法律相关文本的归类方法、归类装置及相应的电子设备与流程

本发明实施例涉及语义识别技术领域，特别是涉及一种法律相关文本的归类方法、归类装置及相应的电子设备。

背景技术：

裁判文书作为诉讼活动结果的载体，是人民法院确定和分配当事人实体权利义务的惟一凭证，也是律师、公司法务人员、学者、其他法律工作者了解、研究具体司法实践的重要文献资料。根据中国裁判文书网数据显示，迄今为止该网站已收录公开裁判文书5013万余篇，且正以每天近万篇的数量增加，如此庞大数量的裁判文书，需要合理的归类方法，使得裁判文书的检索查找更具效率。

目前，在对裁判文书进行归档时，需要人工阅读每篇裁判文书，然后提取并记录裁判文书的基本信息关键字(如案号、原告、被告等)，然而，根据现行的人工提取并记录裁判文书基本信息关键字的方式，需要工作人员一篇篇阅读裁判文书的相关内容，才能确定需要记录的基本信息关键字，效率低下且容易出错。发明人在具体实施过程中，发现现有技术中在裁判文书归档时，存在人工提取并记录裁判文书基本信息关键字效率低且易出错的问题，以及存在没有合理的法律相关文本归类方法的问题。

技术实现要素：

有鉴于此，本发明实施例提供了一种法律相关文本的归类方法、归类装置及相应的电子设备，能够解决人工提取并记录法律相关文本基本信息关键字效率低且易出错的问题，以及没有合理的法律相关文本归类方法的问题。

为了解决上述问题，本发明实施例主要提供如下技术方案：

第一方面，提供了一种法律相关文本的归类方法，该方法包括：

通过预先构建的语义识别模型，识别确定多个法律相关文本中任一法律相关文本的至少一个要素信息；

根据至少一个要素信息对任一法律相关文本进行归类处理；

建立多个法律相关文本中任一法律相关文本与其相应的至少一个类别的索引关系，并进行存储。

第二方面，提供了一种法律相关文本的归类装置，该归类装置包括：

识别确定模块，用于通过预先构建的语义识别模型，识别确定多个法律相关文本中任一法律相关文本的至少一个要素信息；

归类模块，用于根据识别确定模块识别确定的至少一个要素信息对任一法律相关文本进行归类处理；

建立模块，用于建立多个法律相关文本中任一法律相关文本与其相应的归类模块归类处理的至少一个类别的索引关系；

存储模块，用于存储建立模块建立的索引关系。

第三方面，提供了一种电子设备，该电子设备包括：

处理器、存储器、通信接口和总线；

其中，处理器、存储器、通信接口通过总线完成相互间的通信；

通信接口用于该电子设备与终端设备的通信设备之间的信息传输；

处理器用于调用存储器中的程序指令，以执行第一方面所示的法律相关文本的归类方法。

第四方面，一种非暂态计算机可读存储介质，其特征在于，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面所示的法律相关文本的归类方法。

借由上述技术方案，本发明实施例提供的技术方案至少具有下列优点：

本发明实施例提供了一种法律相关文本的归类方法、归类装置及相应的电子设备，与现有技术仅通过人工方式提取法律相关文本的基本信息关键字相比，本发明实施例中通过预先构建的语义识别模型，识别确定多个法律相关文本中任一法律相关文本的至少一个要素信息，实现了法律相关文本要素信息的智能识别，在保证了提取准确率的同时提升了要素信息提取的效率，为后续法律相关文本的归类提供了前提保证；然后根据至少一个要素信息对任一法律相关文本进行归类处理，进而建立多个法律相关文本中任一法律相关文本与其相应的至少一个类别的索引关系，并进行存储，即根据识别确定的要素信息对法律相关文本进行自动化归类，从而为后续对法律相关文本进行高效准确的检索提供了可靠保证。

上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明实施例的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明实施例的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的一种法律相关文本的归类方法的流程示意图；

图2示出了本发明实施例提供的一种法律相关文本的归类装置的结构示意图；

图3示出了本发明实施例提供的另一种法律相关文本的归类装置的结构示意图；

图4示出了本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本发明实施例提供了一种法律相关文本的归类方法，如图1所示，该方法包括：

步骤s101：通过预先构建的语义识别模型，识别确定多个法律相关文本中任一法律相关文本的至少一个要素信息。

对于本发明实施例，法律相关文本中包含了大量的信息，以裁判文书为例进行说明，裁判文书作为诉讼活动结果的载体，承载着大量的信息，如法院信息、当事人信息、案由信息、争议焦点信息、案件事实信息、证据信息、裁判理由信息、裁判结果信息等，可根据需求预先设置识别提取裁判文书的裁判理由信息、案件争议焦点信息等。此外，由于法律相关文本中的多种信息并无固定的表达方式，如案件争议焦点信息，在争议焦点的起始部分，法官可能会有“本院经审查认为”、“本院经审理认为”等不同的表达，对于具体的争议焦点信息部分，鉴于其当事人诉求不同，法官归纳的争议焦点可能差异更大，如裁判理由部分，法官可能会引用不同的法律条款，即便是引用同一法律的同一条款，不同法官对该条款的阐述说理不尽相同，可以通过预先构建的语义识别模型，识别确定裁判文书中的至少一个要素信息。

其中，预先构建的语义识别模型可以为神经网络模型，通过多层次、非线性的算法，确定出法律相关文本的要素信息，示例性的，预先构建的语义识别模型可以为采用卷积神经网络(convolutionneuralnetwork)cnn模型，根据cnn网络模型，法律相关文本的词作为向量元素构成一个词向量，该词向量可以作为cnn网络的输入，获取到这样的词向量之后，cnn算法对词向量进行过滤、卷积以及池化处理，再输入到神经网络的隐藏层进行进一步分析，继而得到识别结果，可以理解，预先构建的语义识别模型还可以为采用其他算法的模型，或者算法模型的结合，在此不做限定。

例如，对某一民事判决裁判文书，该裁判文书中部分内容为“本院经审理认为，本案的争议焦点在于：(一)本案专利申请权是否属于xx公司所有；(二)xx公司是否基于优先权制度仍然享有本案专利申请权……”将裁判文书的文本内容输入预先构建的语义识别模型，也可以对裁判文书进行分词处理后再输入预先构建的语义识别模型，通过预先构建的语义识别模型，可以确定裁判文书中的关键词(如专利申请权、优先权制度等)作为该裁判文书的要素信息。

其中，以裁判文书为例对本发明进行具体实施例的解释，仅仅是出于示例的目的，本发明的实施例不限于此。

步骤s102：根据至少一个要素信息对任一法律相关文本进行归类处理。

对于本发明实施例，通过步骤s101可获得法律相关文本的至少一个要素信息，随后根据获取至少一个要素信息把法律相关文本划分为不同的类别，如果从法律相关文本中获取到多个要素信息，则法律相关文本可以划归至多个类别。

例如，对于某一民事判决裁判文书，该文书中部分内容为“本院经审理认为，本案的争议焦点在于：(一)本案专利申请权是否属于xx公司所有；(二)xx公司是否基于优先权制度仍然享有本案专利申请权……”，识别确定其中的关键词争议焦点、专利申请权、优先权制度作为该裁判文书的要素信息，可以把要素信息争议焦点、专利申请权、优先权制度可作为该裁判文书的一个类别，还可以对划归的类别进行编号。

步骤s103：建立多个法律相关文本中任一法律相关文本与其相应的至少一个类别的索引关系，并进行存储。

步骤s102中按获取到的要素信息把法律相关文本划归至不同的类别，任一划归的类别与其相应法律相关文本存在着对应关系，可以建立法律相关文本与相应的类别的索引关系，以便在后续查找检索时能通过建立的类别与相应的法律相关文本之间的索引关系快速查找到相应的法律相关文本。

其中，法律相关文本可以与建立的类别与法律相关文本之间的索引关系存储在同一数据库，也可以存储在不同的数据库。

本发明实施例提供了一种法律相关文本的归类方法，与现有技术仅通过人工方式提取法律相关文本的基本信息关键字相比，本发明实施例中通过预先构建的语义识别模型，识别确定多个法律相关文本中任一法律相关文本的至少一个要素信息，实现了法律相关文本要素信息的智能识别，在保证了提取准确率的同时提升了要素信息提取的效率，为后续法律相关文本的归类提供了前提保证；然后根据至少一个要素信息对任一法律相关文本进行归类处理，进而建立多个法律相关文本中任一法律相关文本与其相应的至少一个类别的索引关系，并进行存储，即根据识别确定的要素信息对法律相关文本进行自动化归类，从而为后续对法律相关文本进行高效准确的检索提供了可靠保证。

本发明实施例提供了另一种可能的实现方式，其中，

步骤s101包括：

步骤s1011(图中未示出)：确定各个法律相关文本的类型。

步骤s1012(图中未示出)：根据各个法律相关文本的类型，通过预先构建的语义识别模型，识别确定多个法律相关文本中任一法律相关文本的至少一个要素信息。

其中，可以预先设置不同类型法律相关文本相应的待识别提取要素信息。

对于本发明实施例，根据法律相关文本的类型不同，其规定的内容也不尽相同，所要提取的法律文本的相应要素信息也不同，例如，判决书、裁定书、调解书是法院针对不同情形事项做出的具有法律效力的文书，其包含的要素信息并不相同，在提取相关要素信息时，可以先确定其类型，然后根据确定的类型提取该类型法律相关文本所包含的要素信息。

对于本发明实施例，不同法律相关文本包含的内容不同，先确定法律相关文本的类型，然后基于确定的法律相关文本的类型识别确定相应法律相关文本所包含的至少一个要素信息，从而解决法律相关文本中要素信息的有效提取问题。

本发明实施例提供了另一种可能的实现方式，预先构建的语义识别模型包括要素信息的语义特征库，步骤s101，包括：

步骤s1013(图中未示出)：将多个法律相关文本中任一法律相关文本的相应文本内容与语义特征库进行匹配；

步骤s1014(图中未示出)：如果相应文本内容与语义特征库匹配成功，则确定相应文本内容为法律相关文本的要素信息。

对于本发明实施例，要素信息的语义特征库包含已公开的法律相关文本的多个关键词相关信息、关键词对应的扩展词相关信息，通过将法律相关文本的相应文本内容与要素信息的语义特征库进行匹配，如果相应文本内容与语义特征库中的关键词相关信息或关键词对应的扩展词相关信息匹配成功，则确定法律相关文本的相应文本内容为要素信息。

例如，要素信息的语义特征库中包含了交通事故类案件的多个关键词相关信息和关键词对应的扩展词相关信息，如追尾及其相关扩展词碰撞、撞到、相撞、刹车等，某一判决书案件事实部分“张某开车行驶，王某突然骑车从路口出现，张某紧急刹车，开车紧随张某的李某反应不及，与张某汽车相撞”，该法律相关文本的文本内容“相撞”能与语义特征库中的语义扩展相关信息相匹配，则确定法律相关文本的相应文本内容为要素信息。

对于本发明实施例，通过检测法律相关文本的相应文本内容是否与要素信息的语义特征库包含的语义扩展信息相匹配，确定相应文本内容是否为要素信息，解决了在同一语义信息有不同表达方式情况下要素信息的确定问题。

本发明实施例提供了另一种可能的实现方式，其中，该方法还包括：

步骤s104(图中未示出)：依据接收到的包括检索内容的检索请求，基于根据检索内容确定的索引关系，查找确定与检索内容相匹配的法律相关文本。

对于本发明实施例，用户可根据需求，通过终端设备输入检索内容从而检索需要的法律相关文本。依据接收到的检索请求中的检索内容，可确定与检索内容相匹配的相关法律文本的索引关系，从而根据索引关系查找确定符合用户检索内容的法律相关文本。

对于本发明实施例，每篇法律相关文本都有对应的一个或多个索引，当用户进行法律相关文本检索时，通过与检索内容相匹配的相关法律文本的索引关系，即可查找确定与检索内容相匹配的法律相关文本，提高了用户的检索效率。

进一步地，步骤s104包括：

步骤s1041(图中未示出)：对检索内容进行语义识别，确定检索内容对应的法律相关文本的类别；

步骤s1042(图中未示出)：基于确定的检索内容对应的法律相关文本的类别与法律相关文本的索引关系，查找确定与检索内容相匹配的法律相关文本。

对于本发明实施例，对同一语义信息，由于用户习惯不同，其输入的相应的检索内容的具体表达也不相同，可通过语义识别的方式，对检索内容与类别中的内容信息进行匹配，从而确定检索内容对应的法律文本的类别，进而根据确定的类别与法律文本之间建立的索引关系，确定与检索内容匹配的法律相关文本。

例如，当接收到用户输入的检索内容为“案件事由为开车撞到人”的检索请求，通过语义识别方式，确定该检索内容与“案由、交通事故”的类别相匹配，然后根据该类别与相应的法律相关文本的索引关系，查找确定与检索内容匹配的法律相关文本。

对于本发明实施例，当用户进行法律相关文本检索时，通过语义识别方式，对用户输入的检索内容与存储的法律相关文本某一类别中的信息内容进行匹配，确定检索内容对应的类别，然后根据确定的类别与法律文本的索引关系确定满足用户需求的法律相关文本，从而可以识别对同一语义的不同表达方式的检索请求，此外，不需要对所有文本数据的完整文本内容进行搜索，提升了检索的效率，提高了用户体验。

本发明实施例提供了一种法律相关文本的归类装置，如图2所示，该法律相关文本的归类装置20可以包括：识别确定模块201、归类模块202、建立模块203以及存储模块204，其中，

识别确定模块201，用于通过预先构建的语义识别模型，识别确定多个法律相关文本中任一法律相关文本的至少一个要素信息；

归类模块202，用于根据识别确定模块201识别确定的至少一个要素信息对任一法律相关文本进行归类处理。

建立模块203，用于建立多个法律相关文本中任一法律相关文本与其相应的归类模块202归类处理的至少一个类别的索引关系。

存储模块204，用于存储建立模块203建立的索引关系。

本发明实施例提供了一种法律相关文本的归类装置，与现有技术仅通过人工方式提取法律相关文本的基本信息关键字相比，本发明实施例中通过预先构建的语义识别模型，识别确定多个法律相关文本中任一法律相关文本的至少一个要素信息，实现了法律相关文本要素信息的智能识别，在保证了提取准确率的同时提升了要素信息提取的效率，为后续法律相关文本的归类提供了前提保证；然后根据至少一个要素信息对任一法律相关文本进行归类处理，进而建立多个法律相关文本中任一法律相关文本与其相应的至少一个类别的索引关系，并进行存储，即根据识别确定的要素信息对法律相关文本进行自动化归类，从而为后续对法律相关文本进行高效准确的检索提供了可靠保证。

本实施例的法律相关文本的归类装置可执行本发明上述第一个实施例中提供的一种法律相关文本的归类方法，其实现原理相类似，此处不再赘述。

本发明实施例提供了另一种法律相关文本的归类装置，如图3所示，本实施例的装置可以包括：识别确定模块301、归类模块302、建立模块303以及存储模块304，其中，

识别确定模块301，用于通过预先构建的语义识别模型，识别确定多个法律相关文本中任一法律相关文本的至少一个要素信息；

其中，图3中的识别确定模块301与图2中的识别确定模块201的功能相同或者相似。

归类模块302，用于根据识别确定模块301识别确定的至少一个要素信息对任一法律相关文本进行归类处理。

其中，图3中的归类模块302与图2中的归类模块202的功能相同或者相似。

建立模块303，用于建立多个法律相关文本中任一法律相关文本与其相应的归类模块302归类处理的至少一个类别的索引关系。

其中，图3中的建立模块303与图2中的建立模块203的功能相同或者相似。

存储模块304，用于存储建立模块303建立的索引关系。

其中，图3中的存储模块304与图2中的存储模块204的功能相同或者相似。

具体地，识别确定模块301，具体用于确定各个法律相关文本的类型；根据各个法律相关文本的类型，通过预先构建的语义识别模型，识别确定多个法律相关文本中任一法律相关文本的至少一个要素信息。

对于本发明实施例，不同法律相关文本包含的内容不同，先确定法律相关文本的类型，然后基于确定的法律相关文本的类型识别确定相应法律相关文本所包含的至少一个要素信息，从而解决法律相关文本中要素信息的有效提取问题。

具体地，预先构建的语义识别模型包括要素信息的语义特征库，识别确定模块301，具体用于将多个法律相关文本中任一法律相关文本的相应文本内容与语义特征库进行匹配；如果相应文本内容与语义特征库匹配成功，则确定相应文本内容为法律相关文本的要素信息。

对于本发明实施例，通过检测法律相关文本的相应文本内容是否与要素信息的语义特征库包含的语义扩展信息相匹配，确定相应文本内容是否包含要素信息，解决了在同一语义信息有不同表达方式情况下要素信息的确定问题。

具体地，该归类装置30还包括：查找确定模块305；

查找确定模块305，用于依据接收到的包括检索内容的检索请求，基于根据检索请求确定的索引关系，查找确定与检索内容相匹配的法律相关文本。

对于本发明实施例，每篇法律相关文本都有对应的一个或多个索引，当用户进行法律相关文本检索时，通过与检索内容相匹配的相关法律文本的索引关系，即可查找确定与检索内容相匹配的法律相关文本，提高了用户的检索效率。

具体地，查找确定模块305，具体用于对检索内容进行语义识别，确定检索内容对应的法律相关文本的类别；基于确定的检索内容对应的法律相关文本的类别与法律相关文本的索引关系，查找确定与检索内容相匹配的法律相关文本。

对于本发明实施例，当用户进行法律相关文本检索时，通过语义识别方式，对用户输入的检索内容与存储的法律相关文本某一类别中的信息内容进行匹配，确定检索内容对应的类别，然后根据确定的类别与法律文本的索引关系确定满足用户需求的法律相关文本，从而可以识别对同一语义的不同表达方式的检索请求，此外，不需要对所有文本数据的完整文本内容进行搜索，提升了检索的效率，提高了用户体验。

本发明实施例提供了一种法律相关文本的归类装置，与现有技术仅通过人工方式提取法律相关文本的基本信息关键字相比，本发明实施例中通过预先构建的语义识别模型，识别确定多个法律相关文本中任一法律相关文本的至少一个要素信息，实现了法律相关文本要素信息的智能识别，在保证了提取准确率的同时提升了要素信息提取的效率，为后续法律相关文本的归类提供了前提保证；然后根据至少一个要素信息对任一法律相关文本进行归类处理，进而建立多个法律相关文本中任一法律相关文本与其相应的至少一个类别的索引关系，并进行存储，即根据识别确定的要素信息对法律相关文本进行自动化归类，从而为后续对法律相关文本进行高效准确的检索提供了可靠保证。

本发明实施例提供了一种电子设备，如图4所示，图4所示的电子设备40包括：

处理器41、存储器42、通信接口43和总线44；

其中，处理器41、存储器42、通信接口43通过总线44完成相互间的通信；

通信接口43用于该电子设备40与终端设备的通信设备之间的信息传输；

处理器41用于调用存储器42中的程序指令，以实现图2或图3所示的识别确定模块、归类模块、建立模块以及存储模块的功能，以及图3所示的查找确定模块305的功能。

处理器41可以是cpu，通用处理器，dsp，asic，fpga或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器41也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，dsp和微处理器的组合等。

总线44可包括一通路，在上述组件之间传送信息。总线44可以是pci总线或eisa总线等。总线44可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器42可以是rom或可存储静态信息和指令的其他类型的静态存储设备，ram或者可存储信息和指令的其他类型的动态存储设备，也可以是eeprom、cd-rom或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

具体地，存储器42用于存储执行本申请方案的应用程序代码，并由处理器41来控制执行。处理器41用于执行存储器42中存储的应用程序代码，以实现图2或图3所示实施例提供的法律相关文本的分类装置的动作。

本发明实施例提供了一种电子设备，与现有技术仅通过人工方式提取法律相关文本的基本信息关键字相比，本发明实施例中通过预先构建的语义识别模型，识别确定多个法律相关文本中任一法律相关文本的至少一个要素信息，实现了法律相关文本要素信息的智能识别，在保证了提取准确率的同时提升了要素信息提取的效率，为后续法律相关文本的归类提供了前提保证；然后根据至少一个要素信息对任一法律相关文本进行归类处理，进而建立多个法律相关文本中任一法律相关文本与其相应的至少一个类别的索引关系，并进行存储，即根据识别确定的要素信息对法律相关文本进行自动化归类，从而为后续对法律相关文本进行高效准确的检索提供了可靠保证。

本发明实施例提供了一种电子设备适用于上述方法实施例。在此不再赘述。

本发明实施例提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行上述实施例中任一项的法律相关文本的归类方法。

本发明实施例提供了一种非暂态计算机可读存储介质，与现有技术仅通过人工方式提取法律相关文本的基本信息关键字相比，本发明实施例中通过预先构建的语义识别模型，识别确定多个法律相关文本中任一法律相关文本的至少一个要素信息，实现了法律相关文本要素信息的智能识别，在保证了提取准确率的同时提升了要素信息提取的效率，为后续法律相关文本的归类提供了前提保证；然后根据至少一个要素信息对任一法律相关文本进行归类处理，进而建立多个法律相关文本中任一法律相关文本与其相应的至少一个类别的索引关系，并进行存储，即根据识别确定的要素信息对法律相关文本进行自动化归类，从而为后续对法律相关文本进行高效准确的检索提供了可靠保证。

本发明实施例提供了一种非暂态计算机可读存储介质适用于上述方法实施例，在此不再赘述。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。