[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

本申請公開了一種基于機器學習的前端輔助開發方法和裝置。其中方法包括：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；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，長短期記憶網絡通過以下步驟進行訓練：將網頁樣本集合中的每一個網頁樣本拆分成網頁模塊，將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；將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。該方法采用機器學習識別PSD文件并轉化為前端界面數據，減少前端開發工作量，提高了項目開發速度。

技術領域

本申請涉及到機器學習和網頁技術領域，特別是涉及一種基于機器學習的前端輔助開發方法和裝置。

背景技術

隨著互聯網的高速發展，瀏覽器的性能也越來越好，很多系統都開始采用B/S(瀏覽器/服務器)的模式來進行開發工作。在傳統的開發流程中，通常是由設計師先用Photoshop軟件制作PSD格式的設計稿后交由前端開發工程師通過編寫代碼的方式將圖形用戶界面中的界面元素布局到Web前端，然后由前端工程師再和后端工程師配合完成網頁的邏輯部分。從上述的流程的描述中不難看出，前端開發工程師的工作量較大，因此，Web前端開發的工作可能成為整個項目的瓶頸，影響項目開發的進度。

發明內容

本申請的目的在于克服上述問題或者至少部分地解決或緩減解決上述問題。

根據本申請的一個方面，提供了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；

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；

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。

本申請提供的方法采用機器學習方式識別PSD格式中各個層，并且能夠將其轉化為前端界面數據，能夠讓不懂代碼的設計師在設計網頁設計稿的同時制作靜態網頁頁面，從而減少前端開發人員的工作量，提高了整體的開發速度和效率，解決了項目開發過程中的瓶頸問題。

可選地，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

公共模塊保存步驟：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。

采用該方法，能夠將項目開發過程中利用率最高的網頁模塊進行代碼化處理，從而避免重復性勞動，減輕前端開發人員的工作量，提高工作效率。

可選地，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