本发明专利技术公开了一种应用于项目管理软件的搜索方法、装置、设备及介质。搜索方法包括：将基于神经结构搜索的学习模型接入终端的项目管理软件，学习模型包括输入节点、输出节点以及一或多个运算节点；输入节点根据输入至项目管理软件的查询条件生成搜索条件，并将其发送给运算节点；运算节点根据搜索条件进行运算，生成数据集合并将其传递给下一运算节点和输出节点，数据集合包括运算节点的权值和搜索结果；下一运算节点重复执行相同的操作，直至无需继续运算；以及输出节点根据运算节点的权值将搜索结果进行排序，并依次将其输出至终端。本发明专利技术可快速筛选出目标结果，且无需为指定的搜索场景专门开发和训练，从而节省了开发和维护的成本。护的成本。护的成本。
【技术实现步骤摘要】
应用于项目管理软件的搜索方法、装置、设备及介质
[0001]本专利技术属于智能搜索领域，具体涉及一种应用于项目管理软件且使用环境存在多种变化情况的搜索方法。
技术介绍
[0002]项目管理类软件用于软件的开发、运行、监测、维护等。大部分项目管理类软件都具有搜索功能，用于负责搜索使用人员指定的内容。然而，对于每次指定的内容，其所应用的搜索逻辑可能不同。例如，在利用项目管理类软件搜索某一软件时，如果同一软件存在多个版本，则搜索逻辑侧重于软件的更新日期；在利用项目管理类软件搜索日志信息时，搜索逻辑侧重于日志信息的重要等级。由此，当满足条件的结果有多个时，该多个结果的显示顺序会极大地影响使用人员的体验。因此，在现有的搜索功能中，基本会添加基于神经结构搜索（Neural Architecture Search，简称NAS）的学习模型，用于分析使用人员最想看到的结果并将这些结果优先显示。
[0003]然而，基于神经结构搜索的学习模型存在以下问题：1、基于神经结构搜索的学习模型的成长速度较慢，需要通过大量的数据来完成训练，如果使用人员使用搜索功能的次数较少，则学习模型无法获得足够多的数据进行学习和成长。
[0004]2、由于搜索场景多变（例如，搜索软件信息、搜索日志数据、搜索实时交互数据中满足搜索条件的值，等等），导致需要为每个场景单独编写一套相关的学习模型，这增加了项目管理软件的开发成本和维护成本。
[0005]3、由于基于神经结构搜索的学习模型的成长速度较慢，而每位使用人员的搜索习惯不同，导致使用人员变更时学习模型需要花费较长时间重新训练，无法快递地获得搜索结果。
技术实现思路
[0006]针对上述问题，本专利技术提出一种应用于项目管理软件的搜索方法，用于改进基于神经结构搜索的传统学习模型，本专利技术所述的搜索方法可快速筛选出目标结果，而且无需为指定的搜索场景专门开发和训练，从而节省了开发和维护的成本。
[0007]本专利技术的一个方面，提供一种应用于项目管理软件的搜索方法，包括：将基于神经结构搜索的学习模型接入终端的项目管理软件，其中所述学习模型包括输入节点、输出节点以及一个或多个运算节点，各个运算节点能单独工作；当向所述项目管理软件输入查询条件时，所述输入节点根据所述查询条件生成搜索条件，并将其发送给所述运算节点；所述运算节点根据所述搜索条件进行运算，生成数据集合并将其传递给下一运算节点和输出节点，其中所述数据集合包括运算节点的权值和搜索结果；所述下一运算节点重复执行与所述运算节点的相同的操作，直至所述学习模型判
断无需继续运算；以及所述输出节点根据运算节点的权值将收到的数据集合中的搜索结果进行排序，并依次将其输出至所述终端进行显示。
[0008]可选地，本专利技术所述的搜索方法还包括：查询完成后，清空所述学习模型中的临时数据。
[0009]可选地，在本专利技术所述的搜索方法中，所述运算节点的数据集合包含：运算节点的搜索条件、运算节点的搜索结果、运算节点的路径以及运算节点的权值。
[0010]可选地，在本专利技术所述的搜索方法中，所述运算节点的数据集合中所包含的权值为执行运算节点的运算后最新计算出的权值，计算公式如下：新权值 = （本运算节点的权值 ^ 2）/前驱节点的数据集合中的权值 + 前驱节点的数据集合中的权值。
[0011]可选地，在本专利技术所述的搜索方法中，当使用人员多次选择权值低的输出结果时，重新计算运算节点的权值以及修正运算节点的前驱节点和/或后继节点的步骤包括：计算所选输出结果的路径上所有运算节点的权值，并将这些运算节点标记为标兵节点，标兵节点的权值计算公式为：运算节点权值 = 当前权值 X 本次搜索条件的重要值；计算权值大于所选输出结果的其他输出结果所包含的运算节点的权值，并将这些运算节点标记为非标兵节点，非标兵节点的权值计算公式为：运算节点权值 = 当前权值 X 本次搜索条件的重要值 X 12.73% X 该运算节点在本次输出结果中使用的次数；当所选输出结果对应的数据集合并非终端显示的多个输出结果中首位的输出结果时，再次计算标兵节点的权值，再次计算标兵节点的权值计算公式为：运算节点权值 = 当前权值 X （（运算节点的数据集合输出时的次序编号 X 1.375%）+100%）。
[0012]将非标兵节点中权值大于标兵节点中权值最小的运算节点的节点作为该权值最小的运算节点的后继节点。
[0013]可选地，在本专利技术所述的搜索方法用于维护软件且搜索不频繁的情况。
[0014]本专利技术的另一个方面，提供一种应用于项目管理软件的搜索装置，包括：接入模块，用于将基于神经结构搜索的学习模型接入终端的项目管理软件，其中所述学习模型包括输入节点、输出节点以及一个或多个运算节点，各个运算节点能单独工作；第一生成模块，用于当向所述项目管理软件输入查询条件时，使所述输入节点根据所述查询条件生成搜索条件，并将其发送给所述运算节点；第二生成模块，用于使所述运算节点根据所述搜索条件进行运算，生成数据集合并将其传递给下一运算节点和输出节点，其中所述数据集合包括运算节点的权值和搜索结果；执行模块，用于使所述下一运算节点重复执行与所述运算节点的相同的操作，直至所述学习模型判断无需继续运算；以及输出模块，用于使所述输出节点根据运算节点的权值将收到的数据集合中的搜索
结果进行排序，并依次将其输出至所述终端进行显示。
[0015]本专利技术的又一个方面，提供一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机程序，所述计算机程序由所述处理器加载并执行以实现本专利技术上述任一实施例所述的搜索方法。
[0016]本专利技术的再一个方面，提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序由处理器加载并执行以实现本专利技术上述任一实施例所述的搜索方法。
[0017]在本专利技术的应用于项目管理软件的搜索方法、装置、设备及介质中，由于学习模型的运算层中的每个运算节点可单独工作，也即只要有来自前驱节点的输入，就能够进行运算并输出结果，而无需等待所有前驱节点的输入，因而增加了运算节点的输出结果。由此，可快速筛选出目标结果。并且，由于运算节点彼此之间没有强依赖关系，故而本专利技术的学习模型的应用场景比传统模型的应用场景广，使用环境可存在多种变化情况，而且可以复用运算节点，无需专门为指定场景专门开发和训练，节省开发成本。
[0018]而且，由于本专利技术学习模型中的运算节点的权值以及运算节点的前驱节点和后继节点可随着搜索的运行而不断修正，因而能够对运算节点的权值进行更精确、更智能的计算。当使用人员更换时，本专利技术也可以迅速调整运算节点的权值，从而可以更迅速地计算出使用人员想要的结果。
[0019]因此，本专利技术的优点至少包括：1、针对于不同的搜索场景，不需要重新开发学习模型，从而降低了项目管理软件的开发成本和维护成本。
[0020]2、本专利技术的学习模型的成长速度快，通过少量的数据就可以完成学习模型的训练，无需提前通过大量的数据去训练模型，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种应用于项目管理软件的搜索方法，其特征在于，包括：将基于神经结构搜索的学习模型接入终端的项目管理软件，其中所述学习模型包括输入节点、输出节点以及一个或多个运算节点，各个运算节点能单独工作；当向所述项目管理软件输入查询条件时，所述输入节点根据所述查询条件生成搜索条件，并将其发送给所述运算节点；所述运算节点根据所述搜索条件进行运算，生成数据集合并将其传递给下一运算节点和输出节点，其中所述数据集合包括运算节点的权值和搜索结果；所述下一运算节点重复执行与所述运算节点的相同的操作，直至所述学习模型判断无需继续运算；以及所述输出节点根据运算节点的权值将收到的数据集合中的搜索结果进行排序，并依次将其输出至所述终端进行显示。2.根据权利要求1所述的搜索方法，其特征在于，所述方法还包括：当使用人员从所述终端显示的多个输出结果中多次选择权值低的输出结果时，修改所述学习模型中运算节点的权值，和/或修正运算节点的前驱节点和/或后继节点。3.根据权利要求1或2所述的搜索方法，其特征在于，所述方法还包括：查询完成后，清空所述学习模型中的临时数据。4.根据权利要求3所述的搜索方法，其特征在于，所述运算节点的数据集合包含：运算节点的搜索条件、运算节点的搜索结果、运算节点的路径以及运算节点的权值。5.根据权利要求4所述的搜索方法，其特征在于，所述运算节点的数据集合中所包含的权值为执行运算节点的运算后最新计算出的权值，计算公式如下：新权值 = （本运算节点的权值 ^ 2）/前驱节点的数据集合中的权值 + 前驱节点的数据集合中的权值。6.根据权利要求4所述的搜索方法，其特征在于，当使用人员多次选择权值低的输出结果时，重新计算运算节点的权值以及修正运算节点的前驱节点和/或后继节点的步骤包括：计算所选输出结果的路径上所有运算节点的权值，并将这些运算节点标记为标兵节点，标兵节点的权值计算公式为：运算节点权值 = 当前权值 X 本次搜索条件的重要值；计算权值大于所选输出结果的其他输出结果所包含的运...
【专利技术属性】
技术研发人员：唐凯，杨阳，蔡向群，
申请(专利权)人：北京东方瑞丰航空技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。