锐英源精品原创，禁止全文或局部转载，禁止任何形式的非法使用，侵权必究。点名“简易百科”和闲暇巴盗用锐英源原创内容。

以命名管道和过滤架构实现简单人工智能AI框架

背景

最近开发平台，需要进程间通信，用命名管道，找到本文和人工智能AI有关，人工智能也是锐英源软件关注的方向，所以翻译下，学习下里面的精华。初学者要理解人工智能AI精神，就要学一些简单人工智能AI框架，但是简单的确实比较少，如果想深入学人工智能AI，锐英源软件有这方面的开源服务，欢迎关注锐英源软件。

 

管道和过滤器架构模式

该主题的读者 -开发人员，架构师

报道主题

• 管道和过滤器的基本概念
• 管道和过滤器架构风格
• 基本管道和过滤器示例
• 你什么时候需要使用它
• 管道和过滤器框架
• 一个微型 AI 工具实现

让我们深入了解基本概念

 

矿泉水制造厂有水源。但它包含病毒、细菌、颜色、盐、沙子、石头和草。因此，他们需要进行水处理来清洁水。

 

解决方案：他们可以添加少量过滤器来清理通过管道的污水。因此，他们将能够将矿泉水储备到水箱中。

 

筛选

 

过滤器具有输入管道和输出管道。

管道和过滤器

过滤器通过管道连接，一个过滤器的输出是下一个过滤器的输入。

 

管道和过滤器建筑风格

它有两个子系统，即管道和过滤器。

• 过滤器：过滤器处理数据。
• 管道：管道或管道是两个过滤器之间的连接器。

你什么时候需要使用它

如果您有需要一系列流程的连续数据流。

使用管道和过滤器架构模式实现 AI 工具

问题

组织需要验证其员工的教育历史。比如说，我是那个组织的员工，我已经完成了计算机科学的学士和硕士学位。该组织将考虑我的最高学位类别。我的意思是，我有两个学位，学士和硕士。与学士学位相比，硕士学位是最高的学位。现在他们将验证硕士学位。在这种情况下，学士学位将被忽略。

因此，他们需要一种能够找出最高学位的工具。它有两个部分：

• 分类学位Category
• 只获得最高的学位。

分类学位类别

 

如果员工拥有理学学士和理学硕士等学位，则：

• “理学士”属于学士类别，并且
• “理学硕士”属于硕士类别

处理数据以过滤出最高达到的程度

• 从候选人学位中找出可能的类别
• 过滤出最高类别并从该学位中排名

微型 AI 工具的基本概念

初始数据和数据源

数据源 - 字典

取2个数据源字典如下：

1. 二级词词典：这个词本身没有任何意义，但有助于造句。所以，我猜，这些词得1分。下表给出。
2. 主关键词词典：这个关键词将有助于确定学位的类别。我的意思是——如果我们知道关键词是学士、硕士或文凭，那么我们可以确定学位是有意义的。所以，我猜这些词得5分。

 

管道和过滤器核心接口类图

 

核心接口的实现

接口使用泛型类型。因此，定义您自己的数据输入模型以及接收器模型。我们需要在过滤器类中使用它。

 

过滤器实现

候选过滤器类将继承FilterBase该类，我们只需要实现一个称为流程的方法。现在我们可以根据需要实现任意数量的过滤器。

 

注：没有面向对象基础理解不了这些话。

 

数据传递到框架的通道

• 初始化以下对象，例如输入数据模型SingleTemplateChannel和MainChannelStaters类。
• 接下来，初始化ModelForSetupFilters模型类并将所需的过滤器注入其中，然后将其发送到singleChannel. SingleChannel将从中注册所有过滤器ModelForSetupFilters。
• 设置mainChannelsStartup对象，它包含：channelstaters.SetupChanelList(singleChannel, educationDegreeList);
• resultList最后，调用启动器并从对象中获取最终结果。IList resultList = Channelstaters.ChannelCaller();

 

渠道的并行过程

我们可以包含我们需要的尽可能多的过滤器和通道。每个输入都将通过 Channel 并且每个通道都将保存一个过滤器列表。比如说，如果我们有 5 个教育历史——这意味着，我们需要 5 个通道，并且它将同时运行以用于并行进程。

 

找出最高学位的例子

输入输出

输入：接受错误输入：理学学士硕士 bla bla

预期类别：学士

来自过滤器的数据处理序列

DegreeMatchFilter：查找关键字

输入错误：Master of Bachelor Science bla bla :(

清洁关键字：Master Bachelor Science

InsertPointToSentenceFilter

从关键字字典中，每个单词的点：

 

第 1 步：匹配来自数据源的文本

结果取决于关键字：Master; Bachelor; Science

[0]：“理学硕士”

[1]：“硕士学位”

[2]：《工商管理硕士》

[3]：“大师”

[4]：《文学硕士》

[5]：“硕士”

[6]：“理学学士”

[7]：“文学学士”

[8]：“学士学位”

[9]：“学士”

[10]：“学士”

[11]：《工商管理学士》

[12]：“学士学位（±16年）”

[13]：“理学学士”

[14]：“护理学学士”

[15]：“理学学士”

[16]：“理学士”

[17]：“理学硕士”

[18]：“科学助理”

[19]：“应用科学副学士”

[20]：“理学硕士”

[21]：“理学学士”

[22]：“护理学学士”

[23]：“科学协会”

第 2 步：计算每个句子的分数

 

步骤 3：匹配并删除与 Max Point 比较的句子

根据步骤 3 的表格，最大点为6。因此，删除所有小于 的句子6。

 

删除重复的句子和这些步骤的输出是：

 

DegreeCategoryFilter : 找出类别

 

DegreeRankFilter：查找排名点

 

DegreeCategoryProbabilityPartAFilter：应用概率

可能性

 

 

DecisionMakingInputFilter：删除较低的类别和排名

找出类别和pank点。根据上表，最高点为13.5。因此，删除所有小于 13.5 的句子。

FinalDecisionMakingOutputFilter：最终输出

最高分是 13.5，类别是单身汉。

因此，输出：Bachelor of Science :==> Points [13.5]; 单身汉 :=> 排名 4

因此，学士学位是需要验证的最高学位。

类别：学士；排名： 4