[發(fā)明專利]低代碼平臺生成網(wǎng)頁配置信息的方法、系統(tǒng)和存儲介質(zhì)在審
| 申請?zhí)枺?/td> | 202111435687.8 | 申請日: | 2021-11-25 |
| 公開(公告)號: | CN114237610A | 公開(公告)日: | 2022-03-25 |
| 發(fā)明(設(shè)計)人: | 唐堅強(qiáng);周慧明 | 申請(專利權(quán))人: | 武漢天恒信息技術(shù)有限公司 |
| 主分類號: | G06F8/41 | 分類號: | G06F8/41;G06F16/215;G06K9/62;G06N20/00 |
| 代理公司: | 武漢知產(chǎn)時代知識產(chǎn)權(quán)代理有限公司 42238 | 代理人: | 吳曉茜 |
| 地址: | 430000 湖北省武漢市武漢東湖新技術(shù)開發(fā)區(qū)東一產(chǎn)業(yè)*** | 國省代碼: | 湖北;42 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 代碼 平臺 生成 網(wǎng)頁 配置 信息 方法 系統(tǒng) 存儲 介質(zhì) | ||
1.一種低代碼平臺生成網(wǎng)頁配置信息的方法,其特征在于,所述方法包括:
獲取低代碼平臺的應(yīng)用配置數(shù)據(jù)集;
清洗所述數(shù)據(jù)集,補(bǔ)全缺失數(shù)據(jù);
劃分清洗后的所述數(shù)據(jù)集為訓(xùn)練集和測試集;
將所述訓(xùn)練集和所述測試集編碼轉(zhuǎn)換為詞向量;
將轉(zhuǎn)換為詞向量后的所述訓(xùn)練集分別輸入多種網(wǎng)絡(luò)模型,并比較各個網(wǎng)絡(luò)模型的損失函數(shù)得分,選取得分最少的模型作為待優(yōu)化模型;
利用K折法驗證所述待優(yōu)化模型的準(zhǔn)確度,并調(diào)整所述待優(yōu)化模型的參數(shù);
輸入轉(zhuǎn)換為詞向量后的測試集評估調(diào)整參數(shù)后的待優(yōu)化模型,得到優(yōu)化模型;
利用所述優(yōu)化模型進(jìn)行網(wǎng)頁配置。
2.如權(quán)利要求1所述的一種低代碼平臺生成網(wǎng)頁配置信息的方法,其特征在于,利用所述優(yōu)化模型生成網(wǎng)頁配置信息后還包括:
當(dāng)應(yīng)用收集到新的用戶配置信息后,將新的所述用戶配置信息存儲到所述應(yīng)用配置數(shù)據(jù)集,得到新應(yīng)用配置數(shù)據(jù)集;
利用所述新應(yīng)用配置數(shù)據(jù)集迭代訓(xùn)練所述優(yōu)化模型。
3.如權(quán)利要求1所述的一種低代碼平臺生成網(wǎng)頁配置信息的方法,其特征在于,所述多種網(wǎng)絡(luò)模型包括:決策樹模型、隨機(jī)森林模型、最大間距支持向量機(jī)模型和神經(jīng)網(wǎng)絡(luò)模型。
4.如權(quán)利要求1所述的一種低代碼平臺生成網(wǎng)頁配置信息的方法,其特征在于,獲取低代碼平臺的應(yīng)用配置數(shù)據(jù)集包括:
將行業(yè)標(biāo)簽和應(yīng)用結(jié)構(gòu)的節(jié)點組成的數(shù)據(jù)對作為樣本數(shù)據(jù);
將應(yīng)用項目在結(jié)構(gòu)節(jié)點的具體配置的值作為所述樣本數(shù)據(jù)的標(biāo)簽;
將所述樣本數(shù)據(jù)與所述樣本數(shù)據(jù)的標(biāo)簽構(gòu)造為樣本數(shù)據(jù)對;
所述樣本數(shù)據(jù)對的集合即為所述應(yīng)用配置數(shù)據(jù)集。
5.如權(quán)利要求1所述的一種低代碼平臺生成網(wǎng)頁配置信息的方法,其特征在于,清洗所述數(shù)據(jù)集,補(bǔ)全缺失數(shù)據(jù)包括:
批量為數(shù)據(jù)集中缺失標(biāo)簽的樣本數(shù)據(jù)賦予默認(rèn)標(biāo)簽。
6.如權(quán)利要求1所述的一種低代碼平臺生成網(wǎng)頁配置信息的方法,其特征在于,劃分清洗后的所述數(shù)據(jù)集為訓(xùn)練集和測試集包括:
每次所述優(yōu)化模型運行時,將同一個樣本數(shù)據(jù)劃分進(jìn)在前一次模型運行時劃分進(jìn)的樣本集中。
7.如權(quán)利要求2所述的一種低代碼平臺生成網(wǎng)頁配置信息的方法,其特征在于,將新的所述用戶配置信息存儲到所述應(yīng)用配置數(shù)據(jù)集前,還包括:
人工篩選新的所述用戶配置信息,得到篩選配置信息;
待所述篩選配置信息的數(shù)據(jù)量足夠時,將所述篩選配置信息與所述應(yīng)用配置數(shù)據(jù)集混合。
8.一種低代碼平臺生成網(wǎng)頁配置信息的系統(tǒng),其特征在于,所述系統(tǒng)運行時用于實現(xiàn)如權(quán)利要求1-7任一所述的一種低代碼平臺生成網(wǎng)頁配置信息的方法的步驟,所述系統(tǒng)包括:
數(shù)據(jù)收集模塊,用于獲取低代碼平臺的應(yīng)用配置數(shù)據(jù)集;
數(shù)據(jù)清洗模塊,用于清洗所述應(yīng)用配置數(shù)據(jù)集,補(bǔ)全缺失數(shù)據(jù);
數(shù)據(jù)劃分模塊,用于劃分清洗后的所述應(yīng)用配置數(shù)據(jù)集為訓(xùn)練集和測試集;
編碼模塊,用于將所述訓(xùn)練集和所述測試集進(jìn)行編碼,轉(zhuǎn)換為詞向量;
訓(xùn)練模塊,用于將轉(zhuǎn)換為詞向量后的所述訓(xùn)練集分別輸入多種網(wǎng)絡(luò)模型,并比較各個網(wǎng)絡(luò)模型的損失函數(shù)值,選取損失函數(shù)值最小的模型作為待優(yōu)化模型,并利用K折法評估所述待優(yōu)化模型的準(zhǔn)確度,基于準(zhǔn)確度調(diào)整所述待優(yōu)化模型的參數(shù),得到優(yōu)化模型;
測試模塊,用于輸入轉(zhuǎn)換為詞向量后的測試集評估所述優(yōu)化模型。
9.一種存儲介質(zhì),其特征在于,所述存儲介質(zhì)為計算機(jī)可讀存儲介質(zhì),所述計算機(jī)可讀存儲介質(zhì)上存儲有計算機(jī)程序,所述計算機(jī)程序運行時用于實現(xiàn)如權(quán)利要求1-7任一所述的一種低代碼平臺生成網(wǎng)頁配置信息的方法的步驟。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于武漢天恒信息技術(shù)有限公司,未經(jīng)武漢天恒信息技術(shù)有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202111435687.8/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 上一篇:一種消毒、烘干一體式水槽
- 下一篇:一種電解液及其電池





