【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种基于自然语言处理的低代码开发方法、系统及存储介质。
技术介绍
1、低代码开发已经在近年来流行成为程序开发的新趋势，低代码是一种可视化软件开发方法，通过图形用户界面和拖放功能使开发过程的各个方面自动化，消除了对传统计算机编程方法的依赖。对于没有编码经验的业务用户，低代码平台使应用程序开发更加自主化。
2、低代码开发的核心之一，就是使用预先封装好的组件来简化应用程序开发的过程，每一个组件都代表一个特定的功能或交互元素，例如按钮，表单字段，列表视图等。这些组件是由预先编写和封装好的代码组成的，包含能够实现特定功能的代码逻辑，通过使用这些组件，开发人员可以通过简单的拖放、配置和设置属性来快速构建应用程序的用户界面和功能。
3、然而，当低代码开发涉及到表单设计和用户界面构建等步骤时，开发人员需要从大量的预封装组件中选择合适的组件、布局和样式，这个过程仍然会耗费较多时间，要求开发人员对低代码的相关工具十分熟悉，对一些低代码开发新用户而言存在一定门槛，因此，需要减少低代码平台的组件调用选取时间。
4、上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
1、本专利技术的主要目的在于提供一种基于自然语言处理的低代码开发方法，旨在解决如何减少低代码平台的组件调用选取时间的问题。
2、为实现上述目的，本专利技术提供的一种基于自然语言处理的低代码开发方法，所述方法包括：
3
4、确定所述文本指令基于增强语言模型语义解析后的语义分析数据；
5、根据所述语义分析数据确定所述文本指令对应的待调用组件，于预设组件库中遍历查询与所述待调用组件相匹配的目标组件；和/或，
6、根据所述语义分析数据，从所述预设组件库中选取目标组件，并生成满足所述目标组件的代码函数；
7、调用所述目标组件响应所述文本指令。
8、可选地，所述根据所述语义分析数据，确定预设组件库中的目标组件和/或调整所述目标组件中的封装代码的步骤包括：
9、根据所述语义分析数据，确定所述文本指令对应的待调用组件；
10、于预设组件库中遍历查询与所述待调用组件相匹配的目标组件；
11、在匹配到所述目标组件时，根据所述语义分析数据，生成满足所述目标组件的编辑条件的代码函数；
12、基于所述代码函数更新所述目标组件中的原封装代码。
13、可选地，所述于预设组件库中遍历查询与所述待调用组件相匹配的目标组件的步骤之后，还包括：
14、若不存在与所述待调用组件相匹配的目标组件，选取与所述待调用组件相似度最高的次选目标组件；
15、根据所述语义分析数据，生成满足所述次选目标组件的编辑条件的代码函数；
16、基于所述代码函数更新所述目标组件中的封装代码。
17、可选地，所述获取文本输入框中的文本指令的步骤之前，还包括：
18、构建包含自注意力机制和前馈神经网络的transformer架构的增强语言模型，以使所述增强语言模型基于所述自注意力机制对所述文本指令中的单词进行编码并捕捉各个所述单词之间的上下文关系，以及基于所述前馈神经网络对每个位置的向量进行非线性变换，其中，所述增强语言模型为在预训练语言模型的至少两个隐藏层之间增加了多模态学习模块后得到的模型，所述多模态学习模块包括n个层级自编码器，n为正整数；
19、在大规模文本数据集上对所述增强语言模型进行无监督预训练来学习语言的统计规律和语义表示，以根据捕捉到的所述单词之间的上下文关系，学习单词之间的关联性和语义表示，其中，所述大规模文本数据集包含多个按照低代码开发逻辑进行文本描述的文本数据；
20、调整预训练后的所述增强语言模型中的模型参数，以指导所述增强语言模型学习所述文本指令中符合低代码开发逻辑进行文本描述的语义理解。
21、可选地，所述调整预训练后的所述增强语言模型中的模型参数的步骤包括：
22、基于大规模文本训练数据对所述增强语言模型进行微调训练，得到预测模型；
23、在所述微调训练的过程中更新所述增强语言模型和所述多模态学习模块的参数，得到最小化所述预测模型的输出结果与期望值之间的差异的增强语言模型。
24、可选地，所述确定所述文本指令基于语言模型语义解析后的语义分析数据的步骤包括：
25、对所述文本指令作预处理；
26、通过词嵌入将输入的文本指令中的每个单词转换为一固定维度的嵌入向量，得到固定维度嵌入向量集；
27、采用与所述词嵌入同一维度的编码向量对所述固定维度嵌入向量集中的嵌入向量进行位置编码，以使所述固定维度嵌入向量集中的每一嵌入向量包含位置信息，得到位置序列；
28、计算所述位置序列中任意两个嵌入向量之间的注意力权重，并根据所述位置序列中的各个所述嵌入向量的所述注意力权重，计算每个所述嵌入向量关联的单词的上下文表示向量；
29、将所述上下文表示向量经过防过拟合处理后，输入至前馈神经网络；
30、获取所述前馈神经网络处理后的数据，得到所述语义分析数据。
31、可选地，所述计算所述位置序列中任意两个嵌入向量之间的注意力权重，并根据所述位置序列中的各个所述嵌入向量的所述注意力权重，计算每个所述嵌入向量关联的单词的上下文表示向量的步骤包括：
32、选取任意一个嵌入向量作为目标嵌入向量；
33、将所述目标嵌入向量，线性变化为查询向量、键向量和值向量；
34、计算所述查询向量和所述键向量的点积值，并根据所述点积值计算所述注意力权重；
35、将所述注意力权重基于所述值向量进行加权平均，得到所述目标嵌入向量对应的上下文表示向量；
36、返回执行所述选取任意一个嵌入向量作为目标嵌入向量的步骤，直至计算出每一所述嵌入向量关联的单词的上下文表示向量。
37、此外，为实现上述目的，本专利技术还提供一种基于自然语言处理的低代码开发系统，所述基于自然语言处理的低代码开发系统包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于自然语言处理的低代码开发程序，所述基于自然语言处理的低代码开发程序被所述处理器执行时实现如上任一项所述的基于自然语言处理的低代码开发方法的步骤。
38、此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基于自然语言处理的低代码开发程序，所述基于自然语言处理的低代码开发程序被处理器执行时实现如上任一项所述的基于自然语言处理的低代码开发方法的步骤。
39、本专利技术提供一种基于自然语言处理的低代码开发方法、装置以及计算机可读存储介质，用户只需要输入符合代码开发逻辑的文本指令，系统本文档来自技高网...
【技术保护点】
1.一种基于自然语言处理的低代码开发方法，其特征在于，所述基于自然语言处理的低代码开发方法包括以下步骤：
2.如权利要求1所述的基于自然语言处理的低代码开发方法，其特征在于，所述根据所述语义分析数据确定所述文本指令对应的待调用组件，于预设组件库中遍历查询与所述待调用组件相匹配的目标组件的步骤包括：
3.如权利要求2所述的基于自然语言处理的低代码开发方法，其特征在于，所述于预设组件库中遍历查询与所述待调用组件相匹配的目标组件的步骤之后，还包括：
4.如权利要求1所述的基于自然语言处理的低代码开发方法，其特征在于，所述获取文本输入框中的文本指令的步骤之前，还包括：
5.如权利要求4所述的基于自然语言处理的低代码开发方法，其特征在于，所述调整预训练后的所述增强语言模型中的模型参数的步骤包括：
6.如权利要求1所述的基于自然语言处理的低代码开发方法，其特征在于，所述确定所述文本指令基于语言模型语义解析后的语义分析数据的步骤包括：
7.如权利要求6所述的基于自然语言处理的低代码开发方法，其特征在于，所述计算所述位置序列
8.一种基于自然语言处理的低代码开发系统，其特征在于，所述基于自然语言处理的低代码开发系统包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于自然语言处理的低代码开发程序，所述基于自然语言处理的低代码开发程序被所述处理器执行时实现如权利要求1至7中任一项所述的基于自然语言处理的低代码开发方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于自然语言处理的低代码开发程序，所述基于自然语言处理的低代码开发程序被处理器执行时实现如权利要求1至7中任一项所述的基于自然语言处理的低代码开发方法的步骤。
...【技术特征摘要】
1.一种基于自然语言处理的低代码开发方法，其特征在于，所述基于自然语言处理的低代码开发方法包括以下步骤：
2.如权利要求1所述的基于自然语言处理的低代码开发方法，其特征在于，所述根据所述语义分析数据确定所述文本指令对应的待调用组件，于预设组件库中遍历查询与所述待调用组件相匹配的目标组件的步骤包括：
3.如权利要求2所述的基于自然语言处理的低代码开发方法，其特征在于，所述于预设组件库中遍历查询与所述待调用组件相匹配的目标组件的步骤之后，还包括：
4.如权利要求1所述的基于自然语言处理的低代码开发方法，其特征在于，所述获取文本输入框中的文本指令的步骤之前，还包括：
5.如权利要求4所述的基于自然语言处理的低代码开发方法，其特征在于，所述调整预训练后的所述增强语言模型中的模型参数的步骤包括：
6.如权利要求1所述的基于自然语言处理的低代码开发方法，其特征在于，所述确定所述文本指令基于语言模型语...
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。