前端页面访问方法、系统和电子设备与流程

技术特征：
1.一种前端页面访问方法，其特征在于，包括：获取待标注的公共组件的代码数据；将所述待标注的公共组件的代码数据通过语义理解模型以获得对应于所述代码数据的内容特征向量序列；对于标签信息，基于所述标签信息中各个标签所属的第一类别和第二类别将所述标签信息构造为标签矩阵，其中，所述标签矩阵中各个位置的特征值用于表示不同第一类别下的不同第二类别的标签的特征值；使用卷积神经网络从所述标签矩阵中获得标签特征图，所述标签特征图包括不同类别的标签的特征值之间的隐含关联特征；将所述内容特征向量序列中各个内容特征向量作为查询向量分别与所述标签特征图进行矩阵相乘以获得每个所述内容特征向量对应的标签分数向量，其中，每个所述内容特征向量对应的标签分数向量用于表示所述代码数据中每个词对应的标签分数向量；基于最大条件似然估计分数的计算法则，获得所述代码数据中每个词作为整体的标签分数；基于所述代码数据中每个词作为整体的标签分数，获得所述代码数据本身作为整体的标签分数；以及基于各个所述公共组件的标签分数，在前端页面被访问加载匹配的公共组件。2.根据权利要求1所述的前端页面访问方法，其中，基于各个所述公共组件的标签分数，在前端页面被访问加载匹配的公共组件，包括：基于所述代码数据的标签分数，获得所述待标注的公共组件所属的第一类别和第二类别；以及响应于属于第一类别的前端页面被访问，加载属于第一类别和第二类别的公共组件。3.根据权利要求2所述的前端页面访问方法，其中，基于所述代码数据的标签分数，获得所述待标注的公共组件所属的第一类别和第二类别，包括：从查询表中获取与所述代码数据的标签分数匹配的第一类别和第二类别。4.根据权利要求1所述的前端页面访问方法，其中，所述语义理解模型为能够进行令牌类型区分的语义理解模型，用于区分所述代码数据中的内容词和语法词。5.根据权利要求4所述的前端页面访问方法，其中，将所述待标注的公共组件的代码数据通过语义理解模型以获得对应于所述代码数据的内容特征向量序列，包括：使用所述语义理解模型的词嵌入层将所述代码数据中的内容词和语法词分别转化为内容输入向量序列和语法输入向量序列；使用所述语义理解模型的转换器将所述内容输入向量序列和所述语法输入向量序列分别转化为内容特征向量序列和语法特征向量序列；以及将所述内容特征向量序列和所述语法特征向量序列进行拼接，以获得最终的所述内容特征向量序列。6.根据权利要求1所述的前端页面访问方法，其中，所述卷积神经网络以如下公式对所述标签矩阵进行处理以获得所述标签特征图；其中，所述公式为：f
i
＝active(n
i
×
f
i
‑1 b
i
)
其中，f
i
‑1为第i层卷积神经网络的输入，f
i
为第i层卷积神经网络的输出，n
i
为第i层卷积神经网络的卷积核，且b
i
为第i层卷积神经网络的偏置向量，active表示激活函数。7.根据权利要求1所述的前端页面访问方法，其中，基于最大条件似然估计分数的计算法则，获得所述代码数据中每个词作为整体的标签分数，包括：基于最大条件似然估计分数的计算法则，以如下公式计算所述代码数据中每个词作为整体的标签分数；其中，所述公式为：p(y
i
|x
i
)表示所述代码数据中每个词作为整体的标签分数，x
j
是该词对应的标签分数向量中的每个位置的特征值。8.根据权利要求7所述的前端页面访问方法，其中，基于所述代码数据中每个词作为整体的标签分数，获得所述代码数据本身作为整体的标签分数，包括：基于所述代码数据中每个词作为整体的标签分数，以如下公式计算所述代码数据本身作为整体的标签分数；其中，所述公式为：p(y
j
|x
i
)表示所述代码数据中每个词作为整体的标签分数，λ是用于调整似然函数的偏置项。9.一种前端页面访问系统，其特征在于，包括：数据获取单元，用于获取待标注的公共组件的代码数据；内容特征向量序列生成单元，用于将所述数据获取单元获得的所述待标注的公共组件的代码数据通过语义理解模型以获得对应于所述代码数据的内容特征向量序列；标签矩阵生成单元，用于对于标签信息，基于所述标签信息中各个标签所属的第一类别和第二类别将所述标签信息构造为标签矩阵，其中，所述标签矩阵中各个位置的特征值用于表示不同第一类别下的不同第二类别的标签的特征值；标签特征图生成单元，用于使用卷积神经网络从所述标签矩阵生成单元获得的所述标签矩阵中获得标签特征图，所述标签特征图包括不同类别的标签的特征值之间的隐含关联特征；标签分数向量生成单元，用于将所述内容特征向量序列生成单元获得的所述内容特征向量序列中各个内容特征向量作为查询向量分别与所述标签特征图生成单元获得的所述标签特征图进行矩阵相乘以获得每个所述内容特征向量对应的标签分数向量，其中，每个所述内容特征向量对应的标签分数向量用于表示所述代码数据中每个词对应的标签分数向量；第一标签分数生成单元，用于基于最大条件似然估计分数的计算法则，获得所述代码数据中每个词作为整体的标签分数；第二标签分数生成单元，用于基于所述代码数据中每个词作为整体的标签分数，获得所述代码数据本身作为整体的标签分数；以及
访问单元，用于基于各个所述公共组件的标签分数，在前端页面被访问加载匹配的公共组件。10.一种电子设备，包括：处理器；以及存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如权利要求1
‑
8中任一项所述的前端页面访问方法。

技术总结
本申请公开了一种前端页面访问方法、系统和电子设备，其基于深度学习的方式，通过对待标注的公共组件的代码数据进行特征提取，以获得各个所述公共组件的标签分数，从而根据标签分数准确地引入相应的公共组件。具体地，通过采用能够标注特殊语法词的语义理解模型，区分代码数据中的内容词和语法词，以获得考虑两者之间的关联信息的特征向量。接着，进一步通过卷积神经网络挖掘出不同类别之间的标签值之间的潜在关联信息。然后，融合代码数据中内容词和语法词的关联信息和不同类别之间的标签值之间的潜在关联信息，以获得标签分数。通过这样的方式，实现根据标签分数准确地引入相应的公共组件，提高前端页面的访问性能。提高前端页面的访问性能。提高前端页面的访问性能。


技术研发人员：武柳俊
受保护的技术使用者：深圳万顺叫车云信息技术有限公司
技术研发日：2021.07.23
技术公布日：2021/10/26