用于SAAS软件的系统参数配置方法、系统、介质及电子设备与流程

本技术涉及计算机，特别涉及一种用于saas软件的系统参数配置方法、系统、介质及电子设备。

背景技术：

1、企业管理软件（saas软件）是一种集成管理企业各个部门和业务流程的软件系统，但是随着电子信息技术和人工智能的发展，saas软件对应了庞大的硬件设施和软件设施，无论是硬件设施还是软件设施，面对不同用户、不同运行环境和/或不同业务负载，其配置参数通常是千变万化的。

2、在现有技术中，在进行系统参数配置时，通过系统的配置文件进行配置，该配置方式仅仅能面对少量统一的业务功能，但是对于大量的业务功能需要用户手动配置，手动配置需要花费大量的时间，且在发生配置错误的情况下需要重新配置，从而降低了系统参数配置效率。

技术实现思路

1、本技术实施例提供了一种用于saas软件的系统参数配置方法、系统、介质及电子设备。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键／重要组成元素或描绘这些实施例的?；し段?。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

2、第一方面，本技术实施例提供了一种用于saas软件的系统参数配置方法，方法包括：

3、获取目标对象针对saas软件反馈的待处理文本，待处理文本包括访谈文本和调研文本；

4、将访谈文本和调研文本输入预先训练的系统参数配置模型中，输出待处理文本对应的系统参数配置信息；其中，

5、预先训练的系统参数配置模型用于分析待处理文本中的功能需求参数、业务流程参数以及系统参数，并根据功能需求参数、业务流程参数以及系统参数，生成待处理文本对应的系统参数配置信息；

6、根据系统参数配置信息，对saas软件的系统参数进行更新。

7、可选的，按照以下步骤生成预先训练的系统参数配置模型，包括：

8、收集预先针对每个客户进行访谈以及调研的历史访谈文本和历史调研文本；

9、根据历史访谈文本和历史调研文本，生成每个客户的功能需求参数、业务流程参数以及saas软件的系统参数；

10、对每个客户的功能需求参数、业务流程参数以及saas软件的系统参数进行整理及标注，得到训练数据集；

11、创建系统参数配置模型；

12、根据训练数据集，对系统参数配置模型进行训练，以使系统参数配置模型拟合功能需求参数、业务流程参数以及系统参数之间的关系，生成预先训练的系统参数配置模型。

13、可选的，分析待处理文本中的功能需求参数、业务流程参数以及系统参数，并根据功能需求参数、业务流程参数以及系统参数，生成待处理文本对应的系统参数配置信息，包括：

14、对待处理文本进行文本分析，以识别出待处理文本中的关键信息，关键信息包括客户需求信息、业务流程的要求信息以及saas软件的系统参数的规则信息；

15、将客户需求信息、业务流程的要求信息以及saas软件的系统参数的规则信息作为功能需求参数、业务流程参数以及系统参数；

16、根据功能需求参数、业务流程参数以及系统参数，构建应用于saas软件的全局参数设置信息、基础资料的参数设置信息、权限管理信息、编码规则定义信息、表单字段属性的配置信息；

17、将全局参数设置信息、基础资料的参数设置信息、权限管理信息、编码规则定义信息、表单字段属性的配置信息作为待处理文本对应的系统参数配置信息。

18、可选的，根据历史访谈文本和历史调研文本，生成每个客户的功能需求参数、业务流程参数以及saas软件的系统参数，包括：

19、对历史访谈文本和历史调研文本进行数据挖掘和分析，以识别历史访谈文本和历史调研文本中存在的关键词，得到数据分析结果；

20、根据数据分析结果，确定每个客户的功能id、业务流程id和系统id；

21、基于每个客户的功能id，获取基本功能参数、高级功能参数以及用户界面设计参数，得到每个客户对应的功能需求参数；

22、基于每个客户的业务流程id，获取操作流程参数、数据流程参数以及决策流程参数，得到每个客户对应的业务流程参数；

23、基于每个客户的系统id，获取硬件要求参数、软件环境参数、安全性要求参数以及性能要求参数，得到每个客户应用于saas软件对应的系统参数。

24、可选的，对每个客户的功能需求参数、业务流程参数以及saas软件的系统参数进行整理及标注，得到训练数据集，包括：

25、对历史访谈文本和历史调研文本进行分词以及剔除冗余词汇，得到每个客户对应的需求词汇集合；

26、将每个客户对应的需求词汇集合发送至研发客户端进行展示；

27、接收针对展示的每个客户对应的需求词汇集合进行排序和打分后的数据，得到每个客户对应的整理数据；

28、将每个客户的功能需求参数、业务流程参数以及saas软件的系统参数作为标签数据对每个客户对应的整理数据进行标注，得到训练数据集。

29、可选的，根据训练数据集，对系统参数配置模型进行训练，以使系统参数配置模型拟合功能需求参数、业务流程参数以及系统参数之间的关系，生成预先训练的系统参数配置模型，包括：

30、剔除系统参数配置模型中原始神经网络的损失函数，得到初始系统参数配置模型；

31、创建系统参数接近程度最大化损失函数；

32、将系统参数接近程度最大化损失函数集成至初始系统参数配置模型中，得到目标系统参数配置模型；

33、将训练数据集输入目标系统参数配置模型中，以使目标系统参数配置模型拟合功能需求参数、业务流程参数以及系统参数之间的关系，输出模型损失值；

34、在模型损失值到达最小的情况下，生成预先训练的系统参数配置模型；或者在模型损失值未到达最小的情况下，继续执行将训练数据集输入目标系统参数配置模型中的步骤，直到模型损失值到达最小。

35、可选的，训练数据集包括每个客户对应的整理数据和每个客户的功能需求参数、业务流程参数以及saas软件的系统参数；系统参数接近程度最大化损失函数为：

36、；

37、其中，表示在模型参数为时目标系统参数配置模型对于输入训练数据集序列和生成的结果的标量输出，是系统参数更接近的生成，是系统参数相对不接近的生成，是一个激活函数，是对比数据集，表示每个客户对应的整理数据和每个客户的功能需求参数、业务流程参数以及saas软件的系统参数生成的对应条结果的组合数。

38、第二方面，本技术实施例提供了一种用于saas软件的系统参数配置系统，系统包括：

39、文本获取?？?，用于获取目标对象针对saas软件反馈的待处理文本，待处理文本包括访谈文本和调研文本；

40、配置信息输出?？?，用于将访谈文本和调研文本输入预先训练的系统参数配置模型中，输出待处理文本对应的系统参数配置信息；其中，

41、预先训练的系统参数配置模型用于分析待处理文本中的功能需求参数、业务流程参数以及系统参数，并根据功能需求参数、业务流程参数以及系统参数，生成待处理文本对应的系统参数配置信息；

42、系统参数更新?？?，用于根据系统参数配置信息，对saas软件的系统参数进行更新。

43、第三方面，本技术实施例提供一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法步骤。

44、第四方面，本技术实施例提供一种电子设备，可包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行上述的方法步骤。

45、本技术实施例提供的技术方案可以包括以下有益效果：

46、在本技术实施例中，首先获取目标对象针对saas软件反馈的待处理文本，待处理文本包括访谈文本和调研文本，然后将访谈文本和调研文本输入预先训练的系统参数配置模型中，输出待处理文本对应的系统参数配置信息；最后根据系统参数配置信息，对saas软件的系统参数进行更新。由于本技术中预先训练的系统参数配置模型分析待处理文本中的功能需求参数、业务流程参数以及系统参数，并根据功能需求参数、业务流程参数以及系统参数，生成待处理文本对应的系统参数配置信息，该模型是基于机器学习算法训练的，可以自动分析待处理文本以确定配置参数后对系统的参数进行更新，解决系统配置复杂的问题，从而提升了系统参数配置效率。

47、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。