组件模型优化方法及装置、电子设备、存储介质与流程

本技术涉及金融，尤其涉及一种组件模型优化方法及装置、电子设备、存储介质。

背景技术：

1、在金融技术领域中，前端组件化是一种常用的软件设计方法，其能够增加代码的复用性、减少重复的代码，同时便于各个开发者之间分工协作，让不同的人员负责编写不同的金融组件，以实现同步开发。大多数前端研发人员，通常以视图为维度来切割金融业务的具体内容，即视图驱动而非业务驱动，但是，以视图为基础进行的数据建模，往往会有以下问题：一是复用性不足，对于同一个业务领域的模型实体，例如在保险业务领域中可以具体为保险产品、保险保单等，由于在不同组件中视图上的些微差异，需要进行多个模型实体的设计，无法实现复用；二是完整性不足，即根据视图设计的模型实体缺少相关领域概念的表达，例如，在具体的金融场景下，该相关领域概念可以为商务、支付、交易以及保险等概念；三是内聚度不足，即只关心页面形态或者展示了什么金融数据，导致没有关系的概念出现在同一个模型实体内，不能形成具有内聚力的模型实体。因此，如何提高模型实体的复用性、完整性和内聚度，成为了亟待解决的技术问题。

技术实现思路

1、本技术实施例的主要目的在于提出一种组件模型优化方法及装置、电子设备、存储介质，旨在提高业务项目中的模型实体的复用性、完整性和内聚度。

2、为实现上述目的，本技术实施例的第一方面提出了一种组件模型优化方法，所述方法包括：

3、对业务项目中的多个目标组件进行功能分析，得到所述业务项目的资产清单，其中，所述资产清单包括多个第一模型实体；

4、对多个所述第一模型实体进行合并处理，得到至少一个第二模型实体；

5、从所述资产清单中提取得到多个实体属性，其中，每个所述实体属性对应于一个所述第二模型实体；

6、对于每个所述实体属性，根据所述实体属性确定与所述实体属性的名称对应的中心词汇和背景词汇；

7、根据所有所述第二模型实体的名称以及所有所述实体属性的名称对应的中心词汇和背景词汇，从所有所述实体属性中选择若干个所述实体属性分别添加到对应的若干个所述第二模型实体中；

8、对于每个所述第二模型实体，当确定所述第二模型实体中存在至少一个目标实体属性,从所述第二模型实体中删除所述目标实体属性,其中,所述目标实体属性为与所述第二模型实体不相关的所述实体属性。

9、在一实施例中，所述对业务项目中的多个目标组件进行功能分析，得到所述业务项目的资产清单，包括：

10、对业务项目中的多个目标组件进行前端组件化开发，得到多个前端组件；

11、对于每个所述前端组件，对所述前端组件对应的网络层进行定义处理，以在所述前端组件中生成所述第一模型实体以及与所述第一模型实体对应的所述实体属性；

12、按照预设格式将所有所述前端组件进行合并输出，得到所述业务项目的资产清单。

13、在一些实施例，所述对多个所述第一模型实体进行合并处理，得到至少一个第二模型实体，包括：

14、对于每个所述第一模型实体，对所述第一模型实体的名称进行命名实体标注，得到命名实体词汇；

15、从所有所述命名实体词汇中筛选出所有目标命名实体词汇，并根据所有所述目标命名实体词汇构建模型实体词汇表，其中，所述目标命名实体词汇为与所述业务项目的业务领域类别相关的所述命名实体词汇；

16、分别计算各个所述目标命名实体词汇的词汇向量，并根据所有所述词汇向量构建第一目标矩阵；

17、分别计算所述第一目标矩阵中每个矩阵元素的第一余弦距离；

18、对于每个所述矩阵元素，当所述第一余弦距离大于第一预设阈值，将所述矩阵元素对应的两个所述第一模型实体进行合并，得到一个对应的第二模型实体。

19、在一些实施例，所述根据所述实体属性确定与所述实体属性的名称对应的中心词汇和背景词汇，包括：

20、对所述实体属性的名称进行分词处理，得到第一分词结果，其中，所述第一分词结果包括多个实体属性分词；

21、对所述第一分词结果中的所有所述实体属性分词进行过滤处理，得到第二分词结果，其中，所述第二分词结果包括至少一个实体属性词组，所述实体属性词组包括至少两个所述实体属性分词；

22、基于所述第二分词结果中的所有所述实体属性词组，确定与所述实体属性的名称对应的中心词汇和背景词汇。

23、在一些实施例，所述根据所有所述第二模型实体的名称以及所有所述实体属性的名称对应的中心词汇和背景词汇，从所有所述实体属性中选择若干个所述实体属性分别添加到对应的若干个所述第二模型实体中，包括：

24、分别计算各个所述实体属性的名称对应的背景词汇的词汇向量，并根据所有所述实体属性的名称对应的背景词汇的词汇向量和所有所述目标命名实体词汇的词汇向量构建第二目标矩阵；

25、采用余弦相似度算法，分别计算所述第二目标矩阵中的任意一个所述实体属性的名称对应的背景词汇的词汇向量和任意一个所述目标命名实体词汇的词汇向量之间的相似度值；

26、对于每个所述相似度值，当所述相似度值大于第二预设阈值，将所述相似度值对应的所述实体属性添加到所述相似度值对应的所述第二模型实体中。

27、在一些实施例，所述根据所有所述第二模型实体的名称以及所有所述实体属性的名称对应的中心词汇和背景词汇，从所有所述实体属性中选择若干个所述实体属性分别添加到对应的若干个所述第二模型实体中，还包括：

28、以所述模型实体词汇表中的各个所述目标命名实体词汇作为目标背景词汇进行中心词汇预测，得到目标中心词汇；

29、当确定所述实体属性的名称对应的中心词汇包括所述目标中心词汇，将所述目标中心词汇对应的所述实体属性添加到所述目标中心词汇对应的所述第二模型实体中。

30、在一些实施例，基于如下步骤在所述第二模型实体中确定所述目标实体属性：

31、对于每个所述第二模型实体中的所述实体属性，分别标注第一参数和第二参数，以及计算第三参数和第四参数，其中，所述第一参数为所述实体属性的名称对应的中心词汇的权重，所述第二参数为所述实体属性的名称对应的背景词汇的权重，所述第三参数为所述实体属性的名称对应的背景词汇的词汇向量，所述第四参数为所述实体属性的名称对应的中心词汇的词汇向量；

32、根据所有所述实体属性的第一参数、第二参数、第三参数和第四参数，计算所有所述实体属性的加权平均值，得到所述第二模型实体的向量中心；

33、对于每个所述实体属性，计算所述实体属性对应的词向量与所述向量中心之间的距离；

34、当所述实体属性对应的词向量与所述向量中心之间的距离大于第三预设阈值，确定所述实体属性为所述目标实体属性。

35、为实现上述目的，本技术实施例的第二方面提出了一种组件模型优化装置，所述装置包括：

36、分析模块，用于对业务项目中的多个组件进行功能分析，得到所述业务项目的资产清单，其中，所述资产清单包括多个第一模型实体；

37、合并模块，用于对多个所述第一模型实体进行合并处理，得到至少一个第二模型实体；

38、提取模块，用于从所述资产清单中提取得到多个实体属性，其中，每个所述实体属性对应于一个所述第二模型实体；

39、第一处理模块，用于对于每个所述实体属性，根据所述实体属性确定与所述实体属性的名称对应的中心词汇和背景词汇；

40、第二处理模块，用于根据所有所述第二模型实体的名称以及所有所述实体属性的名称对应的中心词汇和背景词汇，从所有所述实体属性中选择若干个所述实体属性分别添加到对应的若干个所述第二模型实体中；

41、删除模块，用于对于每个所述第二模型实体，当确定所述第二模型实体中存在至少一个目标实体属性,从所述第二模型实体中删除所述目标实体属性,其中,所述目标实体属性为与所述第二模型实体不相关的所述实体属性。

42、为实现上述目的，本技术实施例的第三方面提出了一种电子设备，所述电子设备包括内存和处理器，所述内存存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。

43、为实现上述目的，本技术实施例的第四方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。

44、本技术提出的组件模型优，方法及装置、电子设备、存储介质,运用自然语言处理技术，通过对业务组件进行分析而得到包括多个第一模型实体的资产清单，在此次基础上，通过提取实体属性、确定中心词汇、背景词汇以及实体属性添加等操作，实现对第一模型实体的检视，从而得到复用性和完整性更高的第二模型实体，并且通过从第二模型实体中删除与第二模型实体不相关的实体属性，以提高第二模型实体的内聚度。因此，本技术能够显著地提高前端模型实体设计的复用性及准确率，为开发人员提供决策辅助，有利于提升其工作效率。