CN112632893B - 图形筛选方法及装置、服务器和存储介质 - Google Patents

图形筛选方法及装置、服务器和存储介质 Download PDF

Info

Publication number
CN112632893B
CN112632893B CN202011502781.6A CN202011502781A CN112632893B CN 112632893 B CN112632893 B CN 112632893B CN 202011502781 A CN202011502781 A CN 202011502781A CN 112632893 B CN112632893 B CN 112632893B
Authority
CN
China
Prior art keywords
graph
screening
target
rule
original
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011502781.6A
Other languages
English (en)
Other versions
CN112632893A (zh
Inventor
李翡
高云锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Huada Jiutian Technology Co ltd
Original Assignee
Nanjing Huada Jiutian Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Huada Jiutian Technology Co ltd filed Critical Nanjing Huada Jiutian Technology Co ltd
Priority to CN202011502781.6A priority Critical patent/CN112632893B/zh
Publication of CN112632893A publication Critical patent/CN112632893A/zh
Application granted granted Critical
Publication of CN112632893B publication Critical patent/CN112632893B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/30Circuit design
    • G06F30/36Circuit design at the analogue level
    • G06F30/367Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开涉及微电子器件建模领域,提供了一种用于器件建模工具的图形筛选方法及装置、服务器和存储介质,首先获取包括有数条预先配置的图形筛选规则的图形筛选规则集合;其次根据前述的图形筛选规则集合中的一条图形筛选规则,从原始图形集合中筛选出目标图形集合;最后根据预先配置的图形排序规则将前述目标图形集合进行分组排序。由此可通过不同的筛选语句遍历原始图形集合的树形结构节点,进行包含有原始图形存储名称的关键词查询,快速准确地选取所要调用的目标图形集合,并根据预设有目标图形参数阈值的判断语句和排序语句对目标图形集合进行分组排序,以此有效提高器件建模中图形数据分析的效率和准确性。

Description

图形筛选方法及装置、服务器和存储介质
技术领域
本公开涉及微电子器件建模领域,具体涉及一种用于器件建模工具的图形筛选方法及装置、服务器和存储介质。
背景技术
半导体器件设计极大地受益于模拟和模型的使用,仿真可以部分取代耗费成本的硅片实验,可以降低成本,缩短开发周期和提高成品率。也就是说,仿真可以虚拟生产并指导实际生产。从中节省开发新的或扩展现有技术的时间与费用。但技术发展需要的远不止是一种基本的模拟能力,相反,用于帮助实现和优化设计的建模与优化工具和方法变得越来越重要了。
尤其像电子IT行业里面的仿真软件按用途分是多种多样的。仅仅是集成电路这个行业来讲,就分为电路仿真、器件仿真、工艺仿真等。在实际应用中,器件仿真可以通过提取器件模型的电学参数来实现电学特性仿真,既有利于设计新型器件,也可以用于旧器件改良,验证器件的电学特性。
集成电路通用模拟程序(Simulation program with integrated circuitemphasis,SPICE)是最为普遍的电路级模拟程序,可以设定不同的激励,得到设计电路在此条件下的响应结果。针对半导体器件的进行SPICE仿真,使得仿真结果与器件实际测试结果匹配。根据相关技术,在仿真过程中,半导体器件建模需要同时使用很多带有数据的图形进行分析,现有的图形筛选中主要是通过手动查找和排序,这就需要耗费较长的时间,而如果在功能更为复杂的器件仿真中,图形选择和排序的过程就变得更为繁琐,耗时长的同时也易造成错误。
发明内容
为了解决上述技术问题,本公开提供了一种用于器件建模工具的图形筛选方法及装置、服务器和存储介质,可有效提高器件建模中图形数据分析的效率和准确性。
一方面本公开提供了一种用于器件建模工具的图形筛选方法,包括:
获取预先配置的图形筛选规则集合,该图形筛选规则集合中包括数条预先配置的图形筛选规则;
根据前述图形筛选规则集合中的一条图形筛选规则,从原始图形集合中筛选出目标图形集合;
根据预先配置的图形排序规则将前述目标图形集合进行分组排序。
优选地,前述图形筛选规则包括具有遍历前述原始图形集合中树形结构节点的筛选语句,该筛选语句包括表征前述目标图形的特征信息,
且该特征信息包括前述原始图形在对应层级节点下的存储名称中的关键词。
优选地,前述图形筛选规则用于执行:
分级查找存储在前述原始图形集合的树形结构节点的图形特征信息,筛选出匹配前述关键词的目标图形集合。
优选地,前述预先配置的图形筛选规则集合存储于前述器件建模工具的指定配置文件中,
且启动该器件建模工具时,自动读取前述的指定配置文件。
优选地,前述原始图形集合存储于前述器件建模工具的内存数据中,
且在读取前述指定配置文件时,获取树形结构的前述原始图形集合。
优选地,前述预先配置的图形排序规则包括:
对应前述目标图形的至少一个参数的条件阈值的判断语句;以及
对应满足前述至少一个参数的条件阈值下,定义目标图形组的排序语句,
前述目标图形组为前述目标图形集合中满足前述至少一个参数的条件阈值下的多个目标图形。
优选地,前述根据预先配置的图形排序规则将前述目标图形集合进行分组排序包括:
根据预先配置的图形排序规则将前述目标图形集合筛选出满足前述判断语句的前述目标图形组;
根据前述排序语句将前述目标图形组依次进行排序。
另一方面本公开还提供了一种用于器件建模工具的图形筛选装置,其包括:
提取模块,用于获取原始图形集合、预先配置的图形筛选规则集合和图形排序规则,前述图形筛选规则集合中包括数条预先配置的图形筛选规则;
处理模块,与提取模块连接,用于根据前述图形筛选规则集合中的一条图形筛选规则,从该原始图形集合中筛选出目标图形集合,并根据前述图形排序规则将该目标图形集合进行分组排序。
优选地,前述图形筛选装置还包括:
存储模块,与前述提取模块连接,用于存储前述预先配置的图形筛选规则集合,
且启动前述器件建模工具,前述提取模块完成自动读取前述存储模块中的配置文件,获取预先配置的图形筛选规则集合。
优选地,前述处理模块包括:
筛选单元,用于执行遍历前述原始图形集合中树形结构节点的筛选语句,筛选出匹配关键词的目标图形集合,前述筛选语句包括表征前述目标图形的特征信息,且前述特征信息包括前述原始图形在对应层级节点下的存储名称中的关键词;
判断单元,用于根据预先配置的图形排序规则将前述目标图形集合筛选出满足对应前述目标图形的至少一个参数的条件阈值的目标图形组;
排序单元,用于执行定义前述目标图形组的排序语句,将前述目标图形组依次进行排序。
另一方面本公开还提供了一种服务器,包括:
处理器;
存储器,用于存储一个或多个程序;
其中,当前述一个或多个程序被前述处理器执行,使得前述处理器实现如上所述的图形筛选方法。
另一方面本公开又提供了一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如上所述的图形筛选方法。
本公开的有益效果是:本公开提供的一种用于器件建模工具的图形筛选方法及装置、服务器和存储介质,首先获取包括有数条预先配置的图形筛选规则的图形筛选规则集合;其次根据前述的图形筛选规则集合中的一条图形筛选规则,从原始图形集合中筛选出目标图形集合;最后根据预先配置的图形排序规则将前述目标图形集合进行分组排序。由此可通过不同的筛选语句遍历原始图形集合的树形结构节点,进行包含有原始图形存储名称的关键词查询,快速准确地选取所要调用的目标图形集合,并根据预设有目标图形参数阈值的判断语句和排序语句对目标图形集合进行分组排序,相较于人工从大量的配置文件中进行信息筛选和条件排序来说,有效提高了该图形筛选方法的效率和准确性,并以此提高在器件建模中图形数据分析优化的效率和准确性,从而提高半导体器件建模效率。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚。
图1示出本公开实施例一提供的一种用于器件建模工具的图形筛选方法的流程示意图;
图2示出图1所示图形筛选方法中步骤S30的子步骤流程示意图;
图3示出本公开实施例二提供的一种用于器件建模工具的图形筛选装置的结构示意图;
图4示出图3所示图形筛选装置中处理模块的结构示意图;
图5示出在本公开一具体实施方式中目标图形组合的筛选过程示意图;
图6示出在图5所示实施方式中图形筛选规则的筛选结果示意图;
图7示出在本公开一具体实施方式中图形排序规则的排序结果示意图;
图8示出在图7所示实施方式中满足一定参数条件的一组目标图形的结果示意图;
图9示出本公开实施例三提供的一种服务器的结构示意图。
具体实施方式
为了便于理解本公开,下面将参照相关附图对本公开进行更全面的描述。附图中给出了本公开的较佳实施例。但是,本公开可以通过不同的形式来实现,并不限于本文所描述的实施例。相反的,提供这些实施例的目的是使对本公开内容的理解更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于本公开的技术领域的技术人员通常理解的含义相同。在本公开的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本公开。
根据相关技术,用于器件建模工具有多种,现在常用的如SPICE仿真软件为方便用户使用都提供了较好的用户界面,在用仿真库中的元器件连成原理图后就可以进行仿真(当然要设置必要的仿真参数),而在器件建模仿真过程中,要对器件中带有数据的图形以一定条件进行筛选排序,方便对不符合标准的图形参数进行调整优化,但在现有的器件建模工具中,需要同时使用很多带有数据的图形进行分析,手动查找和排序需要较长时间,比较繁琐,而且还有可能造成错误,影响效率。
基于此,本公开提供了一种用于器件建模工具的图形筛选方法及装置、服务器和存储介质,能利用一种脚本语言对已加载的图形进行筛选、排序、分组,以有效提高器件建模中图形选择和排序的效率和准确性。
下面,参照附图对本公开进行详细说明。
实施例一:
图1示出本公开实施例一提供的一种用于器件建模工具的图形筛选方法的流程示意图,图2示出图1所示图形筛选方法中步骤S30的子步骤流程示意图。
参考图1和图2,本公开实施例一提供了一种用于器件建模工具的图形筛选方法,其包括:
步骤S10:获取包括有数条预先配置的图形筛选规则的图形筛选规则集合,以及图形排序规则。
在步骤S10中,前述的图形筛选规则包括具有遍历前述原始图形集合中树形结构节点的筛选语句,该筛选语句包括表征前述目标图形的特征信息,且该特征信息包括前述原始图形在对应层级节点下的存储名称中的关键词。
进一步地,前述预先配置的图形筛选规则集合存储于该器件建模工具(软件)的指定配置文件中,且启动该器件建模工具时,自动读取前述的指定配置文件。
进一步地,具有树形结构的该原始图形集合存储于前述器件建模工具的内存数据中,且在读取前述指定配置文件时,获取该树形结构的原始图形集合。
步骤S20:根据该图形筛选规则集合中的一条图形筛选规则,从原始图形集合中筛选出目标图形集合。
在步骤S20中,自主选择该图形筛选规则集合中的一条图形筛选规则,该图形筛选规则用于执行:分级查找存储在原始图形集合的树形结构节点的图形特征信息,筛选出匹配前述关键词的目标图形集合。
步骤S30:根据预先配置的图形排序规则将前述目标图形集合进行分组排序。
在步骤S30中,前述预先配置的图形排序规则包括:对应前述目标图形的至少一个参数的条件阈值的判断语句;以及对应满足前述至少一个参数的条件阈值下,定义目标图形组的排序语句,而前述的目标图形组为前述目标图形集合中满足前述至少一个参数的条件阈值下的多个目标图形。
具体的,根据预先配置的图形排序规则将前述目标图形集合进行分组排序包括:
子步骤S310:根据预先配置的图形排序规则将前述目标图形集合筛选出满足前述判断语句的前述目标图形组。
子步骤S320:根据前述排序语句将前述目标图形组依次进行排序。
进一步地,该预先配置的图形筛选规则和图形排序规则可依实际建模过程中对图形数据分析时,根据其调用频率和对应图形数据修改优化参数的标准进行适当的调整、修改、增加或删除。
在本实施例中,由于筛选语句中的特征信息(关键词)是从原始图形集合的树形结构在对应层级节点下的存储名称中的关键词中提取得到的关键词和/或关键词组,启动该器件建模工具时,获取得到该图形筛选规则集合和图形排序规则,然后根据筛选语句中的关键词对原始图形集合的树形结构在对应层级节点下的存储名称进行遍历筛选,对与之相匹配的目标图形进行聚类,将包含相似关键词或词组的目标图形聚为一个集合,故可以根据需求通过判断语句从目标图形集合中筛选出符合预设参数条件的目标图形组,再根据排序语句将得到的多个目标图形组依次进行排序,并将每一组中的目标图形以定义的排序方式依次进行排序。因此,该图形筛选方法能有效提高该图形筛选方法的效率和准确性,并进一步提高在器件建模中图形数据分析优化的效率和准确性,从而提高半导体器件建模效率。
图3示出本公开实施例二提供的一种用于器件建模工具的图形筛选装置的结构示意图,图4示出图3所示图形筛选装置中处理模块的结构示意图。
实施例二:
参考图3和图4,本公开实施例二提供了一种用于器件建模工具的图形筛选装置100,其包括:获取模块110、处理模块120和存储模块130,其中,该提取模块110用于获取原始图形集合、预先配置的图形筛选规则集合和图形排序规则,且该图形筛选规则集合中包括数条预先配置的图形筛选规则;
该处理模块120与提取模块110连接,用于根据前述图形筛选规则集合中的一条图形筛选规则,从该原始图形集合中筛选出目标图形集合,并根据前述图形排序规则将该目标图形集合进行分组排序;
而该存储模块130与提取模块110连接,用于存储前述预先配置的图形筛选规则集合,且启动前述的器件建模工具时,该提取模块110完成自动读取该存储模块130中的配置文件,获取预先配置的图形筛选规则集合。
进一步地,参考图4,该处理模块,120至少包括:筛选单元121、判断单元122和排序单元123,
其中,该筛选单元121用于执行遍历前述原始图形集合中树形结构节点的筛选语句,筛选出匹配关键词的目标图形集合,前述筛选语句包括表征前述目标图形的特征信息,且前述特征信息包括前述原始图形在对应层级节点下的存储名称中的关键词;
该判断单元122与筛选单元121连接并获取前述的目标图形集合,用于根据预先配置的图形排序规则中对应该目标图形的至少一个参数的条件阈值的的判断语句,将前述目标图形集合筛选出满足该判断语句的目标图形组;
该排序单元123与该判断单元122连接,用于执行定义前述目标图形组的排序语句,将前述目标图形组依次进行排序。
图5示出在本公开一具体实施方式中目标图形组合的筛选过程示意图,图6示出在图5所示实施方式中图形筛选规则的筛选结果示意图,图7示出在本公开一具体实施方式中图形排序规则的排序结果示意图,图8示出在图7所示实施方式中满足一定参数条件的一组目标图形的结果示意图。
结合上述两种实施例,可以理解的是,在实际运用器件建模工具进行器件建模的过程中,该器件建模工具的内存中会存储有不同尺寸或不同功能器件的不同类型的图形,通过特定的脚本语言对已加载的带有数据的图形(原始图形组合)进行筛选、分组和排序,并展示在界面上,以等待进一步的调用分析处理。
在一具体的实施方式中,可利用多条语句(如筛选语句、判断语句和排序语句)在指定的规则下的组合使用,对原始图形组合进行快速准确的调用处理,以下为包含前述的图形筛选规则和图形排序规则的两组脚本,第一组筛选出图名为ids_vgs_vbs中w=9u,l<0.9u,t=25的所有图形,并按照参数l递减排序。第二组筛选出图名为ids_vds_vgs中w<10u,l=9u,t=25的所有图,并按照参数w递增排序。且该第一组和第二组的图按组顺序排列。筛选和排序脚本中的各个语句如下:
Plot Group Name:ivplots
Group:n15;LibA
Title:
NaviGroup:iv
Plot:ids_vgs_vbs
Inst:w=9u,l<0.9u,t=25
Sort:l=increase
GroupEnd
Group:n15,mis;LibA,hsp
NaviGroup:iv
Plot:ids_vds_vgs
Inst:w<10u,l=9u,t=25
Sort:w=decrease
GroupEnd
以下为上述筛选和排序脚本中各个语句的详细说明:
1、关键词Plot Group Name,指定这一个脚本的名字,以区分其他脚本,用‘:’隔开关键词和名字。例如:
Plot Group Name:QA_vthgm_idsat_idlin,
即代表这一个脚本名为QA_vthgm_idsat_idlin。
2、关键词Group,用于查找原始图形组合的树形结构中的节点,也用于开始这一组筛选和排序。用‘:’隔开关键词和内容,而多个层级节点的筛选关键词用“;”分隔开。且该筛选语句能支持多个词/组的模糊匹配,不同词/组之间用“,”分隔开。例如:
Group:n15,ckt;libA,即可以找到图5中的n15_mis_ckt/LibA_Hsp节点。
3、关键词NaviGroup,用于查找原始图形组合的树形结构中的图形组节点,且该筛选语句中用‘:’隔开关键词和内容。例如:
NaviGroup:iv,会找到图5中的Navis/iv节点。
4、关键词Plot,用于查找目标图形集合下的图形,用‘:’隔开关键词和内容,且该筛选语句能支持多个词的模糊匹配。例如:
Plot:ids_vgs_vbs,会找到图5中的ids_vgs_vbs@iv节点。
5、关键词Inst,对选中目标图形集合按照配置条件进行过滤,用‘:’隔开关键词和内容。例如:
Inst:w=min,l=min,t=25,代表筛选出目标图形组合中中满足参数w最小为0.3、参数l最小为0.3,而t=25的目标图形组内容,如图6所示。且上述的判断语句中还支持>,<,=,>=,<=,&等操作符。
6、关键词Sort,对选中的图形进行排序,用‘:’隔开关键词和内容。在该排序语句中例如可以用decrease和increase来定义该目标图形组中各个目标图形的排序方式,一般默认是increase。例如:
Sort:w,l=increase代表按参数w递减,以及按参数l递增排序。且判断语句支持多个Group,筛选出的不同目标图形组也可按某一或某几个参数的条件顺序排列。
图7中示出该目标图形组中各个目标图形按参数w递增排序,而该目标图形组合中按判断语句的参数条件筛选分出了4种,且对应ids_vds_vgs vbs=-2.5,w=9u,i=9u,t=25的目标图形组中各个图形按参数递增排序的结果如图8所示。
7、关键词GroupEnd,代表结束该组筛选排序定义。
结合上述内容,本公开实施例提供的图形筛选方法及其装置能有效提高图形筛选的效率和准确性,进一步提高在器件建模工具中图形数据分析优化的效率和准确性,从而提高半导体器件建模效率。
实施例三
图9示出本公开实施例三提供的一种服务器的结构示意图。
参考图9,本公开还提出了一种适于用来实现本公开实施例的示例***器的框图。需要明白的是,图9显示的服务器仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图9所示,服务器200以通用计算设备的形式表现。服务器200的组件可以包括但不限于:一个或者多个处理器或者处理单元210,存储器220,连接不同***组件(包括存储器220和处理单元210)的总线201。
总线201表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
服务器200典型地包括多种计算机***可读介质。这些介质可以是任何能够被服务器200访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
***存储器220可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)221和/或高速缓存存储器222。服务器200可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***223可以用于读写不可移动的、非易失性磁介质(图9未显示,通常称为“硬盘驱动器”)。尽管图9中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线201相连。存储器220可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本公开实施例各实施例的功能。
具有一组(至少一个)程序模块2241的程序/实用工具224,可以存储在例如存储器220中,这样的程序模块2241包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块2241通常执行本公开实施例所描述的实施例中的功能和/或方法。
进一步地,服务器200也可以与显示器300通信连接,用于显示筛选排序的结果,该显示器300可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,该显示器300也可以是触摸屏。
进一步地,该服务器200还可与一个或者多个使得用户能与该服务器200交互的设备通信,和/或与使得该服务器200能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口230进行。并且,服务器200还可以通过网络适配器240与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器240通过总线201与服务器200的其它模块通信。应当明白,尽管图中未示出,可以结合服务器200使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元210通过运行存储在***存储器220中的程序,从而执行各种功能应用以及数据处理,例如实现本公开实施例一所提供的用于器件建模工具的图形筛选方法。
实施例四
本公开实施例四还提供一种计算机可读存储介质,其上存储有计算机程序(或称为计算机可执行指令),该程序被处理器执行时用于执行本公开实施例一所提供的用于器件建模工具的图形筛选方法,该方法包括:
获取包括有数条预先配置的图形筛选规则的图形筛选规则集合,以及图形排序规则;
根据该图形筛选规则集合中的一条图形筛选规则,从原始图形集合中筛选出目标图形集合;以及
根据预先配置的图形排序规则将前述目标图形集合进行分组排序。
本公开实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言(诸如Java、Smalltalk、C++),还包括常规的过程式程序设计语言诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
此外,在本文中,所含术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
最后应说明的是:显然,上述实施例仅仅是为清楚地说明本公开所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本公开的保护范围之中。

Claims (11)

1.一种用于器件建模工具的图形筛选方法,包括:
获取预先配置的图形筛选规则集合,所述图形筛选规则集合中包括数条预先配置的图形筛选规则;
根据所述图形筛选规则集合中的一条所述图形筛选规则,从原始图形集合中筛选出目标图形集合;
根据预先配置的图形排序规则将所述目标图形集合进行分组排序,其中,所述图形筛选规则包括具有遍历所述原始图形集合中树形结构节点的筛选语句,所述筛选语句包括表征所述目标图形的特征信息,
所述特征信息包括所述原始图形在对应层级节点下的存储名称中的关键词。
2.根据权利要求1所述的图形筛选方法,其中,所述图形筛选规则用于执行:
分级查找存储在所述原始图形集合的树形结构节点的图形特征信息,筛选出匹配所述关键词的目标图形集合。
3.根据权利要求2所述的图形筛选方法,其中,所述预先配置的图形筛选规则集合存储于所述器件建模工具的指定配置文件中,
且启动所述器件建模工具时,自动读取所述指定配置文件。
4.根据权利要求3所述的图形筛选方法,其中,所述原始图形集合存储于所述器件建模工具的内存数据中,
且在读取所述指定配置文件时,获取树形结构的所述原始图形集合。
5.根据权利要求1所述的图形筛选方法,其中,所述预先配置的图形排序规则包括:
对应所述目标图形的至少一个参数的条件阈值的判断语句;以及
对应满足所述至少一个参数的条件阈值下,定义目标图形组的排序语句,
所述目标图形组为所述目标图形集合中满足所述至少一个参数的条件阈值下的多个目标图形。
6.根据权利要求5所述的图形筛选方法,其中,所述根据预先配置的图形排序规则将所述目标图形集合进行分组排序包括:
根据预先配置的图形排序规则将所述目标图形集合筛选出满足所述判断语句的所述目标图形组;
根据所述排序语句将所述目标图形组依次进行排序。
7.一种用于器件建模工具的图形筛选装置,包括:
提取模块,用于获取原始图形集合、预先配置的图形筛选规则集合和图形排序规则,所述图形筛选规则集合中包括数条预先配置的图形筛选规则;
处理模块,与所述提取模块连接,用于根据所述图形筛选规则集合中的一条所述图形筛选规则,从所述原始图形集合中筛选出目标图形集合,并根据所述图形排序规则将所述目标图形集合进行分组排序,
其中,所述处理模块包括:
筛选单元,所述筛选单元用于执行遍历所述原始图形集合中树形结构节点的筛选语句,筛选出匹配关键词的目标图形集合,所述筛选语句包括表征所述目标图形的特征信息,且所述特征信息包括所述原始图形在对应层级节点下的存储名称中的关键词。
8.根据权利要求7所述的图形筛选装置,其中,还包括:
存储模块,与所述提取模块连接,用于存储所述预先配置的图形筛选规则集合,
且启动所述器件建模工具,所述提取模块完成自动读取所述存储模块中的配置文件,获取预先配置的图形筛选规则集合。
9.根据权利要求7所述的图形筛选装置,其中,所述处理模块还包括:
判断单元,用于根据预先配置的图形排序规则将所述目标图形集合筛选出满足对应所述目标图形的至少一个参数的条件阈值的目标图形组;
排序单元,用于执行定义所述目标图形组的排序语句,将所述目标图形组依次进行排序。
10.一种服务器,包括:
处理器;
存储器,用于存储一个或多个程序;
其中,当所述一个或多个程序被所述处理器执行,使得所述处理器实现如权利要求1至6中任一项所述的图形筛选方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1至6中任一项所述的图形筛选方法。
CN202011502781.6A 2020-12-18 2020-12-18 图形筛选方法及装置、服务器和存储介质 Active CN112632893B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011502781.6A CN112632893B (zh) 2020-12-18 2020-12-18 图形筛选方法及装置、服务器和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011502781.6A CN112632893B (zh) 2020-12-18 2020-12-18 图形筛选方法及装置、服务器和存储介质

Publications (2)

Publication Number Publication Date
CN112632893A CN112632893A (zh) 2021-04-09
CN112632893B true CN112632893B (zh) 2022-07-22

Family

ID=75317493

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011502781.6A Active CN112632893B (zh) 2020-12-18 2020-12-18 图形筛选方法及装置、服务器和存储介质

Country Status (1)

Country Link
CN (1) CN112632893B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113704253A (zh) * 2021-07-28 2021-11-26 昆山丘钛微电子科技股份有限公司 摄像模组筛选方法、***、装置及服务器
CN115272764A (zh) * 2022-07-28 2022-11-01 东方晶源微电子科技(北京)有限公司 允许位置偏差的图形分组方法、装置、设备及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI534646B (zh) * 2013-05-20 2016-05-21 敖翔科技股份有限公司 智慧型弱點圖形診斷方法、系統與電腦可讀取記憶媒體
CN111624850B (zh) * 2020-06-08 2021-07-27 中国科学院上海光学精密机械研究所 用于全芯片光源掩模优化的关键图形筛选方法
CN111929983A (zh) * 2020-06-28 2020-11-13 中国科学院上海光学精密机械研究所 基于多边形区域表征的全芯片光源掩模优化关键图形筛选方法

Also Published As

Publication number Publication date
CN112632893A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
US20210081725A1 (en) Method, apparatus, server, and user terminal for constructing data processing model
CN109697162B (zh) 一种基于开源代码库的软件缺陷自动检测方法
CN109409533B (zh) 一种机器学习模型的生成方法、装置、设备及存储介质
US5854930A (en) System, method, and computer program product for script processing
CN107526846B (zh) 频道排序模型的生成、排序方法、装置、服务器和介质
CN112632893B (zh) 图形筛选方法及装置、服务器和存储介质
CN110020422A (zh) 特征词的确定方法、装置和服务器
US9678628B2 (en) Method for generating control-code by a control-code-diagram
CN114328276B (zh) 测试用例生成方法和装置,显示测试用例的方法和装置
CN101183332A (zh) 一种根据程序内容自动生成测试数据集的方法和装置
CN116797195A (zh) 工单处理方法、装置、计算机设备和计算机可读存储介质
CN114638184B (zh) 门级电路的仿真方法、***、存储介质及设备
CN115562656A (zh) 页面的生成方法、装置、存储介质及计算机设备
CN109800147B (zh) 一种测试案例生成方法及终端设备
CN104462552A (zh) 问答页面核心词提取方法和装置
CN116820960A (zh) 软件测试的方法和电子设备
CN110362694A (zh) 基于人工智能的文献数据检索方法、设备及可读存储介质
CN115858337A (zh) 测试方法、测试装置、计算机可读存储介质以及电子设备
CN111428117A (zh) 应用程序的数据获取方法和装置
CN109165155A (zh) 一种基于聚类分析的软件缺陷修复模板提取方法
CN114490390A (zh) 测试数据生成方法、装置、设备及存储介质
CN113900956A (zh) 测试用例的生成方法、装置、计算机设备及存储介质
CN110633430B (zh) 事件发现方法、装置、设备和计算机可读存储介质
CN110895529A (zh) 结构化查询语言的处理方法及相关装置
CN117519702B (zh) 基于低代码配置化的搜索页面设计方法及***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant