[發明專利]基于機器學習的前端輔助開發方法和裝置

有效

• 申請號: 201811289563.1
• 申請日: 2018-10-31
• 公開（公告）號: CN109408058B
• 公開（公告）日: 2022-02-22
• 發明（設計）人: 合敏慈
• 申請（專利權）人: 北京影譜科技股份有限公司
• 主分類號: G06F8/38
• 分類號: G06F8/38;G06N3/04;G06N3/08
• 代理公司: 北京萬思博知識產權代理有限公司 11694
• 代理人: 冀婷

1.一種基于機器學習的前端輔助開發方法，包括：

數據文件生成步驟：利用經過訓練的長短期記憶網絡對PSD格式文件的每一層圖像進行識別，生成與該層圖像對應的代碼化數據；和

前端界面數據生成步驟：基于每一層圖像的配置信息和相應的代碼化數據，生成前端界面數據；

其中，所述長短期記憶網絡通過以下步驟進行訓練：

公共模塊保存步驟：將網頁樣本集合中的每一個網頁樣本拆分成網頁模塊，將所述網頁樣本集合中相似數量高于第一閾值的網頁模塊保存為公共模塊；和

模型訓練步驟：將所述公共模塊和相應的代碼化數據作為訓練樣本，對長短期記憶網絡模型進行深度訓練，得到深度長短期記憶網絡。

2.根據權利要求1所述的方法，其特征在于，所述公共模塊保存步驟包括：

網頁樣本集合獲取步驟：將至少一個項目的每一個網頁保存為網頁圖片，所有的網頁圖片組成網頁樣本集合；

網頁模塊拆分步驟：對于網頁樣本集合中的每一個網頁圖片按照結構進行拆分得到多個網頁模塊；

圖片指紋計算步驟：對于每一個網頁模塊，計算該網頁模塊的圖片指紋；和

保存步驟：比較所述網頁模塊的圖片指紋的相似度，將相似數量滿足第一閾值的網頁模塊保存為公共模塊。

3.根據權利要求1所述的方法，其特征在于，所述模型訓練步驟包括：

特征提取步驟：將公共模塊通過卷積神經網絡得到特征圖和特征向量；

深度訓練步驟：將公共模塊的特征圖與特征向量以及該公共模塊的代碼化數據輸入到長短期記憶網絡模型中進行深度訓練；和

模型優化步驟：根據輸出的代碼化數據與實際的代碼化數據的偏差，對長短期記憶網絡模型的參數進行優化，得到深度長短期記憶網絡。

4.根據權利要求1所述的方法，其特征在于，所述數據文件生成步驟包括：

網頁分解步驟：對PSD格式文件的每一層圖像進行分解，得到若干圖像模塊以及相應的位置信息；

圖像模塊識別步驟：對于每一個圖像模塊，利用經過訓練的長短期記憶網絡進行識別，生成與圖像模塊對應的代碼化數據；和

代碼化數據生成步驟：基于所述圖像模塊的位置信息和代碼化數據，得到與該層圖像對應的代碼化數據。

5.根據權利要求1至4中任一項所述的方法，其特征在于，所述前端界面數據生成步驟包括：

基于前端界面模板，讀取每一層圖像的配置信息和相應的代碼化數據放置在所述前端界面模板的相應位置，得到前端界面數據。

6.一種基于機器學習的前端輔助開發裝置，包括：

數據文件生成模塊，其配置成用于利用經過訓練的長短期記憶網絡對PSD格式文件的每一層圖像進行識別，生成與該層圖像對應的代碼化數據；和

前端界面數據生成模塊，其配置成用于基于每一層圖像的配置信息和相應的代碼化數據，生成前端界面數據；

其中，所述長短期記憶網絡通過訓練模塊進行訓練，所述訓練模塊包括：

公共模塊保存模塊，其配置成用于將網頁樣本集合中的每一個網頁樣本拆分成網頁模塊，將所述網頁樣本集合中相似數量高于第一閾值的網頁模塊保存為公共模塊；和

模型訓練模塊，其配置成用于將所述公共模塊和相應的代碼化數據作為訓練樣本，對長短期記憶網絡模型進行深度訓練，得到深度長短期記憶網絡。

7.根據權利要求6所述的裝置，其特征在于，所述公共模塊保存模塊包括：

網頁樣本集合獲取模塊，其配置成用于將至少一個項目的每一個網頁保存為網頁圖片，所有的網頁圖片組成網頁樣本集合；

網頁模塊拆分模塊，其配置成用于對于網頁樣本集合中的每一個網頁圖片按照結構進行拆分得到多個網頁模塊；

圖片指紋計算模塊，其配置成用于對于每一個網頁模塊，計算該網頁模塊的圖片指紋；和

保存模塊，其配置成用于比較所述網頁模塊的圖片指紋的相似度，將相似數量滿足第一閾值的網頁模塊保存為公共模塊。