基于HALO平台的目标代码生成方法、装置、设备及介质与流程

基于halo平台的目标代码生成方法、装置、设备及介质
技术领域
1.本发明涉及人工智能技术领域，特别涉及一种基于halo平台的目标代码生成方法、装置、设备及介质。


背景技术：

2.目前，在基于halo平台(基于cqrs(command query responsibility segration，命令查询的责任分离)+扩展点+流程编排的应用平台)的项目研发过程中，从接口定义到业务实现，分别定义了api、server、service、entity四个层级，各层级都需要进行注释、接口、注解、类定义。而在这个过程中通常有许多重复的配置项，发明人意识到，开发人员需花费时间编写重复性较高且价值较低的代码，并且开发人员水平不一，编写代码质量有高低，风格不一，不利于后期运维。


技术实现要素：

3.本发明的主要目的为提供一种基于halo平台的目标代码生成方法、装置、设备及介质，旨在解决开发人员需花费时间编写重复性较高且价值较低的代码的问题。
4.本发明提供了一种基于halo平台的目标代码生成方法，包括：
5.获取生成所述目标代码的代码信息；
6.从所述代码信息中提取所述目标代码所涉及到的各个维度和第一功能信息；
7.基于所述各个维度从所述halo平台的预设模板数据库中获取多个代码模板；其中，各个所述代码模板均包含有所述各个维度；
8.检测各个所述代码模板实现的第二功能信息与所述第一功能信息的相似度；
9.选取相似度最高的所述代码模板作为目标代码模板；
10.提取所述代码信息中所述各个维度的维度值，并将各个所述维度值替换所述目标代码模板中对应的代码，得到所述目标代码。
11.进一步地，所述提取所述代码信息中所述各个维度的维度值，并将各个所述维度值替换所述目标代码模板中对应的代码，得到所述目标代码的步骤，包括：
12.根据所述各个维度确定所述目标代码模板中的目标字段；
13.将所述目标字段转化为各个维度对应的预设变量，得到中间代码；
14.提取所述代码信息中各个维度的维度值，并替换所述中间代码中对应的所述预设变量，得到所述目标代码。
15.进一步地，所述选取相似度最高的所述代码模板作为目标代码模板的步骤之后，还包括：
16.统计所述目标代码模板被调用的历史次数；
17.根据公式t＝f(xi)+b计算所述目标代码模板在所述预设模板数据库的自动删除时长；其中，所述目标代码模板在经过所述自动删除时长未被选取时，自动从所述预设模板数据库中删除；其中，t为所述自动删除时长，xi为所述历史次数，b为常数，f(xi)为函数。
18.进一步地，所述基于所述各个维度从所述halo平台的预设模板数据库中获取多个代码模板的步骤之后，还包括：
19.获取开发人员的唯一标识性信息；
20.基于所述唯一标识性信息从预设的权限表中得到所述开发人员的权限信息；
21.检测各个所述代码模板是否均处于开发人员的权限信息范围内；
22.若均处于开发人员的权限信息范围内，则判定满足执行所述检测各个所述代码模板实现的第二功能信息与所述第一功能信息的相似度的步骤。
23.进一步地，所述基于所述各个维度从所述halo平台的预设模板数据库中获取多个代码模板的步骤之前，还包括：
24.获取员工上传的原始代码文件；
25.将所述原始代码文件输入预设的bert模型中，得到每段代码对应的多个代码段向量；
26.从所述原始代码文件中按照先后顺序依次筛选一个代码段向量，作为暂时代码段向量，并将所述原始代码文件的首端至所述暂时代码段向量末端的每一个代码段向量对应的代码段向量进行加权和计算得到第一向量，将所述暂时代码段向量末端至所述原始代码文件末端中的每一个所述代码段向量进行加权和计算得到第二向量；其中，所述第一向量的维度等于所述第二向量的维度；
27.通过预设的相似度计算公式计算所述第一向量与所述第二向量的相似度值，并将所述计算得到的相似度值sigmoid非线性映射至(0，1)区间中，求出与1的线性距离；
28.将所述线性距离与设定阈值比较，将所述线性距离高于设定阈值的所述暂时代码段向量的末尾位置作为截断点；
29.从各个所述截断点中选取预设个数的目标截断点对所述原始代码文件进行截断，得到多个初始代码模板；
30.将各个所述初始代码模板输入至所述预设模板数据库中。
31.进一步地，所述从各个所述截断点中选取预设个数的目标截断点对所述原始代码文件进行截断，得到多个初始代码模板的步骤，包括：
32.将所有所述截断点构成的集合记为第一集合；
33.从所述第一集合中选取所述预设个数的截断点构成的集合记为第二集合；
34.通过计算公式计算各第二集合的得分值；其中所述计算公式为w和m分别为预设的权重参数；h1，h2，...，hn为所述第二集合中的元素对应的第一相似度值；δri为第i组从第二集合中挑选出的两个元素对应的第一相似度值之差；n表示第二集合中元素的个数，f(n)表示得分值；
35.选取所述得分值最高的所述第二集合，并将该集合中的截断点作为所述目标截断点；
36.基于所述目标截断点对所述原始代码文件进行截断，得到多个初始代码模板。
37.进一步地，所述提取所述代码信息中所述各个维度的维度值，并将各个所述维度值替换所述目标代码模板中对应的代码，得到所述目标代码的步骤之后，还包括：
38.获取所述halo平台的运行系统；
39.判断所述目标代码中的代码是否均能被所述运行系统运行；
40.若可以被所述运行系统运行，则上传至所述halo平台中。
41.本发明还提供了一种基于halo平台的目标代码生成装置，包括：
42.第一获取模块，用于获取生成所述目标代码的代码信息；
43.提取模块，用于从所述代码信息中提取所述目标代码所涉及到的各个维度和第一功能信息；
44.第二获取模块，用于基于所述各个维度从所述halo平台的预设模板数据库中获取多个代码模板；其中，各个所述代码模板均包含有所述各个维度；
45.检测模块，用于检测各个所述代码模板实现的第二功能信息与所述第一功能信息的相似度；
46.选取模块，用于选取相似度最高的所述代码模板作为目标代码模板；
47.替换模块，用于提取所述代码信息中所述各个维度的维度值，并将各个所述维度值替换所述目标代码模板中对应的代码，得到所述目标代码。
48.本发明还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
49.本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
50.本发明的有益效果：通过获取生成所述目标代码的代码信息，从所述halo平台的预设模板数据库中获取多个代码模板，并通过预设的方法选取目标代码模板，提取所述代码信息中所述各个维度的维度值，并将各个所述维度值替换所述目标代码模板中对应的代码，得到所述目标代码。通过上述方式实现了代码的自动生成，开发人员不需要花费额外的时间编写重复性较高的代码，并且，通过代码模板生成的代码会使各个开发人员编写的代码的质量统一，便于后期的运维。
附图说明
51.图1是本发明一实施例的一种基于halo平台的目标代码生成方法的流程示意图；
52.图2是本发明一实施例的一种基于halo平台的目标代码生成装置的结构示意框图；
53.图3为本技术一实施例的计算机设备的结构示意框图。
54.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
55.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
56.需要说明，本发明实施例中所有方向性指示(诸如上、下、左、右、前、后等)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特
定姿态发生改变时，则该方向性指示也相应地随之改变，所述的连接可以是直接连接，也可以是间接连接。
57.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。
58.另外，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
59.参照图1，本发明提出一种基于halo平台的目标代码生成方法，包括：
60.s1：获取生成所述目标代码的代码信息；
61.s2：从所述代码信息中提取所述目标代码所涉及到的各个维度和第一功能信息；
62.s3：基于所述各个维度从所述halo平台的预设模板数据库中获取多个代码模板；其中，各个所述代码模板均包含有所述各个维度；
63.s4：检测各个所述代码模板实现的第二功能信息与所述第一功能信息的相似度；
64.s5：选取相似度最高的所述代码模板作为目标代码模板；
65.s6：提取所述代码信息中所述各个维度的维度值，并将各个所述维度值替换所述目标代码模板中对应的代码，得到所述目标代码。
66.如上述步骤s1所述，获取生成所述目标代码的代码信息，该代码信息为开发人员上传的代码信息，该代码信息包括代码所要实现的功能以及代码中的各个维度的维度信息，维度信息指对应的各个维度以及各个维度对应的值，各个维度可以是具体地参数，例如时间，调用数据的位置信息等，其对应的值为具体地值。
67.如上述步骤s2所述，从所述代码信息中提取所述目标代码所涉及到的各个维度和第一功能信息。例如目标代码为计算2021年8月份某公司工资支出，则对应的维度为公司以及时间，公司对应的维度为预先为公司设定的值，例如该公司对应的维度值对应为1，则可以直接根据代码信息获取到对应的维度值1，时间维度则可以是202108。此处只需要知晓涉及的维度，即时间维度和公司维度，其第一功能信息为公司的工资支出。
68.如上述步骤s3所述，基于所述各个维度从所述halo平台的预设模板数据库中获取多个代码模板；其中，各个所述代码模板均包含有所述各个维度。halo平台是一种基于业务身份+扩展点的设计思想，采用应用内部流程编排的方式形成可复用的业务资产库。为了便于halo平台的顺利运行，其代码一般都会采用相同的语言实现，因此，可以预先构建对应的预设模板数据库，该预设模板数据库中的代码模板可以基于开发人员开发的已有代码得到，后续有详细获取代码模板的说明，此处不再赘述。因此可以从预设模板数据库获取到多个代码模板。
69.如上述步骤s4所述，检测各个所述代码模板实现的第二功能信息与所述第一功能信息的相似度。其中，相似度的计算方法可为任意算法，例如为wmd算法(word mover’s distance)、simhash算法、基于余弦相似度的算法，优选为：采用公式：
[0070][0071]
计算所述指定第二功能信息与所述第一功能信息的相似度值，并判断所述相似度值是否大于预设的相似度阈值；其中similarity为相似度值，a为所述第一功能信息，b为所述第二功能信息，ai为所述第一功能信息的第i个代码出现的次数，bi为所述第二功能信息的第i个代码出现的次数。
[0072]
如上述步骤s5所述，选取相似度最高的所述代码模板作为目标代码模板。其中，相似度最高的代码模板说明其实现对应第一功能信息的契合度也就越高，因此可以选取其作为目标代码模板。
[0073]
如上述步骤s6所述，提取所述代码信息中所述各个维度的维度值，并将各个所述维度值替换所述目标代码模板中对应的代码，得到所述目标代码。其中，替换的方式为将各个维度值替换目标代码模板中的对应为代码语言。其中，具体地替换方式后续有详细说明，此处不再赘述。
[0074]
通过上述方式实现了代码的自动生成，开发人员不需要花费额外的时间编写重复性较高的代码，并且，通过代码模板生成的代码会使各个开发人员编写的代码的质量统一，便于后期的运维。
[0075]
在一个实施例中，所述提取所述代码信息中所述各个维度的维度值，并将各个所述维度值替换所述目标代码模板中对应的代码，得到所述目标代码的步骤s6，包括：
[0076]
s601：根据所述各个维度确定所述目标代码模板中的目标字段；
[0077]
s602：将所述目标字段转化为各个维度对应的预设变量，得到中间代码；
[0078]
s603：提取所述代码信息中各个维度的维度值，并替换所述中间代码中对应的所述预设变量，得到所述目标代码。
[0079]
如上述步骤s601-s603所述，实现了对目标代码模板中目标字段的切换，生成目标代码。具体地，可以先确定其中的目标字段。确定的方式为通过预设的文本识别方法，例如为bert文本识别模型识别目标代码模板中的目标字段，再通过特殊标识进行替换，即为变量，其中，变量具有若干属性，具体包含了变量描述，变量数据类型及变量初始值。相当于对该维度的描述。再提取各个维度的维度值，并替换所述中间代码中对应的所述预设变量，得到所述目标代码，需要说明的是，各个维度的变量不同，以便于替换时的区分。
[0080]
在一个实施例中，所述选取相似度最高的所述代码模板作为目标代码模板的步骤s5之后，还包括：
[0081]
s611：统计所述目标代码模板被调用的历史次数；
[0082]
s612：根据公式t＝f(xi)+b计算所述目标代码模板在所述预设模板数据库的自动删除时长；其中，所述目标代码模板在经过所述自动删除时长未被选取时，自动从所述预设模板数据库中删除，xi表示第i个目标代码模板的历史次数，t为自动删除时长，b为预设的参数；f(xi)为函数，其中，函数不作限定，可以是任意的函数，随着历史次数的增多而增多的增函数即可。
[0083]
如上述步骤s611-s612所述，实现了对目标代码模板的自动删除的时间，自动完成
预设模板数据库的更新，基于公式t＝f(xi)+b计算得到各个目标代码模板所对应的自动删除时长，其中，f(xi)函数可以是一次函数，也可以是二次函数，也可以是复合函数，本技术对此不做限定，应当进行说明的是，该f(xi)函数应当是随着xi的数值增加而增加的增函数，即随着历史次数的增大，其对应的自动删除时长的时长也越长。
[0084]
在一个实施例中，所述基于所述各个维度从所述halo平台的预设模板数据库中获取多个代码模板的步骤s3之后，还包括：
[0085]
s401：获取开发人员的唯一标识性信息；
[0086]
s402：基于所述唯一标识性信息从预设的权限表中得到所述开发人员的权限信息；
[0087]
s403：检测各个所述代码模板是否均处于开发人员的权限信息范围内；
[0088]
s404：若均处于开发人员的权限信息范围内，则判定满足执行所述检测各个所述代码模板实现的第二功能信息与所述第一功能信息的相似度的步骤。
[0089]
如上述步骤s711-s714所述，实现了对用户权限的检测，保证了数据的安全性，其中，用户的唯一标识性信息可以是用户的账号，用户的身份信息，用户的指纹信息等，预设的权限表为事先针对各个开发人员人为设定的权重表，对于不同等级的开发人员可选取的代码模板并不相同。检测各个所述代码模板是否均处于用户的权限信息范围内，若均处于用户的权限信息范围内，则判定满足执行所述检测各个所述代码模板实现的第二功能信息与所述第一功能信息的相似度的步骤。若含有不在用户的权限信息范围内的代码模板，则剔除该不在用户的权限信息范围内的代码模板。
[0090]
在一个实施例中，所述基于所述各个维度从所述halo平台的预设模板数据库中获取多个代码模板的步骤s3之前，还包括：
[0091]
s201：获取员工上传的原始代码文件；
[0092]
s202：将所述原始代码文件输入预设的bert模型中，得到每段代码对应的多个代码段向量；
[0093]
s203：从所述原始代码文件中按照先后顺序依次筛选一个代码段向量，作为暂时代码段向量，并将所述原始代码文件的首端至所述暂时代码段向量末端的每一个代码段向量对应的代码段向量进行加权和计算得到第一向量，将所述暂时代码段向量末端至所述原始代码文件末端中的每一个所述代码段向量进行加权和计算得到第二向量；其中，所述第一向量的维度等于所述第二向量的维度；
[0094]
s204：通过预设的相似度计算公式计算所述第一向量与所述第二向量的相似度值，并将所述计算得到的相似度值sigmoid非线性映射至(0，1)区间中，求出与1的线性距离；
[0095]
s205：将所述线性距离与设定阈值比较，将所述线性距离高于设定阈值的所述暂时代码段向量的末尾位置作为截断点；
[0096]
s206：从各个所述截断点中选取预设个数的目标截断点对所述原始代码文件进行截断，得到多个初始代码模板；
[0097]
s207：将各个所述初始代码模板输入至所述预设模板数据库中。
[0098]
如上述步骤s201-s203所述，其中，原始代码文件为开发人员自己编写的代码，而不是利用代码模板数据库生成的代码文件。从原始代码文件中选取代码段向量，其中代码
段向量的选取可以是对原始代码文件中的每个代码段向量依次选取，然后将原始代码文件的首端至所述代码段向量末端的每一个代码段向量对应的目标向量进行加权和计算得到第一向量，将所述代码段向量末端至所述原始代码文件末端的每一个代码段向量对应的目标向量进行加权和计算得到第二向量，其中加权和计算包括对第一向量和/或第二向量进行升维计算或降维计算等，目的是为了使第一向量和第二向量的维度保持一致，以便于后续进行相似度计算。
[0099]
如上述步骤s204所述，对第一向量和第二向量进行相似度计算，其中相似度计算的公式可以是wmd算法(word mover’s distance)、simhash算法、基于余弦相似度的算法、基于svm(support vector machine)向量模型进行计算等，可以计算出第一向量和第二向量的相似度即可。然后再将计算得到的第一相似度值映射值(0，1)区间中，使相似度的值可以体现在与1的线性距离中，便于后续与阈值之间的判断。
[0100]
如上述步骤s205所述，将相似度值与设定阈值进行比较，可以判断各个代码段向量的末端是否满足分段的初始条件，当满足该初始条件后，可以将对应的代码段向量的末尾位置作为截断点，后续可以直接以截断点作为最终的截断点对原始代码文件进行截断，当包含了多个截断点的时候，可以在其中选取一个或者多个的截断点对原始代码文件进行截断。
[0101]
如上述步骤s206-s207所述，从各个所述截断点中选取预设个数的目标截断点对所述原始代码文件进行截断，得到多个初始代码模板。选取的规则不做限定，例如可以是使截断之后的各个代码段落的代码字数尽可能相差不大的截断点，也可以是选取其中相似度最小的截断点进行截断。然后再将各个所述初始代码模板输入至所述预设模板数据库中，从而可以得到对应的多个初始代码模板。
[0102]
在一个实施例中，所述从各个所述截断点中选取预设个数的目标截断点对所述原始代码文件进行截断，得到多个初始代码模板的步骤s208，包括：
[0103]
s2081：将所有所述截断点构成的集合记为第一集合；
[0104]
s2082：从所述第一集合中选取所述预设个数的截断点构成的集合记为第二集合；
[0105]
s2083：通过计算公式计算各第二集合的得分值；其中所述计算公式为w和m分别为预设的权重参数；h1，h2，...，hn为所述第二集合中的元素对应的第一相似度值；δri为第i组从第二集合中挑选出的两个元素对应的第一相似度值之差；n表示第二集合中元素的个数，f(n)表示得分值；
[0106]
s2084：选取所述得分值最高的所述第二集合，并将该集合中的截断点作为所述目标截断点；
[0107]
s2085：基于所述目标截断点对所述原始代码文件进行截断，得到多个初始代码模板。
[0108]
如上述步骤s2081-s2085所述，将各截断点构成的集合记为第一集合，当原始代码文件比较长的时候，截断点的数量会比较多，所需要的目标截断点也会相应比较多，因此，可以根据需要截断点的个数，即预设个数，从第一集合中筛选出不同的组合作为第二集合，然后通过公式计算第二集合的得分值，然后通过为第一相似度值和第二相似度值赋予不同
的权重系数w和m，应当理解的是，当位置分值影响的因素比较大时，可以增大权重系数w，当第一相似度影响的因素比较大时，可以增大权重系数m，然后计算每个截断点的得分值，根据得分值的高低选取目标截断点，并根据目标截断点对对所述原始代码文件进行截断，得到多个初始代码模板，从而完成对预设模板数据库的建立。
[0109]
在实施例中，所述提取所述代码信息中所述各个维度的维度值，并将各个所述维度值替换所述目标代码模板中对应的代码，得到所述目标代码的步骤s6之后，还包括：
[0110]
s701：获取所述halo平台的运行系统；
[0111]
s702：判断所述目标代码中的代码是否均能被所述运行系统运行；
[0112]
s703：若可以被所述运行系统运行，则上传至所述halo平台中。
[0113]
如上述步骤s701-s703所述，实现了对目标代码与运行系统之间的兼容性检测。即先获取halo平台的运行系统，再获取操作系统中的编译器，其中，运行系统中的编译器一般包括多个，检测各编译器可以识别的语法，然后获取根据可以识别的语法，对模块数据进行初步判断，若存在有目标代码包含有运行系统不能识别的语法，则将目标代码发送给相关的开发人员进行确认修改，若运行系统可以运行，则可以直接将目标代码投入使用。
[0114]
本发明的有益效果：通过获取生成所述目标代码的代码信息，从所述halo平台的预设模板数据库中获取多个代码模板，并通过预设的方法选取目标代码模板，提取所述代码信息中所述各个维度的维度值，并将各个所述维度值替换所述目标代码模板中对应的代码，得到所述目标代码。通过上述方式实现了代码的自动生成，开发人员不需要花费额外的时间编写重复性较高的代码，并且，通过代码模板生成的代码会使各个开发人员编写的代码的质量统一，便于后期的运维。
[0115]
参照图2，本发明还提供了一种基于halo平台的目标代码生成装置，包括：
[0116]
第一获取模块10，用于获取生成所述目标代码的代码信息；
[0117]
提取模块20，用于从所述代码信息中提取所述目标代码所涉及到的各个维度和第一功能信息；
[0118]
第二获取模块30，用于基于所述各个维度从所述halo平台的预设模板数据库中获取多个代码模板；其中，各个所述代码模板均包含有所述各个维度；
[0119]
检测模块40，用于检测各个所述代码模板实现的第二功能信息与所述第一功能信息的相似度；
[0120]
选取模块50，用于选取相似度最高的所述代码模板作为目标代码模板；
[0121]
替换模块60，用于提取所述代码信息中所述各个维度的维度值，并将各个所述维度值替换所述目标代码模板中对应的代码，得到所述目标代码。
[0122]
参照图3，本技术实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储各种代码模板等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时可以实现上述任一实施例所述的基于halo平台的目标代码生成方法。
[0123]
本领域技术人员可以理解，图3中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定。
[0124]
本技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时可以实现上述任一实施例所述的基于halo平台的目标代码生成方法。
[0125]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储与一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram一多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双速据率sdram(ssrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0126]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
[0127]
本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
[0128]
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
[0129]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。