CN112784143B - 基于可视化计算引擎的数据处理方法、***和计算机设备 - Google Patents
基于可视化计算引擎的数据处理方法、***和计算机设备 Download PDFInfo
- Publication number
- CN112784143B CN112784143B CN202011599345.5A CN202011599345A CN112784143B CN 112784143 B CN112784143 B CN 112784143B CN 202011599345 A CN202011599345 A CN 202011599345A CN 112784143 B CN112784143 B CN 112784143B
- Authority
- CN
- China
- Prior art keywords
- expression
- natural language
- data
- query
- tree structure
- 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
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 18
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 230000014509 gene expression Effects 0.000 claims abstract description 338
- 238000012545 processing Methods 0.000 claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 44
- 239000012634 fragment Substances 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 67
- 238000013519 translation Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012800 visualization Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000006467 substitution reaction Methods 0.000 description 6
- 238000010200 validation analysis Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9532—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/253—Grammatical analysis; Style critique
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种基于可视化计算引擎的数据处理方法、***和计算机设备。所述方法包括：在计算引擎的表达式编辑器的界面中，展示表达式编辑区域；对在所述表达式编辑区域中录入的自然语言表达式进行拆解，并根据拆解得到的词片段生成树形结构的表达式；根据树形结构的表达式中各节点记录的词片段以及所述位置信息，进行上下文语义解析，以将所述树形结构的表达式编译成可执行表达式；将自然语言表达式和相应可执行表达式提交至服务器进行存储；若所述服务器接收到针对所述自然语言表达式的调用请求，则调用相应的所述可执行表达式进行数据处理。采用本方法能够提高效率。
Description
技术领域
本申请涉及计算机技术以及安全存储技术，特别是涉及一种基于可视化计算引擎的数据处理方法、***和计算机设备。
背景技术
随着计算机技术和互联网技术地不断发展，各种数据计算等处理都逐渐采用计算机自动计算，尤其会通常涉及到使用计算引擎进行数据处理。在使用计算引擎进行数据处理时，往往会需要使用到表达式，因而会涉及表达式的配置。
传统方法中，前端采用结构化选择配置的方式来配置表征计算规则的表达式，即，在前端提供一个预先设置好的具有固定结构框架的界面，供技术人员从中选择选项，然后，根据选择的选项结合固定结构框架来实现对表达式的配置。然而，传统方法只能语句固定结构框架进行选择的配置方式，在配置表达式的过程中，技术人员并不知晓表达式是什么样的，只能在配置完成后才知晓表达式，过于局限，非常的不灵活、不便捷，而且不论是初始的配置操作还是后续的更改操作都比较繁琐，从而导致依据该配置整体进行的数据处理效率比较低。
因此，有必要针对传统方法存在的效率比较低的问题，提出相应解决方案。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高效率的基于可视化计算引擎的数据处理方法、***、计算机设备和存储介质。
一种基于可视化计算引擎的数据处理方法，所述方法包括：
在计算引擎的表达式编辑器的界面中，展示表达式编辑区域；
对在所述表达式编辑区域中录入的自然语言表达式进行拆解，并根据拆解得到的词片段生成树形结构的表达式；其中，树形结构的表达式中的每个节点，分别记录有词片段以及所述词片段在所述表达式编辑区域中相应的位置信息；
根据树形结构的表达式中各节点记录的词片段以及所述位置信息，进行上下文语义解析，以将所述树形结构的表达式编译成可执行表达式；
将自然语言表达式和相应可执行表达式提交至服务器进行存储；
若所述服务器接收到针对所述自然语言表达式的调用请求，则调用相应的所述可执行表达式进行数据处理。
在其中一个实施例中，在所述将自然语言表达式和相应可执行表达式提交至服务器进行存储之前，所述方法还包括：
响应于针对录入的自然语言表达式的语法校验操作，对所述树形结构的表达式中各节点记录的词片段进行语法分析；
确定存在语法错误的词片段在所述树形结构中对应的节点；
获取确定的所述节点所记录的所述位置信息；
根据所述位置信息生成语法错误提示；所述语法错误提示，用于提示所述表达式编辑区域中录入的所述自然语言表达式中存在语法错误的位置。
在其中一个实施例中，所述方法还包括：
响应于语言翻译操作，确定树形结构的表达式中各节点记录的词片段所对应的唯一码；
获取与各唯一码分别对应的、且符合所述语言翻译操作所指定的目标语言类别的目标词；
按照各节点所记录的位置信息，将各目标词替换至所述表达式编辑区域中，翻译得到符合所述目标语言类别的自然语言表达式。
在其中一个实施例中，同一类型的自然语言表达式对应多个版本，每个版本分别对应设置有相应的版本生效时间；
所述若所述服务器接收到针对所述自然语言表达式的调用请求，则调用相应的所述可执行表达式进行数据处理，包括：
在达到所述版本生效时间后，若所述服务器接收到针对自然语言表达式的调用请求，从同一类型的自然语言表达式对应的多个版本中，确定与所述版本生效时间相匹配的版本，调用与确定的所述版本对应的可执行表达式进行数据处理。
在其中一个实施例中，所述自然语言表达式包括使用自然语言编辑的计算公式；
所述若所述服务器接收到针对所述自然语言表达式的调用请求，则调用相应的所述可执行表达式进行数据处理，包括：
若所述服务器接收到针对所述自然语言表达式的调用请求，则将同源查询参数进行去重合并；所述同源查询参数，是用于调用所述计算公式从同一数据源中取数的查询参数；
基于合并后得到的查询参数集合，调用与所述计算公式对应的可执行表达式从所述数据源中查询数据，并基于查询的数据进行计算。
在其中一个实施例中，自然语言表达式包括使用自然语言编辑的计算公式；
所述若所述服务器接收到针对所述自然语言表达式的调用请求，则调用相应的所述可执行表达式进行数据处理，包括：
若所述服务器接收到针对所述计算公式的调用请求，则触发获取提供数据源的数据库的类型、所述数据库的配置信息以及网络信息；
根据所述数据库的类型、所述数据库的配置信息以及网络信息，预测每批查询的目标数据量；
根据数据查询总量和所述目标数据量，确定最优查询批次；
按照所述最优查询批次，调用相应可执行表达式针对不同的数据源进行分批地、且多线程地数据查询处理，并基于查询的数据进行计算。
在其中一个实施例中，所述计算公式为薪酬计算公式；所述目标数据量，是每批查询的目标薪酬数据量；
所述根据数据查询总量和所述目标数据量，确定最优查询批次，包括：
根据薪酬所属人员的数量和每个薪酬所属人员所对应的查询字段数量，确定薪酬数据查询总量；
根据所述薪酬数据查询总量和目标薪酬数据量，确定最优查询批次。
一种基于可视化计算引擎的数据处理***，其特征在于，所述***包括：第一终端和服务器；
所述第一终端，用于在计算引擎的表达式编辑器的界面中，展示表达式编辑区域；对在所述表达式编辑区域中录入的自然语言表达式进行拆解，并根据拆解得到的词片段生成树形结构的表达式；其中，树形结构的表达式中的每个节点，分别记录有词片段以及所述词片段在所述表达式编辑区域中相应的位置信息；根据树形结构的表达式中各节点记录的词片段以及所述位置信息，进行上下文语义解析，以将所述树形结构的表达式编译成可执行表达式；将自然语言表达式和相应可执行表达式提交至所述服务器进行存储；
所述服务器，用于若接收到第二终端针对所述自然语言表达式的调用请求，则调用相应的所述可执行表达式进行数据处理。
一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行本申请各实施例所述的基于可视化计算引擎的数据处理方法中的步骤。
一种计算机可读存储介质，所述计算机可读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，使得所述处理器执行本申请各实施例所述的基于可视化计算引擎的数据处理方法中的步骤。
上述基于可视化计算引擎的数据处理方法、***、计算机设备和存储介质，技术人员可以直接在表达式编辑区域中用自然语言录入自然语言表达式，而不需要去从固定结构框架中进行复杂的选择，减少了操作成本，提高了效率。而且，能够对自然语言表达式进行拆解解析，生成各个节点记录词片段以及词片段的位置信息的树形结构的表达式，后续基于各节点记录的词片段和位置信息，能够快速、便捷地编译生成可执行表达式，后续，在接收到针对自然语言表达式的调用请求后，则可以直接调用该可执行表达式进行数据处理，进一步地提高了效率。
附图说明
图1为一个实施例中基于可视化计算引擎的数据处理方法的应用环境图；
图2为一个实施例中基于可视化计算引擎的数据处理方法的流程示意图；
图3为一个实施例中表达式编辑器的界面示意图；
图4为一个实施例中薪酬计算场景下的原理示意图；
图5为一个实施例中基于可视化计算引擎的数据处理***的框图；
图6为一个实施例中计算机设备的框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的基于可视化计算引擎的数据处理方法，可以应用于如图1所示的应用环境中。其中，第一终端102和第二终端106分别通过网络与服务器104进行通信。第一终端102，是表达式配置终端，即用于配置表达式的终端。第二终端106是表达式使用终端，即，用于使用配置好的表达式的终端。可以理解，技术人员在第一终端102中通过可视化界面配置自然语言表达式后，可以将配置好的自然语言表达式和相应的可执行表达式提交至服务器104中进行存储。用户(即需要使用表达式的用户)在第二终端106上进行相应操作，若操作涉及到对表达式的调用，则可以通过第二终端106向服务器104发起针对自然语言表达式的调用请求，服务器104在接收到调用请求后，可以调用相应的可执行表达式进行数据处理。服务器104可以将数据处理结果返回至第二终端106。
其中，第一终端102和第二终端106可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种基于可视化计算引擎的数据处理方法，可以通过图1中的第一终端102和服务器104的交互来实现，具体包括以下步骤：
步骤202，在计算引擎的表达式编辑器的界面中，展示表达式编辑区域。
其中，表达式编辑区域，是支持录入自然语言的用于编辑自然语言表达式的区域。表达式，是将数据用运算符号按一定的规则连接起来的式子。自然语言表达式是使用的自然语言描述的表达式。
具体地，计算引擎中提供表达式编辑器，技术人员可以打开表达式编辑器的界面，在该界面中展示有表达式编辑区域。
在一个实施例中，表达式编辑器的界面中还可以包括项目列表和函数区域等中的至少一种。其中，项目列表中包括待配置相应自然语言表达式的至少一个项目。每个项目可以对应编辑配置至少一个自然语言表达式。
其中，项目列表中的项目，用于辅助配置自然语言表达式的数据源，即，可以基于项目配置自然语言表达式进行取数的数据来源。
函数，是表达式计算中一些固定的复杂计算逻辑的抽象。可以理解，在表达式中需要配置一些函数，从而实现相应调用。因而，函数区域中包括多种函数，以辅助配置自然语言表达式。
在一个实施例中，函数区域中可以包括数学函数、字符串函数、日期函数以及类型转换函数等中的至少一种函数类型。
在一个实施例中，表达式编辑器的界面中还可以包括至少一个操作触发入口。操作触发入口用于触发相应操作。能够被触发的操作可以包括保存操作、提交存储操作、保存为草稿的操作、公式示例展示操作、格式标准化操作、刷新操作以及退出操作等中的至少一种。
在一个实施例中，表达式编辑器的界面中还可以包括录入自然语言的输入选择区域。该输入选择区域，用于提供让选择的自然语言。比如，可以包括运算符号、数字以及条件关键词等中的至少一种。
图3为一个实施例中表达式编辑器的界面示意图。参照图3,302即为项目列表的展示区域，304为表达式编辑区域。“如果用工关系状态名称＝“试用员工”，那么，结果＝取四舍五入值(基本工资*0.8/应出勤天数*实际出勤天数,2)”就属于一条自然语言表达式。从图3可知，是针对“学历工资”这一薪酬项目来编辑相对应的表达式(即公式)。图3中306为函数区域，308为输入选择区域，技术人员可以在308上触发输入条件关键词或运算符号等。310中则包括多个操作触发入口，比如，“保存”即为保存操作的触发入口。
步骤204，对在表达式编辑区域中录入的自然语言表达式进行拆解，并根据拆解得到的词片段生成树形结构的表达式。
其中，生成树形结构的表达式，即，将自然表达式以树形结构进行表示。
具体地，技术人员可以在表达式编辑区域中通过录入自然语言的方式，来编辑自然语言表达式。第一终端可以对录入且确认的自然语言表达式进行拆解分词，以将自然语言表达式拆解成多个词片段，然后，根据拆解得到的词片段生成树形结构的表达式。其中，树形结构的表达式中的每个节点，分别记录有词片段以及词片段在表达式编辑区域中相应的位置信息。
比如，以“如果用工关系状态名称＝“试用员工”，那么，结果＝取四舍五入值(基本工资*0.8/应出勤天数*实际出勤天数,2”为例，解析成的树形结构的表达式中记录“如果”这个词片段的节点会记录其在表达式编辑区域中相应的位置信息，即，记录“如果”位于表达式编辑区域中的第一个字符位置和第二个字符位置。
在一个实施例中，技术人员可以自由的录入自然语言表达式，然后，对录入的自然语言表达式触发标准化操作，从而第一终端可以调用智能格式化工具对录入的自然语言表达式进行格式标准化处理，使得录入的自然语言表达式以标准的格式进行展示，以增强可读性。
在一个实施例中，第一终端可以调用智能格式化工具，对录入的自然语言表达式进行分行、分列的格式化处理。第一终端还可以增加行序号或列序号等。
在一个实施例中，第一终端还可以调用智能格式化工具解析录入的自然语言表达式中各词语的类型，将不同类型的词语区分化展示。比如，第一终端可以用颜色或者高亮等方式，将不同类型的词语区分化展示。
比如，技术人员录入时可能就是将自然语言表达式录入一整行，这样可读性就比较差，图3中就将自然语言表达式分行分列，并增加行序号。图3中还针对不同类型的词语区分化展示，比如，“如果”、“那么”等都属于连接词，类型相同所以使用相同深度的颜色。再比如，第一行中“如果”、“用工关系状态名称”、“试用员工”属于不同类型的词语，则使用不同深度的颜色进行区分。从而能够增加可读性，能够简单快速看懂表达式内容，进而便于维护。
步骤206，根据树形结构的表达式中各节点记录的词片段以及位置信息，进行上下文语义解析，以将树形结构的表达式编译成可执行表达式。
其中，可执行表达式，是指将表达式编译好的能够执行的代码。可以理解，编辑的自然语言表达式，是可视化的、能被看见组成结构的表达式。但是，自然语言表达式无法被执行调用，而可执行表达式相当于是编译好的、不可见的能够被执行调用的代码。比如，将表达式编译成JAVA代码，即可为可执行表达式。
可以理解，树形结构的表达式中各节点所记录的词片段之间是有关联关系的，第一终端可以根据树形结构的表达式中各节点记录的词片段以及位置信息，进行上下文语义解析，并基于解析结果将树形结构的表达式编译成可执行表达式。
步骤208，将自然语言表达式和相应可执行表达式提交至服务器进行存储。
具体地，第一终端在编辑好自然语言表达式之后，可以将自然语言表达式和相应可执行表达式提交至服务器进行存储，以供后续的调用。
步骤210，若服务器接收到针对自然语言表达式的调用请求，则调用相应的可执行表达式进行数据处理。
具体地，第二终端中安装有用于调用自然语言表达式的应用。用户可以对该应用进行一些操作，若基于该应用进行的操作触发对自然语言表达式的调用后，第二终端可以将调用请求发送至服务器。服务器则可以调用与请求调用的自然语言表达式相应的可执行表达式进行相应的数据处理。即，服务器可以将相应可执行表达式嵌入至计算引擎中，后续如果发生对表达式的调用请求，则可以直接调用该编译好的可执行表达式直接进行数据处理，从而加快处理效率。进一步地，服务器可以将数据处理结果返回至第二终端。
在一个实施例中，自然语言表达式可以包括计算公式。若接收到针对存储的计算公式的调用请求，则服务器可以调用与该计算公式对应的可执行表达式从数据库进行取数处理，以查询相应的数据，并根据查询到的数据进行计算处理。进一步地，服务器可以将计算结果返回至终端。
上述基于可视化计算引擎的数据处理方法，技术人员可以直接在表达式编辑区域中用自然语言录入自然语言表达式，而不需要去从固定结构框架中进行复杂的选择，减少了操作成本，提高了效率。而且，能够对自然语言表达式进行拆解解析，生成各个节点记录词片段以及词片段的位置信息的树形结构的表达式，后续基于各节点记录的词片段和位置信息，能够快速、便捷地编译生成可执行表达式，后续，在接收到针对自然语言表达式的调用请求后，则可以直接调用该可执行表达式进行数据处理，进一步地提高了效率。
此外，相较于传统方法进行结构化选择配置对进行配置的技术人员要求非常高而言，本案在配置过程中就能够使表达式可见，降低了配置难度，同时也提高了配置的准确性。
在一个实施例中，在步骤208将自然语言表达式和相应可执行表达式提交至服务器进行存储之前，该方法还包括：响应于针对录入的自然语言表达式的语法校验操作，对树形结构的表达式中各节点记录的词片段进行语法分析；确定存在语法错误的词片段在树形结构中对应的节点；获取确定的节点所记录的位置信息；根据位置信息生成语法错误提示；语法错误提示，用于提示表达式编辑区域中录入的自然语言表达式中存在语法错误的位置。
其中，语法校验操作，用于触发对自然语言表达式进行语法规范性校验。
具体地，技术人员可以基于表达式编辑器的界面，触发对针对录入的自然语言表达式的语法校验操作。第一终端则可以对树形结构的表达式中各节点记录的词片段进行语法分析，以校验检测存在语法错误的词片段。针对校验出的存在语法错误的词片段，第一终端可以确定该词片段在树形结构中对应的节点。第一终端可以获取确定的节点所记录的位置信息，并根据位置信息生成语法错误提示。可以理解，语法错误提示，用于提示表达式编辑区域中录入的自然语言表达式中存在语法错误的位置。
在一个实施例中，语法错误提示，用于提示存在语法错误的行和列。即，可以具体定位到存在语法错误的哪一行哪一列。
上述实施例中，结合树形结构的表达式，能够准确在表达式编辑区域中定位存在语法错误的位置，而并非泛泛地弹出语法错误的通用提示，从而使得技术人员能够更加快速地定位出问题，进而能够更加快速地分析和解决问题。
在一个实施例中，该方法还包括：响应于语言翻译操作，确定树形结构的表达式中各节点记录的词片段所对应的唯一码；获取与各唯一码分别对应的、且符合语言翻译操作所指定的目标语言类别的目标词；按照各节点所记录的位置信息，将各目标词替换至表达式编辑区域中，翻译得到符合目标语言类别的自然语言表达式。
其中，语言翻译操作，是将录入的自然语言表达式进行语言种类翻译的操作。目标语言类别，是想要翻译成的语言类别。可以理解，同一个词的多种语言表达唯一对应同一个唯一码。比如，中文的“如果”与英文的“if”属于对同一个词的不同语言类别下的表达，那么，“如果”和“if”唯一对应一个唯一码。
具体地，技术人员可以基于表达式编辑器的界面，指定想要将自然语言表达式所翻译成的目标语言类别，并触发语言翻译操作。第一终端则可以响应于该语言翻译操作，确定树形结构的表达式中各节点记录的词片段所对应的唯一码。针对每个唯一码，第一终端则可以获取与该唯一码对应的多种语言类别的候选词，并从中选取属于目标语言类别的目标词。可以理解，多种语言类别可以是国际化的多种语言类别。
进一步地，第一终端可以按照各节点所记录的位置信息，在表达式编辑区域中定位各词片段所处的位置，然后，在表达式编辑区域中，使用与每个词片段的唯一码对应的目标词调换掉该词片段，从而将原来的自然语言表达式翻译成符合目标语言类别的自然语言表达式。
比如，现在要将中文的自然语言表达式翻译成英文的自然语言表达式，现以图3中第一行的第一个词片段“如果”的翻译来举例说明，假设唯一码001唯一对应中文的“如果”、英文的“if”(即，“如果”的英文表达)、“如果”的日语表达以及“如果”的韩语表达。第一终端可以从唯一码001对应的多种类别的语言中选取英文的表达，因而会选取“if”，然后，在树形结构的表达式中记录“如果”这个词片段的节点中，获取所记录的“如果”在表达式编辑区域中所处的位置。如图3所示，“如果”处于第一行中的第一个位置和第二个位置，那么，就可以在第一个位置和第二个位置中的“如果”去除，并更新为英文的“if”。可以理解，针对自然语言表达式中的所有词语，都可以参照“如果”的翻译方式来处理，这里仅以“如果”进行举例。
可以理解，这种基于树形结构的表达式以及基于位置的翻译替换，相较于传统的基于字符串查找替换而言，更为准确，因为，基于字符串查找替换，通常会将不需要替换的词替换掉，比如，要翻译替换“12”，基于字符串查找替换就容易将“123”这个完整的词中的“12”进行错误替换，而基于树形结构表达式记录的位置进行替换，不会对原有的词进行错误拆分，更为准确，而且，基于树形结构的表达式的节点记录的位置来进行定位替换，相较于从全部的自然语言表达式中进行字符串查找替换而言，更加快速。
上述实施例中，基于树形结构的表达式，根据树形结构的表达式中记录的各词片段在表达式编辑区域中所处的位置，能够准确、快速地实现多种类语言翻译。
在一个实施例中，同一类型的自然语言表达式对应多个版本，每个版本分别对应设置有相应的版本生效时间。本实施例中，步骤210若服务器接收到针对自然语言表达式的调用请求，则调用相应的可执行表达式进行数据处理，包括：在达到版本生效时间后，若服务器接收到针对自然语言表达式的调用请求，从同一类型的自然语言表达式对应的多个版本中，确定与版本生效时间相匹配的版本，调用与确定的版本对应的可执行表达式进行数据处理。
可以理解，可以对同一类型的自然语言表达式进行多版本存储和管理。通过版本生效时间来对版本的使用进行控制。在版本生效时间到达之前，使用之前版本的自然语言表达式进行处理，在达到版本生效时间后，若服务器接收到针对自然语言表达式的调用请求，从同一类型的自然语言表达式对应的多个版本中，确定与版本生效时间相匹配的版本，进而可以调用与确定的版本对应的可执行表达式进行数据处理。即，按照版本生效时间来切换版本进行使用。
上述实施例中，通过多版本存储和管理，基于版本生效时间控制每个版本的具体使用时间，实现对版本使用的控制，避免了自然语言表达式一发生变化就需要更换所可能造成的数据处理问题，提供了表达式版本的合理过度和管控，提高了数据处理的准确性。
在一个实施例中，自然语言表达式包括使用自然语言编辑的计算公式。本实施例中，步骤210若服务器接收到针对自然语言表达式的调用请求，则调用相应的可执行表达式进行数据处理，包括：若服务器接收到针对自然语言表达式的调用请求，则将同源查询参数进行去重合并；基于合并后得到的查询参数集合，调用与计算公式对应的可执行表达式从数据源中查询数据，并基于查询的数据进行计算。
其中，同源查询参数，是用于调用计算公式从同一数据源中取数的查询参数。数据源，是数据的来源，用于提供数据。
具体地，服务器在接收到第二终端发送的针对自然语言表达式的调用请求后，可以分析自然语言表达式对提供数据的数据表字段的依赖关系，可以理解，提供数据的数据表即为数据源。服务器可以根据该依赖关系，确定同源查询参数，将用于从同一数据源中取数的查询参数进行去重合并，得到查询参数集合。服务器可以基于合并后得到的查询参数集合，调用与计算公式对应的可执行表达式从数据源中查询数据，即，将查询参数集合组装成一个查询语句来从该同一个数据源中查询数据。服务器可以基于查询的数据进行计算。
上述实施例中，将同源查询参数进行去重合并后进行相应的查询处理样一次性就可以查询多个数据项，提高了查询效率。
在一个实施例中，自然语言表达式包括使用自然语言编辑的计算公式。本实施例中，步骤210若服务器接收到针对自然语言表达式的调用请求，则调用相应的可执行表达式进行数据处理，包括：若服务器接收到针对计算公式的调用请求，则触发获取提供数据源的数据库的类型、数据库的配置信息以及网络信息；根据数据库的类型、数据库的配置信息以及网络信息，预测每批查询的目标数据量；根据数据查询总量和目标数据量，确定最优查询批次；按照最优查询批次，调用相应可执行表达式针对不同的数据源进行分批地、且多线程地数据查询处理，并基于查询的数据进行计算。
其中，数据查询总量，是需要查询的数据总量。最优查询批次，是最优的查询批次。可以理解，最优查询批次，用于表征最适合的分批查询的次数。
具体地，服务器在接收到第二终端针对计算公式的调用请求后，可以触发获取提供数据源的数据库的类型、数据库的配置信息以及网络信息。服务器可以根据数据库的类型、数据库的配置信息以及网络信息进行性能预估，以评估当前机器的性能好坏，服务器可以根据性能预估结果，预测每批查询的目标数据量。可以理解，性能越好，每批查询的目标数据量则可以越大，反之，性能越差，每批查询的目标数据量则可以越小。服务器可以根据数据查询总量和目标数据量，确定最优查询批次。服务器可以按照最优查询批次，调用相应可执行表达式针对不同的数据源进行分批地、且多线程地数据查询处理(即进行取数处理)，并基于查询的数据进行计算。
比如，查询数据的时候，假设要查1w个人的数据，假设每个人要查10个字段回来，一个人一行，则要查1W行，如果一次性查询，数据查询总量就会很大。因此，可以根据提供数据源的数据库的类型、数据库的配置信息以及网络信息进行性能预估，从而基于预估的性能，分批次地查询，而且，针对不同的数据源进行多线程查询的方式对数据进行取数。从而可以降低数据库的查询压力，以提高数据查询性能。
在一个实施例中，服务器可以按照确定的最优查询批次进行自动扩容，即，按最优查询批次来进行计算服务的启动和计算，按需进行资源利用。
在一个实施例中，服务器可以基于severless的自动扩容技术，按照最优查询批次进行自动扩容。
在一个实施例中，服务器可以基于分布式分片调度弹性扩容技术，按照最优查询批次进行自动扩容。
在一个实施例中，在基于查询的数据进行计算后，服务器可以先将计算结果放在缓存中，由于缓存有快速存取的特征，所以，放入缓存中的计算结果可以供下载，即，放入缓存中的数据可以供第二终端下载获取，这样使用第二终端的用户则可以很快知晓计算结果，也能及时发现计算结果正误，如果发现计算错误或者想要重新计算，则可以快速触发重算，而不需要将计算结果存储至数据库后再让第二终端知晓计算结果，大大提高了效率。
在一个实施例中，由于计算结果已经放入缓存中，所以能够支持正常的数据使用，后续，服务器则可以异步地将计算结果转存回数据库中，在保证计算结果的正常使用的情况下，避免了数据库存储压力。
在一个实施例中，计算公式为薪酬计算公式；目标数据量，是每批查询的目标薪酬数据量。本实施例中，根据数据查询总量和目标数据量，确定最优查询批次，包括：根据薪酬所属人员的数量和每个薪酬所属人员所对应的查询字段数量，确定薪酬数据查询总量；根据薪酬数据查询总量和目标薪酬数据量，确定最优查询批次。
其中，薪酬所属人员，是领取薪酬的人员。目标薪酬数据量，是每批合适的查询数据量。
图4为一个实施例中薪酬计算场景下的原理示意图。参照图4，第二终端可以安装薪资核算应用。服务器中可以包括薪资计算服务和扩容服务。薪资核算应用中具有薪资核算列表，并可以显示核算进度以及下载核算日志。用户可以基于该薪资核算应用触发薪资计算操作，通过会话调用服务器中的薪资计算服务的薪资计算API接口，发送针对计算公式的调用请求。会话CID即为会话连接标识符。薪资计算服务则可以对计算公式进行解析，并进行分批扩容。在分批次扩容时，可以调用扩容服务进行扩容。其中，PID为进程标识符。可以根据扩容服务中的计算任务进行分批并发取数(即分批次、多线程的查询数据)、分批并发计算(即分批次、多线程地基于查询的数据进行并发计算)。服务器还可以将计算结果存入缓存中，然后，将计算结果异步转存至数据库。日志记录单元，用于对上述处理过程进行日志记录。
应该理解的是，虽然本申请各流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，本申请各流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
如图5所示，一种基于可视化计算引擎的数据处理***，该***包括：第一终端502和服务器504；其中：
第一终端502，用于在计算引擎的表达式编辑器的界面中，展示表达式编辑区域；对在表达式编辑区域中录入的自然语言表达式进行拆解，并根据拆解得到的词片段生成树形结构的表达式；其中，树形结构的表达式中的每个节点，分别记录有词片段以及词片段在表达式编辑区域中相应的位置信息；根据树形结构的表达式中各节点记录的词片段以及位置信息，进行上下文语义解析，以将树形结构的表达式编译成可执行表达式；将自然语言表达式和相应可执行表达式提交至服务器504进行存储。
服务器504，用于若接收到第二终端针对自然语言表达式的调用请求，则调用相应的可执行表达式进行数据处理。
在一个实施例中，第一终端502还用于响应于针对录入的自然语言表达式的语法校验操作，对树形结构的表达式中各节点记录的词片段进行语法分析；确定存在语法错误的词片段在树形结构中对应的节点；获取确定的节点所记录的位置信息；根据位置信息生成语法错误提示；语法错误提示，用于提示表达式编辑区域中录入的自然语言表达式中存在语法错误的位置。
在一个实施例中，第一终端502还用于响应于语言翻译操作，确定树形结构的表达式中各节点记录的词片段所对应的唯一码；获取与各唯一码分别对应的、且符合语言翻译操作所指定的目标语言类别的目标词；按照各节点所记录的位置信息，将各目标词替换至表达式编辑区域中，翻译得到符合目标语言类别的自然语言表达式。
在一个实施例中，同一类型的自然语言表达式对应多个版本，每个版本分别对应设置有相应的版本生效时间。服务器504还用于在达到版本生效时间后，若接收到针对自然语言表达式的调用请求，从同一类型的自然语言表达式对应的多个版本中，确定与版本生效时间相匹配的版本，调用与确定的版本对应的可执行表达式进行数据处理。
在一个实施例中，自然语言表达式包括使用自然语言编辑的计算公式。服务器504还用于若接收到针对自然语言表达式的调用请求，则将同源查询参数进行去重合并；同源查询参数，是用于调用计算公式从同一数据源中取数的查询参数；基于合并后得到的查询参数集合，调用与计算公式对应的可执行表达式从数据源中查询数据，并基于查询的数据进行计算。
在一个实施例中，自然语言表达式包括使用自然语言编辑的计算公式；服务器504还用于若接收到针对计算公式的调用请求，则触发获取提供数据源的数据库的类型、数据库的配置信息以及网络信息；根据数据库的类型、数据库的配置信息以及网络信息，预测每批查询的目标数据量；根据数据查询总量和目标数据量，确定最优查询批次；按照最优查询批次，调用相应可执行表达式针对不同的数据源进行分批地、且多线程地数据查询处理，并基于查询的数据进行计算。
在一个实施例中，计算公式为薪酬计算公式；目标数据量，是每批查询的目标薪酬数据量；服务器504还用于根据薪酬所属人员的数量和每个薪酬所属人员所对应的查询字段数量，确定薪酬数据查询总量；根据薪酬数据查询总量和目标薪酬数据量，确定最优查询批次。
上述基于可视化计算引擎的数据处理***，技术人员可以直接在表达式编辑区域中用自然语言录入自然语言表达式，而不需要去从固定结构框架中进行复杂的选择，减少了操作成本，提高了效率。而且，能够对自然语言表达式进行拆解解析，生成各个节点记录词片段以及词片段的位置信息的树形结构的表达式，后续基于各节点记录的词片段和位置信息，能够快速、便捷地编译生成可执行表达式，后续，在接收到针对自然语言表达式的调用请求后，则可以直接调用该可执行表达式进行数据处理，进一步地提高了效率。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端或服务器，其内部结构图可以如图6所示。该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于可视化计算引擎的数据处理方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于可视化计算引擎的数据处理方法，其特征在于，所述方法包括：
在计算引擎的表达式编辑器的界面中，展示表达式编辑区域；
对在所述表达式编辑区域中录入的自然语言表达式进行拆解，并根据拆解得到的词片段生成树形结构的表达式；其中，树形结构的表达式中的每个节点，分别记录有词片段以及所述词片段在所述表达式编辑区域中相应的位置信息；同一类型的自然语言表达式对应多个版本，每个版本分别对应设置有相应的版本生效时间；
根据树形结构的表达式中各节点记录的词片段以及所述位置信息，进行上下文语义解析，以将所述树形结构的表达式编译成可执行表达式；
将自然语言表达式和相应可执行表达式提交至服务器进行存储；
若所述服务器接收到针对所述自然语言表达式的调用请求，则调用相应的所述可执行表达式进行数据处理，包括：在达到所述版本生效时间后，若所述服务器接收到针对自然语言表达式的调用请求，从同一类型的自然语言表达式对应的多个版本中，确定与所述版本生效时间相匹配的版本，调用与确定的所述版本对应的可执行表达式进行数据处理。
2.根据权利要求1所述的方法，其特征在于，在所述将自然语言表达式和相应可执行表达式提交至服务器进行存储之前，所述方法还包括：
响应于针对录入的自然语言表达式的语法校验操作，对所述树形结构的表达式中各节点记录的词片段进行语法分析；
确定存在语法错误的词片段在所述树形结构中对应的节点；
获取确定的所述节点所记录的所述位置信息；
根据所述位置信息生成语法错误提示；所述语法错误提示，用于提示所述表达式编辑区域中录入的所述自然语言表达式中存在语法错误的位置。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
响应于语言翻译操作，确定树形结构的表达式中各节点记录的词片段所对应的唯一码；
获取与各所述唯一码分别对应的、且符合所述语言翻译操作所指定的目标语言类别的目标词；
按照各节点所记录的位置信息，将各所述目标词替换至所述表达式编辑区域中，翻译得到符合所述目标语言类别的自然语言表达式。
4.根据权利要求1所述的方法，其特征在于，所述表达式编辑区域，是支持录入自然语言的用于编辑自然语言表达式的区域。
5.根据权利要求1所述的方法，其特征在于，所述自然语言表达式包括使用自然语言编辑的计算公式；
所述若所述服务器接收到针对所述自然语言表达式的调用请求，则调用相应的所述可执行表达式进行数据处理，包括：
若所述服务器接收到针对所述自然语言表达式的调用请求，则将同源查询参数进行去重合并；所述同源查询参数，是用于调用所述计算公式从同一数据源中取数的查询参数；
基于合并后得到的查询参数集合，调用与所述计算公式对应的可执行表达式从所述数据源中查询数据，并基于查询的数据进行计算。
6.根据权利要求1所述的方法，其特征在于，自然语言表达式包括使用自然语言编辑的计算公式；
所述若所述服务器接收到针对所述自然语言表达式的调用请求，则调用相应的所述可执行表达式进行数据处理，包括：
若所述服务器接收到针对所述计算公式的调用请求，则触发获取提供数据源的数据库的类型、所述数据库的配置信息以及网络信息；
根据所述数据库的类型、所述数据库的配置信息以及网络信息，预测每批查询的目标数据量；
根据数据查询总量和所述目标数据量，确定最优查询批次；
按照所述最优查询批次，调用相应可执行表达式针对不同的数据源进行分批地、且多线程地数据查询处理，并基于查询的数据进行计算。
7.根据权利要求6所述的方法，其特征在于，所述计算公式为薪酬计算公式；所述目标数据量，是每批查询的目标薪酬数据量；
所述根据数据查询总量和所述目标数据量，确定最优查询批次，包括：
根据薪酬所属人员的数量和每个薪酬所属人员所对应的查询字段数量，确定薪酬数据查询总量；
根据所述薪酬数据查询总量和目标薪酬数据量，确定最优查询批次。
8.一种基于可视化计算引擎的数据处理***，其特征在于，所述***包括：第一终端和服务器；
所述第一终端，用于在计算引擎的表达式编辑器的界面中，展示表达式编辑区域；对在所述表达式编辑区域中录入的自然语言表达式进行拆解，并根据拆解得到的词片段生成树形结构的表达式；其中，树形结构的表达式中的每个节点，分别记录有词片段以及所述词片段在所述表达式编辑区域中相应的位置信息；同一类型的自然语言表达式对应多个版本，每个版本分别对应设置有相应的版本生效时间；根据树形结构的表达式中各节点记录的词片段以及所述位置信息，进行上下文语义解析，以将所述树形结构的表达式编译成可执行表达式；将自然语言表达式和相应可执行表达式提交至所述服务器进行存储；
所述服务器，用于在达到所述版本生效时间后，若所述服务器接收到针对自然语言表达式的调用请求，从同一类型的自然语言表达式对应的多个版本中，确定与所述版本生效时间相匹配的版本，调用与确定的所述版本对应的可执行表达式进行数据处理。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011599345.5A CN112784143B (zh) | 2020-12-29 | 2020-12-29 | 基于可视化计算引擎的数据处理方法、***和计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011599345.5A CN112784143B (zh) | 2020-12-29 | 2020-12-29 | 基于可视化计算引擎的数据处理方法、***和计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112784143A CN112784143A (zh) | 2021-05-11 |
| CN112784143B true CN112784143B (zh) | 2023-12-29 |
Family
ID=75751535
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011599345.5A Active CN112784143B (zh) | 2020-12-29 | 2020-12-29 | 基于可视化计算引擎的数据处理方法、***和计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112784143B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102402328A (zh) * | 2010-09-07 | 2012-04-04 | 索尼公司 | 信息处理装置、程序以及控制方法 |
| CN108021363A (zh) * | 2017-12-06 | 2018-05-11 | 广州多益网络股份有限公司 | 可视化游戏逻辑编辑方法及*** |
| CN110019299A (zh) * | 2017-11-16 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 一种用于创建或刷新分析型数据仓库的离线数据集合的方法和装置 |
| CN110134401A (zh) * | 2019-04-12 | 2019-08-16 | 深圳壹账通智能科技有限公司 | 代码片段定位方法、装置、计算机设备和存储介质 |
| CN110908640A (zh) * | 2019-11-26 | 2020-03-24 | 京东数字科技控股有限公司 | 实现业务功能的方法和脚本引擎 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10248653B2 (en) * | 2014-11-25 | 2019-04-02 | Lionbridge Technologies, Inc. | Information technology platform for language translation and task management |
| WO2020197257A1 (ko) * | 2019-03-25 | 2020-10-01 | 김현진 | 가시적 표현 요소를 이용한 번역 방법 및 그 장치 |
-
2020
- 2020-12-29 CN CN202011599345.5A patent/CN112784143B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102402328A (zh) * | 2010-09-07 | 2012-04-04 | 索尼公司 | 信息处理装置、程序以及控制方法 |
| CN110019299A (zh) * | 2017-11-16 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 一种用于创建或刷新分析型数据仓库的离线数据集合的方法和装置 |
| CN108021363A (zh) * | 2017-12-06 | 2018-05-11 | 广州多益网络股份有限公司 | 可视化游戏逻辑编辑方法及*** |
| CN110134401A (zh) * | 2019-04-12 | 2019-08-16 | 深圳壹账通智能科技有限公司 | 代码片段定位方法、装置、计算机设备和存储介质 |
| CN110908640A (zh) * | 2019-11-26 | 2020-03-24 | 京东数字科技控股有限公司 | 实现业务功能的方法和脚本引擎 |
Non-Patent Citations (2)
| Title |
|---|
| Fourier harmonic approach for visualizing temporal patterns of gene expression data;L Zhang 等;《computational systems bioinformatic.CB2003.Proceedings of the 2003 IEEE bioinformatics conference》;第1-2页 * |
| 基于行为模型的需求可视化研究;李琳 等;《计算机学报》;第36卷(第6期);第1312-1324页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112784143A (zh) | 2021-05-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111522816B (zh) | 基于数据库引擎的数据处理方法、装置、终端及介质 | |
| CN109376166B (zh) | 脚本转换方法、装置、计算机设备及存储介质 | |
| US20200293291A1 (en) | Source code generation from web-sourced snippets | |
| CN110795455B (zh) | 依赖关系解析方法、电子装置、计算机设备及可读存储介质 | |
| EP2499565B1 (en) | Managing record format information | |
| CN111061757A (zh) | 数据库的语言转换方法、装置、电子设备及存储介质 | |
| CN110427188B (zh) | 单测断言程序的配置方法、装置、设备及存储介质 | |
| CN109710220B (zh) | 关系型数据库查询方法、装置、设备及存储介质 | |
| CN111427784B (zh) | 一种数据获取方法、装置、设备及存储介质 | |
| CN110674200A (zh) | 一种基于注解的数据查询方法、数据查询设备及存储介质 | |
| CN110874364B (zh) | 一种查询语句处理方法、装置、设备及存储介质 | |
| CN107391528B (zh) | 前端组件依赖信息搜索方法及设备 | |
| US8433729B2 (en) | Method and system for automatically generating a communication interface | |
| CN114356968A (zh) | 查询语句生成方法、装置、计算机设备及存储介质 | |
| CN116166718B (zh) | 一种数据血缘获取方法和装置 | |
| US11693859B2 (en) | Systems and methods for data retrieval from a database indexed by an external search engine | |
| CN112784143B (zh) | 基于可视化计算引擎的数据处理方法、***和计算机设备 | |
| CN116595044A (zh) | 数据库选择率计算的优化方法、存储介质与设备 | |
| CN111159162B (zh) | 数据库配置方法及设备 | |
| CN114816420A (zh) | 一种数据处理方法和装置 | |
| CN114116745A (zh) | 一种接口变更的识别及展示方法、装置、设备及介质 | |
| CN114328572A (zh) | 基于sql解析器的数据查询方法、装置、***及介质 | |
| CN115470127B (zh) | 页面兼容性处理方法、装置、计算机设备和存储介质 | |
| CN111079391B (zh) | 一种报表的生成方法及装置 | |
| US20240104297A1 (en) | Analysis of spreadsheet table in response to user input |
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 |