CN117555644B - 一种基于自然语言交互的前端页面构建方法及装置 - Google Patents
一种基于自然语言交互的前端页面构建方法及装置 Download PDFInfo
- Publication number
- CN117555644B CN117555644B CN202410043653.1A CN202410043653A CN117555644B CN 117555644 B CN117555644 B CN 117555644B CN 202410043653 A CN202410043653 A CN 202410043653A CN 117555644 B CN117555644 B CN 117555644B
- Authority
- CN
- China
- Prior art keywords
- component
- target text
- page
- vector
- instruction information
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 30
- 230000003993 interaction Effects 0.000 title claims abstract description 28
- 239000013598 vector Substances 0.000 claims abstract description 139
- 238000000034 method Methods 0.000 claims abstract description 52
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 10
- 230000006872 improvement Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000009411 base construction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F9/451—Execution arrangements for user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Machine Translation (AREA)
Abstract
本说明书公开了一种基于自然语言交互的前端页面构建方法及装置,响应于创建的对话流程,将目标文本和第一指令信息,输入训练完成的语言模型,确定目标文本包含的组件实体和该组件实体的嵌入向量。将嵌入向量和标准向量进行匹配,确定匹配向量,以及匹配向量对应的组件用途和组件代码,根据该组件用途、该组件代码和目标文本,生成第二指令信息,将第二指令信息,输入语言模型,确定页面代码,根据页面代码,构建前端页面。这样,在构建前端页面时,通过人机对话的方式,输入包含前端页面构建的需求的文本,明确对构成前端页面的组件实体的操作,即可得到满足构建需求的前端页面,不需再重复编写各组件的代码,提高了软件开发的效率。
Description
技术领域
本说明书涉及计算机技术领域,尤其涉及一种基于自然语言交互的前端页面构建方法及装置。
背景技术
随着互联网技术的高速发展,对于软件开发的需求越来越大,但是开发一个软件,需要开发人员编写繁杂的代码。
在不同软件的前端页面中,通常会包含一些相似的组件,如输入框、选择框、栅格布局、弹性布局等,在对不同软件的前端页面进行开发时,开发人员需要反复重写这些组件的代码,软件开发的效率受限。
因此,本说明书提供一种基于自然语言交互的前端页面构建方法。
发明内容
本说明书提供一种基于自然语言交互的前端页面构建方法、装置、存储介质及电子设备,以至少部分地解决现有技术存在的上述问题。
本说明书采用下述技术方案:
本说明书提供了一种基于自然语言交互的前端页面构建方法,包括:
响应于创建的对话流程,获取用户输入的目标文本和预设的第一指令信息,所述第一指令信息用于使训练完成的语言模型对所述目标文本进行实体识别;
将所述目标文本和所述第一指令信息,输入所述语言模型,确定所述目标文本包含的组件实体;
将所述组件实体,输入训练完成的文本嵌入模型,得到所述组件实体的嵌入向量;
将所述嵌入向量与知识库中预存的标准向量进行匹配,确定匹配向量,在所述知识库中,确定所述匹配向量对应的组件用途和组件代码;
根据所述组件用途、所述组件代码和所述目标文本,生成第二指令信息,将所述第二指令信息,输入所述语言模型,确定页面代码,根据所述页面代码,构建所述前端页面。
可选地,获取预设的第三指令信息,所述第三指令信息用于使所述语言模型对所述目标文本进行意图识别;
将所述目标文本和所述第三指令信息,输入所述语言模型,确定用户意图,所述用户意图包括创建页面和无关意图;
当所述用户意图为创建页面时,将所述目标文本和所述第一指令信息,输入所述语言模型,确定所述目标文本包含的组件实体;
当所述用户意图为无关意图时,则所述用户返回第一提示信息,所述第一提示信息用于提示所述用户输入用于构建前端页面的目标文本。
可选地,确定用于创建页面的各组件实体对应的组件名称、组件用途和组件代码;
针对每个组件实体,将该组件实体对应的组件名称和组件用途进行拼接,得到拼接知识,将所述拼接知识,输入所述文本嵌入模型,得到该组件实体对应的标准向量;
将该组件实体对应的标准向量、组件名称、组件用途和组件代码,作为该组件实体的组件知识;
根据各组件实体的组件知识,构建所述知识库。
可选地,所述用户意图还包括修改页面;
当所述用户意图为修改页面时,判断是否已经创建过页面;
若是,则将所述目标文本和所述第一指令信息,输入所述语言模型,确定所述目标文本包含的组件实体;
若否,则向所述用户返回第二提示信息,所述第二提示信息用于提示所述用户输入用于创建页面的目标文本。
可选地,获取所述对话流程的对话记录;
判断所述对话记录中是否包含向所述用户返回的页面代码。
可选地,获取所述对话记录;
根据所述组件用途、所述组件代码、所述目标文本和所述对话记录,生成所述第二指令信息。
可选地,根据所述知识库包含的各标准向量,确定向量库;
根据所述向量库中各标准向量之间的距离,对各标准向量进行聚类,得到各聚类簇和各聚类簇的聚类中心;
根据所述嵌入向量与各聚类中心的距离,确定与所述嵌入向量距离最近的聚类中心以及所述聚类中心所在的聚类簇;
分别计算所述嵌入向量与所述聚类簇中包含的各标准向量之间的距离,确定所述聚类簇中与所述嵌入向量距离最近的标准向量,作为匹配向量。
本说明书提供了一种基于自然语言交互的前端页面构建装置,所述装置包括:
获取模块,响应于创建的对话流程,获取用户输入的目标文本和预设的第一指令信息,所述第一指令信息用于使训练完成的语言模型对所述目标文本进行实体识别;
实体确定模块,将所述目标文本和所述第一指令信息,输入所述语言模型,确定所述目标文本包含的组件实体;
嵌入向量确定模块,将所述组件实体,输入训练完成的文本嵌入模型,得到所述组件实体的嵌入向量;
匹配模块,将所述嵌入向量与知识库中预存的标准向量进行匹配,确定匹配向量,在所述知识库中,确定所述匹配向量对应的组件用途和组件代码;
构建模块,根据所述组件用途、所述组件代码和所述目标文本,生成第二指令信息,将所述第二指令信息,输入所述语言模型,确定页面代码,根据所述页面代码,构建所述前端页面。
本说明书提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述基于自然语言交互的前端页面构建方法。
本说明书提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述基于自然语言交互的前端页面构建方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果:
在本说明书提供的基于自然语言交互的前端页面构建方法中,响应于创建的对话流程,将目标文本和第一指令信息,输入训练完成的语言模型,确定目标文本包含的组件实体和该组件实体的嵌入向量。将嵌入向量和标准向量进行匹配,确定匹配向量,以及匹配向量对应的组件用途和组件代码,根据该组件用途、该组件代码和目标文本,生成第二指令信息,将第二指令信息,输入语言模型,确定页面代码,根据页面代码,构建前端页面。这样,在构建前端页面时,通过人机对话的方式,输入包含前端页面构建的需求的文本,明确对构成前端页面的组件实体的操作,即可得到满足构建需求的前端页面,不需再重复编写各组件的代码,提高了软件开发的效率。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书中一种基于自然语言交互的前端页面构建方法的流程示意图;
图2为本说明书提供的一种知识库的构建过程示意图;
图3为本说明书实施例中提供的一种意图识别的过程图;
图4为本说明书实施例中提供的一种创建页面对话流程效果图;
图5为本说明书实施例中提供的一种对应于图4的修改页面对话流程效果图;
图6为本说明书提供的一种基于自然语言交互的前端页面构建装置的示意图;
图7为本说明书提供的对应于图1的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书中一种基于自然语言交互的前端页面构建方法的流程示意图,具体包括以下步骤:
S100:响应于创建的对话流程,获取用户输入的目标文本和预设的第一指令信息,所述第一指令信息用于使训练完成的语言模型对所述目标文本中进行实体识别。
本说明书所提供的基于自然语言交互的前端页面构建方法中的所有步骤均可由任何具有计算功能的电子设备实现,例如终端、服务器等设备。为了便于描述,下面仅以服务器为执行主体,对本说明书提供的基于自然语言交互的前端页面构建方法进行说明。
在低代码平台中,前端页面的构成元素被封装成图形化的组件,在获取到用户的前端页面构建需求后,需要确定该前端页面构建需求中的对于各组件的操作,才能通过对各组件的操作构建前端页面。本说明书提供的基于自然语言交互的前端页面构建方法,用于在低代码平台构建前端页面。
生成式预训练(Generative Pre-Training,GPT)系列模型,是基于大规模的语料库训练得到的一种通用的文本生成模型。GPT模型中的GPT3.5系列,如ChatGPT和InstructGPT等,采用情景学习的方式,能够根据对当前任务描述的指令信息,对指令信息的内容进行学习,输出对当前任务的答复结果。为了使模型能够根据提示,针对输入,给出期望的答复结果,应当在指令信息中明确模型的角色、当前的任务目标和答复规则,还可以加入一些示例使模型更好的学习当前的任务场景并给出符合答复规则的答复结果。本说明书中用到的语言模型为GPT系列的模型。
首先,服务器响应于创建的对话流程,将用户输入的文本,作为目标文本。本说明书提供的基于自然语言交互的前端页面构建方法,基于GPT模型的交互对话能力,以对话的方式获取用户输入的目标文本,通过并以对话的方式返回给用户针对目标文本中的页面构建需求生成的页面代码。用户输入目标文本,则代表创建前端页面的对话流程开始。
然后,服务器获取预设的第一指令信息,该第一指令信息用于使训练完成的语言模型对目标文本进行实体识别,从而得到目标文本中包含的用于构建前端页面的组件实体。
以下一段为本说明书提供的一种第一指令信息的示例:
你是一个实体识别器,你将接收用户输入的文本,将输入的文本中的实体按照给定的进行识别并返回结果。读取用户输入的文本,识别文本中包含的组件实体,按照“[组件实体]”的格式返回结果,不需要返回其他信息,若文本中不存在任何组件实体,则返回“[]”。以下是一些示例,用户:生成一个选项卡布局页面,其中包含三个选项卡,分别为tab1,tab2,tab3,第一个选项卡中包含一个取消按钮、一个输入框和一个提交按钮。答复:[tab选项卡],[按钮],[输入框]。用户:生成一个栅格布局页面,为一行三列,第一个列中包含一个表格、一个输入框和一个提交按钮。答复:[栅格],[表格],[输入框],[按钮]。用户:生成一个页面,布局为栅格布局,为一行两列,第一列中包含一个下拉选择框、一个提交按钮和一个表格。答复:[栅格],[下拉选择框],[按钮],[表格]。
S102:将所述目标文本和所述第一指令信息,输入所述语言模型,确定所述目标文本包含的组件实体。
服务器将目标文本和第一指令信息,输入语言模型,确定该目标文本包含的组件实体。
如S100中第一指令信息的示例,该语言模型根据第一指令信息中的内容,学习到当前任务中该模型扮演的角色为:实体识别器。当前的任务目标为:读取用户输入的文本,识别文本中包含的组件实体。答复规则为:按照“[组件实体]”的格式返回结果,不需要返回其他信息,若文本中不存在任何组件实体,则返回“[]”。并根据示例学习到了当前的任务场景,最终识别出目标文本中包含的组件实体,然后按照答复规则对识别出的实体进行输出。而一个目标文本中可能包含多个组件实体,通过语言模型,可以对目标文本包含的多个组件实体进行识别。
由于用户输入的目标文本的内容不受限制,可能会出现一些语义与构建前端页面无关的无效目标文本,导致语言模型对无效目标文本进行实体识别后,无法识别到组件实体。显然,即使是对这些无效目标文本进行了实体识别,也无法得到任何有效信息,反而因为对无效目标文本的实体识别过程,浪费了时间,降低了前端页面构建效率。
所以,为了能更加高效地对目标文本中进行实体识别,服务器可以在对目标文本进行实体识别之前,先对目标文本进行用户意图识别,将无效目标文本的用户意图作为无关意图,提前过滤掉无效目标文本。服务器可以将用户意图分为创建页面和无关意图。对于创建页面的用户意图,对目标文本进行实体识别,对于无关意图,确定用户输入的目标文本为无效目标文本,不进行实体识别,提前终止对目标文本的操作,结束对话流程,提高前端页面构建的效率。
具体的,服务器首先获取预设的第三指令信息,该第三指令信息用于使语言模型对目标文本进行意图识别。并将目标文本和该第三指令信息,输入语言模型,确定用户意图。
当该用户意图为创建页面时,将该目标文本和第一指令信息,输入该语言模型,确定该目标文本包含的组件实体。当该用户意图为无关意图时,向该用户返回第一提示信息,该第一提示信息用于提示该用户输入用于构建前端页面的目标文本。
被识别为创建意图的目标文本的语义能够表征用户创建页面的用户意图,用户意图识别的过程就是对目标文本的语义进行识别的过程。例如,若是目标文本为“创建一个表格,包含人名、年龄和籍贯三列”,将会被识别为创建意图,目标文本表达了创建页面的语义。若是目标文本为“创建前端页面很无聊,无法理解”,将会被识别为无关意图,虽然目标文本包含“创建”,但目标文本并没有表达创建页面的语义。可见,用户意图的识别会根据目标文本的整体语义进行判断。
S104:将所述组件实体,输入训练完成的文本嵌入模型,得到所述组件实体的嵌入向量。
服务器将语言模型识别出的组件实体,输入训练完成的文本嵌入模型,得到该组件实体的嵌入向量。通过将该嵌入向量与知识库中预存的标准向量进行匹配,从而将该组件实体与知识库中预存的该组件实体的组件用途和组件代码联系起来。
上述的文本嵌入模型,可以选用现有的任意一种可用于文本向量化的模型,如,text2vec-base-chinese、ernie-3.0-base-zh、text-embedding-ada-002等。
S106:将所述嵌入向量与知识库中预存的标准向量进行匹配,确定匹配向量,在所述知识库中,确定所述匹配向量对应的组件用途和组件代码。
服务器将该嵌入向量和知识库中预存的标准向量进行匹配,确定匹配向量。在知识库中,存有各组件实体对应的标准向量、组件用途和组件代码,通过将嵌入向量与标准向量进行匹配,将与嵌入向量相似度最高的标准作为匹配向量,再根据匹配向量,确定目标文本中的组件实体对应的组件用途和组件代码。
其中,服务器可以根据嵌入向量与各标准向量的距离,确定匹配向量,距离越小代表相似度越高,此处距离的度量指标可以为欧氏距离、汉明距离等,本说明书不做具体限制。
服务器通过向量匹配的方式确定目标文本中的组件实体在知识库中对应的组件用途和组件代码。所以,在本说明书提供的基于自然语言交互的前端页面构建方法中,服务器需要预先构建存有各组件实体对应的标准向量、组件用途和组件代码的知识库。
图2为本说明书提供的一种知识库的构建过程示意图,表示拼接操作。如图2所示,服务器需要确定用于创建页面的各组件实体对应的组件名称、组件用途和组件代码。一个组件实体对应的组件名称、组件用途和组件代码的形式,可以如表1所示。
表1
表1中展示了一个组件实体对应的组件名称、组件用途以及组件代码,其中,该组件实体为“按钮”,组件名称为“按钮”,组件用途为“按钮”组件包含的每个可编辑属性的解释信息,以及每个属性信息给可能取值,组件代码为封装好的“按钮”组件的代码,组件代码中的每个字段的含义在组件用途都有对应解释。
然后,针对每个组件实体,服务器将该组件实体对应的组件名称和组件用途进行拼接,得到拼接知识,将该拼接知识,输入文本嵌入模型,得到该组件实体对应的标准向量。服务器将该组件实体对应的标准向量、组件名称、组件用途和组件代码,作为该组件实体的组件知识。并根据各组件实体的组件知识,构建知识库,即该知识库中存有各组件实体的组件知识。
对于每个组件实体来说,组件名称和组件用途均是对于该组件实体的描述性信息,在知识图谱中都可以链接到该组件实体。但是在知识图谱中该组件实体的名称和知识库中保存的组件名称可能会存在不一致的情况,所以,在构建标准向量时,是将组件名称和组件用途拼接得到的组件知识进行向量化,增强了标准向量中组件实体的语义,使嵌入向量与标准向量的匹配更加精准。
S108:根据所述组件用途、所述组件代码和所述目标文本,生成第二指令信息,将所述第二指令信息,输入所述语言模型,确定页面代码,根据所述页面代码,构建所述前端页面。
服务器根据组件用途、组件代码和目标文本,生成第二指令信息。具体的,服务器预先定义好当前任务中语言模型的角色为页面生成工具,然后将组件用途、组件代码和目标文本进行拼接,得到第二指令信息。该第二指令信息用于使该语言模型根据目标文本中包含的组件实体的组件用途和组件代码,结合目标文本中对于组件实体所进行的具体操作,生成页面代码。
然后,服务器将该第二指令信息,输入语言模型,得到语言模型输出的页面代码。运行该页面代码,就可得到符合目标文本要求的前端页面。
如表1所示,组件用途是对组件代码中的每个可编辑属性的解释信息,描述了每种组件属性代表的含义,且对于每种组件属性的可能取值,在组件用途中都会进行解释说明。所以,语言模型要做的就是通过确定出的目标文本中的组件实体,对目标文本中各个组件实体的具体操作进行语义识别,同时对组件用途和组件代码进行语义识别,将对各个组件实体的具体操作对应到组件用途中对各个组件属性,并确定各个组件属性的取值,根据确定出的各组件属性取值对组件代码的各组件属性进行编辑,最终得到符合目标文本要求的页面代码。
在本说明书提供的基于自然语言交互的前端页面构建方法中,响应于创建的对话流程,将目标文本和第一指令信息,输入训练完成的语言模型,确定目标文本包含的组件实体和该组件实体的嵌入向量。将嵌入向量和标准向量进行匹配,确定匹配向量,以及匹配向量对应的组件用途和组件代码,根据该组件用途、该组件代码和目标文本,生成第二指令信息,将第二指令信息,输入语言模型,确定页面代码,根据页面代码,构建前端页面。这样,在构建前端页面时,通过人机对话的方式,输入包含前端页面构建的需求的文本,明确对构成前端页面的组件实体的操作,即可得到满足构建需求的前端页面,不需再重复编写各组件的代码,提高了软件开发的效率。
在上述步骤S106中,可以通过构建向量库,提高嵌入向量与各标准向量的匹配速度,从而提高前端页面的构建效率。具体的,根据知识库包含的各标准向量,确定向量库。根据该向量库中各标准向量之间的距离,对各标准向量进行聚类,得到各聚类簇和各聚类簇的聚类中心。即,在该向量库中各标准向量按照距离进行存储。
在嵌入向量与各标准向量匹配时,根据该嵌入向量与向量库中各聚类中心的距离,确定与该嵌入向量距离最近的聚类中心以及该聚类中心所在的聚类簇,分别计算该嵌入向量与该聚类簇中包含的各标准向量之间的距离,确定该聚类簇中与该嵌入向量距离最近的标准向量,作为匹配向量。
一个完整的前端页面,可能包含登录子页面和多个内容子页面,仅用一个目标文本难以表述清楚对所有子页面的构建需求。则在构建前端页面的一次对话流程中,可以包含用户的多轮对话信息,将用户输入一次目标文本并接收到针对该目标文本返回的页面代码,作为一轮对话。所以,服务器可以根据多轮对话构建前端页面,使得到的前端页面内容更加丰富。
则在上述步骤S102中在确定用户意图时,用户意图可以包括创建页面、修改页面和无关意图。图3为本说明书实施例中提供的一种意图识别的过程图,如图3所示,当用户意图为修改页面时,判断该用户是否已经创建过页面,若是,则对目标文本进行实体识别,将当该目标文本和第一指令信息,输入语言模型,确定该目标文本包含的组件实体,若否,则向该用户返回第二提示信息,该第二提示信息用于提示用户输入用于创建页面的目标文本。当用户意图为创建页面时,直接对该目标文本进行实体识别。当用户意图为无关意图时,向该用户返回第一提示信息。
其中,在判断该用户是否已经创建过页面时,服务器需要获取该对话流程的对话记录,服务器判断该对话记录中是否包含向该用户返回的页面代码,若是,则该用户已经创建过页面,若否,则该用户未创建过页面。
通过在用户意图中进一步区分创建页面和修改页面,可以使服务器更加精准的识别用户的需求。因为若是已经创建过页面,则在对话列表中会存有该页面的页面代码,而被识别为修改页面用户意图的目标文本,需要在已经存在的页面代码的基础上去构建页面,所以,对于被识别为修改页面用户意图的目标文本,需要判断用户是否已经创建过目标文本中想要修改的页面,若是没有创建过页面,则用户输入的目标文本为无效目标文本,服务器无法针对该目标文本的用户意图进行修改操作。
图4为本说明书实施例中提供的一种创建页面对话流程效果图,其中,左侧为对话框,右侧为页面设计框,用户在对话框输入包含前端页面的构建需求的目标文本,在页面设计框可以构建完成的前端页面。如图4所示,用户输入的目标文本为“生成一个表格,包含姓名,年龄,籍贯三列,请在表格中填充一些示例内容。”服务器对该目标文本进行意图识别得到该目标文本的用户意图为创建页面,然后返回给用户答复信息:“页面正在创建中,请耐心等待。”页面创建完成后,继续返回给用户答复信息:“页面已经生成。”
图5为本说明书实施例中提供的一种对应于图4的修改页面对话流程效果图。如图5所示,用户继续输入目标文本为“请在表格中增加一列入职日期,并且在表格下方增加一个表单,表单中包括新增人员姓名、年龄、籍贯。”服务器对该目标文本进行意图识别得到该目标文本的用户意图为修改页面,然后返回给用户答复信息:“页面正在修改中,请耐心等待。”页面修改完成后,继续返回给用户答复信息:“页面已经生成。”
与图4相比,图5的页面中的表格按照用户的需求增加了“入职日期”列,还额外增加用户需求中未提及的“操作”列,但是在用户需求中提到要增加一个表单用于加入新增人员信息,所以服务器在表格中额外增加“操作”列,以使表单组件的存在合理化。由于在本说明书书中用于构建前端页面的各组件实体的组件代码是提前封装好的,所以在通过语言模型构建前端页面时,可以根据用户的目标文本的语义,对用户的构建需求进行优化。
服务器根据多轮对话确定第二指令信息时,还需要获取对话记录,结合对话记录中在各轮对话中的目标文本和针对目标文本返回的页面代码,确定前端页面。具体的,服务器根据基于目标文本确定的组件用途和组件代码,以及该目标文本和对话记录,生成第二指令信息。
服务器根据多轮对话构建前端页面时,为防止对话流程长时间占用系统资源,可以预设对话流程的结束标志。本说明书对结束标志的具体设置方式不做限制,例如,服务器可以设置该对话流程中用户相邻两次输入目标文本的时间阈值,对话流程开始后,若是用户在时间阈值的时间范围内输入下一轮的目标文本,则该对话流程继续,若是用户未在时间阈值的时间范围内输入下一轮的目标文本,则该对话流程结束。或者,服务器可以设置该对话流程的对话轮次的轮次阈值,服务器可以根据对话记录确定目标文本的对话轮次,若是该对话轮次小于轮次阈值,则该对话流程继续,若是该对话轮次不小于轮次阈值,则该对话流程结束。
以上是本说明书提供的基于自然语言交互的前端页面构建方法,基于同样的思路,本说明书还提供了相应的基于自然语言交互的前端页面构建装置,如图6所示。
图6为本说明书提供的一种基于自然语言交互的前端页面构建装置示意图,具体包括:
获取模块200,响应于创建的对话流程,获取用户输入的目标文本和预设的第一指令信息,所述第一指令信息用于使训练完成的语言模型对所述目标文本进行实体识别;
实体确定模块202,将所述目标文本和所述第一指令信息,输入所述语言模型,确定所述目标文本包含的组件实体;
嵌入向量确定模块204,将所述组件实体,输入训练完成的文本嵌入模型,得到所述组件实体的嵌入向量;
匹配模块206,将所述嵌入向量与知识库中预存的标准向量进行匹配,确定匹配向量,在所述知识库中,确定所述匹配向量对应的组件用途和组件代码;
构建模块208,根据所述组件用途、所述组件代码和所述目标文本,生成第二指令信息,将所述第二指令信息,输入所述语言模型,确定页面代码,根据所述页面代码,构建所述前端页面。
可选地,所述实体确定模块202,具体用于获取预设的第三指令信息,所述第三指令信息用于使所述语言模型对所述目标文本进行意图识别,将所述目标文本和所述第三指令信息,输入所述语言模型,确定用户意图,所述用户意图包括创建页面和无关意图,当所述用户意图为创建页面时,将所述目标文本和所述第一指令信息,输入所述语言模型,确定所述目标文本包含的组件实体,当所述用户意图为无关意图时,则所述用户返回第一提示信息,所述第一提示信息用于提示所述用户输入用于构建前端页面的目标文本。
可选地,所述装置还包括,知识库构建模块210,确定用于创建页面的各组件实体对应的组件名称、组件用途和组件代码,针对每个组件实体,将该组件实体对应的组件名称和组件用途进行拼接,得到拼接知识,将所述拼接知识,输入所述文本嵌入模型,得到该组件实体对应的标准向量,将该组件实体对应的标准向量、组件名称、组件用途和组件代码,作为该组件实体的组件知识,根据各组件实体的组件知识,构建所述知识库。
可选地,所述用户意图还包括修改页面,所述实体确定模块202,具体用于当所述用户意图为修改页面时,判断是否已经创建过页面,若是,则将所述目标文本和所述第一指令信息,输入所述语言模型,确定所述目标文本包含的组件实体,若否,则向所述用户返回第二提示信息,所述第二提示信息用于提示所述用户输入用于创建页面的目标文本。
可选地,所述实体确定模块202,具体用于获取所述对话流程的对话记录,判断所述对话记录中是否包含向所述用户返回的页面代码。
可选地,所述构建模块208,具体用于获取所述对话记录,根据所述组件用途、所述组件代码、所述目标文本和所述对话记录,生成所述第二指令信息。
可选地,所述匹配模块206,具体用于根据所述知识库包含的各标准向量,确定向量库,根据所述向量库中各标准向量之间的距离,对各标准向量进行聚类,得到各聚类簇和各聚类簇的聚类中心,根据所述嵌入向量与各聚类中心的距离,确定与所述嵌入向量距离最近的聚类中心以及所述聚类中心所在的聚类簇,分别计算所述嵌入向量与所述聚类簇中包含的各标准向量之间的距离,确定所述聚类簇中与所述嵌入向量距离最近的标准向量,作为匹配向量。
本说明书还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述图1提供的基于自然语言交互的前端页面构建方法。
本说明书还提供了图7所示的电子设备的示意结构图。如图7所述,在硬件层面,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图1所述的基于自然语言交互的前端页面构建方法。当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(ProgrammableLogic Device, PLD)(例如现场可编程门阵列(Field Programmable Gate Array,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(HardwareDescription Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(AdvancedBoolean Expression Language)、AHDL(Altera Hardware Description Language)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(JavaHardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(Ruby HardwareDescription Language)等,目前最普遍使用的是VHDL(Very-High-Speed IntegratedCircuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种基于自然语言交互的前端页面构建方法,其特征在于,包括:
响应于创建的对话流程,获取用户输入的目标文本和预设的第一指令信息,所述第一指令信息用于使训练完成的语言模型对所述目标文本进行实体识别;
将所述目标文本和所述第一指令信息,输入所述语言模型,确定所述目标文本包含的组件实体;
将所述组件实体,输入训练完成的文本嵌入模型,得到所述组件实体的嵌入向量;
根据知识库中预存的各标准向量,确定向量库;根据所述向量库中各标准向量之间的距离,对所述各标准向量进行聚类,得到各聚类簇和各聚类簇的聚类中心;根据所述嵌入向量与各聚类中心的距离,确定与所述嵌入向量距离最近的聚类中心以及所述聚类中心所在的聚类簇;分别计算所述嵌入向量与所述聚类中心所在的聚类簇中包含的各标准向量之间的距离,确定所述聚类中心所在的聚类簇中与所述嵌入向量距离最近的标准向量,作为匹配向量,在所述知识库中,确定所述匹配向量对应的组件用途和组件代码;
根据所述组件用途、所述组件代码和所述目标文本,生成第二指令信息,将所述第二指令信息,输入所述语言模型,确定页面代码,根据所述页面代码,构建所述前端页面。
2.如权利要求1所述的方法,其特征在于,将所述目标文本和所述第一指令信息,输入所述语言模型,确定所述目标文本包含的组件实体,具体包括:
获取预设的第三指令信息,所述第三指令信息用于使所述语言模型对所述目标文本进行意图识别;
将所述目标文本和所述第三指令信息,输入所述语言模型,确定用户意图,所述用户意图包括创建页面和无关意图;
当所述用户意图为创建页面时,将所述目标文本和所述第一指令信息,输入所述语言模型,确定所述目标文本包含的组件实体;
当所述用户意图为无关意图时,则所述用户返回第一提示信息,所述第一提示信息用于提示所述用户输入用于构建前端页面的目标文本。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
确定用于创建页面的各组件实体对应的组件名称、组件用途和组件代码;
针对每个组件实体,将该组件实体对应的组件名称和组件用途进行拼接,得到拼接知识,将所述拼接知识,输入所述文本嵌入模型,得到该组件实体对应的标准向量;
将该组件实体对应的标准向量、组件名称、组件用途和组件代码,作为该组件实体的组件知识;
根据各组件实体的组件知识,构建所述知识库。
4.如权利要求2所述的方法,其特征在于,所述用户意图还包括修改页面;
所述方法还包括:
当所述用户意图为修改页面时,判断是否已经创建过页面;
若是,则将所述目标文本和所述第一指令信息,输入所述语言模型,确定所述目标文本包含的组件实体;
若否,则向所述用户返回第二提示信息,所述第二提示信息用于提示所述用户输入用于创建页面的目标文本。
5.如权利要求4所述的方法,其特征在于,判断是否已经创建过页面,具体包括:
获取所述对话流程的对话记录;
判断所述对话记录中是否包含向所述用户返回的页面代码。
6.如权利要求5所述的方法,其特征在于,根据所述组件用途、所述组件代码和所述目标文本,生成第二指令信息,具体包括:
获取所述对话记录;
根据所述组件用途、所述组件代码、所述目标文本和所述对话记录,生成所述第二指令信息。
7.一种基于自然语言交互的前端页面构建装置,其特征在于,包括:
获取模块,响应于创建的对话流程,获取用户输入的目标文本和预设的第一指令信息,所述第一指令信息用于使训练完成的语言模型对所述目标文本进行实体识别;
实体确定模块,将所述目标文本和所述第一指令信息,输入所述语言模型,确定所述目标文本包含的组件实体;
嵌入向量确定模块,将所述组件实体,输入训练完成的文本嵌入模型,得到所述组件实体的嵌入向量;
匹配模块,根据知识库中预存的各标准向量,确定向量库;根据所述向量库中各标准向量之间的距离,对所述各标准向量进行聚类,得到各聚类簇和各聚类簇的聚类中心;根据所述嵌入向量与各聚类中心的距离,确定与所述嵌入向量距离最近的聚类中心以及所述聚类中心所在的聚类簇;分别计算所述嵌入向量与所述聚类中心所在的聚类簇中包含的各标准向量之间的距离,确定所述聚类中心所在的聚类簇中与所述嵌入向量距离最近的标准向量,作为匹配向量,在所述知识库中,确定所述匹配向量对应的组件用途和组件代码;
构建模块,根据所述组件用途、所述组件代码和所述目标文本,生成第二指令信息,将所述第二指令信息,输入所述语言模型,确定页面代码,根据所述页面代码,构建所述前端页面。
8.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~6任一项所述的方法。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1~6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410043653.1A CN117555644B (zh) | 2024-01-11 | 2024-01-11 | 一种基于自然语言交互的前端页面构建方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410043653.1A CN117555644B (zh) | 2024-01-11 | 2024-01-11 | 一种基于自然语言交互的前端页面构建方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117555644A CN117555644A (zh) | 2024-02-13 |
CN117555644B true CN117555644B (zh) | 2024-04-30 |
Family
ID=89823611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410043653.1A Active CN117555644B (zh) | 2024-01-11 | 2024-01-11 | 一种基于自然语言交互的前端页面构建方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117555644B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111428514A (zh) * | 2020-06-12 | 2020-07-17 | 北京百度网讯科技有限公司 | 语义匹配方法、装置、设备以及存储介质 |
CN111813409A (zh) * | 2020-07-02 | 2020-10-23 | 上海米哈游天命科技有限公司 | 一种交互界面的代码生成方法、装置、设备及存储介质 |
CN112669928A (zh) * | 2021-01-06 | 2021-04-16 | 腾讯科技(深圳)有限公司 | 结构化信息构建方法、装置、计算机设备及存储介质 |
CN113344098A (zh) * | 2021-06-22 | 2021-09-03 | 北京三快在线科技有限公司 | 一种模型训练方法及装置 |
WO2021217935A1 (zh) * | 2020-04-29 | 2021-11-04 | 深圳壹账通智能科技有限公司 | 问题生成模型的训练方法、问题生成方法及其相关设备 |
CN115563512A (zh) * | 2022-09-23 | 2023-01-03 | 上海市大数据股份有限公司 | 一种基于远程监督的语义匹配模型的生成方法及系统 |
CN116757187A (zh) * | 2023-05-26 | 2023-09-15 | 支付宝(杭州)信息技术有限公司 | 一种实体的检测方法、装置及设备 |
CN116910218A (zh) * | 2023-07-26 | 2023-10-20 | 中移在线服务有限公司 | 知识库中扩展问自动挖掘方法及其装置 |
CN117056471A (zh) * | 2023-07-11 | 2023-11-14 | 数字郑州科技有限公司 | 知识库构建方法及基于生成式大语言模型的问答对话方法和系统 |
CN117331561A (zh) * | 2023-11-28 | 2024-01-02 | 之江实验室 | 一种智能低代码页面开发系统及方法 |
-
2024
- 2024-01-11 CN CN202410043653.1A patent/CN117555644B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021217935A1 (zh) * | 2020-04-29 | 2021-11-04 | 深圳壹账通智能科技有限公司 | 问题生成模型的训练方法、问题生成方法及其相关设备 |
CN111428514A (zh) * | 2020-06-12 | 2020-07-17 | 北京百度网讯科技有限公司 | 语义匹配方法、装置、设备以及存储介质 |
CN111813409A (zh) * | 2020-07-02 | 2020-10-23 | 上海米哈游天命科技有限公司 | 一种交互界面的代码生成方法、装置、设备及存储介质 |
CN112669928A (zh) * | 2021-01-06 | 2021-04-16 | 腾讯科技(深圳)有限公司 | 结构化信息构建方法、装置、计算机设备及存储介质 |
CN113344098A (zh) * | 2021-06-22 | 2021-09-03 | 北京三快在线科技有限公司 | 一种模型训练方法及装置 |
CN115563512A (zh) * | 2022-09-23 | 2023-01-03 | 上海市大数据股份有限公司 | 一种基于远程监督的语义匹配模型的生成方法及系统 |
CN116757187A (zh) * | 2023-05-26 | 2023-09-15 | 支付宝(杭州)信息技术有限公司 | 一种实体的检测方法、装置及设备 |
CN117056471A (zh) * | 2023-07-11 | 2023-11-14 | 数字郑州科技有限公司 | 知识库构建方法及基于生成式大语言模型的问答对话方法和系统 |
CN116910218A (zh) * | 2023-07-26 | 2023-10-20 | 中移在线服务有限公司 | 知识库中扩展问自动挖掘方法及其装置 |
CN117331561A (zh) * | 2023-11-28 | 2024-01-02 | 之江实验室 | 一种智能低代码页面开发系统及方法 |
Non-Patent Citations (3)
Title |
---|
A prototype for knowledge extraction from semantic web based on ontological components construction;Ben Mustapha, N 等;《WEBIST 2007: PROCEEDINGS OF THE THIRD INTERNATIONAL CONFERENCE ON WEB INFORMATION SYSTEMS AND TECHNOLOGIES, VOL WIA》;20071231;全文 * |
基于小样本机器学习的跨任务对话系统;刘继明;孟亚磊;万晓榆;;重庆邮电大学学报(自然科学版);20190615(03);全文 * |
基于知识图谱的医疗问答系统;刘源;《中国优秀硕士学位论文全文数据库 医药卫生科技辑》;20220115;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117555644A (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115952272B (zh) | 一种生成对话信息的方法、装置、设备及可读存储介质 | |
CN110457449B (zh) | 在线训练模型的方法、装置、设备及存储介质 | |
CN117331561B (zh) | 一种智能低代码页面开发系统及方法 | |
CN113221555B (zh) | 一种基于多任务模型的关键词识别方法、装置及设备 | |
CN111144126A (zh) | 一种语义分析模型的训练方法、语义分析方法及装置 | |
CN116188632A (zh) | 一种图像的生成方法、装置、存储介质及电子设备 | |
CN112735407B (zh) | 一种对话处理方法及装置 | |
CN115756449B (zh) | 一种页面复用方法、装置、存储介质及电子设备 | |
CN117369783B (zh) | 一种安全代码生成模型的训练方法及装置 | |
CN115146601A (zh) | 语言处理任务的执行方法、装置、可读存储介质以及设备 | |
CN114332873A (zh) | 一种识别模型的训练方法及装置 | |
CN117591661B (zh) | 一种基于大语言模型的问答数据构建方法及装置 | |
CN117828360A (zh) | 一种模型训练、代码生成方法、装置、存储介质及设备 | |
CN116127328B (zh) | 一种对话状态识别模型的训练方法、装置、介质及设备 | |
CN117555644B (zh) | 一种基于自然语言交互的前端页面构建方法及装置 | |
CN116662657A (zh) | 一种模型训练和信息推荐的方法、装置、存储介质及设备 | |
CN113887234B (zh) | 一种模型训练以及推荐方法及装置 | |
CN115017905A (zh) | 一种模型训练和信息推荐的方法及装置 | |
CN115017915B (zh) | 一种模型训练、任务执行的方法及装置 | |
CN116795972B (zh) | 一种模型训练的方法、装置、存储介质及电子设备 | |
CN115658891B (zh) | 一种意图识别的方法、装置、存储介质及电子设备 | |
CN115017899B (zh) | 一种缩略语生成方法、装置、设备及存储介质 | |
CN116501852B (zh) | 一种可控对话模型训练方法、装置、存储介质及电子设备 | |
CN118295641A (zh) | 任务处理方法及装置 | |
CN117952074A (zh) | 一种数据导入方法、设备及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |