[发明专利]一种基于机器学习的可视化图表代码自动生成方法

权利要求书

1.一种基于机器学习的可视化图表代码自动生成方法，其特征在于，该方法包括如下步骤：

步骤1：印记导入

导入文件类型符合规范的设计稿；

步骤2：组件识别

使用开源框架Pipcook，基于神经网络算法计算，对设计稿图层进行遍历，识别每一个图层，通过解析得到图层结构、模板结构和图层信息，切割标注的图表组件，获得对应的组件元素；

步骤3：样式识别

使用UI2DSL多元组件识别提取设计稿中有组件的预打标信息，提炼视图组件信息和组件样式；

步骤4：数据合并

分析节点信息、修正信息及语义化信息，根据组件与数据规则，生成数据映射信息、文本数据映射信息和状态映射信息；

步骤5：转为视图树

由操作人员控制，修正解析图层、解析布局、解析属性的偏差；除此之外，对于非组件元素、异常的视图元素进行指定规则的元素转化或者抛弃，完成后生成视图树；

步骤6：输出代码

通过UI2DSL输出经过各层智能化处理好的代码协议，经过协议转代码的引擎输出各种DSL代码。

2.如权利要求1所述的基于机器学习的可视化图表代码自动生成方法，其特征在于，所述步骤1中设计稿的规范的包括标注图表的类型，标注图表的类型包括折线图、柱状图、饼图、散点图、K线图、雷达图、盒须图、热力图、关系图、路径图、树图、矩形树图、旭日图、桑葚图、漏斗图和仪表盘。

3.如权利要求1所述的基于机器学习的可视化图表代码自动生成方法，其特征在于，所述步骤1中设计稿的规范的包括规定区域内可用组件，可用组件类型包括图例、坐标轴、缩略轴、滚动条、数据标签、悬浮提示和图表标注。

4.如权利要求1所述的基于机器学习的可视化图表代码自动生成方法，其特征在于，所述步骤1中设计稿的规范的包括规定组件的安全区域，在设计对应组件区域时不能越过安全区。

5.如权利要求1所述的基于机器学习的可视化图表代码自动生成方法，其特征在于，所述步骤1中设计稿的规范的包括对组件打标签，对组件打标签指在设计组件的最外层图层标记为组件的类型，组件内的图层和标签图层属于被包含的关系。

6.如权利要求1-5任一项所述的基于机器学习的可视化图表代码自动生成方法，其特征在于，所述步骤S2具体包括：Pipcook是基于管道的框架，包括数据收集、数据接入、数据处理、模型配置、模型训练、模型服务部署和在线训练七个部分,每个部分由某一具体的插件负责，用插件的方式提供每个环节的定制化能力，用Pipcook串联插件实现算法工程；这些数据插件对整个设计稿图层进行遍历，使用图片分类的模型识别每一个图层，通过解析得到图层结构、模板结构和图层信息，对设计文档中的视图结构信息和图层属性读取和类型匹配，映射为对应的组件元素。

7.如权利要求6所述的基于机器学习的可视化图表代码自动生成方法，其特征在于，所述步骤3中的组件样式包括字体、背景色和圆角。

8.如权利要求6所述的基于机器学习的可视化图表代码自动生成方法，其特征在于，所述步骤4中的数据合并还包括：对交互、数据绑定等上层未带入数据，进行数据文件的合并。

9.如权利要求6所述的基于机器学习的可视化图表代码自动生成方法，其特征在于，所述步骤5中由操作人员控制，修正解析图层、解析布局、解析属性的偏差具体包括：修正层的工作是内容的修正，包含图层信息修正、组件识别修正、布局及布局属性修正、组件属性修正和语义化项修正，通过操作人员在可视化工具上进行属性的提交及变更。

10.如权利要求6所述的基于机器学习的可视化图表代码自动生成方法，其特征在于，所述步骤5中的完成后生成视图树包括：完成后使用UI2DSL生成视图树。