【技术实现步骤摘要】
逻辑编排预测模型训练方法、逻辑编排方法和装置
[0001]本申请涉及计算机
,特别是涉及一种逻辑编排预测模型训练方法、逻辑编排方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]低代码是一种可视化的应用开发方法;逻辑编排是一种在低代码下的业务功能开发方法,例如开发人员通过拖拽可视化图形组件,将组件有序地组成具有一定业务功能的逻辑,并借助逻辑实现相应的业务功能。
[0003]然而,在基于低代码的逻辑编排过程中,仍然需要依赖于开发人员对于可视化图形组件的主观选择,这容易导致非专业的开发人员难以将精力集中于具有创造性的编程活动中,从而使得低代码平台中的逻辑编排的效率较低。
技术实现思路
[0004]基于此,有必要针对上述技术问题,提供一种能够提高低代码平台中的逻辑编排的效率的逻辑编排预测模型训练方法、逻辑编排方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面,本申请提供了一种逻辑编排预测模型训练方法。所述方法包括:
[0006]针对低代码平台中的每个样本逻辑,构建所述样本逻辑的语法树;所述语法树中的各个节点对应组成所述样本逻辑的各个变量,所述变量为组件的实例化对象;
[0007]基于所述语法树,确定所述样本逻辑的逻辑序列向量;所述逻辑序列向量中的一个向量元素对应组成所述样本逻辑的一个变量;
[0008]对所述逻辑序列向量进行滑窗处理,得到所述样本逻辑的至少一个逻辑序列子向量;
[0009]将所述逻辑序 ...
【技术保护点】
【技术特征摘要】
1.一种逻辑编排预测模型训练方法,其特征在于,所述方法包括:针对低代码平台中的每个样本逻辑,构建所述样本逻辑的语法树;所述语法树中的各个节点对应组成所述样本逻辑的各个变量,所述变量为组件的实例化对象;基于所述语法树,确定所述样本逻辑的逻辑序列向量;所述逻辑序列向量中的一个向量元素对应组成所述样本逻辑的一个变量;对所述逻辑序列向量进行滑窗处理,得到所述样本逻辑的至少一个逻辑序列子向量;将所述逻辑序列子向量在所述逻辑序列向量中的下一个向量元素对应的组件,确认为所述逻辑序列子向量的目标组件;以所述逻辑序列子向量为输入信息,以所述逻辑序列子向量的目标组件为监督信息,对待训练的逻辑编排预测模型进行训练,得到训练完成的逻辑编排预测模型。2.根据权利要求1所述的方法,其特征在于,所述基于所述语法树,确定所述样本逻辑的逻辑序列向量,包括:基于所述语法树,确定所述语法树中的各个节点的组件类型特征、组件标识特征以及组件嵌套特征;所述组件嵌套特征用于表征各个组件之间的嵌套关系;根据所述组件嵌套特征,确定所述各个节点的节点类型;根据所述节点类型,对所述各个节点中的每个节点的组件类型特征、组件标识特征以及组件嵌套特征进行词向量映射处理,得到所述样本逻辑的逻辑序列向量。3.根据权利要求2所述的方法,其特征在于,所述根据所述节点类型,对所述各个节点中的每个节点的组件类型特征、组件标识特征以及组件嵌套特征进行词向量映射处理,包括:在所述节点为不存在嵌套的子节点的第一节点的情况下,分别对所述第一节点的组件类型特征、组件标识特征以及组件嵌套特征进行词向量映射处理,得到所述第一节点的组件类型特征向量、组件标识特征向量以及组件嵌套特征向量;在所述节点为存在嵌套的子节点的第二节点的情况下,分别对所述第二节点的组件类型特征和组件标识特征进行词向量映射处理,得到所述第二节点的组件类型特征向量和组件标识特征向量,以及,基于所述第二节点嵌套的子节点,对所述第二节点的组件嵌套特征进行词向量映射处理,得到所述第二节点的组件嵌套特征向量。4.根据权利要求1所述的方法,其特征在于,所述以所述逻辑序列子向量为输入信息,以所述逻辑序列子向量的目标组件为监督信息,对待训练的逻辑编排预测模型进行训练,得到训练完成的逻辑编排预测模型,包括:通过所述待训练的逻辑编排预测模型中的长短期记忆人工神经网络,对所述逻辑序列子向量进行特征提取处理,得到所述逻辑序列子向量对应的目标向量;通过所述待训练的逻辑编辑预测模型中的注意力机制网络,对所述目标向量进行分类处理,得到所述逻辑序列子向量对应的预测组件;基于所述预测组件与所述目标组件之间的差异信息,对所述待训练的逻辑编排预测模型进行训练,得到所述训练完成的逻辑编排预测模型。5.根据权利要求4所述的方法,其特征在于,所述待训练的逻辑编排预测模型中的注意力机制网络,通过以下方式得到:获取所述低代码平台中组成每个样本逻辑的各个变量的上下文特征向量;
基于所述各个变量的上下文特征向量,得到所述待训练的逻辑编排预测模型中的注意力机制网络。6.根据权利要求5所述的方法,其特征在于,所述获取所述低代码平台中组成每个样本逻辑的各个变量的上下文特征向量,包括:针对每个变量,确定所述变量在对应的样本逻辑的语法树中的当前位置;基于所述当前位置,确定所述变量的变量次数特征和变量距离特征;所述变量次数特征用于表征在所述语法树中,在所述当前位置之前出现所述变量的次数;所述变量距离特征用于表征在所述语法树中,所述当前位置与出现所述变量的上一个位置之间的距离;基于所述变量的变量次数特征和变量距离特征,得...
【专利技术属性】
技术研发人员:王立林,杨丹,朱毅文,张丹枫,
申请(专利权)人:中国工商银行股份有限公司,
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。