【技术实现步骤摘要】
本专利技术涉及低代码技术，尤其涉及一种基于低代码平台的套件机制实现方法及系统。
技术介绍
1、随着企业数字化的深入发展，越来越多的数字化服务提供商为了更快的进行产品研发和项目交付，纷纷自研低代码平台。在低代码平台上，开发者只需要通过拖拽前端组件和写业务脚本就可以快速的开发出功能页面。低代码平台虽然可以基于前端组件和写业务脚本的方式帮助我们快速搭建业务功能，但是如果低代码平台需要支持多种类型的应用，平台自身则无法设计和封装带有应用特点的组件和逻辑，在低代码环境中构建和管理套件存在诸多挑战，例如缺乏有效的套件资产管理机制、单元软件之间的集成和共享存在障碍等。
技术实现思路
1、本专利技术实施例提供一种基于低代码平台的套件机制实现方法及系统，能够解决现有技术中的问题。
2、本专利技术实施例的第一方面，
3、提供一种基于低代码平台的套件机制实现方法，包括：
4、获取低代码平台中预置的多套前端组件、后端服务单元以及数据源适配器，构成低代码平台的多个功能套件；
5、接收用户输入的业务需求，根据所述业务需求，基于预设的匹配规则，从所述多个功能套件中动态选取与业务需求匹配度最高的目标功能套件；
6、将所述目标功能套件进行可视化配置，生成前端组件配置信息、后端服务配置信息以及数据源适配器配置信息，基于所述前端组件配置信息、后端服务配置信息以及数据源适配器配置信息，动态生成对应的可视化界面、api接口和微服务单元、以及数据模型和数据访问层代码
7、在一种可选的实施例中，
8、根据所述业务需求，基于预设的匹配规则，从所述多个功能套件中动态选取与业务需求匹配度最高的目标功能套件包括：
9、从业务相关数据中采集原始数据并进行标准化处理，得到文本数据，利用自然语言处理技术，从文本数据中抽取实体信息以及实体信息间的语义关系，根据抽取的实体信息和实体信息间的语义关系，通过预设的领域本体模型进行知识融合，得到领域知识图谱；
10、基于领域知识图谱，通过预设的语义表示模型，学习业务需求和功能套件的低维语义向量，将业务需求和功能套件的低维语义向量输入预先构建的匹配模型进行特征转换和交互，并计算匹配度得分，得到与业务需求匹配度最高的目标功能套件；
11、利用业务需求与功能套件的历史匹配数据，通过最小化损失函数，训练匹配模型。
12、在一种可选的实施例中，
13、通过最小化损失函数，训练匹配模型包括：
14、损失函数计算公式如下：
15、
16、其中，l表示匹配模型的损失函数，n表示训练样本的总数，a表示样本的索引，wp表示正样本的权重，ya表示第a个样本的真实标签，表示第a个样本的预测概率，wn表示负样本的权重。
17、在一种可选的实施例中，
18、通过预设的语义表示模型，学习业务需求和功能套件的低维语义向量，将业务需求和功能套件的低维语义向量输入预先构建的匹配模型进行特征转换和交互，并计算匹配度得分，得到与业务需求匹配度最高的目标功能套件包括：
19、构建业务领域语料库，收集业务需求和功能套件的文本描述数据，通过预设的语义表示模型，在业务领域语料库上训练词嵌入模型，利用训练好的词嵌入模型，对业务需求和功能套件的文本描述进行向量化表示，得到业务需求和功能套件的低维语义向量；
20、通过图的遍历算法，计算业务需求与候选功能套件在知识图谱中映射节点的最短路径，并计算路径相似度，作为知识层面的匹配特征；
21、基于路径相似度，与业务需求和功能套件的低维语义向量进行融合，输入预训练的匹配模型，计算最终的匹配分数；
22、根据计算得到的匹配分数，对候选功能套件进行排序，选取匹配度最高的功能套件作为目标功能套件，推荐给用户。
23、在一种可选的实施例中，
24、词嵌入模型的目标函数计算公式如下：
25、；
26、其中，j()表示词嵌入模型的目标函数，θ表示模型的参数集合，t表示训练语料库中的总词数，ωt表示第t个位置的中心词，σ(·)表示sigmoid函数，表示中心词ωt的输出向量，表示中心词ωt的输入向量，k表示负采样的样本数，ωi表示第i个负采样词，表示负样本ωi的期望，表示负采样分布。
27、在一种可选的实施例中，
28、所述方法还包括：
29、对于用户输入的新业务需求，利用预训练的语义表示模型将其转换为低维语义向量，并从功能套件库中检索语义相似度最高的目标功能套件；
30、利用预训练的匹配模型，计算新业务需求与候选功能套件之间的匹配度得分，根据匹配度得分对候选功能套件进行排序，生成推荐列表；
31、收集用户对推荐结果的反馈数据，将反馈数据作为新的训练样本，按预设周期更新语义表示模型和匹配模型。
32、在一种可选的实施例中，
33、将所述目标功能套件进行可视化配置，生成前端组件配置信息、后端服务配置信息以及数据源适配器配置信息，基于所述前端组件配置信息、后端服务配置信息以及数据源适配器配置信息，动态生成对应的可视化界面、api接口和微服务单元、以及数据模型和数据访问层代码，并进行编译得到业务应用包包括：
34、通过可视化编辑器从预定义的组件库中拖放前端组件、后端服务组件和数据源适配器组件，并通过连线和嵌套等方式定义组件之间的逻辑关系和数据流转，以可视化的方式组合和配置所述组件，生成可视化配置信息；
35、引入智能推荐机制，分析用户的历史配置数据和行为模式，采用协同过滤和自适应推荐算法，自动生成个性化推荐结果；
36、基于可视化配置信息，结合预定义的代码生成模板，自动生成业务应用的源代码，所述源代码可进一步编译打包，得到业务应用包，将业务应用包部署到云环境中，自动完成应用的部署配置。
37、本专利技术实施例的第二方面，
38、提供一种基于低代码平台的套件机制实现系统，包括：
39、第一单元，用于获取低代码平台中预置的多套前端组件、后端服务单元以及数据源适配器，构成低代码平台的多个功能套件；
40、第二单元，用于接收用户输入的业务需求，根据所述业务需求，基于预设的匹配规则，从所述多个功能套件中动态选取与业务需求匹配度最高的目标功能套件；
41、第三单元，用于将所述目标功能套件进行可视化配置，生成前端组件配置信息、后端服务配置信息以及数据源适配器配置信息，基于所述前端组件配置信息、后端服务配置信息以及数据源适配器配置信息，动态生成对应的可视化界面、api接口和微服务单元、以及数据模型和数据访问层代码，并进行编译得到业务应用包。
42、本专利技术实施例的第三方面，
43、提供一种电子设备，包括：
44、处理器；
45、用于存储处理器可执本文档来自技高网...
【技术保护点】
1.一种基于低代码平台的套件机制实现方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，根据所述业务需求，基于预设的匹配规则，从所述多个功能套件中动态选取与业务需求匹配度最高的目标功能套件包括：
3.根据权利要求2所述的方法，其特征在于，通过最小化损失函数，训练匹配模型包括：
4.根据权利要求2所述的方法，其特征在于，通过预设的语义表示模型，学习业务需求和功能套件的低维语义向量，将业务需求和功能套件的低维语义向量输入预先构建的匹配模型进行特征转换和交互，并计算匹配度得分，得到与业务需求匹配度最高的目标功能套件包括：
5.根据权利要求4所述的方法，其特征在于，词嵌入模型的目标函数计算公式如下：
6.根据权利要求2所述的方法，其特征在于，所述方法还包括：
7.根据权利要求1所述的方法，其特征在于，将所述目标功能套件进行可视化配置，生成前端组件配置信息、后端服务配置信息以及数据源适配器配置信息，基于所述前端组件配置信息、后端服务配置信息以及数据源适配器配置信息，动态生成对应的可视化界面、API接口和
8.一种基于低代码平台的套件机制实现系统，用于实现前述权利要求1-7中任一项所述的方法，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
...【技术特征摘要】
1.一种基于低代码平台的套件机制实现方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，根据所述业务需求，基于预设的匹配规则，从所述多个功能套件中动态选取与业务需求匹配度最高的目标功能套件包括：
3.根据权利要求2所述的方法，其特征在于，通过最小化损失函数，训练匹配模型包括：
4.根据权利要求2所述的方法，其特征在于，通过预设的语义表示模型，学习业务需求和功能套件的低维语义向量，将业务需求和功能套件的低维语义向量输入预先构建的匹配模型进行特征转换和交互，并计算匹配度得分，得到与业务需求匹配度最高的目标功能套件包括：
5.根据权利要求4所述的方法，其特征在于，词嵌入模型的目标函数计算公式如下：
6.根据权利要求2所...
【专利技术属性】
技术研发人员：吴浩然，朱晶晶，吕大兵，
申请(专利权)人：冠骋信息技术苏州有限公司，
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。