[发明专利]低代码平台生成网页配置信息的方法、系统和存储介质

权利要求书

1.一种低代码平台生成网页配置信息的方法，其特征在于，所述方法包括：

获取低代码平台的应用配置数据集；

清洗所述数据集，补全缺失数据；

划分清洗后的所述数据集为训练集和测试集；

将所述训练集和所述测试集编码转换为词向量；

将转换为词向量后的所述训练集分别输入多种网络模型，并比较各个网络模型的损失函数得分，选取得分最少的模型作为待优化模型；

利用K折法验证所述待优化模型的准确度，并调整所述待优化模型的参数；

输入转换为词向量后的测试集评估调整参数后的待优化模型，得到优化模型；

利用所述优化模型进行网页配置。

2.如权利要求1所述的一种低代码平台生成网页配置信息的方法，其特征在于，利用所述优化模型生成网页配置信息后还包括：

当应用收集到新的用户配置信息后，将新的所述用户配置信息存储到所述应用配置数据集，得到新应用配置数据集；

利用所述新应用配置数据集迭代训练所述优化模型。

3.如权利要求1所述的一种低代码平台生成网页配置信息的方法，其特征在于，所述多种网络模型包括：决策树模型、随机森林模型、最大间距支持向量机模型和神经网络模型。

4.如权利要求1所述的一种低代码平台生成网页配置信息的方法，其特征在于，获取低代码平台的应用配置数据集包括：

将行业标签和应用结构的节点组成的数据对作为样本数据；

将应用项目在结构节点的具体配置的值作为所述样本数据的标签；

将所述样本数据与所述样本数据的标签构造为样本数据对；

所述样本数据对的集合即为所述应用配置数据集。

5.如权利要求1所述的一种低代码平台生成网页配置信息的方法，其特征在于，清洗所述数据集，补全缺失数据包括：

批量为数据集中缺失标签的样本数据赋予默认标签。

6.如权利要求1所述的一种低代码平台生成网页配置信息的方法，其特征在于，划分清洗后的所述数据集为训练集和测试集包括：

每次所述优化模型运行时，将同一个样本数据划分进在前一次模型运行时划分进的样本集中。

7.如权利要求2所述的一种低代码平台生成网页配置信息的方法，其特征在于，将新的所述用户配置信息存储到所述应用配置数据集前，还包括：

人工筛选新的所述用户配置信息，得到筛选配置信息；

待所述筛选配置信息的数据量足够时，将所述筛选配置信息与所述应用配置数据集混合。

8.一种低代码平台生成网页配置信息的系统，其特征在于，所述系统运行时用于实现如权利要求1-7任一所述的一种低代码平台生成网页配置信息的方法的步骤，所述系统包括：

数据收集模块，用于获取低代码平台的应用配置数据集；

数据清洗模块，用于清洗所述应用配置数据集，补全缺失数据；

数据划分模块，用于划分清洗后的所述应用配置数据集为训练集和测试集；

编码模块，用于将所述训练集和所述测试集进行编码，转换为词向量；

训练模块，用于将转换为词向量后的所述训练集分别输入多种网络模型，并比较各个网络模型的损失函数值，选取损失函数值最小的模型作为待优化模型，并利用K折法评估所述待优化模型的准确度，基于准确度调整所述待优化模型的参数，得到优化模型；

测试模块，用于输入转换为词向量后的测试集评估所述优化模型。

9.一种存储介质，其特征在于，所述存储介质为计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序运行时用于实现如权利要求1-7任一所述的一种低代码平台生成网页配置信息的方法的步骤。