CN118012431A - 一种界面生成方法、装置、设备及介质 - Google Patents

Abstract

本申请提供了一种界面生成方法、装置、设备及介质，涉及互联网技术领域。该方法包括：响应于设计需求，在向量数据库中查询与设计需求对应的模板作为目标模板；对目标模板进行拆解，获得多个目标模板的组成部分；根据设计需求，对组成部分进行组装，得到组装模板；通过大语言模型，生成与设计需求对应的文件；将文件填充进组装模板中，以生成目标界面。由此可以根据用户的设计需求自动生成相应的模板和文件，并组装得到目标界面，从而便捷、准确地生成了用户所需要的界面，提升了界面的生成效率和生成准确性。

Description

一种界面生成方法、装置、设备及介质

技术领域

本申请涉及互联网技术领域，特别是涉及一种界面生成方法、装置、设备及介质。

背景技术

随着移动互联网的普及和深入，软件开发和互联网行业对移动端网络产品界面设计(Website User Interface，WebUI)的需求日益增长。为了满足用户在不同场景下的交互体验，相关技术人员需要设计涵盖内容展示、元素交互、界面跳转等多个方面的界面。

目前，相关技术人员通常要手动进行界面布局、色彩搭配、元素选择等工作，才能创作出满足要求的WebUI。然而，随着设计需求的不断增加和更新，这些手动工作变得越来越繁重和耗时，相关技术人员需要反复进行上述的手动工作，不仅增加了工作负担，也限制了WebUI设计效率的提升。

发明内容

基于上述问题，本申请提供了一种界面生成方法、装置、设备及介质，能够提升WebUI的生成效率。

本申请实施例公开了如下技术方案：

第一方面，本申请实施例提供了一种界面生成方法，该方法包括：

响应于设计需求，在向量数据库中查询与所述设计需求对应的模板作为目标模板；

对所述目标模板进行拆解，获得多个所述目标模板的组成部分；

根据所述设计需求，对所述组成部分进行组装，得到组装模板；

通过大语言模型，生成与所述设计需求对应的文件；

将所述文件填充进所述组装模板中，以生成目标界面。

在一些具体的实现方式中，所述响应于设计需求，在向量数据库中查询与所述设计需求对应的模板作为目标模板，包括：

在向量数据库中构建模板；

使用深度学习的嵌入模型，生成每个所述模板的描述向量，所述描述向量与所述模板的描述信息对应，所述描述信息包括所述模板的界面风格信息、功能特性信息和使用场景信息中的一种或多种；

响应于设计需求对应的需求向量，在所述向量数据库中查询与所述需求向量的相似度最高的描述向量对应的模板作为目标模板。

在一些具体的实现方式中，所述使用深度学习的嵌入模型，生成每个所述模板的描述向量，包括：

将每个所述模板的每个描述信息输入使用深度学习的嵌入模型中，生成所述每个描述信息对应的描述信息向量；

通过整合所述每个模板的所述描述信息向量，生成所述每个模板对应的描述向量。

在一些具体的实现方式中，所述通过大语言模型，生成与所述设计需求对应的文件，包括：

通过大语言模型，生成与所述设计需求对应的图片描述关键词和文字文件；

所述将所述文件填充进所述组装模板中，以生成目标界面，包括：

在图片数据库中选取与所述图片描述关键词对应的图片文件；

将所述文字文件和所述图片文件填充进所述组装模板中，以生成目标界面。

第二方面，本申请实施例提供了一种界面生成装置，该装置包括：查询模块、拆解模块、组装模块、生成模块、填充模块；

所述查询模块，用于响应于设计需求，在向量数据库中查询与所述设计需求对应的模板作为目标模板；

所述拆解模块，用于对所述目标模板进行拆解，获得多个所述目标模板的组成部分；

所述组装模块，用于根据所述设计需求，对所述组成部分进行组装，得到组装模板；

所述生成模块，用于通过大语言模型，生成与所述设计需求对应的文件；

所述填充模块，用于将所述文件填充进所述组装模板中，以生成目标界面。

在一些具体的实现方式中，所述查询模块，包括：模板构建模块、深度学习模块和模板选取模块；

所述模板构建模块，用于在向量数据库中构建模板；

所述深度学习模块，用于使用深度学习的嵌入模型，生成每个所述模板的描述向量，所述描述向量与所述模板的描述信息对应，所述描述信息包括所述模板的界面风格信息、功能特性信息和使用场景信息中的一种或多种；

所述模板选择模块，用于响应于设计需求对应的需求向量，在所述向量数据库中查询与所述需求向量的相似度最高的描述向量对应的模板作为目标模板。

在一些具体的实现方式中，所述深度学习模块，包括：第一学习子模块和第二学习子模块；

所述第一学习子模块，用于将每个所述模板的每个描述信息输入使用深度学习的嵌入模型中，生成所述每个描述信息对应的描述信息向量；

所述第二学习子模块，用于通过整合所述每个模板的所述描述信息向量，生成所述每个模板对应的描述向量。

在一些具体的实现方式中，所述生成模块具体用于，通过大语言模型，生成与所述设计需求对应的图片描述关键词和文字文件；

所述填充模块包括第一填充子模块和第二填充子模块；

所述第一填充子模块，用于在图片数据库中选取与所述图片描述关键词对应的图片文件；

所述第二填充子模块，用于将所述文字文件和所述图片文件填充进所述组装模板中，以生成目标界面。

第三方面，本申请实施例提供了一种电子设备，其特征在于，包括：存储器和处理器；

所述存储器，用于存储程序；

所述处理器，用于执行所述程序，实现如第一方面所述的方法的各个步骤。

第四方面，本申请实施例提供了一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如第一方面所述的方法的各个步骤。

相较于现有技术，本申请具有以下有益效果：

本申请提供了一种界面生成方法、装置、设备及介质，该方法包括：响应于设计需求，在向量数据库中查询与设计需求对应的模板作为目标模板；对目标模板进行拆解，获得多个目标模板的组成部分；根据设计需求，对组成部分进行组装，得到组装模板；通过大语言模型，生成与设计需求对应的文件；将文件填充进组装模板中，以生成目标界面。由此，通过向量数据库查询与设计需求对应的模板后，对不同的模板组成部分进行自由组合和调整。随后，利用大语言模型生成与设计需求对应的文件，并将文件与组合调整后的模板进行组装，得到目标界面。从而根据用户的设计需求自动生成相应的模板和文件，并组装得到目标界面，从而便捷、准确地生成了用户所需要的界面，提升了界面的生成效率和生成准确性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种界面生成方法的流程图；

图2为本申请实施例提供的第一种生成界面的示意图；

图3为本申请实施例提供的第二种生成界面的示意图；

图4为本申请实施例提供的第三种生成界面的示意图；

图5为本申请实施例提供的一种界面生成装置的示意图；

图6为本申请实施例提供的一种电子设备的结构图。

具体实施方式

正如前文描述，目前相关技术人员通常要手动进行界面布局、色彩搭配、元素选择等工作，才能创作出满足要求的WebUI。然而，随着设计需求的不断增加和更新，这些手动工作变得越来越繁重和耗时，相关技术人员需要反复进行上述的手动工作，不仅增加了工作负担，也限制了WebUI设计效率的提升。

发明人经过研究，提供了一种界面生成方法、装置、设备及介质，该方法包括：响应于设计需求，在向量数据库中查询与设计需求对应的模板作为目标模板；对目标模板进行拆解，获得多个目标模板的组成部分；根据设计需求，对组成部分进行组装，得到组装模板；通过大语言模型，生成与设计需求对应的文件；将文件填充进组装模板中，以生成目标界面。由此，通过向量数据库查询与设计需求对应的模板后，对不同的模板组成部分进行自由组合和调整。随后，利用大语言模型生成与设计需求对应的文件，并将文件与组合调整后的模板进行组装，得到目标界面。从而根据用户的设计需求自动生成相应的模板和文件，并组装得到目标界面，从而便捷、准确地生成了用户所需要的界面，提升了界面的生成效率和生成准确性。

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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。

参见图1，该图为本申请实施例提供的一种界面生成方法的流程图。该方法包括：

S101：在向量数据库中预制WebUI模板。

WebUI模板是一种预先设计好的用户界面框架，用于快速构建Web应用程序的用户界面。这些模板通常包含了常见的界面布局、导航结构、样式和交互元素，WebUI模板的使用可以大大简化Web应用程序的开发过程。开发者可以直接使用模板中的布局、样式和交互元素，而无需从零开始构建整个用户界面。

将WebUI模板预制在向量数据库中，意味着将WebUI模板以向量的形式存储在向量数据库中，这些向量可以是基于WebUI模板的视觉特征、结构特征或语义特征来生成的。

S102：使用深度学习的嵌入模型，生成每个WebUI模板对应的描述向量。

首先，需要对每个WebUI模板的描述信息进行分析。其中，描述信息包括WebUI模板的风格信息、颜色信息、字体信息和布局信息中的一种或多种界面风格信息，也包括交互元素、导航结构和界面组件中的一种或多种功能特性信息，也包括应用领域、目标用户、设备兼容性中的一种或多种使用场景信息。

随后，基于深度学习的文本嵌入模型，获取每个WebUI模板的每个描述信息对应的描述信息向量。这些描述信息向量可以代表上述的描述信息，并且可以方便相关技术人员的查找计算。其中，文本嵌入是一种将文本(即描述信息)转换为固定大小的向量表示(即描述信息向量)的技术。这些描述信息向量在多维空间中捕捉文本(即描述信息)的语义信息，使得语义上相似的文本在向量空间中相互接近。

最后，通过整合单个WebUI模板对应的所有描述信息向量，可以生成单个WebUI模板对应的描述向量。

S103：响应于用户向大语言模型输入的设计需求，在向量数据库中查询与设计需求对应的需求向量的相似度最高的描述向量对应的WebUI模板作为目标WebUI模板。

大语言模型(Large Language Model，LLM)指的是拥有大规模参数的语言模型。这些模型能够学习并理解人类语言的语法和语义，从而生成自然语言的文本，如文章、对话等。首先，用户会先向大语言模型输入设计需求，以使大语言模型对用户的设计需求进行详细的识别和理解。

随后，根据大语言模型所识别和理解的用户所需的风格布局、功能要求、目标受众、配色方案等设计需求，首先生成与设计需求对应的需求向量，以便捕捉用户的设计需求特征。随后，再在向量数据库中查询与之相似的描述向量，并将相似的描述向量对应的WebUI模板作为目标WebUI模板。

在一些具体的实现方式中，可以通过计算余弦相似度的方式，得到向量数据库中与需求向量的相似度最高的描述向量所对应的WebUI模板，作为最匹配的目标WebUI模板。

由此，通过向量化表示和相似度计算，捕捉了向量空间中的语义相似性，从而能够更准确、简便地匹配用户需求与WebUI模板。

S104：对目标WebUI模板进行拆解，获得多个目标WebUI模板的组成部分。

在得到目标WebUI模板后，需要对目标WebUI模板进行结构拆解，得到多个组成部分。结构拆解是指将目标WebUI模板分解为不同的组成部分，以便更深入地理解其设计和功能的过程，包括将目标WebUI模板拆分为各个界面、组件、布局、交互元素等组成部分。

在一些示例中，一个目标WebUI模板可能被拆解为头部、主体内容、侧边栏、底部等不同的组成部分，每个组成部分再进一步细化为具体的组件，如按钮、输入框、导航菜单等。

S105：根据用户的设计需求，选择一个或多个组成部分进行组装，生成组装WebUI模板。

在一些具体的实现方式中，可以针对用户的设计需求编写针对性的prompt(指令)，让大语言模型根据该指令从多个目标WebUI模板的组成部分中选取一个或多个组成部分并进行组装，包括调整布局、更换图片、修改文本内容等。

S106：在大语言模型中生成与用户的设计需求对应的图片描述关键词和文字文件，再使用图片描述关键词在图片数据库查找出对应的图片文件。

大语言模型具有强大的文本生成能力和理解能力，当用户向大语言模型输入设计需求后，大语言模型可以理解用户的设计需求并生成对应的图片描述关键词。

并且，除了生成图片描述关键词，大语言模型还可以直接生成与用户设计需求相关的文字文件，可以包括描述、介绍、说明等内容，生成准确、生动、有趣的文字描述。

随后，使用图片描述关键词在图片数据库中进行搜索，查找出与图片描述关键词对应的图片文件，可以包括风景、产品、人物等各种类型，大大提高搜索的精准性。

在一些示例中，若用户的需求是创造一个以草原旅游为主题的界面，那么大语言模型则可以查找与该需求对应的草原图片和草原的文字介绍等。

S107：将图片文件和文字文件填充进组装WebUI模板中，生成目标界面。

在获取到图片文件和文字文件后，即可上述文件与组装WebUI模板进行集成，以创造出最终的可视化用户界面。

需要说明的是，在上述的集成过程中，需要对填充进组装WebUI模板的图片文件和文字文件进行样式调整。在一些示例中，需要调整字体文件的字体大小、字体颜色、字段对齐方式、行间距等，以确保字体文件在生成的界面中的呈现效果符合设计要求。在另一些示例中，需要调整图片文件的尺寸大小、颜色、环绕方式等，以确保图片文件在生成的界面中的呈现效果符合设计要求。对此，本申请不做限定。

在一些具体的实现方式中，在生成目标界面之后，还可以将目标界面转换为Json格式的数据，或，MasterGo设计稿文件格式的数据，以便将画布上对该数据进行渲染展示，帮助用户可以以直观的方式查看和理解设计稿的结果。

参见图2，该图为本申请实施例提供的第一种生成界面的示意图。通过上述方法，可以生成如图2的商品展示界面。图3为本申请实施例提供的第二种生成界面的示意图。通过上述方法，可以生成如图3的电子产品列表界面。图4为本申请实施例提供的第三种生成界面的示意图。通过上述方法，可以生成如图4的产品主题界面。

综上所述，本申请实施例提供了一种界面生成方法，该方法包括：响应于设计需求，在向量数据库中查询与设计需求对应的模板作为目标模板；对目标模板进行拆解，获得多个目标模板的组成部分；根据设计需求，对组成部分进行组装，得到组装模板；通过大语言模型，生成与设计需求对应的文件；将文件填充进组装模板中，以生成目标界面。由此，通过向量数据库查询与设计需求对应的模板后，对不同的模板组成部分进行自由组合和调整。随后，利用大语言模型生成与设计需求对应的文件，并将文件与组合调整后的模板进行组装，得到目标界面。从而根据用户的设计需求自动生成相应的模板和文件，并组装得到目标界面，从而便捷、准确地生成了用户所需要的界面，提升了界面的生成效率和生成准确性。

参见图5，该图为本申请实施例提供的一种界面生成装置的示意图。该界面生成装置500包括：查询模块501、拆解模块502、组装模块503、生成模块504、填充模块505；

查询模块501，用于响应于设计需求，在向量数据库中查询与设计需求对应的模板作为目标模板；

拆解模块502，用于对目标模板进行拆解，获得多个目标模板的组成部分；

组装模块503，用于根据设计需求，对组成部分进行组装，得到组装模板；

生成模块504，用于通过大语言模型，生成与设计需求对应的文件；

填充模块505，用于将文件填充进组装模板中，以生成目标界面。

在一些具体的实现方式中，查询模块501，包括：模板构建模块、深度学习模块和模板选取模块；

模板构建模块，用于在向量数据库中构建模板；

深度学习模块，用于使用深度学习的嵌入模型，生成每个模板的描述向量，描述向量与模板的描述信息对应，描述信息包括模板的界面风格信息、功能特性信息和使用场景信息中的一种或多种；

模板选择模块，用于响应于设计需求对应的需求向量，在向量数据库中查询与需求向量的相似度最高的描述向量对应的模板作为目标模板。

在一些具体的实现方式中，深度学习模块，包括：第一学习子模块和第二学习子模块；

第一学习子模块，用于将每个模板的每个描述信息输入使用深度学习的嵌入模型中，生成每个描述信息对应的描述信息向量；

第二学习子模块，用于通过整合每个模板的描述信息向量，生成每个模板对应的描述向量。

在一些具体的实现方式中，生成模块具体用于，通过大语言模型，生成与设计需求对应的图片描述关键词和文字文件；

填充模块505包括第一填充子模块和第二填充子模块；

第一填充子模块，用于在图片数据库中选取与图片描述关键词对应的图片文件；

第二填充子模块，用于将文字文件和图片文件填充进组装模板中，以生成目标界面。

综上所述，本申请实施例提供了一种界面生成装置，可以根据用户的设计需求自动生成相应的模板和文件，并组装得到目标界面，从而便捷、准确地生成了用户所需要的界面，提升了界面的生成效率和生成准确性。

进一步的，本申请实施例还公开了一种电子设备。参见图6，该图为本申请实施例提供的一种电子设备的结构图。需要说明的是，图中的内容不能认为是对本申请的使用范围的任何限制。该电子设备20，具体可以包括：至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中，所述存储器22用于存储计算机程序，所述计算机程序由所述处理器21加载并执行，以实现前述任一实施例公开的方法中的相关步骤。另外，本实施例中的电子设备20具体可以为电子计算机。

本实施例中，电源23用于为电子设备20上的各硬件设备提供工作电压；通信接口24能够为电子设备20创建与外界设备之间的数据传输通道，其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议，在此不对其进行具体限定；输入输出接口25，用于获取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，在此不进行具体限定。

另外，存储器22作为资源存储的载体，可以是只读存储器、随机存储器、磁盘或者光盘等，其上所存储的资源可以包括操作系统221、计算机程序222等，存储方式可以是短暂存储或者永久存储。

其中，操作系统221用于管理与控制电子设备20上的各硬件设备以及计算机程序222，其可以是Windows Server、Netware、Unix、Linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的方法的计算机程序之外，还可以进一步包括能够用于完成其他特定工作的计算机程序。

进一步的，本申请还公开了一种计算机可读存储介质，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的方法。关于该方法的具体步骤可以参考前述实施例中公开的相应内容，在此不再进行赘述。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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、物品或者设备中还存在另外的相同要素。

以上对本申请所提供的技术方案进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种界面生成方法，其特征在于，所述方法包括：

响应于设计需求，在向量数据库中查询与所述设计需求对应的模板作为目标模板；

对所述目标模板进行拆解，获得多个所述目标模板的组成部分；

根据所述设计需求，对所述组成部分进行组装，得到组装模板；

通过大语言模型，生成与所述设计需求对应的文件；

将所述文件填充进所述组装模板中，以生成目标界面。

2.根据权利要求1所述的方法，其特征在于，所述响应于设计需求，在向量数据库中查询与所述设计需求对应的模板作为目标模板，包括：

在向量数据库中构建模板；

使用深度学习的嵌入模型，生成每个所述模板的描述向量，所述描述向量与所述模板的描述信息对应，所述描述信息包括所述模板的界面风格信息、功能特性信息和使用场景信息中的一种或多种；

响应于设计需求对应的需求向量，在所述向量数据库中查询与所述需求向量的相似度最高的描述向量对应的模板作为目标模板。

3.根据权利要求2所述的方法，其特征在于，所述使用深度学习的嵌入模型，生成每个所述模板的描述向量，包括：

将每个所述模板的每个描述信息输入使用深度学习的嵌入模型中，生成所述每个描述信息对应的描述信息向量；

通过整合所述每个模板的所述描述信息向量，生成所述每个模板对应的描述向量。

4.根据权利要求1所述的方法，其特征在于，所述通过大语言模型，生成与所述设计需求对应的文件，包括：

通过大语言模型，生成与所述设计需求对应的图片描述关键词和文字文件；

所述将所述文件填充进所述组装模板中，以生成目标界面，包括：

在图片数据库中选取与所述图片描述关键词对应的图片文件；

将所述文字文件和所述图片文件填充进所述组装模板中，以生成目标界面。

5.一种界面生成装置，其特征在于，所述装置包括：查询模块、拆解模块、组装模块、生成模块、填充模块；

所述查询模块，用于响应于设计需求，在向量数据库中查询与所述设计需求对应的模板作为目标模板；

所述拆解模块，用于对所述目标模板进行拆解，获得多个所述目标模板的组成部分；

所述组装模块，用于根据所述设计需求，对所述组成部分进行组装，得到组装模板；

所述生成模块，用于通过大语言模型，生成与所述设计需求对应的文件；

所述填充模块，用于将所述文件填充进所述组装模板中，以生成目标界面。

6.根据权利要求5所述的装置，其特征在于，所述查询模块，包括：模板构建模块、深度学习模块和模板选取模块；

所述模板构建模块，用于在向量数据库中构建模板；

所述深度学习模块，用于使用深度学习的嵌入模型，生成每个所述模板的描述向量，所述描述向量与所述模板的描述信息对应，所述描述信息包括所述模板的界面风格信息、功能特性信息和使用场景信息中的一种或多种；

所述模板选择模块，用于响应于设计需求对应的需求向量，在所述向量数据库中查询与所述需求向量的相似度最高的描述向量对应的模板作为目标模板。

7.根据权利要求6所述的装置，其特征在于，所述深度学习模块，包括：第一学习子模块和第二学习子模块；

所述第一学习子模块，用于将每个所述模板的每个描述信息输入使用深度学习的嵌入模型中，生成所述每个描述信息对应的描述信息向量；

所述第二学习子模块，用于通过整合所述每个模板的所述描述信息向量，生成所述每个模板对应的描述向量。

8.根据权利要求5所述的装置，其特征在于，所述生成模块具体用于，通过大语言模型，生成与所述设计需求对应的图片描述关键词和文字文件；

所述填充模块包括第一填充子模块和第二填充子模块；

所述第一填充子模块，用于在图片数据库中选取与所述图片描述关键词对应的图片文件；

所述第二填充子模块，用于将所述文字文件和所述图片文件填充进所述组装模板中，以生成目标界面。

9.一种电子设备，其特征在于，包括：存储器和处理器；

所述存储器，用于存储程序；

所述处理器，用于执行所述程序，实现如权利要求1至5中任一项所述的方法的各个步骤。

10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1至5中任一项所述的方法的各个步骤。