前端框架智能转换方法、装置、设备及存储介质与流程

本技术涉及数据处理，尤其涉及前端框架智能转换方法、装置、设备及存储介质。

背景技术：

1、随着web前端技术的快速发展，react和vue已成为目前最主流的两大前端开发框架。在实际开发中，由于企业技术战略调整、团队技术栈统一、项目合并或框架升级等需求，经常需要将基于vue框架开发的项目代码迁移或重构为react框架代码。如何将vue应用安全、高效、准确地重构为react应用，是当前的一大难点。

2、目前，在将不同框架的代码之间进行转换时，传统的代码转换方案借助人工智能（artificial intelligence，ai）进行代码转换，仅通过人工构造提示词，通过输入的提示词为将vue框架代码转换到react框架，由于其中并未包含对结构的约束，大语言模型生成的回答会在该约束之外，从而存在较多ai幻觉情况，导致转换效果不佳。

技术实现思路

1、本技术的主要目的在于提供一种前端框架智能转换方法、装置、设备及存储介质，旨在解决现有的前端开发框架转换的效果不佳的技术问题。

2、为实现上述目的，本技术提出一种前端框架智能转换方法，所述前端框架智能转换方法包括：

3、获取待转换框架的待转换代码，并基于所述待转换代码提取得到第一组件结构特征，其中，所述第一组件结构特征用于表征所述待转换代码中包括的组件属性；

4、在知识图谱中对所述第一组件结构特征进行检索，得到所述第一组件结构特征与目标框架的第二组件结构特征之间的转换模式，其中，所述转换模式用于表征所述第一组件结构特征与所述第二组件结构特征的映射关系；

5、将所述转换模式作为约束生成目标提示词，并通过大语言模型按照所述目标提示词对所述待转换代码进行智能转换，得到所述目标框架的目标代码。

6、在一实施例中，所述在知识图谱中对所述第一组件结构特征进行检索，得到所述第一组件结构特征与目标框架的第二组件结构特征之间的转换模式的步骤，包括：

7、对知识图谱中存储的实体节点进行遍历，并确定各所述实体节点对应框架节点特征与所述第一组件结构特征的相似度；

8、根据所述相似度确定所述第一组件结构特征对应的目标实体节点，并根据所述目标实体节点的边关系确定所述第一组件结构特征与目标框架的第二组件结构特征之间的转换模式。

9、在一实施例中，所述获取待转换框架的待转换代码，并基于所述待转换代码提取得到第一组件结构特征的步骤，包括：

10、获取用户选择的待转换框架的待转换文件，并对各所述待转换文件中的待转换代码进行识别，得到各所述待转换文件的导入语句以及导出语句；

11、根据所述导入语句以及所述导出语句确定各所述待转换文件的依赖关系；

12、基于所述依赖关系进行依赖层级搜索，并按照依赖层级从低到高的顺序确定各所述待转换文件的转换优先级；

13、基于所述转换优先级对各所述待转换文件中的待转换代码进行提取，得到第一组件结构特征。

14、在一实施例中，所述将所述转换模式作为约束生成目标提示词，并通过大语言模型按照所述目标提示词对所述待转换代码进行智能转换，得到所述目标框架的目标代码的步骤之后，还包括：

15、根据所述待转换代码中的导入语句确定所述待转换代码的依赖代码，并确定所述依赖代码在所述目标框架中的关联依赖代码；

16、根据所述关联依赖代码对所述目标代码中的依赖关系进行依赖修改，得到修改后的目标代码。

17、在一实施例中，所述在知识图谱中对所述第一组件结构特征进行检索，得到所述第一组件结构特征与目标框架的第二组件结构特征之间的转换模式的步骤之前，还包括：

18、获取所述待转换框架与所述目标框架之间数据转换集合，所述数据转换集合中至少包括所述待转换框架的原始代码以及所述目标框架的与所述原始代码对应的转换后目标代码；

19、基于所述原始代码提取得到原始组件结构特征，以及基于所述转换后目标代码提取得到转换后组件结构特征；

20、基于所述原始组件结构特征和所述转换后组件结构特征进行关联，得到转换模式。

21、在一实施例中，所述将所述转换模式作为约束生成目标提示词的步骤，包括：

22、获取预设提示词模板，以及用户输入的对所述待转换代码的自然语言语句；

23、对所述转换模式进行遍历，得到将从所述待转换框架转换到所述目标框架的原子条件；

24、获取预设静态字典映射表，并根据所述原子条件和所述静态字典映射表查找对应的自然语言指令字符串；

25、将所述自然语言指令字符串作为结构约束以及将所述自然语言语句作为用户约束生成目标提示词。

26、在一实施例中，基于分段式数据收集策略进行分段式数据采集，得到每一阶段对应的训练数据集；

27、根据训练所处的当前阶段通过动态随机适配器对初始模型进行参数冻结，并选择所述当前阶段对应的训练数据集对冻结后的初始模型进行训练，得到训练后模型，每一阶段对所述初始模型冻结的参数数量按照阶段顺序递减；

28、若所述训练后模型不满足收敛要求，则进入下一时间步，并返回至所述选择所述当前阶段对应的训练数据集对冻结后的初始模型进行训练的步骤，直至所述训练后的模型满足所述收敛要求，则在下一阶段存在的情况下，将所述下一阶段作为新的当前阶段，并返回执行根据训练所处的当前阶段通过动态随机适配器对初始模型进行参数冻结的步骤；

29、在所述下一阶段不存在的情况下，获取预训练评分模型，基于所述预训练评分模型对所述目标代码进行多维度评分，得到所述目标代码在各维度的质量评分；

30、根据所述目标代码在各维度的质量评分生成修正建议，并对所述修正建议进行可视化展示。

31、此外，为实现上述目的，本技术还提出一种前端框架智能转换装置，所述前端框架智能转换装置包括：

32、特征解析模块，用于获取待转换框架的待转换代码，并基于所述待转换代码提取得到第一组件结构特征，其中，所述第一组件结构特征用于表征所述待转换代码中包括的组件属性；

33、特征匹配模块，用于在知识图谱中对所述第一组件结构特征进行检索，得到所述第一组件结构特征与目标框架的第二组件结构特征之间的转换模式，其中，所述转换模式用于表征所述第一组件结构特征与所述第二组件结构特征的映射关系；

34、代码转换模块，用于将所述转换模式作为约束生成目标提示词，并通过大语言模型按照所述目标提示词对所述待转换代码进行智能转换，得到所述目标框架的目标代码。

35、此外，为实现上述目的，本技术还提出一种前端框架智能转换设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的前端框架智能转换方法的步骤。

36、此外，为实现上述目的，本技术还提出一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质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如上文所述的前端框架智能转换方法的步骤。

37、此外，为实现上述目的，本技术还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上文所述的前端框架智能转换方法的步骤。

38、本技术提出的一个或多个技术方案，至少具有以下技术效果：

39、本技术通过获取待转换框架的待转换代码，并基于待转换代码提取得到第一组件结构特征，其中，第一组件结构特征用于表征待转换代码中包括的组件属性；在知识图谱中对第一组件结构特征进行检索，得到第一组件结构特征与目标框架的第二组件结构特征之间的转换模式，其中，转换模式用于表征第一组件结构特征与第二组件结构特征的映射关系；将转换模式作为约束生成目标提示词，并通过大语言模型按照目标提示词对待转换代码进行智能转换，得到目标框架的目标代码。由于是通过结构约束将大语言模型的生成空间限定在知识图谱的转换模式范围内，大语言模型按照结构约束中规定的对应关系进行转换，减少了因缺乏约束而产生的幻觉现象。