基于人工智能的原生调用辅助方法及相关设备技术

本申请提出一种基于人工智能的原生调用辅助方法、装置、电子设备及存储介质，基于人工智能的原生调用辅助方法包括：依据原生APP的原生方法获取自定义插件集合，所述插件集合包括多条插件数据；计算每一个插件数据的错误率以及插件集合中任意两个插件数据之间的相似度；基于插件数据的错误率计算相似度阈值，并依据相似度阈值和插件数据间的相似度划分插件集合得到插件数据的混淆集合；获取实时插件数据并计算实时插件数据与所述插件集合中各插件数据间的相似度，监控实时插件数据的正确性得到目标插件数据；获取目标插件数据的混淆集合供开发人员选取以辅助原生方法的调用。本申请可以避免原生方法调用错误，缩短开发时间，提高开发效率。提高开发效率。提高开发效率。

【技术实现步骤摘要】
基于人工智能的原生调用辅助方法及相关设备


[0001]本申请涉及人工智能
，尤其涉及一种基于人工智能的原生调用辅助方法、装置、电子设备及存储介质。

技术介绍

[0002]Hybrid App(混合模式移动应用)是指介于Web App(网页应用程序)、Native App(原生应用程序)这两者之间的App，兼具了“Native App良好用户交互体验的优势”和“Web App使用H5跨平台开发低成本的优势”。
[0003]在Hybrid App开发过程中，很多功能需要将原生应用程序中原生方法的开发接口提供给H5调用才可以实现，但在H5和原生应用程序调试时，由于二者的代码不相通，导致很难判断原生的方法和参数是否正常。
[0004]目前，通常由开发人员反复查找来确认原生调用过程中所有原生方法和参数是否正确，然而，这种方式大大提高了开发调试的时间成本，工作效率较为低下。

技术实现思路

[0005]鉴于以上内容，有必要提出一种基于人工智能的原生调用辅助方法及相关设备，以解决如何提高原生方法调用效率这一技术问题，其中，相关设备包括基于人工智能的原生调用辅助装置、电子设备及存储介质。
[0006]本申请基于人工智能的原生调用辅助方法，包括：
[0007]依据原生APP的原生方法获取自定义的插件集合，所述插件集合包括多条插件数据，所述插件数据与原生APP的原生方法一一对应；
[0008]依据预设错误率计算模型计算每一个所述插件数据的错误率；
[0009]依据预设相似度计算模型计算所述插件集合中任意两个插件数据之间的相似度；
[0010]基于所述插件数据错误率和预设初始阈值计算所述插件数据的相似度阈值，并依据所述相似度阈值和所述插件数据之间的相似度划分插件集合得到每一个插件数据的混淆集合；
[0011]获取插件数据调用原生方法过程中的实时插件数据，依据预设相似度计算模型计算所述实时插件数据与所述插件集合中插件数据之间的相似度，并监控实时插件数据的正确性得到目标插件数据；
[0012]获取所述目标插件数据的混淆集合供开发人员选取以辅助原生方法的调用。
[0013]在一些实施例中，所述依据原生APP的原生方法获取自定义的插件集合之后，所述方法还包括：
[0014]依据插件数据调用对应的原生APP的原生方法以获取调用结果，所述插件数据包括插件名称，插件方法和插件参数。
[0015]在一些实施例中，所述预设错误率计算模型满足关系式：
[0016][0017]其中，l
k
表示插件数据k对应的插件方法和插件名称的字符串总长度，l
max
表示所有插件所述字符串总长度的最大值，n
k
表示插件k对应的插件参数的数量，n
m
表示插件数据k对应的插件参数中参数类型m的参数数量，且满足所述参数类型包括布尔型、单精度浮点型、字符型、字节型、短整型、长整形、整形以及双精度浮点型共八种，α
k
为插件数据k的错误率，取值范围为[0,1]，数值越大则表示插件数据k调用对应原生方法的过程中出现错误的概率越大。
[0018]在一些实施例中，所述预设相似度计算模型包括插件名称相似度计算模型、插件方法相似度计算模型和插件参数相似度计算模型，所述依据预设相似度计算模型计算所述插件集合中任意两个插件数据之间的相似度，包括：
[0019]依据所述插件名称相似度计算模型对比任意两个插件数据中插件名称的字符内容和字符数量以获取第一相似度；
[0020]依据所述插件方法相似度计算模型对比任意两个插件数据中插件方法的字符内容和字符数量以获取第二相似度；
[0021]依据所述插件参数相似度计算模型对比任意两个插件数据中插件参数的参数类型和参数数量以获取第三相似度；
[0022]依据预设相似度计算模型计算所述第一相似度、所述第二相似度和所述第三相似度的均值以获取所述任意两个插件数据之间的相似度。
[0023]在一些实施例中，所述插件名称相似度计算模型、插件方法相似度计算模型和插件参数相似度计算模型包括：
[0024]所述插件名称相似度计算模型满足关系式：
[0025][0026]其中，分别为插件数据k和插件数据b对应的插件名称的字符数量，为插件数据k和插件数据b对应的插件名称中相同字符的字符数量，为插件数据k和插件数据b的所述第一相似度，取值范围为[0,1]，数值越大表示相似性越高；
[0027]所述插件方法相似度计算模型满足关系式：
[0028][0029]其中，分别为插件数据k和插件数据b对应的插件方法的字符数量，为插件数据k和插件数据b对应的插件方法中相同字符的字符数量，为插件数据k和插件数据b的所述第二相似度，取值范围为[0,1]，数值越大表示相似性越高；
[0030]所述插件参数相似度计算模型满足关系式：
[0031][0032]其中，分别为插件数据k和插件数据b对应的插件参数的参数数量，为插件数据k和插件数据b对应的插件参数中相同参数类型的参数数量，为插件数据k和插件数据b的所述第三相似度，取值范围为[0,1]，数值越大表示相似性越高；
[0033]所述预设相似度计算模型满足关系式：
[0034][0035]其中，Sim
k,b
为所述插件数据k与插件数据b的相似度，取值范围为[0,1]，数值越大则两插件数据的相似度越高。
[0036]在一些实施例中，所述基于所述插件数据的错误率和预设初始阈值计算插件数据的相似度阈值中，所述插件数据的相似度阈值满足关系式：
[0037]Sim
′
k
＝(1
‑
α
k
)
×
Sim
*
[0038]其中，Sim
*
为预设初始阈值，不同插件数据对应相同的预设初始阈值；所述α
k
为插件数据k的错误率；Sim
′
k
为插件数据k的相似度阈值。
[0039]在一些实施例中，所述监控实时插件数据的正确性得到目标插件数据包括：
[0040]获取所述实时插件数据与所述插件集合中插件数据之间的相似度的最大值；
[0041]若所述最大值是否等于1，则所述插件数据使用正确，将所述实时插件数据作为所述目标插件数据；
[0042]若所述最大值是否不等于1，则所述插件数据使用错误，此时发出错误提醒，并将所述最大值对应的插件数据作为所述目标插件数据。
[0043]本申请实施例还提供一种基于人工智能的原生调用辅助装置，所述装置包括：
[0044]获取单元，用于依据原生APP的原生方法获取自定义的插件集合，所述插件集合包括多条插件数据，所述插件数据与原生APP的原生方法一一对应；
[0045]第一计算单元，用于依据预设错误率计算模型计算每一个所述插件数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的原生调用辅助方法，其特征在于，所述方法包括：依据原生APP的原生方法获取自定义的插件集合，所述插件集合包括多条插件数据，所述插件数据与原生APP的原生方法一一对应；依据预设错误率计算模型计算每一个所述插件数据的错误率；依据预设相似度计算模型计算所述插件集合中任意两个插件数据之间的相似度；基于所述插件数据的错误率和预设初始阈值计算所述插件数据的相似度阈值，并依据所述相似度阈值和所述插件数据之间的相似度划分所述插件集合得到每一个插件数据的混淆集合；获取插件数据调用原生方法过程中的实时插件数据，依据所述预设相似度计算模型计算所述实时插件数据与所述插件集合中插件数据之间的相似度，并监控实时插件数据的正确性得到目标插件数据；获取所述目标插件数据的混淆集合供开发人员选取以辅助原生方法的调用。2.如权利要求1所述的基于人工智能的原生调用辅助方法，其特征在于，所述依据原生APP的原生方法获取自定义的插件集合之后，所述方法还包括：依据插件数据与原生APP的原生方法的对应关系以实现原生方法的调用，所述插件数据包括插件名称，插件方法和插件参数。3.如权利要求1所述的基于人工智能的原生调用辅助方法，其特征在于，所述预设错误率计算模型满足关系式：其中，l
k
表示插件数据k对应的插件方法和插件名称的字符串总长度，l
max
表示所有插件所述字符串总长度的最大值，n
k
表示插件k对应的插件参数的数量，n
m
表示插件数据k对应的插件参数中参数类型m的参数数量，且满足所述参数类型包括布尔型、单精度浮点型、字符型、字节型、短整型、长整形、整形以及双精度浮点型共八种，α
k
为插件数据k的错误率，取值范围为[0,1]，数值越大则表示插件数据k调用对应原生方法的过程中出现错误的概率越大。4.如权利要求1所述的基于人工智能的原生调用辅助方法，其特征在于，所述预设相似度计算模型包括插件名称相似度计算模型、插件方法相似度计算模型和插件参数相似度计算模型，所述依据预设相似度计算模型计算所述插件集合中任意两个插件数据之间的相似度，包括：依据所述插件名称相似度计算模型对比任意两个插件数据中插件名称的字符内容和字符数量以获取第一相似度；依据所述插件方法相似度计算模型对比任意两个插件数据中插件方法的字符内容和字符数量以获取第二相似度；依据所述插件参数相似度计算模型对比任意两个插件数据中插件参数的参数类型和参数数量以获取第三相似度；依据预设相似度计算模型计算所述第一相似度、所述第二相似度和所述第三相似度的
均值以获取所述任意两个插件数据之间的相似度。5.如权利要求4所述的基于人工智能的原生调用辅助方法，其特征在于，所述插件名称相似度计算模型、插件方法相似度计算模型和插件参数相似度计算模型包括：所述插件名称相似度计算模型满足关系式：其中，分别为插件数据k和插件数据b对应的插件名称的字符数量，为插件数据k和插件数据b对应的插件名称中相同字符的字符数量，为插件数据k和插件数据b的所述第一相似度，取值范围为[0,1]，数值越大表示相似性越高；所述插件方法相似度计算模型满足关系式：其中，分别为插件数据k和插件数据b对应的...

【专利技术属性】
技术研发人员：张远，
申请(专利权)人：平安普惠企业管理有限公司，
类型：发明
国别省市：