1.本发明属于计算机技术领域，尤其涉及一种基于人工智能的自然语言处理方法及系统。
背景技术：2.自然语言是人类发展过程中形成的一种信息交流的方式，包括口语及书面语，反映了人类的思维，都是以自然语言的形式表达，自然语言处理，简单来说，是指用计算机对自然语言的形、音、义等信息进行处理，即对字、词、句、篇章的输入、输出、识别、分析、理解、生成等的操作和加工。自然语言处理的具体表现形式包括机器翻译、文本摘要、文本分类、文本校对、信息抽取、语音合成、语音识别等。
3.人工智能(artificial intelligence，ai)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括智能机器人、语言识别、图像识别、自然语言处理和专家系统等。
4.将自然语言处理应用到语言的训练和学习上，是现有技术中人工智能涉及到的一项突破，但是，在涉及到的训练者和被训练者之间的训练时，当训练者不在场时，被训练者可能会受到外界的干扰，导致训练效果不理想。
技术实现要素：5.本发明实施例的目的在于提供一种基于人工智能的自然语言处理方法及系统，旨在解决上述背景技术中提出的问题。
6.本发明实施例是这样实现的，一方面，一种基于人工智能的自然语言处理方法，所述方法包括以下步骤：
7.接收目标训练者输入的语音数据，对语音数据进行识别，得到训练文本；
8.将训练文本反馈到训练检测模型中进行确认，得到初始训练文本；
9.基于初始训练文本匹配训练场景信息素材，将训练场景信息素材进行存储；
10.识别训练场景；
11.当识别到训练场景中对待训练者尝试进行训练的训练者不是目标训练者时，基于训练端获取目标训练者的许可后，切换至指导场景模式，用以使得当前训练场景中的训练者按照指导操作提示结合训练场景信息素材对待训练者进行训练；
12.当识别到训练场景中对待训练者尝试进行训练的训练者是目标训练者时，切换至辅助场景模式，用以使得当前训练场景中目标训练者对待训练者进行训练时优先对训练场景信息素材进行无声播放。
13.作为本发明的进一步方案，所述接收训练端输入的第一语音数据，对第一语音数据进行识别，得到训练文本具体包括：
14.向训练端持续发送语音数据输入提示；
15.在预设时长后检测是否存在目标训练者在训练端输入的语音数据；
16.若是，则停止向训练端发送语音数据输入提示；
17.若否，则向与目标训练者绑定的终端发送语音数据输入提示，直到检测到目标训练者输入的语音数据；
18.识别语音数据，基于识别结果得到训练文本。
19.作为本发明的再进一步方案，所述将训练文本反馈到训练端进行初确认，得到初始训练文本具体包括：
20.将训练文本进行划分，得到若干第一训练字/词，将若干训练字/词输入到预先训练好的训练检测模型中进行检测；
21.基于检测结果判断是否符合期望阈值，若是，则直接将该训练文本定义为初始训练文本；
22.若否，则根据检测结果中显示不符合期望阈值的检测项自动补充训练文本，以使得经过自动补充的训练文本的检测结果符合期望阈值；
23.将经过自动补充的训练文本标记为第二优先级训练文本，将未经过自动补充的训练文本标记为第一优先级训练文本，将第一优先级训练文本和第二优先级训练文本进行组合，定义组合后的训练文本为初始训练文本。
24.作为本发明的进一步方案，所述基于初始训练文本匹配训练场景信息素材，将训练场景信息素材进行存储具体包括：
25.判断初始训练文本的类型；
26.当判断初始训练文本为第二优先级训练文本，将第二优先级训练文本进行划分，得到若干第二训练字/词，获取第一优先级训练文本对应的若干第一训练字/词，将若干第一训练字/词中至少一个与若干第二训练字/词中至少一个进行排列组合，得到排列组合词/句；
27.将排列组合词进行完整性识别筛选，剔除不符合完整词性结构的排列组合词并且进行标记，将经过标记的排列组合词定位于排列组合句中并且剔除排列组合句中包含经过标记的排列组合词的排列组合句；
28.基于经过剔除的排列组合词/句在线进行信息素材搜索，所述信息素材包括图片和短视频，基于预设敏感筛选条件对搜索得到的信息素材进行过滤，过滤后的信息素材即为初步训练场景信息素材；
29.将初步训练场景信息素材进行备份；
30.获取目标训练者的音频数据以替换一个初步场景训练素材中对应的原声数据，得到第一场景训练素材；
31.过滤掉其中一个初步场景训练素材中的原声数据，得到第二场景训练素材；
32.将第一场景训练素材和第二场景训练素材分别进行保存。
33.作为本发明的进一步方案，所述基于初始训练文本匹配训练场景信息素材，将训练场景信息素材进行存储具体还包括：
34.当判断初始训练文本为原训练文本时，直接获取若干第一训练字/词以及原训练文本中的完整句子，将若干第一训练字/词和完整句子在线进行信息素材搜索，基于预设敏感筛选条件对搜索得到的信息素材进行过滤，过滤后的信息素材即为初步训练场景信息素
材；
35.对初步训练场景信息素材相应的进行备份，对备份中一个进行替换原声后保存。
36.作为本发明的进一步方案，在所述识别训练场景之前，所述方法还包括：
37.实时获取以待训练者为中心的音频数据并且提取该音频数据中的声学特征，当提取的该声学特征与目标训练者预先输入的音频数据的声学特征不匹配时或者未获取到任何音频数据，根据预先输入的目标训练者的影像信息检测待训练者正向预设角度范围内是否存在非目标训练者，若是，则获取以待训练者为中心的预设区域范围内的影像数据；
38.实时检测以待训练者为中心的音频数据的音量，记录音量大于预设阈值音量的音频数据，将该音频数据和影像数据统一时间轴的部分进行标记，去除影像数据中未经过标记的部分，将剩余影像数据和音频数据进行匹配；
39.将匹配的影像数据和音频数据进行保存；
40.向与目标训练者所绑定的终端发送经过匹配的影像数据和音频数据的片段。
41.作为本发明的进一步方案，所述基于训练端获取目标训练者的许可后，切换至指导场景模式具体包括：
42.基于终端接收经过匹配的影像数据和音频数据的片段后，发出振动指示；
43.获取目标训练者基于终端发送的同意指令后，切换至指导场景模式，调取第一场景训练素材在训练端等待播放；
44.基于操作端发出操作提示，接受训练者在训练端输入的触摸操作指令，按照触摸操作指令播放第一场景训练素材中的至少一个短视频。
45.作为本发明的进一步方案，所述当识别到训练场景中对待训练者尝试进行训练的训练者是目标训练者时，切换至辅助场景模式，用以使得当前训练场景中目标训练者对待训练者进行训练时优先对训练场景信息素材进行无声播放具体包括：
46.当直接识别到训练场景中对待训练者尝试进行训练的训练者是目标训练者时，切换至辅助场景模式；
47.默认优先播放第二场景训练素材；
48.接受目标训练者对场景训练素材的播放顺序修改。
49.作为本发明的进一步方案，另一方面，一种基于人工智能的自然语言处理系统，所述系统包括：
50.语音接收和识别模块，用于接收目标训练者输入的语音数据，对语音数据进行识别，得到训练文本；
51.确认模块，用于将训练文本反馈到训练检测模型中进行确认，得到初始训练文本；
52.匹配模块，用于基于初始训练文本匹配训练场景信息素材，将训练场景信息素材进行存储；
53.场景识别模块，用于识别训练场景；
54.第一切换模块，用于当识别到训练场景中对待训练者尝试进行训练的训练者不是目标训练者时，基于训练端获取目标训练者的许可后，切换至指导场景模式，用以使得当前训练场景中的训练者按照指导操作提示结合训练场景信息素材对待训练者进行训练；
55.第二切换模块，用于当识别到训练场景中对待训练者尝试进行训练的训练者是目标训练者时，切换至辅助场景模式，用以使得当前训练场景中目标训练者对待训练者进行
训练时优先对训练场景信息素材进行无声播放。
56.本发明实施例提供的一种基于人工智能的自然语言处理方法及系统，通过基于目标训练者的语音数据来匹配训练场景素材，并且当目标训练者不在场时，能够远程控制进行指导场景模式的切换，实现一种间接的引导式训练，不会影响目标训练者先前的语音训练效果，同时，通过丰富后的场景训练素材，能够使得目标训练者在场时配合丰富的训练素材亲自进行语音训练，能够保证待训练者的学习效果。
附图说明
57.图1是一种基于人工智能的自然语言处理方法的主流程图。
58.图2是接收训练端输入的第一语音数据，对第一语音数据进行识别，得到训练文本的流程图。
59.图3是本发明另一种实施例的流程图。
60.图4是基于训练端获取目标训练者的许可后，切换至指导场景模式的流程图。
61.图5是当识别到训练场景中对待训练者尝试进行训练的训练者是目标训练者时，切换至辅助场景模式的流程图。
62.图6是一种基于人工智能的自然语言处理系统的主结构图。
具体实施方式
63.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
64.以下结合具体实施例对本发明的具体实现进行详细描述。
65.本发明提供的一种基于人工智能的自然语言处理方法及系统，解决了背景技术中的技术问题。
66.如图1所示，为本发明的一个实施例提供的一种基于人工智能的自然语言处理方法的主流程图，所述一种基于人工智能的自然语言处理方法包括：
67.步骤s10：接收目标训练者输入的语音数据，对语音数据进行识别，得到训练文本；
68.步骤s11：将训练文本反馈到训练检测模型中进行确认，得到初始训练文本；
69.步骤s12：基于初始训练文本匹配训练场景信息素材，将训练场景信息素材进行存储；
70.步骤s13：识别训练场景；
71.步骤s14：当识别到训练场景中对待训练者尝试进行训练的训练者不是目标训练者时，基于训练端获取目标训练者的许可后，切换至指导场景模式，用以使得当前训练场景中的训练者按照指导操作提示结合训练场景信息素材对待训练者进行训练；
72.步骤s15：当识别到训练场景中对待训练者尝试进行训练的训练者是目标训练者时，切换至辅助场景模式，用以使得当前训练场景中目标训练者对待训练者进行训练时优先对训练场景信息素材进行无声播放。
73.本实施例在应用时，通过接收目标训练者输入的语音数据，对语音数据进行识别，得到训练文本，将训练文本反馈到训练检测模型中进行确认，得到初始训练文本，基于初始
训练文本匹配训练场景信息素材，将训练场景信息素材进行存储，识别训练场景，当识别到训练场景中对待训练者尝试进行训练的训练者不是目标训练者时，基于训练端获取目标训练者的许可后，切换至指导场景模式，用以使得当前训练场景中的训练者按照指导操作提示结合训练场景信息素材对待训练者进行训练，实现一种间接的引导式训练，既保证目标训练者不在场时仍然能通过包含有其声音的第一场景训练素材的播放进行训练，配合训练者的操作，能够使得训练者也能够参与指导训练当中；当识别到训练场景中对待训练者尝试进行训练的训练者是目标训练者时，切换至辅助场景模式，用以使得当前训练场景中目标训练者对待训练者进行训练时优先对训练场景信息素材进行无声播放，通过目标训者在场之时，亲自配合经过丰富后的无声的第二场景训练素材，能够保证在场训练的效果。
74.如图2所示，作为本发明的一种优选实施例，所述接收训练端输入的第一语音数据，对第一语音数据进行识别，得到训练文本具体包括：
75.步骤s101：向训练端持续发送语音数据输入提示；
76.步骤s102：在预设时长后检测是否存在目标训练者在训练端输入的语音数据；
77.步骤s103：若是，则停止向训练端发送语音数据输入提示；
78.步骤s104：若否，则向与目标训练者绑定的终端发送语音数据输入提示，直到检测到目标训练者输入的语音数据；
79.步骤s105：识别语音数据，基于识别结果得到训练文本。
80.通过预设时长后检测是否存在目标训练者在训练端输入的语音数据，若是，则停止向训练端发送语音数据输入提示，若否，则向与目标训练者绑定的终端发送语音数据输入提示，直到检测到目标训练者输入的语音数据，进而向与目标训练者绑定的终端发送语音数据输入提示，能够尽快获得语音数据。
81.作为本发明的一种优选实施例，所述将训练文本反馈到训练端进行初确认，得到初始训练文本具体包括：
82.步骤s111：将训练文本进行划分，得到若干第一训练字/词，将若干训练字/词输入到预先训练好的训练检测模型中进行检测；
83.步骤s112：基于检测结果判断是否符合期望阈值，若是，则直接将该训练文本定义为初始训练文本；
84.步骤s113：若否，则根据检测结果中显示不符合期望阈值的检测项自动补充训练文本，以使得经过自动补充的训练文本的检测结果符合期望阈值；
85.步骤s114：将经过自动补充的训练文本标记为第二优先级训练文本，将未经过自动补充的训练文本标记为第一优先级训练文本，将第一优先级训练文本和第二优先级训练文本进行组合，定义组合后的训练文本为初始训练文本。
86.具体的，训练检测模型可以是基于深度学习模型来进行训练，深度学习是一类模式分析方法的统称，就具体研究内容而言，主要涉及三类方法：基于卷积运算的神经网络系统，即卷积神经网络(convolutionalneuralnetworks，cnn)；基于多层神经元的自编码神经网络，包括自编码(autoencoder)以及近年来受到广泛关注的稀疏编码(sparsecoding)两类；以多层自编码神经网络的方式进行预训练，进而结合鉴别信息进一步优化神经网络权值的深度置信网络(deepbeliefnetwork，dbn)，以深度学习为理论技术的任务包括图像分类、物体检测、物体识别等，自动补充的训练文本可以是通过预先在对训练检测模型进行训
练时的标准词库中的文本数据。
87.作为本发明的一种优选实施例，所述基于初始训练文本匹配训练场景信息素材，将训练场景信息素材进行存储具体包括：
88.步骤s1211：判断初始训练文本的类型；
89.步骤s1211：当判断初始训练文本为第二优先级训练文本，将第二优先级训练文本进行划分，得到若干第二训练字/词，获取第一优先级训练文本对应的若干第一训练字/词，将若干第一训练字/词中至少一个与若干第二训练字/词中至少一个进行排列组合，得到排列组合词/句，需要说明的是，基于排列组合的含义，不仅涉及到词语位置的改变，还涉及到词语数量的变化，这里的排列组合的覆盖范围从至少一个词语到所有词语，能够最大程度上覆盖训练字/词中所有的词语组合而成的组合词语或者句子，从而大大丰富训练的语料，举例来说，例如应用到小儿的话语训练中时，训练字/词分别为：爸爸、妈妈、吃饭、我、和，可以得到组合如：我吃饭/爸爸吃饭/妈妈吃饭/爸爸和我吃饭/我和爸爸吃饭/爸爸和妈妈吃饭/妈妈和爸爸吃饭/我和妈妈吃饭/妈妈和我吃饭/爸爸，妈妈和我吃饭/爸爸我、和妈妈吃饭/妈妈，爸爸和我吃饭/妈妈，我和爸爸吃饭/我、爸爸和妈妈吃饭/我、妈妈和爸爸吃饭/爸爸妈妈和我吃饭/爸爸和我、妈妈吃饭/妈妈、爸爸和我吃饭/妈妈和我、爸爸吃饭/我和爸爸妈妈吃饭/我和妈妈、爸爸吃饭等，当然还可以应用到其他的语言训练和矫正学习情景中，在此不做限定；
90.步骤s1212：将排列组合词进行完整性识别筛选，剔除不符合完整词性结构的排列组合词并且进行标记，将经过标记的排列组合词定位于排列组合句中并且剔除排列组合句中包含经过标记的排列组合词的排列组合句，若排列组合词不符合完整词性结构，那么含有该排列词的排列组合句也不是完整句型结构，保留会导致句子不通顺，意思不完整，以这种排列组合词到排列组合句的剔除方式无需检测全部的排列组合句的结构，从而提高剔除的效率；
91.步骤s1213：基于经过剔除的排列组合词/句在线进行信息素材搜索，所述信息素材包括图片和短视频，基于预设敏感筛选条件对搜索得到的信息素材进行过滤，过滤后的信息素材即为初步训练场景信息素材，这里实际上是对一些不符合规范的图片或者视频进行过滤和清洗；
92.步骤s1214：将初步训练场景信息素材进行备份；
93.步骤s1215：获取目标训练者的音频数据以替换一个初步场景训练素材中对应的原声数据，得到第一场景训练素材；
94.步骤s1216：过滤掉其中一个初步场景训练素材中的原声数据，得到第二场景训练素材，便于后续在辅助场景模式中直接配合目标训练者的声音进行训练；
95.步骤s1217：将第一场景训练素材和第二场景训练素材分别进行保存。
96.通过对第一场景训练素材和第二场景训练素材的获取能够分别便于后续应用在指导场景模式和辅助场景模式中。
97.所述基于初始训练文本匹配训练场景信息素材，将训练场景信息素材进行存储具体还包括：
98.步骤s1221：当判断初始训练文本为原训练文本时，直接获取若干第一训练字/词以及原训练文本中的完整句子，将若干第一训练字/词和完整句子在线进行信息素材搜索，
基于预设敏感筛选条件对搜索得到的信息素材进行过滤，过滤后的信息素材即为初步训练场景信息素材；
99.步骤s1222：对初步训练场景信息素材相应的进行备份，对备份中一个进行替换原声后保存，这里的步骤s1222实际与步骤s1216-s1217相同。
100.如图3所示，作为本发明的一种优选实施例，在所述识别训练场景之前，所述方法还包括：
101.步骤s20：实时获取以待训练者为中心的音频数据并且提取该音频数据中的声学特征，当提取的该声学特征与目标训练者预先输入的音频数据的声学特征不匹配时或者未获取到任何音频数据，根据预先输入的目标训练者的影像信息检测待训练者正向预设角度范围内是否存在非目标训练者，若是，则获取以待训练者为中心的预设区域范围内的影像数据，无需检测以待训练者为中心的全部角度范围内是否存在非目标训练者，原因是一般其他的训练者多从正面接触待训练者，且已经经过声学特征检测，因此可以忽略不在待训练者正向预设角度范围内且未发声的非目标训练者，这里的正向预设角度范围指的是以待训练者的正前方中轴为分布的预设角度范围；
102.步骤s21：实时检测以待训练者为中心的音频数据的音量，记录音量大于预设阈值音量的音频数据，将该音频数据和影像数据统一时间轴的部分进行标记，去除影像数据中未经过标记的部分，将剩余影像数据和音频数据进行匹配，在后续查看时能够基于统一的；
103.步骤s22：将匹配的影像数据和音频数据进行保存，便于后续查看，起到监控的作用；
104.步骤s23：向与目标训练者所绑定的终端发送经过匹配的影像数据和音频数据的片段，考虑到终端设备的存储容量，只发经过匹配的影像数据和音频数据的片段，即表明有非目标训练者进入待训练者周围的可能。
105.可以理解的是，通过声学特征的匹配与影像信息的双重检测配合，能够保证对待训练者周围非目标训练者的准确识别和检测。
106.如图4所示，作为本发明的一种优选实施例，所述基于训练端获取目标训练者的许可后，切换至指导场景模式具体包括：
107.步骤s141：基于终端接收经过匹配的影像数据和音频数据的片段后，发出振动指示；
108.步骤s142：获取目标训练者基于终端发送的同意指令后，切换至指导场景模式，调取第一场景训练素材在训练端等待播放；
109.步骤s143：基于操作端发出操作提示，接受训练者在训练端输入的触摸操作指令，按照触摸操作指令播放第一场景训练素材中的至少一个短视频。
110.因为终端与目标训练者绑定，例如可佩戴的终端设备，因此在接收到经过匹配的影像数据和音频数据的片段后，发出振动提示可以方便目标训练者及时进行查看后发出同意指令，此时表明有除目标训练者之外的训练者在场，有可能其一些训练的方式不正确，会对待训练者的训练造成负面影响，因此此时及时切换至指导场景模式，调取第一场景训练素材在训练端等待播放，且在基于操作端发出操作提示，接受训练者在训练端输入的触摸操作指令，按照触摸操作指令播放第一场景训练素材中的至少一个短视频，即实现一种间接的引导式训练，既保证目标训练者不在场时仍然能通过包含有其声音的第一场景训练素
材的播放进行训练，配合训练者的操作，能够使得训练者也能够参与到训练当中。
111.如图5所示，作为本发明的一种优选实施例，所述当识别到训练场景中对待训练者尝试进行训练的训练者是目标训练者时，切换至辅助场景模式，用以使得当前训练场景中目标训练者对待训练者进行训练时优先对训练场景信息素材进行无声播放具体包括：
112.步骤s151：当直接识别到训练场景中对待训练者尝试进行训练的训练者是目标训练者时，切换至辅助场景模式；
113.步骤s152：默认优先播放第二场景训练素材；
114.步骤s153：接受目标训练者对场景训练素材的播放顺序修改。
115.可以理解的是，步骤s151可以直接利用步骤s20进行识别，即实时获取以待训练者为中心的音频数据并且提取该音频数据中的声学特征，当提取的该声学特征与目标训练者预先输入的音频数据的声学特征匹配时，根据预先输入的目标训练者的影像信息检测待训练者正向预设角度范围内存在非目标训练者，则表明训练场景中对待训练者尝试进行训练的训练者是目标训练者，此时将启动后的休眠模式切换至辅助场景模式，在辅助场景模式下，因为目标训练者在场，因此，会优先播放无声的第二场景训练素材，配备目标训练者的声音对待训练者训练，对待训练者的训练恢复常态，在目标训练者的训练时间过长时，此时对场景训练素材的播放可以进行顺序修改，比如可以先播放第二训练场景素材，再播放第一场景训练素材，保证目标训练者得到休息，也保证待训练者对有声场景的适应。
116.如图6所示，作为本发明的另一种优选实施例，另一方面，一种基于人工智能的自然语言处理系统，所述系统包括：
117.语音接收和识别模块100，用于接收目标训练者输入的语音数据，对语音数据进行识别，得到训练文本；
118.确认模块200，用于将训练文本反馈到训练检测模型中进行确认，得到初始训练文本；
119.匹配模块300，用于基于初始训练文本匹配训练场景信息素材，将训练场景信息素材进行存储；
120.场景识别模块400，用于识别训练场景；
121.第一切换模块500，用于当识别到训练场景中对待训练者尝试进行训练的训练者不是目标训练者时，基于训练端获取目标训练者的许可后，切换至指导场景模式，用以使得当前训练场景中的训练者按照指导操作提示结合训练场景信息素材对待训练者进行训练；
122.第二切换模块600，用于当识别到训练场景中对待训练者尝试进行训练的训练者是目标训练者时，切换至辅助场景模式，用以使得当前训练场景中目标训练者对待训练者进行训练时优先对训练场景信息素材进行无声播放。
123.本发明上述实施例中提供了一种基于人工智能的自然语言处理方法，并基于该基于人工智能的自然语言处理方法提供了一种基于人工智能的自然语言处理系统，通过接收目标训练者输入的语音数据，对语音数据进行识别，得到训练文本，将训练文本反馈到训练检测模型中进行确认，得到初始训练文本，基于初始训练文本匹配训练场景信息素材，将训练场景信息素材进行存储，识别训练场景，当识别到训练场景中对待训练者尝试进行训练的训练者不是目标训练者时，基于训练端获取目标训练者的许可后，切换至指导场景模式，用以使得当前训练场景中的训练者按照指导操作提示结合训练场景信息素材对待训练者
进行训练，实现一种间接的引导式训练，既保证目标训练者不在场时仍然能通过包含有其声音的第一场景训练素材的播放进行训练，配合训练者的操作，能够使得训练者也能够参与到训练当中；当识别到训练场景中对待训练者尝试进行训练的训练者是目标训练者时，切换至辅助场景模式，用以使得当前训练场景中目标训练者对待训练者进行训练时优先对训练场景信息素材进行无声播放，通过目标训者在场时的亲自配合经过丰富后的无声的第二场景训练素材，能够保证在场训练的效果。
124.为了能够加载上述方法和系统能够顺利运行，该系统除了包括上述各种模块之外，还可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线、处理器和存储器等。
125.所称处理器可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，上述处理器是上述系统的控制中心，利用各种接口和线路连接各个部分。
126.上述存储器可用于存储计算机以及系统程序和/或模块，上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现上述各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如信息采集模板展示功能、产品信息发布功能等)等。存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
127.本应该理解的是，虽然本发明各实施例的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，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子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，这些子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的子步骤或者阶段的至少一部分轮流或者交替地执行。
128.以上所述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。
129.以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本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，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
130.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精
神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。