买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东道一信息技术股份有限公司

摘要：本发明公开了一种基于AI辅助生成模型的低代码应用开发方法和系统，属于人工智能技术领域。本发明系统包括：可视化开发环境模块、开发者等级判断模块、自然语言生成低代码DSL引擎模组、DSL代码生成组件模块以及云数据库；可视化开发环境模块提供图形化界面，加载必要的组件和插件；开发者等级判断模块对开发者等级进行划分；自然语言生成低代码DSL引擎模组捕获和处理开发者通过自然语言或人工智能辅助输入的应用需求，进行关键词提取、意图识别和上下文分析；DSL代码生成组件模块根据自然语言生成低代码DSL引擎模组的解析结果，调用组件生成对应的DSL代码；所述云数据库存储和管理开发过程中的相关信息。

主权项：1.一种基于AI辅助生成模型的低代码应用开发方法，其特征在于：所述方法包括以下步骤：步骤S100.开发者启动可视化开发环境，通过登录界面进入系统；在可视化开发环境中，开发者选择项目模板及低代码框架，配置开发平台；步骤S200.开发者在可视化开发环境中通过自然语言或人工智能辅助输入应用需求，自然语言生成低代码DSL引擎模组捕获并处理用户输入，利用NLP技术进行关键词提取、意图识别和上下文分析；步骤S300.自然语言生成低代码DSL引擎模组根据步骤S200的分析结果，调用NL2Form、NL2Page、NL2Process、NL2Report组件生成对应的DSL代码，生成的DSL代码存储于模型仓库，并在可视化开发环境中实时预览生成的表单、页面、流程及报表效果；所述步骤S100中还包括：开发者登录后，获取对应开发者账号的历史记录，判断当前开发者对应的等级，其中开发者等级包括初学者、进阶开发者以及专业开发者；对于当前开发者对应的等级判断过程如下：统计当前开发者最近一段时间内的代码提交数量N和频率F，以及开发者提交的代码行数H，计算代码贡献度评分C，具体计算公式为：C＝[N×F+H]2；统计开发者在项目中使用的编程语言、框架、库和工具的数量和种类，以及开发者解决技术问题的速度和效率，计算开发者的技术深度评分T，具体计算公式为：T＝α×CT+β×SP；其中，CT表示开发者使用的技术栈复杂度，SP表示开发者技术问题解决能力评分，α和β均表示权重系数，且α+β＝1；且CT＝JN×PM，JN表示开发者在项目中使用的不同编程语言、框架、库和工具的数量，P表示平均使用深度指数，M表示项目规模；SP＝QN×LM，QN表示开发者在项目开发过程中解决的技术问题数量，L表示平均解决效率指数；其中，对于平均使用深度指数P，根据编程语言、框架、库和工具，定义对应的深度级别，给每种技术定义一个深度权重，将每种技术的深度权重加总，再除以总技术种类数，得到平均使用深度指数P；对于项目规模M，通过代码统计工具来获取项目的总代码行数，根据项目需求文档或功能规格书来统计功能模块的数量，统计项目对应的开发人员的数量，使用加权平均的方式来计算项目规模M；对于平均解决效率指数L，对于每一个技术问题，记录下开发者解决技术问题所需的时间差，将所有解决问题的时间差求平均，得到平均解决时间，用平均解决时间的倒数表示平均解决效率指数L；对于上述平均使用深度指数P和平均解决效率指数L均保留对应的数值，无单位；根据代码贡献度评分C和技术深度评分T，计算综合评分S，且S＝γ×C+1-γ×T，γ表示系数；根据综合评分S的结果，划分开发者的等级，当综合评分S≤阈值X时，开发者划分为初学者；当阈值X＜S≤阈值Y时，开发者划分为进阶开发者；当S＞阈值Y时，开发者划分为专业开发者；所述步骤S200中，自然语言生成低代码DSL引擎模组捕获并处理用户输入，利用NLP技术进行关键词提取、意图识别和上下文分析，其中，关键词提取具体过程如下：自然语言生成低代码DSL引擎模组识别用户输入是否包含除文本之外的其他模态信息，对于多模态输入，系统利用多模态融合技术，将不同模态的信息转换成统一的语义表示，将经过多模态信息转换的用户输入的自然语言文本进行预处理，清除无关字符、纠正语法错误，并进行分词处理，将文本分解成可操作的单元，从而得到若干个文本单元；针对每个文本单元，对每个词语在当前文本中的出现频率进行计算，从而得到词频TF，计算每个词语在整个语料库中的逆文档频率IDF；利用预训练的词嵌入模型，获取每个词语的语义向量表示，从而得到相应的词嵌入向量world，计算词语之间的余弦相似度CS，具体计算公式为：CS＝world·other_world[|world|·|other_world|]，其中other_world表示除当前词嵌入向量world以外的其他词嵌入向量；对所有其他词语的语义相似度取平均值，从而得到平均语义相似度ACS，应用指数函数将平均语义相似度转换为增强因子E，结合TF-IDF值和语义增强因子E，计算每个词语的综合评分ES，且计算公式为：ESworld＝TFworld×IDFworld×E；根据计算得到的综合评分ES，选择综合评分ES大于等于阈值q的词语作为最终的关键词，并将提取出的关键词作为模组的输出；其中，上下文分析具体过程如下：将文本单元中的词语作为图的节点，根据词语之间的依存关系或共现关系作为边，构建起图结构，其中节点代表词语，边表示词语之间的关系；将构建好的文本图结构输入到图神经网络中，图神经网络通过节点之间传递和聚合信息更新每个节点的特征向量，在图神经网络的每一层中，根据公式：hik+1＝f∑jAijhjkWk+bk，更新节点的特征向量；其中，hik+1表示节点i在第k层的特征向量，Aij表示节点i和节点j之间的连接强度，Wk和bk分别表示第k层的权重和偏置,f表示激活函数；通过更新每个节点的特征向量，引入动态图结构学习机制，通过比较两个节点之间的连接对模型性能的贡献指数，若贡献指数小于阈值参数，删除相应的边或者降低对应的权重，并根据新的预测结果动态地添加新的边；重复上述步骤，不断迭代更新节点的特征向量和图结构，直到满足预设的停止条件。

全文数据：

权利要求：

百度查询： 广东道一信息技术股份有限公司 一种基于AI辅助生成模型的低代码应用开发方法和系统