1.本技术涉及人工智能
技术领域：
：，尤其涉及一种文档检测方法、装置、设备及存储介质。
背景技术：
：：2.随着互联网的发展，能够从各个角度展示主题内容的各类文档类型层出不穷。例如：ppt(powerpoint，演示文稿)、word、pdf(portabledocumentformat，可移植文档格式)等。以上各类文档可作为交互、沟通和展示主题思想的基础工具。但是，很多情况下，制作完成的文档可能会出现文档内容不符合正常逻辑的情况，例如文档前后的内容不一致、主体观点相悖等情况，从而造成文档阅读和观看的体验不佳。技术实现要素：3.本技术实施例提供一种文档检测方法、装置、设备及存储介质，以解决相关技术存在的问题，技术方案如下：4.第一方面，本技术实施例提供了一种文档检测方法，包括：5.对待处理文档的多个文档单元分别进行摘要提取，得到多个文档单元各自对应的文档摘要；6.对文档摘要进行聚类分析，得到聚类结果；7.对于聚类结果中属于同一类别的文档摘要进行词性分析，得到文档摘要中每个词的词性；8.对于属于同一类别的文档摘要中的词性相同的词，进行相关性分析；9.根据相关性分析的结果，得到待处理文档的评估结果。10.在一种实施方式中，对于属于同一类别的文档摘要中的词性相同的词，进行相关性分析，包括：11.根据词性相同的词的词向量夹角，计算词性相同的词之间的词向量距离；12.根据词向量距离得到相关性分析的结果。13.在一种实施方式中，根据词向量距离得到相关性分析的结果，包括：14.在各个不同的词性各自对应的词向量距离中选取最大值；15.根据最大值得到相关性分析的结果。16.在一种实施方式中，根据相关性分析的结果，得到待处理文档的评估结果，包括：17.根据相关性分析的结果，计算文档内容评估参数；18.根据文档内容评估参数，得到待处理文档的评估结果。19.在一种实施方式中，根据相关性分析的结果，计算文档内容评估参数，包括利用以下公式计算文档内容评估参数：[0020][0021]其中，q表示文档内容评估参数；p表示相关性分析的结果；α表示第一预设阈值；i表示文档摘要的个数。[0022]在一种实施方式中，根据文档内容评估参数，得到待处理文档的评估结果，包括：[0023]在文档内容评估参数小于等于第二预定阈值的情况下，确定待处理文档的评估结果为多个文档单元之间的内容不一致。[0024]第二方面，本技术实施例提供了一种文档检测装置，包括：[0025]提取模块，用于对待处理文档的多个文档单元分别进行摘要提取，得到多个文档单元各自对应的文档摘要；[0026]聚类模块，用于对文档摘要进行聚类分析，得到聚类结果；[0027]第一分析模块，用于对于聚类结果中属于同一类别的文档摘要进行词性分析，得到文档摘要中每个词的词性；[0028]第二分析模块，用于对于属于同一类别的文档摘要中的词性相同的词，进行相关性分析；[0029]评估模块，用于根据相关性分析的结果，得到待处理文档的评估结果。[0030]在一种实施方式中，第二分析模块包括：[0031]第一计算子模块，用于根据词性相同的词的词向量夹角，计算词性相同的词之间的词向量距离；[0032]分析子模块，用于根据词向量距离得到相关性分析的结果。[0033]在一种实施方式中，分析子模块用于：[0034]在各个不同的词性各自对应的词向量距离中选取最大值；[0035]根据最大值得到相关性分析的结果。[0036]在一种实施方式中，评估模块包括：[0037]第二计算子模块，用于根据相关性分析的结果，计算文档内容评估参数；[0038]评估子模块，用于根据文档内容评估参数，得到待处理文档的评估结果。[0039]在一种实施方式中，第二计算子模块用于利用以下公式计算文档内容评估参数：[0040][0041]其中，q表示文档内容评估参数；p表示相关性分析的结果；α表示第一预设阈值；i表示文档摘要的个数。[0042]在一种实施方式中，评估子模块用于：[0043]在文档内容评估参数小于等于第二预定阈值的情况下，确定待处理文档的评估结果为多个文档单元之间的内容不一致。[0044]第三方面，本技术实施例提供了一种电子设备，该设备包括：存储器和处理器。其中，该存储器和该处理器通过内部连接通路互相通信，该存储器用于存储指令，该处理器用于执行该存储器存储的指令，并且当该处理器执行该存储器存储的指令时，使得该处理器执行上述各方面任一种实施方式中的方法。[0045]第四方面，本技术实施例提供了一种计算机可读存储介质，计算机可读存储介质存储计算机程序，当计算机程序在计算机上运行时，上述各方面任一种实施方式中的方法被执行。[0046]上述技术方案中的优点或有益效果至少包括：通过对同一类别的文档摘要的内容进行词性拆分，进而可以判别出有在语义上有差异的词。在此基础上对待处理文档的内容进行评估，提升了文档检测的准确度。[0047]上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本技术进一步的方面、实施方式和特征将会是容易明白的。附图说明[0048]在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本技术公开的一些实施方式，而不应将其视为是对本技术范围的限制。[0049]图1为根据本技术实施例的文档检测方法的流程图；[0050]图2为根据本技术另一实施例的文档检测方法的流程图；[0051]图3为根据本技术另一实施例的文档检测方法的流程图；[0052]图4为根据本技术另一实施例的文档检测方法的检测流程示意图；[0053]图5为根据本技术另一实施例的文档检测方法的流程图；[0054]图6为根据另一本技术实施例的文档检测装置的结构示意图；[0055]图7为根据另一本技术实施例的文档检测装置的第二分析模块的结构示意图；[0056]图8为根据另一本技术实施例的文档检测装置的评估模块的结构示意图；[0057]图9为用来实现本技术实施例的电子设备的框图。具体实施方式[0058]在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本技术的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。[0059]图1为根据本技术实施例的文档检测方法的流程图。如图1所示，该文档检测方法可以包括：[0060]步骤s110，对待处理文档的多个文档单元分别进行摘要提取，得到所述多个文档单元各自对应的文档摘要；[0061]步骤s120，对文档摘要进行聚类分析，得到聚类结果；[0062]步骤s130，对于聚类结果中属于同一类别的文档摘要进行词性分析，得到文档摘要中每个词的词性；[0063]步骤s140，对于属于同一类别的文档摘要中的词性相同的词，进行相关性分析；[0064]步骤s150，根据相关性分析的结果，得到待处理文档的评估结果。[0065]用户制作完成的文档可能会出现文档内容不符合正常逻辑的情况，例如文档前后的内容不一致、主体观点相悖等情况。因此在文档检测过程中，通常需要检测其内容是否符合正常的逻辑，如前后内容的相关度，前后主体观点是否相悖等。本技术实施例通过对待处理文档内容的摘要提取、对摘要相关度的比较，可以判断某个待处理文档中的各个文档单元的内容是否一致。[0066]本技术实施例中，可预先训练文档摘要生成模型。在对待处理文档进行检测之前，可预先将待处理文档划分为多个文档单元。例如，对于word文档而言，待处理文档的文档单元可以是word文档中的多个页面或者是word文档中的多个段落。再如，对于ppt文档而言，待处理文档的文档单元可以是ppt文档中的多张幻灯片或者ppt播放过程中的多个展示界面。[0067]在步骤s110中，可利用训练好的文档摘要生成模型对待处理文档的多个文档单元分别进行摘要提取，得到多个文档单元各自对应的文档摘要。在步骤s120中，对步骤s110中得到的多个文档摘要进行聚类分析，得到聚类结果。[0068]例如，分别对文档单元a、文档单元b、文档单元c、文档单元d和文档单元e进行摘要提取，对应得到文档摘要a、文档摘要b、文档摘要c、文档摘要d和文档摘要e。然后对文档摘要a、文档摘要b、文档摘要c、文档摘要d和文档摘要e进行聚类分析。一个示例性的聚类结果可包括：上述文档摘要属于两个类别，第一类别包括文档摘要a、文档摘要b和文档摘要d，第二类别包括文档摘要c和文档摘要e。[0069]在步骤s130中，利用步骤s120中得到的聚类结果，对于聚类结果中属于同一类别的文档摘要进行词性分析，得到文档摘要中每个词的词性。[0070]以上述示例中的第一类别为例，词性分析的结果如下：[0071]文档摘要a的内容为：“张三迟到了”。对文档摘要a的内容进行词性分析的结果为：“张三”为名词、“迟到”为动词。[0072]文档摘要b的内容为：“张三来晚了”。对文档摘要b的内容进行词性分析的结果为：“张三”为名词、“来晚”为动词。[0073]文档摘要d的内容为：“张三旷工了”。对文档摘要d的内容进行词性分析的结果为：“张三”为名词、“旷工”为动词。[0074]在步骤s140中，对于步骤s130中得到的属于同一类别的文档摘要中的词性相同的词，进行相关性分析。以上述示例中的第一类别的文档摘要中的动词为例，相关性分析的结果如下：“迟到”与“来晚”的相关度较高，“旷工”与“迟到”的相关度较低，“旷工”与“来晚”的相关度较低。[0075]在步骤s150中，根据步骤s140中得到的相关性分析的结果，得到待处理文档的评估结果。以上述示例中的第一类别的待处理文档为例，相关性分析的结果如下：文档单元d对应的文档摘要d中的动词“旷工”与第一类别中的另外两个文档单元对应的文档摘要中的动词相关度都较低，因此文档单元d的内容与第一类别中其他文档单元的内容不一致。[0076]本技术实施例通过对同一类别的文档摘要的内容进行词性拆分，进而可以判别出有在语义上有差异的词。在此基础上对待处理文档的内容进行评估，提升了文档检测的准确度。[0077]图2为根据本技术另一实施例的文档检测方法的流程图。如图2所示，在一种实施方式中，图1中的步骤s140，对于属于同一类别的文档摘要中的词性相同的词，进行相关性分析，包括：[0078]步骤s210，根据词性相同的词的词向量夹角，计算词性相同的词之间的词向量距离；[0079]步骤s220，根据词向量距离得到相关性分析的结果。[0080]其中，词向量包括来自词汇表的单词或短语被映射到实数的向量。词向量涉及从每个单词一维的空间到具有更低维度的连续向量空间的数学嵌入。[0081]在这种实施方式中，可针对各个不同的词性，分别计算词向量距离。仍以上述示例中的第一类别的待处理文档为例，可分别针对名词和动词进行计算，在第一类别的待处理文档对应的文档摘要中，将其中的任意两个文档摘要进行比较，得到名词和动词各自对应的词向量距离。[0082]图3为根据本技术另一实施例的文档检测方法的流程图。如图3所示，在一种实施方式中，图2中的步骤s220，根据词向量距离得到相关性分析的结果，包括：[0083]步骤s310，在各个不同的词性各自对应的词向量距离中选取最大值；[0084]步骤s320，根据最大值得到相关性分析的结果。[0085]以上述示例中的第一类别的文档单元为例，针对动词进行计算，由于“旷工”与“迟到”、“旷工”与“来晚”的相关度较低，则动词这一词性对应的词向量距离较大。针对名词进行计算，由于第一类别的文档单元对应的文档摘要中的名词都是“张三”，则名词这一词性对应的词向量距离较小。在各个不同的词性各自对应的词向量距离中选取的最大值为动词这一词性对应的词向量距离。可将动词对应的词向量距离作为相关性分析的结果。[0086]本技术实施例中，首先对待处理文档中的文档单元进行摘要提取，然后可利用语义相似度分类模型对文档摘要的内容进行分析，将同一类别中的文档摘要中的句子进行对比分析，生成相关性分析的结果。最后再根据相关性分析的结果生成待处理文档的评估结果。[0087]图4为根据本技术另一实施例的文档检测方法的检测流程示意图。参见图4，一个示例性的文档检测方法的流程如下：[0088]1)准备待提取摘要的多个文档单元，记为文本数据集d1。利用文本摘要生成模型分析文档单元描述的结论性信息，对文档单元的结论性内容进行提取，生成多个文档单元各自对应的文档摘要，记为摘要集d2。[0089]2)通过对摘要集d2进行事物描述相关性聚类，将描述同类事物的摘要进行聚合分组，得到聚类结果gn，其中，n表示聚类类别的编号，gn表示聚合分组中的第n组文档摘要，也称为第n个摘要集集合。每组文档摘要内包含si(i≥2)句话，例如每句话可以对应于一个文档摘要。在这种情况下，i表示文档摘要的编号，也是句子的编号。[0090]参见图4所示，句子s1至句子s5在聚类后被分为两个组。第1组文档g1中包括句子s1、句子s2和句子s3，第2组g2中包括句子s4和句子s5。[0091]3)分别对每个摘要集集合中的文档摘要进行词性分析，按照词性对文档摘要中的词进行二次分组，得到wm(m≥2)。其中，m表示各个不同的词性的编号，例如m＝1表示名词，m＝2表示动词，m＝3表示形容词，m＝4表示量词；wm表示二次分组中的属于编号为m的词。[0092]参见图4所示，针对句子s1，通过词性分析进行二次分组得到s1‑w1、s1‑w2、s1‑w3和s1‑w4。针对句子s2，通过词性分析进行二次分组得到s2‑w1、s2‑w2、s2‑w3和s2‑w4。[0093]4)分别针对每个摘要集集合中的文档摘要，在进行词性分析之后，利用词向量模型逐一针对各个不同的词性，例如名词、形容词、方位词、动词、量词等，利用以下公式1进行对应的词向量距离计算并取最小值：[0094][0095]其中，θ为两个词向量wm和wm'之间的夹角；wm和wm'分别表示两个文档摘要中的对应的词，例如上述示例中的“迟到”和“来晚”；q表示在文档摘要中词的查找维度，查找维度可包括文档所属的领域、文档类型(例如word、ppt等)、文档的时效(文档发表时间)和文档来源(出处)中的至少一种；k表示查找维度的总数目，即维度对应的独立参数的数目、查找空间中独立的时空坐标的数目，也就是查找表共有多少维；i表示文档摘要的编号；p表示两个文档摘要的相关程度，p越大表示两个文档摘要的一致性越高，如果p<α∈(0，1)则表示两个文档摘要的内容相悖，如果p＝α∈(0，1)则表示两个文档摘要的内容无关。[0096]再参见图4，针对两个文档摘要根据词性进行二次分组后得到的各个分组，分别对各个对应分组的词向量距离进行比较，得到各个对应分组各自对应的词向量夹角余弦，即公式1中的cos(θ)，得到pm。其中，m表示分组编号。在图4中，计算s1‑w1和s2‑w1的词向量夹角余弦，得到p1；计算s1‑w2和s2‑w2的词向量夹角余弦，得到p2；计算s1‑w3和s2‑w3的词向量夹角余弦，得到p3；计算s1‑w4和s2‑w4的词向量夹角余弦，得到p4。然后再从p1、p2、p3和p4中取最小值，即公式1中的min计算，得到p。[0097]图5为根据本技术另一实施例的文档检测方法的流程图。如图5所示，在一种实施方式中，图1中的步骤s150，根据相关性分析的结果，得到待处理文档的评估结果，包括：[0098]步骤s410，根据相关性分析的结果，计算文档内容评估参数；[0099]步骤s420，根据文档内容评估参数，得到待处理文档的评估结果。[0100]其中，可利用文档内容评估参数以量化的形式表示待处理文档所描述的前后的内容是否一致、主体观点是否相悖等。[0101]在一种实施方式中，根据相关性分析的结果，计算文档内容评估参数，包括利用以下公式2计算文档内容评估参数：[0102][0103]其中，q表示文档内容评估参数；p表示相关性分析的结果；α表示第一预设阈值；i表示文档摘要的个数。[0104]本技术实施例中，根据相关性分析的结果计算文档内容评估参数，可对文档内容的一致性进行准确评估，提升文档检测的准确度。[0105]在一种实施方式中，根据文档内容评估参数，得到待处理文档的评估结果，包括：[0106]在文档内容评估参数小于等于第二预定阈值的情况下，确定待处理文档的评估结果为多个文档单元之间的内容不一致。[0107]在一个示例中，可设置第二预定阈值为0。如果则说明待处理文档中的各个文档单元的内容不一致。可对编辑文档的用户针对文档内容不一致的结论进行相关提示，以辅助用户对文档内容进行检查和修改。[0108]本技术实施例中，可根据不同应用场景中的文档检测的实际需求，合理设置第一预定阈值和第二预定阈值。再根据文档内容评估参数和第二预定阈值对文档内容的一致性进行评估，可提升文档检测的准确度。[0109]一个示例性的文档检测方法的执行流程如下：[0110]文本数据集d1包括以下几个文档单元。[0111]文档单元1的内容为：[0112]臭氧层在保存完好的情况下，能够将短波紫外线全部隔绝，我们才能安然无恙。对生物来说，紫外线带来的伤害也有差别，中波紫外线和长波紫外线的威力有限，远不如短波紫外线，我们只要别在太阳底下暴晒就行了。短波紫外线的穿透力和高能量，不是我们能防范的，必须要依赖于臭氧层。[0113]文档单元2的内容为：[0114]期间，公司产生经调整归属于母公司拥有人的净利润人民币6090万元，实现自公司创办以来首次全年盈利。2020年下半年公司经营稳中向好，实现总收入人民币6.37亿元，环比上半年增长14.2％；2020年下半年净利润人民币3600万元，环比上半年增长44.6％。[0115]文档单元3的内容为：[0116]值得关注的是，非在线广告业务收入在总收入中的占比，在2020年持续提升，从去年同期的23.2％提升至43.0％，其中高级订阅服务及应用内购买业务收入同比大增140.1％，达人民币2.065亿元，占比从去年的8.8％提升至17.3％；其他业务收入增长177.1％，达人民币2.616亿元，占比从去年的9.7％大幅攀升至21.9％。这表明，公司的新商业模式的推进得到了有效印证，并进入正循环。[0117]文档单元4的内容为：[0118]公司披露的2020年度业绩公告显示，全年收益32.12亿元，而年度利润则体现为净亏损5.65亿元，已亏掉去年的利润。3月26日上午，公司披露的2020年度业绩公告，显示盈转亏，即2020年度利润为亏损5.65亿元，而上一年同期的年度利润为盈利3.60亿元；经营亏损4.02亿元，而上一年同期为盈利4.28亿元。[0119]步骤1)利用文本摘要生成模型对各个文档单元进行特征提取，生成摘要集d2。[0120]例如，可采用sentence(句子)‑bert(sentence‑bidirectionalencoderrepresentationsfromtransformers，基于转换器的双向编码表征)模型对各个文档单元进行特征提取。sentence‑bert模型是一种句子语义匹配模型。在一个示例中，模型训练好之后，可以将文本摘要中的句子转化为对应的句子向量，当待匹配句子输入模型时，通过向量相似度检索来直接匹配相似句子。[0121]对上述各个文档单元进行处理后，对应生成的摘要集d2包括以下几个文档摘要。[0122]文档摘要1的内容为：[0123]短波紫外线的穿透力和高能量，不是我们能防范的，必须要依赖于臭氧层。[0124]文档摘要2的内容为：[0125]期间，公司产生经调整归属于母公司拥有人的净利润人民币6090万元，实现自公司创办以来首次全年盈利。[0126]文档摘要3的内容为：[0127]这表明，公司的新商业模式的推进得到了有效印证，并进入正循环。[0128]文档摘要4的内容为：[0129]公司披露的2020年度业绩公告显示，全年收益32.12亿元，而年度利润则体现为净亏损5.65亿元，已亏掉去年的利润。[0130]步骤2)通过将上述各个文档摘要中的内容进行两两相似度计算可得到以下表1所示的结论。[0131]表1文档摘要相似度计算结果[0132][0133][0134]在本技术实施例中，第一预设阈值可取值为0.5，即：α＝0.5。将相似度大于0.5以上的文本进行聚类，生成数据集sn，即在聚合分组中每组文档摘要内包含si(i≥2)句话。将上述文档摘要1、文档摘要2、文档摘要3和文档摘要4进行聚类分析，可以得到文档摘要2、文档摘要3和文档摘要4在聚类结果中属于同一类别。上述聚类结果的若干个不同类别体现了待处理文档中对应描述了若干个不同的内容。[0135]步骤3)通过对每个文档摘要中每个词的进行词性分类，通过词性分析进行二次分组，并计算两个文档摘要的相关程度，可以得到以下结论：[0136]文档摘要2与文档摘要4的相关程度p24＝‑0.63；[0137]文档摘要2与文档摘要3的相关程度p23＝0.47；[0138]文档摘要3与文档摘要4的相关程度p34＝‑0.42。[0139]步骤4)对分组内的每一文档摘要的内容与其他文档摘要的内容进行相悖性计算，即利用公式2计算可以得到以下结论：[0140][0141]在以上计算中，设置第一预定阈值为0.5，第二预定阈值为0，文档摘要的个数i＝3。文档内容评估参数q小于0，则说明待处理文档中的各个文档单元的内容不一致。[0142]进一步，再根据文档摘要2与文档摘要4的相关程度p24的值、文档摘要2与文档摘要3的相关程度p23的值和文档摘要3与文档摘要4的相关程度p34的值，可以得到结论：文档摘要4与另外两个文档摘要内容相悖。文档检测系统可给编辑文档的用户发出提示信息，提示文档摘要4对应的语句与文档中其他内容的语义相悖。[0143]图6为根据另一本技术实施例的文档检测装置的结构示意图。如图6所示，该装置可以包括：[0144]提取模块100，用于对待处理文档的多个文档单元分别进行摘要提取，得到多个文档单元各自对应的文档摘要；[0145]聚类模块200，用于对文档摘要进行聚类分析，得到聚类结果；[0146]第一分析模块300，用于对于聚类结果中属于同一类别的文档摘要进行词性分析，得到文档摘要中每个词的词性；[0147]第二分析模块400，用于对于属于同一类别的文档摘要中的词性相同的词，进行相关性分析；[0148]评估模块500，用于根据相关性分析的结果，得到待处理文档的评估结果。[0149]图7为根据另一本技术实施例的文档检测装置的第二分析模块的结构示意图。如图7所示，在一种实施方式中，第二分析模块400包括：[0150]第一计算子模块410，用于根据词性相同的词的词向量夹角，计算词性相同的词之间的词向量距离；[0151]分析子模块420，用于根据词向量距离得到相关性分析的结果。[0152]在一种实施方式中，分析子模块420用于：[0153]在各个不同的词性各自对应的词向量距离中选取最大值；[0154]根据最大值得到相关性分析的结果。[0155]图8为根据另一本技术实施例的文档检测装置的评估模块的结构示意图。[0156]如图8所示，在一种实施方式中，评估模块500包括：[0157]第二计算子模块510，用于根据相关性分析的结果，计算文档内容评估参数；[0158]评估子模块520，用于根据文档内容评估参数，得到待处理文档的评估结果。[0159]在一种实施方式中，第二计算子模块510用于利用以下公式计算文档内容评估参数：[0160][0161]其中，q表示文档内容评估参数；p表示相关性分析的结果；α表示第一预设阈值；i表示文档摘要的个数。[0162]在一种实施方式中，评估子模块520用于：[0163]在文档内容评估参数小于等于第二预定阈值的情况下，确定待处理文档的评估结果为多个文档单元之间的内容不一致。[0164]本技术实施例各装置中的各模块、子模块的功能可以参见上述方法中的对应描述，在此不再赘述。[0165]图9为用来实现本技术实施例的电子设备的框图。如图9所示，该电子设备包括：存储器910和处理器920，存储器910内存储有可在处理器920上运行的计算机程序。处理器920执行该计算机程序时实现上述实施例中的文档检测和图像生成方法。存储器910和处理器920的数量可以为一个或多个。[0166]该电子设备还包括：[0167]通信接口930，用于与外界设备进行通信，进行数据交互传输。[0168]如果存储器910、处理器920和通信接口930独立实现，则存储器910、处理器920和通信接口930可以通过总线相互连接并完成相互间的通信。该总线可以是工业标准体系结构(industrystandardarchitecture，isa)总线、外部设备互连(peripheralcomponentinterconnect，pci)总线或扩展工业标准体系结构(extendedindustrystandardarchitecture，eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图9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。[0169]可选的，在具体实现上，如果存储器910、处理器920及通信接口930集成在一块芯片上，则存储器910、处理器920及通信接口930可以通过内部接口完成相互间的通信。[0170]本技术实施例提供了一种计算机可读存储介质，其存储有计算机程序，该程序被处理器执行时实现本技术实施例中提供的方法。[0171]本技术实施例还提供了一种芯片，该芯片包括，包括处理器，用于从存储器中调用并运行存储器中存储的指令，使得安装有芯片的通信设备执行本技术实施例提供的方法。[0172]本技术实施例还提供了一种芯片，包括：输入接口、输出接口、处理器和存储器，输入接口、输出接口、处理器以及存储器之间通过内部连接通路相连，处理器用于执行存储器中的代码，当代码被执行时，处理器用于执行申请实施例提供的方法。[0173]应理解的是，上述处理器可以是中央处理器(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessing，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(fieldprogrammablegatearray，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是任何常规的处理器等。值得说明的是，处理器可以是支持进阶精简指令集机器(advancedriscmachines，arm)架构的处理器。[0174]进一步地，可选的，上述存储器可以包括只读存储器和随机存取存储器，还可以包括非易失性随机存取存储器。该存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以包括只读存储器(read‑onlymemory，rom)、可编程只读存储器(programmablerom，prom)、可擦除可编程只读存储器(erasableprom，eprom)、电可擦除可编程只读存储器(electricallyeprom，eeprom)或闪存。易失性存储器可以包括随机存取存储器(randomaccessmemory，ram)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用。例如，静态随机存取存储器(staticram，sram)、动态随机存取存储器(dynamicrandomaccessmemory，dram)、同步动态随机存取存储器(synchronousdram，sdram)、双倍数据速率同步动态随机存取存储器(doubledatadatesdram，ddrsdram)、增强型同步动态随机存取存储器(enhancedsdram，esdram)、同步连接动态随机存取存储器(synchlinkdram，sldram)和直接内存总线随机存取存储器(directrambusram，drram)。[0175]在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本技术的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输。[0176]在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包括于本技术的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。[0177]此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。[0178]流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分。并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能。[0179]在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。[0180]应理解的是，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。上述实施例方法的全部或部分步骤是可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。[0181]此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。上述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。该存储介质可以是只读存储器，磁盘或光盘等。[0182]以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本
技术领域：
：的技术人员在本技术揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。当前第1页12当前第1页12