使用管道和过滤器架构的框架实现

• 下载项目 - 481.6 KB

管道和过滤器架构模式

话题读者 - 开发人员，架构师

涵盖主题

• 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
• 何时需要使用它
• 管道和过滤器框架
• 一个微型人工智能工具的实现

让我们深入了解基本概念

一家瓶装水制造厂有一个水源。但其中含有病毒、细菌、颜色、盐、沙子、石头和草。因此，他们需要对水进行处理以净化水。

解决方案：他们可以在管道中添加几个过滤器来清理脏水。因此，他们可以将矿泉水储存在水箱中。

Filter

一个过滤器有一个输入管道和一个输出管道。

管道和过滤器

一个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。

管道和过滤器架构风格

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：管道或流水线是两个过滤器之间的连接器。

何时需要使用它

如果你有连续的数据流，需要一系列处理。

使用管道和过滤器架构模式实现人工智能工具

问题

一家组织需要核实其员工的教育背景。例如，我是该组织的员工，我拥有计算机科学学士和硕士学位。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，硕士是最高学位。然后他们会核实硕士学位。在这种情况下，学士学位将被忽略。

因此，他们需要一个工具来找出最高的学历。它有两部分

• 对学位进行分类
• 只选出最高学历。

对学位类别进行分类

如果员工拥有科学学士和科学硕士等学位，那么

• “科学学士”属于学士类别，而
• “科学硕士”属于硕士类别

处理数据以过滤出最高的学历

• 找出候选学位可能的类别
• 从学位中过滤出最高类别和排名

微型人工智能的基本概念

初始数据和数据源

数据源 - 字典

以下是两个数据源字典

1. 二级词典：单词本身没有意义，但有助于构成句子。所以，我猜这些词得 1 分。下表如下。
2. 主要关键词词典：这个关键词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，那么我们就可以确定学位。所以，我猜这些词得 5 分。

管道和过滤器核心接口的类图

核心接口的实现

接口使用泛型。因此，定义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。

过滤器的实现

Candidate-filter 类将继承 FilterBase 类，我们只需要实现一个名为 process 的方法。现在我们可以根据需要实现任意数量的过滤器。

将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 模型类并注入所需的过滤器，然后将其发送到 singleChannel。SingleChannel 将从 ModelForSetupFilters 注册所有过滤器。
• 设置 mainChannelsStartup 对象，如下所示：channelstaters.SetupChanelList(singleChannel, educationDegreeList);
• 最后，调用启动器并从 resultList 对象获取最终结果。IList resultList = Channelstaters.ChannelCaller();

通道的并行处理

我们可以包含任意数量的过滤器和通道。每个输入都将通过通道，每个通道将保存一个过滤器列表。例如，如果我们有五个教育经历，那就意味着我们需要 5 个通道，它们将同时运行以进行并行处理。

找出最高学历的示例

输入 - 输出

输入：给定一个糟糕的输入：Master of Bachelor Science bla bla

预期类别：学士

过滤器的**数据处理序列**

DegreeMatchFilter：*查找关键字*

一个糟糕的输入：Master of Bachelor Science bla bla :(

清理后的关键字：Master Bachelor Science

InsertPointToSentenceFilter

根据关键词词典，每个词的得分

步骤 1：从数据源匹配文本

结果取决于关键词：Master; Bachelor; Science

[0]：“理学硕士”

[1]：“硕士学位”

[2]：“工商管理硕士”

[3]：“硕士”

[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]：“护理学理学学士”

[15]：“理学学士”

[16]：“理学学士”

[17]：“理学硕士”

[18]：“理学副学士”

[19]：“应用科学副学士”

[20]：“理学硕士”

[21]：“理学学士”

[22]：“护理学理学学士”

[23]：“理学副学士”

步骤 2：计算每个句子的得分

步骤 3：匹配并删除与最高分进行比较的句子

根据步骤 3 的表格，最高分是6。因此，删除所有得分低于6的句子。

删除重复句子，这些步骤的输出是

DegreeCategoryFilter：*找出类别*

DegreeRankFilter：*查找排名分数*

DegreeCategoryProbabilityPartAFilter：应用概率

概率

DecisionMakingInputFilter：删除较低的类别和排名

找出类别和排名分数。根据上表，最高分是 13.5。因此，删除所有分数低于 13.5 的句子。

FinalDecisionMakingOutputFilter：*最终输出*

最高分是 13.5，类别是学士。

因此，输出：理学学士 :=> 分数 [13.5]；学士 :=> 排名 4

因此，学士是需要核实的最高学历。

类别：学士；排名：4

演示时间！

查找项目的演示和完整源代码（已附加）。