[发明专利]基于领域模型的代码生成方法、装置、设备、介质及产品在审

专利信息
申请号: 202310820859.6 申请日: 2023-07-06
公开(公告)号: CN116541020A 公开(公告)日: 2023-08-04
发明(设计)人: 邬俊杰;张晋铭;王少鸣;郭润增 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06F8/41 分类号: G06F8/41;G06N20/00
代理公司: 北京三高永信知识产权代理有限责任公司 11138 代理人: 孙晓丽
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 领域 模型 代码 生成 方法 装置 设备 介质 产品
【权利要求书】:

1.一种基于领域模型的代码生成方法,其特征在于,所述方法包括:

对领域模型进行数据解析,得到所述领域模型对应的结构化描述信息,所述领域模型用于表示领域内的至少两个类以及所述至少两个类之间的关联关系,所述结构化描述信息包括以实例形式描述所述领域模型的格式化语句;

基于预训练深度学习模型对所述结构化描述信息进行数据配置,得到领域特定语言DSL,所述DSL包括对所述结构化描述信息进行数据配置后得到的受限于所述领域的语言;

基于所述DSL进行代码生成,得到所述领域模型对应的第一代码。

2.根据权利要求1所述的方法,其特征在于,所述基于预训练深度学习模型对所述结构化描述信息进行数据配置,得到领域特定语言DSL,包括:

基于所述预训练深度学习模型对所述结构化描述信息进行所述数据配置,得到所述结构化描述信息对应的配置信息,所述配置信息是指对所述结构化描述信息进行补充的信息;

将所述配置信息嵌入至所述结构化描述信息中,得到所述DSL。

3.根据权利要求2所述的方法,其特征在于,所述结构化描述信息包括实体类信息,所述配置信息包括类配置信息;

所述基于所述预训练深度学习模型对所述结构化描述信息进行所述数据配置,得到所述结构化描述对应的配置信息,包括:

基于所述预训练深度学习模型对所述实体类信息中的变量进行所述数据配置,得到所述实体类信息对应的所述类配置信息。

4.根据权利要求3所述的方法,其特征在于,所述实体类信息中的变量包括实体类变量名称,所述类配置信息包括实体类变量翻译名称;

所述基于所述预训练深度学习模型对所述实体类信息中的变量进行所述数据配置,得到所述实体类信息对应的所述类配置信息,包括:

基于所述预训练深度学习模型对所述实体类变量名称进行翻译,得到所述实体类变量名称对应的所述实体类变量翻译名称。

5.根据权利要求4所述的方法,其特征在于,所述将所述配置信息嵌入至所述结构化描述信息中,得到所述DSL,包括:

将所述实体类变量翻译名称替换所述结构化描述信息中的所述实体类变量名称,得到所述DSL。

6.根据权利要求3所述的方法,其特征在于,所述实体类信息中的变量包括实体类变量类型,所述类配置信息包括实体类变量配置类型;

所述基于所述预训练深度学习模型对所述实体类信息中的变量进行所述数据配置,得到所述实体类信息对应的所述类配置信息,包括:

基于所述预训练深度学习模型对所述实体类变量类型进行补充或修改,得到所述实体类变量类型对应的所述实体类变量配置类型;

其中,所述实体类变量类型是指实体类变量对应的数据类型;所述实体类变量配置类型是指所述实体类在所述预训练深度学习模型补充或修改后对应的数据类型。

7.根据权利要求6所述的方法,其特征在于,所述将所述配置信息嵌入至所述结构化描述信息中,得到所述DSL,包括:

将所述实体类变量配置类型补充或替换所述结构化描述信息中的所述实体类变量类型,得到所述DSL。

8.根据权利要求2所述的方法,其特征在于,所述结构化描述信息包括函数信息,所述配置信息包括函数配置信息;

所述基于所述预训练深度学习模型对所述结构化描述信息进行所述数据配置,得到所述结构化描述对应的配置信息,包括:

基于所述预训练深度学习模型对所述函数信息中的变量进行所述数据配置,得到所述函数信息对应的所述函数配置信息。

9.根据权利要求8所述的方法,其特征在于,所述函数信息中的变量包括函数名称,所述函数配置信息包括函数翻译名称;

所述基于所述预训练深度学习模型对所述函数信息中的变量进行所述数据配置,得到所述函数信息对应的所述函数配置信息,包括:

基于所述预训练深度学习模型对所述函数名称进行翻译,得到所述函数名称对应的所述函数翻译名称。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310820859.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top