[发明专利]前端页面访问方法、系统和电子设备

说明书

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。

技术领域

本发明涉及计算机应用领域，且更为具体地，涉及一种前端页面访问方法、前端页面访问系统和电子设备。

背景技术

随着HTML5技术的快速发展，HTML5技术具有代码更简化、功能更强大等特性，因此，越来越多的软件开发人员通过HTML5技术开发前端H5项目。

通常，HTML5项目可以只通过前端就实现前端页面的访问。并且，访问前端页面的方式通常为：获取统一资源定位符(Uniform Resource Locator，URL)的路径对应的前端页面，并加载以及渲染该前端页面包含的类、公共组件以及相关资源等信息。

然而，在现有的方案中，加载组件时出现诸多问题。首先，当需要在前端页面中引入全局组件时，需要首先获取前端页面对应的类，并识别类中待引入的组件，这就导致前端页面加载时间过长。其次，在加载公共组件时，不仅要考虑公共组件的类型还要考虑前端页面的类型，因此，还经常出现加载出不适配的公共组件的问题。

因此，访问前端页面时，如何准确地引入相应的公共组件，提高前端页面的访问性能成为亟需解决的问题。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种前端页面访问方法、前端页面访问系统和电子设备，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。

根据本申请的一个方面，提供了一种前端页面访问方法，其包括：

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。