【技术实现步骤摘要】
本专利技术涉及低代码开发，具体涉及一种低代码开发平台的代码生成方法。
技术介绍
1、传统的软件开发过程通常需要大量的编码和开发工作，对于业务需求变化迅速和时间要求较高的情况来说效率较低；为了更简化、更快速的方式构建定制化应用，现有技术中采用低代码开发平台通过可视化的拖拽组件、模块配置等方式，简化了开发流程，使得用户可以在无需编写大量代码的情况下创建应用；然而，由于低代码平台使用过程中仍会存在逻辑和功能方面的问题，传统低代码平台对复杂的逻辑错误、模块选择错误等问题缺乏有效的提示和解决方案，导致缺乏编程经验的用户难以发现潜在问题并进行修复，代码生成的准确性较差。
技术实现思路
1、为了解决传统低代码平台对问题缺乏有效的提示和解决方案，代码生成的准确性较差的技术问题，本专利技术的目的在于提供一种低代码开发平台的代码生成方法，所采用的技术方案具体如下：
2、本专利技术提出了一种低代码开发平台的代码生成方法，所述方法包括：
3、获取低代码开发平台上用户问题描述文本中的多个语句，以及每个模块的注释字段中的多个语句，获得对应语句的语句分词；
4、获得不同语句之间的语义相似性，根据问题描述文本中不同语句之间的语义相似性分布，获得问题描述文本的多个文本分段；根据不同文本分段和每个模块的注释字段之间不同语句的语义相似性，获得每个模块的关注度，以及高相似文本分段；
5、根据所有高相似文本分段内语句分词之间的相对距离，对所有语句分词进行聚类，获得多个分词聚类
6、根据每个高概率错误模块与每个其他模块之间注释字段的相似性，以及每个其他模块的错误概率，获得每个其他模块相对于每个高概率错误模块的替代程度；
7、根据所述替代程度对低代码开发平台进行模块更新。
8、进一步地，所述语义相似性的获取方法包括：
9、获得语句分词的词向量，计算两个语句分词之间词向量的余弦相似度，作为分词相似度；
10、计算不同语句之间所有分词相似度的均值，作为对应语句之间的语义相似性。
11、进一步地，所述文本分段的获取方法包括：
12、获取问题描述文本中的动词语句；
13、依次对不同相邻动词语句之间的每个其他语句进行判断，若出现其他语句与后一动词语句之间语义相似性大于对应其他语句与前一动词语句之间语义相似性，将对应其他语句作为相邻动词语句之间问题描述文本的分割点，获得每个动词语句对应的文本分段。
14、进一步地，所述关注度的获取方法包括：
15、对于任一文本分段，获得文本分段与每个模块的注释字段之间所有语句的语义相似性的均值，作为每个模块的注释字段相对于文本分段的整体语句相似性；
16、选取每个模块的注释字段相对于不同文本分段的整体语句相似性数值最大的，将对应整体语句相似性作为每个模块的关注度。
17、进一步地，所述高相似文本分段的获取方法包括：
18、选取每个模块的注释字段相对于不同文本分段的整体语句相似性数值最大的前预设数量个，将对应文本分段作为每个模块的高相似文本分段。
19、进一步地，所述分词聚类簇的获取方法包括：
20、获得语句分词之间词向量的欧氏距离，作为相对距离；
21、根据所有高相似文本分段内语句分词之间的相对距离，对所有语句分词进行dbscan聚类，获得多个分词聚类簇。
22、进一步地，所述情感强度整体分数的获取方法包括：
23、获得每个分词聚类簇与每个模块的注释字段之间不同语句分词的分词相似度均值，作为每个分词聚类簇与每个模块的注释字段之间的平均相似度；
24、获得每个分词聚类簇中每个语句分词对应文本分段的情感强度分数；选取每个分词聚类簇中语句分词对应情感强度分数最小的，作为每个分词聚类簇的参考情感强度分数；
25、根据不同分词聚类簇与每个模块的注释字段之间的平均相似度，以及参考情感强度分数，获得每个模块的情感强度整体分数，平均相似度与参考情感强度分数均与情感强度整体分数呈正相关。
26、进一步地，所述错误概率的获取方法包括：
27、若每个模块的情感强度整体分数小于预设分数阈值，获得每个模块的关注度和情感强度整体分数的乘积，并进行负相关映射，作为每个模块的错误概率；
28、若每个模块的情感强度整体分数大于或等于预设分数阈值，将每个模块的错误概率设置为0。
29、进一步地，所述高概率错误模块的获取方法包括：
30、若模块的错误概率大于预设错误阈值，将对应模块作为高概率错误模块。
31、进一步地，所述替代程度的获取方法包括：
32、获得每个高概率错误模块与每个其他模块之间注释字段内不同语句的语义相似性的均值，作为模块相似性；
33、模块相似性与替代程度呈正相关，其他模块的错误概率与替代程度呈负相关。
34、本专利技术具有如下有益效果：
35、本专利技术对不同语句之间的语义相似性进行分析，揭示语句之间在意图和内容上的接近程度，获得问题描述文本的多个文本分段，有助于聚焦于问题不同的功能描述；进而获得每个模块的关注度，以及高相似文本分段，确定与模块最相关的描述文本分段；根据所有高相似文本分段内语句分词之间的相对距离，对所有语句分词进行聚类，获得多个分词聚类簇，将相关分词聚成一组，有助于后续确定和模块关联的分词类型；考虑到情感分析有助于揭示描述信息的正面或负面倾向，有助于识别异常信息，根据不同分词聚类簇和每个模块的注释字段之间语句分词的相似性，以及语句分词对应文本分段的情感特征，获得每个模块的情感强度整体分数，有助于识别对模块的情感态度；根据每个模块的关注度和情感强度整体分数，获得每个模块的错误概率，并筛选出高概率错误模块，更准确地评估模块的错误概率，有助于确定最可能包含错误的模块；根据每个高概率错误模块与每个其他模块之间注释字段的相似性，以及每个其他模块的错误概率，获得每个其他模块相对于每个高概率错误模块的替代程度，有助于确定可以替代高概率错误模块的模块；对低代码开发平台进行模块更新。本专利技术通过精确评估模块的错误概率并分析其他模块的替代程度进行模块更新，提高代码生成的准确性。
本文档来自技高网...【技术保护点】
1.一种低代码开发平台的代码生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种低代码开发平台的代码生成方法，其特征在于，所述语义相似性的获取方法包括：
3.根据权利要求1所述的一种低代码开发平台的代码生成方法，其特征在于，所述文本分段的获取方法包括：
4.根据权利要求1所述的一种低代码开发平台的代码生成方法，其特征在于，所述关注度的获取方法包括：
5.根据权利要求4所述的一种低代码开发平台的代码生成方法，其特征在于，所述高相似文本分段的获取方法包括：
6.根据权利要求2所述的一种低代码开发平台的代码生成方法，其特征在于，所述分词聚类簇的获取方法包括：
7.根据权利要求6所述的一种低代码开发平台的代码生成方法，其特征在于，所述情感强度整体分数的获取方法包括：
8.根据权利要求1所述的一种低代码开发平台的代码生成方法，其特征在于，所述错误概率的获取方法包括：
9.根据权利要求1所述的一种低代码开发平台的代码生成方法，其特征在于，所述高概率错误模块的获取方法包括：
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。