将所述业务图标标记集存储至对应的图标库中。
进一步的,所述利用所述图标识别模型对所述业务图标集中的图标进行图标识别,得到业务图标标记集,包括:
利用所述图标识别模型的卷积层对所述业务图标集中的图标进行卷积操作,得到图标特征集;
利用所述图标识别模型的池化层对所述图标特征集进行最大池化操作,得到池化图标集;
将所述池化图标集输入至所述图标识别模型中的全连接层中的激活函数中,输出所述业务图标标记集。
进一步的,所述获取训练完成的图标识别模型及业务图标集之前,所述方法还包括:
获取训练图标集及预设的模型训练框架;
在所述模型训练框架中的可视化建模模块中配置所述训练图标集的图标模型工作流程,并根据所述图标模型工作流程创建初始图标识别模型;
获取所述训练图标集对应的真实图标标签集,将所述训练图标集输入至所述初始图标识别模型中,得到所述训练图标集的预测图标标签集;
计算所述预测图标标签集与所述真实图标标签集的损失值,根据所述损失值调整所述初始图标识别模型的参数,直至所述损失值满足预设阈值,得到所述训练完成的图标识别模型。
为了解决上述技术问题,本申请实施例还提供一种图标匹配装置,采用了如下所述的技术方案:
识别模块,用于获取训练完成的图标识别模型及业务图标集,利用所述图标识别模型对所述业务图标集中的图标进行图标识别,得到业务图标标记集;
存储模块,用于将所述业务图标标记集存储至预设的图标库中;
匹配模块,用于获取待匹配业务图标,判断所述待匹配业务图标与所述图标库是否匹配;
选择模块,用于当所述待匹配业务图标与所述图标库匹配时,则选择所述图标库中匹配的图标标记作为所述待匹配业务图标的目标图标标记;
新增模块,用于当所述待匹配业务图标与所述图标库不匹配时,则在业务中新增所述待匹配业务图标的图标标记。
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:
存储器,存储至少一个计算机程序;及
处理器,执行所述存储器中存储的计算机程序以实现上述所述的图标匹配方法。
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:
所述计算机可读存储介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的图标匹配方法。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例中,获取训练完成的图标识别模型及业务图标集之后,首先通过利用图标识别模型对业务图标集中的图标进行图标识别,得到业务图标标记集,能够在业务更新升级时对所有业务图标进行图标识别,无需对已识别的图标进行二次识别,提升图标识别效率;其次,通过将业务图标标记集存储至预设的图标库中,能够在业务更新升级过程中对相同图标进行重复利用,提高了业务更新升级时的效率;最后,通过判断待匹配业务图标与图标库是否匹配,能够解决在业务更新升级的过程中需要花费大量人力进行图标匹配的问题,从而提高了业务更新时图标匹配的准确率,当匹配时,选择图标库中匹配的图标标记作为待匹配业务图标的目标图标标记,不仅能够实现图标的去重,提高业务更新升级的效率,还能够实现图标的自动匹配,进一步提高了图标匹配的准确率;当不匹配时,在业务中新增待匹配业务图标的图标标记,可以在实现图标匹配时,完善图标库,进一步提高图标匹配的准确率。因此本申请提出的图标匹配方法、装置、计算机设备及存储介质可以提高图标匹配的准确率及业务更新升级的效率。
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根据本申请的图标匹配方法的一个实施例的流程图;
图3是图2中步骤S203的一种具体实施方式的流程图;
图4是根据本申请的图标匹配装置的一个实施例的结构示意图;
图5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 E图标匹配perts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureE图标匹配perts 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图标匹配方法一般由服务器/终端设备执行,相应地,图标匹配装置一般设置于服务器/终端设备中。
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图标匹配方法的一个实施例的流程图。所述图标匹配方法,包括以下步骤:
S201、获取训练完成的图标识别模型及业务图标集,利用所述图标识别模型对所述业务图标集中的图标进行图标识别,得到业务图标标记集。
本发明实施例中,所述业务图标集是指基于实际业务场景采集的图标集合,包括货币图标、股价折线图标及保险图标(如产险图标图标、寿险图标)等,比如,金融领域中,有一产险客户端更新升级业务,则该业务图标集包括车险产品图标、意外健康险产品图标及车险产品关闭图标等。
本发明实施例中,所述业务图标标记集是指每个业务图标对应的标记集合。比如,在保险推销中业务中,所述业务图标标记集可以包括车险图标标记、工程险图标标记、意外健康险图标标记、关闭按钮、更多按钮、箭头向左、箭头向右、电话簿、喇叭等。
本发明实施例中,所述训练完成的图标识别模型可以为CNN神经网络模型,包括卷积层、池化层及全连接层。
本发明实施例中,通过获取训练完成的图标识别模型及业务图标集,利用所述图标识别模型对所述业务图标集中的图标进行图标识别,得到业务图标标记集,能够在业务更新升级时对所有业务图标进行图标识别,无需对已识别的图标进行二次识别,提高图标识别效率。
作为本发明的一个实施例,所述获取训练完成的图标识别模型及业务图标集之前,所述方法还包括:
获取训练图标集及预设的模型训练框架;
在所述模型训练框架中的可视化建模模块中配置所述训练图标集的图标模型工作流程,并根据所述图标模型工作流程创建初始图标识别模型;
获取所述训练图标集对应的真实图标标签集,将所述训练图标集输入至所述初始图标识别模型中,得到所述训练图标集的预测图标标签集;
计算所述预测图标标签集与所述真实图标标签集的损失值,根据所述损失值调整所述初始图标识别模型的参数,直至所述损失值满足预设阈值,得到所述训练完成的图标识别模型。
其中,所述模型训练框架可以为tensorflow,通过该框架能够训练出满足不同业务需求的图标识别模型。
本发明一实施例中,所述可视化建模模块可以为tensorflow中的PAI-Designer的可视化画布,该画布中包括多个节点组件,用户可根据实际业务需求自定义选择不同的节点组件,以配置图标模型工作流程;其中,该工作流程通过在拖拽不同的节点组件至可视化画布上,并从上至下连接选取的节点组件,以实现图标模型工作流程的配置,进一步的,在可视化画布上对配置好的图标模型工作流程进行运行,则可得到初始图标识别模型。
比如,有一产险客户端更新升级业务,该更新升级业务需要增加图标识别,则可以依次选取产险产品图标数据读取组件、深度学习中的卷积组件、深度学习中的池化组件、深度学习中的全连接组件及图标二分类组件等,通过对依次选择的节点组件进行连接并运行,能够得到初始图标识别模型。
进一步的,本发明实施例中,通过将训练图标集输入至初始图标识别模型中,通过初始图标识别模型对训练图标进行卷积池化操作,得到图标特征;再通过模型的全连接层对图标特征进行空间展平并输入激活函数中,得到预测图标标签,进一步通过Loss函数计算预测图标标签集与真实图标标签集的损失值,当损失值不小于预设阈值(如0.8),则调整初始图标识别模型的参数;当损失值小于预设阈值(如0.8),则得到训练完成的图标识别模型。
作为本发明的一个实施例,所述利用所述图标识别模型对所述业务图标集中的图标进行图标识别,得到业务图标标记集,包括:
利用所述图标识别模型的卷积层对所述业务图标集中的图标进行卷积操作,得到图标特征集;
利用所述图标识别模型的池化层对所述图标特征集进行最大池化操作,得到池化图标集;
将所述池化图标集输入至所述图标识别模型中的全连接层中的激活函数中,输出所述业务图标标记集。
其中,所述卷积操作通过3x3的卷积核提取业务图标集中的图标特征集,并通过对图标特征集进行2x2的max pooling操作,能够保留图标特征集中最重要的特征,而去除一些无用特征,在保证提取的图标特征的准确率的同时提高计算速度,以实现图标识别的效率及准确率。
本发明一实施例中,通过将池化图标集输入至全连接层中将池化图标集reshape成一行,最后通过Relu激活函数对reshape后的数据进行Dropout操作,能够的得到业务图标标记集。
S202、将所述业务图标标记集存储至预设的图标库中。
本发明实施例中,所述预设的图标库是指企业存储图标数据的数据库,且所述图标库可以为传统的数据仓库也可以为用户自定义的文件存储库,当数据量较大时通常使用数据仓库进行存储,以提高存储速度;其中,所述图标库包括远程图标库及本地图标库,其中,远程图标库包括企业内部常用的公共在线图标CDN库,且企业全业务的图标都可以存储至远程图标库中;本地图标库仅包括当前业务图标。
本发明实施例中,通过将所述业务图标标记集存储至预设的图标库中,能够在业务更新升级过程中对相同图标进行重复利用,解决了在每个业务更新升级都加入相同的图标进入业务中,容易造成大量的重复的文件在业务中越积越多,并且需要在业务更新升级过程中需要对大量的重复文件进行编译传输的问题,提高了业务更新升级时的效率。
作为本发明的一个实施例,所述将所述业务图标标记集存储至预设的图标库中,包括:
获取所述业务图标标记集的图标路径,并识别所述业务图标标记集中图标所属的业务类别;
根据所述图标路径及所述业务类别将所述业务图标标记集存储至对应的图标库中。
其中,所述图标路径是指业务图标标记集当前图标的路径;所述业务类别包括本地业务(即当前业务)或者远程业务,当识别到业务类别为本地业务,则将业务图标标记存储至图标库中的本地图标库中;当识别到业务类别为远程业务,则将业务图标标记存储至图标库中的远程图标库中。
本发明一实施例中,通过将业务图标标记集存储于本地图标库或远程图标库中,能够保证业务图标标记在企业全业务中都能使用,且无需重复存储,以提高业务更新升级的效率。
S203、获取待匹配业务图标,判断所述待匹配业务图标与所述图标库是否匹配。
本发明实施例中,所述待匹配业务图标是指业务更新升级过程中需要新增的业务图标。其中,所述待匹配图标的获取可以通过接收用户在业务前端页面的侧边悬浮框入口的进入指令,根据进入指令获取业务前端页中弹层上传的待匹配业务图标。
本发明实施例中,通过判断所述待匹配业务图标与所述图标库是否匹配,能够解决在业务更新升级的过程中需要花费大量人力进行图标匹配的问题,从而提高了图标匹配的准确率。
作为本发明的一个实施例,参考图3所示,所述判断所述待匹配业务图标与所述图标库是否匹配,包括以下步骤S2031-S2036:
S2031、获取所述待匹配业务图标的初始图标标记及所述图标库中的本地图标标记及远程图标标记;
S2032、判断所述初始图标标记与所述本地图标标记是否匹配;
S2033、当所述初始图标标记与所述本地图标标记匹配,则确定所述待匹配业务图标与所述图标库相匹配;
S2034、当所述初始图标标记与所述本地图标标记不匹配,则判断所述初始图标标记与所述远程图标标记是否匹配;
S2035、当所述初始图标标记与所述远程图标标记匹配,则确定所述待匹配业务图标与所述图标库相匹配;
S2036、当所述初始图标标记与所述远程图标标记不匹配,则确定所述待匹配业务图标与所述图标库不匹配。
其中,通过识别本地图标标记是存储至传统的数据仓库还是用户自定义的文件存储库中,若本地图标标记是存储至传统的数据仓库中,则可以通过SQL查询语句查找本地图标标记,并识别本地图标标记的标签名是否存在与初始图标标记的标签名一致的图标,以判断所述初始图标标记与所述本地图标标记是否匹配;若本地图标标记是存储于用户自定义的文件存储库中,则通过fopen函数打开文件,再通过fread函数读取文件中的本地图标标记,并从本地图标标记中查找是否存在与初始图标标记一致的图标。
本发明实施例中,通过判断待匹配业务图标分别与本地图标库及远程图标库是否匹配,能够在业务升级过程中,将待匹配业务图标与业务更新升级过程中涉及的当前业务图标及所有业务图标进行自动匹配,无需花费大量人力进行图标匹配,以提高业务在更新升级过程中图标匹配的准确率。
进一步的,本发明实施例中,判断所述初始图标标记与所述远程图标标记是否匹配的方法与所述判断所述初始图标标记与所述本地图标标记是否匹配的方法一致,此处不再赘述。
S204、当所述待匹配业务图标与所述图标库匹配时,则选择所述图标库中匹配的图标标记作为所述待匹配业务图标的目标图标标记。
本发明实施例中,当所述待匹配业务图标与所述图标库匹配时,表示在业务更新升级过程中无需新增相同或重复图标至业务中,通过选择所述图标库中匹配的图标标记作为所述待匹配业务图标的目标图标标记,不需要在每个业务更新升级时都加入相同的图标进入业务,即在业务更新升级过程中无需对大量的重复文件进行编译传输,能够提高业务更新升级的效率,并且无需通过花费大量人力进行图标匹配的问题,能够实现图标的自动匹配,进一步提高了图标匹配的准确率。
本发明实施例中,所述目标图标标记是指在业务更新升级过程中待匹配业务图标所需的当前图标标签。
作为本发明的一个实施例,所述选择所述图标库中匹配的图标标记作为所述待匹配业务图标的目标图标标记,包括:
获取待匹配业务图标的业务需求,以及在所述图标库中与所述待匹配业务图标相匹配的图标列表;
根据所述业务需求从所述图标列表中选择所述待匹配业务图标的目标图标标记。
其中,所述业务需求是指业务更新升级过程中需要解决的功能问题,比如,在保险业务更新升级过程中的业务需求可以为优先显示购买数量最多的保险图标标记。
本发明一实施例中,所述图标列表是指存储与待匹配业务图标相匹配的包括各种各样的形状和设计样式的所有相似图标标记的数据表,比如,待匹配业务图标为车险图标,则图标列表是指所有车险图标标记列表。
例如,有一待匹配业务图标为车险图标,且业务需求为优先显示购买数量最多的车险图标标记,根据该业务需求从所有车险图标标记列表中选取购买数量最多的车险图标标记作为待匹配业务图标的目标图标标记。
本发明一可选实施例中,确定目标图标标记后,从业务前端页面上接收用户点击的目标图标标记指令,根据该指令从业务前端页面的黏贴板中则自动带入目标图标标记的引入路径及引入代码;根据引入路径及引入代码在需要引入的业务前端页面组件中直接粘贴,以实现目标图标标记在业务更新升级过程的引用。
S205、当所述待匹配业务图标与所述图标库不匹配时,则在业务中新增所述待匹配业务图标的图标标记。
本发明实施例中,当所述待匹配业务图标与所述图标库不匹配时,表示在业务更新升级过程中没有相同的图标与待匹配业务图标相匹配,通过在业务中新增所述待匹配业务图标的图标标记,能够将业务更新升级过程的未出现的图标进行新增,进一步完善业务更新升级过程中的图标库,便于在下次业务更新升级过程中,提高业务更新升级的效率。
作为本发明的一个实施例,所述在业务中新增所述待匹配业务图标的图标标记,包括:
识别所述待匹配业务图标的图标类别;
根据所述图标类别确定所述待匹配业务图标的业务路径;
基于所述业务路径将所述待匹配业务图标新增至业务中。
其中,所述图标类别包括功能类图标(如箭头、按钮等)、用户类图标(电话簿、用户头像图标等)及保险业务类图标(如车险图标、工程险图标等)。
本发明一实施例中,根据图标类别可以通过SQL查询语言获取待匹配业务图标对应的业务路径,并通过SQL添加语言将待匹配业务新增至业务中。例如,有一待匹配业务图标为向左箭头,则SQL查询语言查询向左箭头对应的业务路径为功能类存储路径,根据该功能类存储路径利用SQL添加语言将向左箭头新增至功能业务中。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请获取训练完成的图标识别模型及业务图标集之后,首先通过利用图标识别模型对业务图标集中的图标进行图标识别,得到业务图标标记集,能够在业务更新升级时对所有业务图标进行图标识别,无需对已识别的图标进行二次识别,提升图标识别效率;其次,通过将业务图标标记集存储至预设的图标库中,能够在业务更新升级过程中对相同图标进行重复利用,提高了业务更新升级时的效率;最后,通过判断待匹配业务图标与图标库是否匹配,能够解决在业务更新升级的过程中需要花费大量人力进行图标匹配的问题,从而提高了业务更新时图标匹配的准确率,当匹配时,选择图标库中匹配的图标标记作为待匹配业务图标的目标图标标记,不仅能够实现图标的去重,提高业务更新升级的效率,还能够实现图标的自动匹配,进一步提高了图标匹配的准确率;当不匹配时,在业务中新增待匹配业务图标的图标标记,可以在实现图标匹配时,完善图标库,进一步提高图标匹配的准确率。因此本申请提出的图标匹配方法可以提高图标匹配的准确率及业务更新升级的效率。
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。
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4,作为对上述图2所示方法的实现,本申请提供了一种图标匹配装置的一个实施例,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4所示,本实施例所述的图标匹配装置400包括:识别模块401、存储模块402、匹配模块403、选择模块404以及新增模块405。其中:
识别模块401用于获取训练完成的图标识别模型及业务图标集,利用所述图标识别模型对所述业务图标集中的图标进行图标识别,得到业务图标标记集;
存储模块402用于将所述业务图标标记集存储至预设的图标库中;
匹配模块403用于获取待匹配业务图标,判断所述待匹配业务图标与所述图标库是否匹配;
选择模块404用于当所述待匹配业务图标与所述图标库匹配时,则选择所述图标库中匹配的图标标记作为所述待匹配业务图标的目标图标标记;
新增模块405用于当所述待匹配业务图标与所述图标库不匹配时,则在业务中新增所述待匹配业务图标的图标标记。
在本实施例中,关于各模块/单元的功能如下:
详细地,本发明实施例中所述图标匹配装置400中所述的各模块在使用时采用与上述图1至图3中所述的图标匹配方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
本申请实施例中,获取训练完成的图标识别模型及业务图标集之后,首先通过利用图标识别模型对业务图标集中的图标进行图标识别,得到业务图标标记集,能够在业务更新升级时对所有业务图标进行图标识别,无需对已识别的图标进行二次识别,提升图标识别效率;其次,通过将业务图标标记集存储至预设的图标库中,能够在业务更新升级过程中对相同图标进行重复利用,提高了业务更新升级时的效率;最后,通过判断待匹配业务图标与图标库是否匹配,能够解决在业务更新升级的过程中需要花费大量人力进行图标匹配的问题,从而提高了业务更新时图标匹配的准确率,当匹配时,选择图标库中匹配的图标标记作为待匹配业务图标的目标图标标记,不仅能够实现图标的去重,提高业务更新升级的效率,还能够实现图标的自动匹配,进一步提高了图标匹配的准确率;当不匹配时,在业务中新增待匹配业务图标的图标标记,可以在实现图标匹配时,完善图标库,进一步提高图标匹配的准确率。因此本申请提出的图标匹配装置可以提高图标匹配的准确率及业务更新升级的效率。
所述计算机设备5包括通过系统总线相互通信连接存储器51、处理器52、网络接口53。需要指出的是,图中仅示出了具有组件51-53的计算机设备5,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51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D图标匹配存储器等)、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51可以是所述计算机设备5的内部存储单元,例如该计算机设备5的硬盘或内存。在另一些实施例中,所述存储器51也可以是所述计算机设备5的外部存储设备,例如该计算机设备5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(Flash Card)等。当然,所述存储器51还可以既包括所述计算机设备5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51通常用于存储安装于所述计算机设备5的操作系统和各类应用软件,例如图标匹配方法的计算机可读指令等。此外,所述存储器51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52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52通常用于控制所述计算机设备5的总体操作。本实施例中,所述处理器52用于运行所述存储器51中存储的计算机可读指令或者处理数据,例如运行所述图标匹配方法的计算机可读指令。
所述网络接口53可包括无线网络接口或有线网络接口,该网络接口53通常用于在所述计算机设备5与其他电子设备之间建立通信连接。
本申请实施例中,获取训练完成的图标识别模型及业务图标集之后,首先通过利用图标识别模型对业务图标集中的图标进行图标识别,得到业务图标标记集,能够在业务更新升级时对所有业务图标进行图标识别,无需对已识别的图标进行二次识别,提升图标识别效率;其次,通过将业务图标标记集存储至预设的图标库中,能够在业务更新升级过程中对相同图标进行重复利用,提高了业务更新升级时的效率;最后,通过判断待匹配业务图标与图标库是否匹配,能够解决在业务更新升级的过程中需要花费大量人力进行图标匹配的问题,从而提高了业务更新时图标匹配的准确率,当匹配时,选择图标库中匹配的图标标记作为待匹配业务图标的目标图标标记,不仅能够实现图标的去重,提高业务更新升级的效率,还能够实现图标的自动匹配,进一步提高了图标匹配的准确率;当不匹配时,在业务中新增待匹配业务图标的图标标记,可以在实现图标匹配时,完善图标库,进一步提高图标匹配的准确率。因此本申请提出的图标匹配计算机设备可以提高图标匹配的准确率及业务更新升级的效率。
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图标匹配方法的步骤。
本申请实施例中,获取训练完成的图标识别模型及业务图标集之后,首先通过利用图标识别模型对业务图标集中的图标进行图标识别,得到业务图标标记集,能够在业务更新升级时对所有业务图标进行图标识别,无需对已识别的图标进行二次识别,提升图标识别效率;其次,通过将业务图标标记集存储至预设的图标库中,能够在业务更新升级过程中对相同图标进行重复利用,提高了业务更新升级时的效率;最后,通过判断待匹配业务图标与图标库是否匹配,能够解决在业务更新升级的过程中需要花费大量人力进行图标匹配的问题,从而提高了业务更新时图标匹配的准确率,当匹配时,选择图标库中匹配的图标标记作为待匹配业务图标的目标图标标记,不仅能够实现图标的去重,提高业务更新升级的效率,还能够实现图标的自动匹配,进一步提高了图标匹配的准确率;当不匹配时,在业务中新增待匹配业务图标的图标标记,可以在实现图标匹配时,完善图标库,进一步提高图标匹配的准确率。因此本申请提出的图标匹配存储介质可以提高图标匹配的准确率及业务更新升级的效率。
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)
1.一种图标匹配方法,其特征在于,包括下述步骤:
获取训练完成的图标识别模型及业务图标集,利用所述图标识别模型对所述业务图标集中的图标进行图标识别,得到业务图标标记集;
将所述业务图标标记集存储至预设的图标库中;
获取待匹配业务图标,判断所述待匹配业务图标与所述图标库是否匹配;
当所述待匹配业务图标与所述图标库匹配时,则选择所述图标库中匹配的图标标记作为所述待匹配业务图标的目标图标标记;
当所述待匹配业务图标与所述图标库不匹配时,则在业务中新增所述待匹配业务图标的图标标记。
2.根据权利要求1所述的图标匹配方法,其特征在于,所述判断所述待匹配业务图标与所述图标库是否匹配,包括:
获取所述待匹配业务图标的初始图标标记及所述图标库中的本地图标标记及远程图标标记;
判断所述初始图标标记与所述本地图标标记是否匹配;
当所述初始图标标记与所述本地图标标记匹配,则确定所述待匹配业务图标与所述图标库相匹配;
当所述初始图标标记与所述本地图标标记不匹配,则判断所述初始图标标记与所述远程图标标记是否匹配;
当所述初始图标标记与所述远程图标标记匹配,则确定所述待匹配业务图标与所述图标库相匹配;
当所述初始图标标记与所述远程图标标记不匹配,则确定所述待匹配业务图标与所述图标库不匹配。
3.根据权利要求1所述的图标匹配方法,其特征在于,所述选择所述图标库中匹配的图标标记作为所述待匹配业务图标的目标图标标记,包括:
获取待匹配业务图标的业务需求,以及在所述图标库中与所述待匹配业务图标相匹配的图标列表;
根据所述业务需求从所述图标列表中选择所述待匹配业务图标的目标图标标记。
4.根据权利要求1所述的图标匹配方法,其特征在于,所述在业务中新增所述待匹配业务图标的图标标记,包括:
识别所述待匹配业务图标的图标类别;
根据所述图标类别确定所述待匹配业务图标的业务路径;
基于所述业务路径将所述待匹配业务图标新增至业务中。
5.根据权利要求1-4中任一项所述的图标匹配方法,其特征在于,所述将所述业务图标标记集存储至预设的图标库中,包括:
获取所述业务图标标记集的图标路径,并识别所述业务图标标记集中图标所属的业务类别;
根据所述图标路径及所述业务类别将所述业务图标标记集存储至对应的图标库中。
6.根据权利要求1-4中任一项所述的图标匹配方法,其特征在于,所述利用所述图标识别模型对所述业务图标集中的图标进行图标识别,得到业务图标标记集,包括:
利用所述图标识别模型的卷积层对所述业务图标集中的图标进行卷积操作,得到图标特征集;
利用所述图标识别模型的池化层对所述图标特征集进行最大池化操作,得到池化图标集;
将所述池化图标集输入至所述图标识别模型中的全连接层中的激活函数中,输出所述业务图标标记集。
7.根据权利要求1-4中任一项所述的图标匹配方法,其特征在于,所述获取训练完成的图标识别模型及业务图标集之前,所述方法还包括:
获取训练图标集及预设的模型训练框架;
在所述模型训练框架中的可视化建模模块中配置所述训练图标集的图标模型工作流程,并根据所述图标模型工作流程创建初始图标识别模型;
获取所述训练图标集对应的真实图标标签集,将所述训练图标集输入至所述初始图标识别模型中,得到所述训练图标集的预测图标标签集;
计算所述预测图标标签集与所述真实图标标签集的损失值,根据所述损失值调整所述初始图标识别模型的参数,直至所述损失值满足预设阈值,得到所述训练完成的图标识别模型。
8.一种图标匹配装置,其特征在于,包括:
识别模块,用于获取训练完成的图标识别模型及业务图标集,利用所述图标识别模型对所述业务图标集中的图标进行图标识别,得到业务图标标记集;
存储模块,用于将所述业务图标标记集存储至预设的图标库中;
匹配模块,用于获取待匹配业务图标,判断所述待匹配业务图标与所述图标库是否匹配;
选择模块,用于当所述待匹配业务图标与所述图标库匹配时,则选择所述图标库中匹配的图标标记作为所述待匹配业务图标的目标图标标记;
新增模块,用于当所述待匹配业务图标与所述图标库不匹配时,则在业务中新增所述待匹配业务图标的图标标记。
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中任一项所述的图标匹配方法的步骤。
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中任一项所述的图标匹配方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310782913.2A CN116821389A (zh) | 2023-06-29 | 2023-06-29 | 图标匹配方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310782913.2A CN116821389A (zh) | 2023-06-29 | 2023-06-29 | 图标匹配方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116821389A true CN116821389A (zh) | 2023-09-29 |
Family
ID=88121702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310782913.2A Pending CN116821389A (zh) | 2023-06-29 | 2023-06-29 | 图标匹配方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116821389A (zh) |
-
2023
- 2023-06-29 CN CN202310782913.2A patent/CN116821389A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114090755B (zh) | 基于知识图谱的回复语句确定方法、装置及电子设备 | |
CN111126626A (zh) | 一种训练方法、装置、服务器、平台及存储介质 | |
CN112328657A (zh) | 特征衍生方法、装置、计算机设备及介质 | |
CN113592605A (zh) | 基于相似产品的产品推荐方法、装置、设备及存储介质 | |
CN113220847B (zh) | 基于神经网络的知识掌握程度测评方法、装置及相关设备 | |
CN117033249B (zh) | 一种测试用例生成方法、装置、计算机设备及存储介质 | |
CN114265835A (zh) | 基于图挖掘的数据分析方法、装置及相关设备 | |
CN117234505A (zh) | 一种交互页面生成方法、装置、设备及其存储介质 | |
CN110442858A (zh) | 一种问句实体识别方法、装置、计算机设备及存储介质 | |
CN116703515A (zh) | 基于人工智能的推荐方法、装置、计算机设备及存储介质 | |
CN116821389A (zh) | 图标匹配方法、装置、计算机设备及存储介质 | |
CN114637831A (zh) | 基于语义分析的数据查询方法及其相关设备 | |
CN114548114A (zh) | 文本情绪识别方法、装置、设备及存储介质 | |
JP2022111020A (ja) | 文書類似度学習に基づくディープラーニングモデルの転移学習方法およびコンピュータ装置 | |
CN111353768A (zh) | 一种图书借阅监管方法、装置、设备及存储介质 | |
CN116628128B (zh) | 一种供应链数据标准化方法、装置、设备及其存储介质 | |
CN116756286A (zh) | 基于全链路线上化的问答模型优化方法及其相关设备 | |
CN114238574B (zh) | 基于人工智能的意图识别方法及其相关设备 | |
CN116824600A (zh) | 一种公司印章识别方法及其相关设备 | |
CN117421207A (zh) | 智能评估影响点测试方法、装置、计算机设备及存储介质 | |
CN116821298A (zh) | 一种应用于投保信息的关键词自动识别方法、及相关设备 | |
CN116991442A (zh) | 一种界面升级方法、装置、设备及其存储介质 | |
CN117786390A (zh) | 一种待维护特征数据整理方法及其相关设备 | |
CN116662418A (zh) | 基于配置化的报表实现方法、装置、设备及其存储介质 | |
CN117235260A (zh) | 基于人工智能的文本标注方法、装置、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 |