数据处理方法、装置和系统与流程

1.本发明涉及互联网技术领域，具体而言，涉及一种数据处理方法、装置和系统。


背景技术：

2.在人工智能自然语言处理(natural language processing，简称nlp)中，生成式阅读理解在给定问题，可以产生抽象的答案，而不是从提供的段落中提取答案范围，这种交互更加智能，可以被用于智能音箱、智能助理等设备上。但生成式阅读理解通常存在不可控问题，会遇到两个关键问题：(1)生成的答案与给定问题无关；(2)在生成过程中偏离正确答案。例如：
3.给定段落：一个好的计算机程序员更像是一个问题解决者和逻辑思想家，而不是数学爱好者。此外，该行业充斥着许多对数学不太了解的计算机程序员。
4.给定问题：游戏程序员需要数学技能吗？
5.正确答案：不，游戏程序员不需要数学技能。
6.但是基于现有技术针对上述给定问题往往生成的答案为：是的，游戏程序员是数学迷。
7.而用户/开发/测试者等技术生成答案则需要为：游戏程序员不需要数学技能。
8.针对上述由于在应用nlp的过程中，导致的生成式阅读理解存在的答案与提问偏离的问题，目前尚未提出有效的解决方案。


技术实现要素：

9.本发明实施例提供了一种数据处理方法、装置和系统，以至少解决由于在应用nlp的过程中，导致的生成式阅读理解存在的答案与提问偏离的技术问题。
10.根据本发明实施例的一个方面，提供了一种数据处理方法，包括：接收待解码数据，其中，待解码数据为问答交互过程中与待回答问题相关的文本数据；依据编码器中的预设提取任务对文本数据进行提取，得到与待回答问题满足相关度条件的文本数据；依据与待回答问题满足相关度条件的文本数据通过解码器进行解析，生成待回答问题的答案。
11.可选的，该方法还包括：在接收待解码数据之前，对编码器进行自编码训练，以及，对解码器进行自回归训练，得到训练后的编码器和解码器；依据训练后的编码器和解码器生成问答交互模型；其中，问答交互模型中训练后的编码器用于依据输入的待解码数据和待回答问题获取对应的原理数据，原理数据为与待回答问题满足相关度条件的文本数据；训练后的解码数据用于依据原理数据生成待回答问题的答案。
12.进一步地，可选的，该方法还包括：在预设提取任务包括第一提取任务的情况下，在编码器中添加第一提取任务；通过第一提取任务将输入的待解码数据和待回答问题进行拼接，得到拼接后的文本数据；通过计算拼接后的文本数据中每个词预测为原理数据的概率，将概率对应分值最大的词作为待解码数据的原理数据。
13.可选的，将概率对应分值最大的词作为待解码数据的原理数据包括：通过编码器
的全连接层和预设函数对每个词进行预测，得到各个词的概率值；依据各个词的概率值获取对应的分值，将分值位于预设区间的词作为原理数据。
14.进一步地，可选的，依据各个词的概率值获取对应的分值，将分值位于预设区间的词作为原理数据包括：对各个词对应的概率值计算平均交叉熵，得到损失函数；依据损失函数获取各个词的概率值对应的分值，并将分值位于预设区间的词作为原理数据。
15.可选的，该方法还包括：在预设提取任务包括第二提取任务的情况下，在解码器中添加第二提取任务；依据第二提取任务，对编码器输出的原理数据进行提取，得到满足正确答案概率区间的词；将满足正确答案概率区间的词进行拼接，得到答案。
16.可选的，数据处理方法应用于问答系统。
17.根据本发明实施例的另一方面，还提供了一种数据处理装置，包括：接收模块，用于接收待解码数据，其中，待解码数据为问答交互过程中与待回答问题相关的文本数据；提取模块，用于依据编码器中预添加的提取任务对文本数据进行提取，得到与待回答问题满足相关度条件的文本数据；答案生成模块，用于依据与待回答问题满足相关度条件的文本数据通过解码器进行解析，生成待回答问题的答案。
18.根据本发明实施例的另一方面，还提供了一种数据处理系统，包括：编码器和解码器，其中，编码器，用于接收待解码数据，并依据预添加的提取任务对文本数据进行提取，得到与待回答问题满足相关度条件的文本数据；其中，待解码数据为问答交互过程中与待回答问题相关的文本数据；解码器，用于对与待回答问题满足相关度条件的文本数据进行解析，生成待回答问题的答案。
19.可选的，数据处理系统应用于问答系统。
20.根据本发明实施例的另一方面，还提供了一种非易失性存储介质，其中，非易失性存储介质包括存储的程序，其中，在程序运行时控制非易失性存储介质所在设备执行上述方法。
21.根据本发明实施例的另一方面，还提供了一种处理器，其中，处理器用于运行程序，其中，程序运行时执行上述方法。
22.在本发明实施例中，通过接收待解码数据，其中，待解码数据为问答交互过程中与待回答问题相关的文本数据；依据编码器中的预设提取任务对文本数据进行提取，得到与待回答问题满足相关度条件的文本数据；依据与待回答问题满足相关度条件的文本数据通过解码器进行解析，生成待回答问题的答案，达到了在更好的理解问题和段落的同时，生成正确的答案的目的，从而实现了提升答案的质量和语义准确性的技术效果，进而解决了由于在应用nlp的过程中，导致的生成式阅读理解存在的答案与提问偏离的技术问题。
附图说明
23.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
24.图1是本发明实施例的一种数据处理方法的计算机终端的硬件结构框图；
25.图2是根据本发明实施例一的数据处理方法的流程图；
26.图3a是根据本发明实施例一的数据处理方法中nlp模型的示意图；
27.图3b是根据本发明实施例一的数据处理方法中nlp模型预训练的示意图；
28.图4是根据本发明实施例二的数据处理装置的示意图。
具体实施方式
29.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
30.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
31.本技术实施例涉及的技术名词：
32.自然语言处理：英文称为natural language processing，简称nlp，包含一系列相对专业的术语，比如：命名实体识别、词性标注等；
33.阅读理解：给定问题和段落，从段落中抽取可以回答该问题的答案片段；
34.生成模型：给定一个输入文本，可以生成一段话，比如摘要任务是输入长段落，生成一个简短的摘要。
35.实施例1
36.根据本发明实施例，还提供了一种数据处理方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
37.本技术实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在计算机终端上为例，图1是本发明实施例的一种数据处理方法的计算机终端的硬件结构框图。如图1所示，计算机终端10可以包括一个或多个(图中仅示出一个)处理器102(处理器102可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输模块106。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
38.存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的数据处理方法对应的程序指令/模块，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的数据处理方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的
实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
39.传输模块106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输模块106包括一个网络适配器(network interface controller，nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输模块106可以为射频(radio frequency，rf)模块，其用于通过无线方式与互联网进行通讯。
40.在上述运行环境下，本技术提供了如图2所示的数据处理方法。图2是根据本发明实施例一的数据处理方法的流程图。本技术实施例提供的数据处理方法具体如下：
41.步骤s202，接收待解码数据，其中，待解码数据为问答交互过程中与待回答问题相关的文本数据；
42.本技术上述步骤s202中，待解码数据可以为问答交互过程中与待回答问题相关的文本数据；
43.例如，已知待回答问题是：游戏程序员需要数学技能吗？
44.待解码数据可以为：在线或离线时用户通过客户端或网页端输入的文本数据，如：一个好的计算机程序员更像是一个问题解决者和逻辑思想家，而不是数学爱好者。此外，该行业充斥着许多对数学不太了解的计算机程序员。即，待解码数据中是包含有待回答问题答案的文本数据。用以实现“阅读理解”的功能。
45.步骤s204，依据编码器中的预设提取任务对文本数据进行提取，得到与待回答问题满足相关度条件的文本数据；
46.本技术上述步骤s204中，本技术实施例中的编码器不同于其他nlp场景下的编码器，本技术实施例中的编码器预设了提取任务，根据该提取任务会对文本数据进行提取，将与待回答问题相关度最高的文本数据进行提取，其中，本技术实施例中相关度条件为：提取与待回答问题相关度最高的文本数据。
47.步骤s206，依据与待回答问题满足相关度条件的文本数据通过解码器进行解析，生成待回答问题的答案。
48.本技术上述步骤s206中，在编码器输出与待回答问题满足相关度条件的文本数据后，得到与待回答问题最相关的文本数据，解码器通过对该与待回答问题满足相关度条件的文本数据进行解析，对文本数据中的各个词进行函数计算，将概率最大的词进行输出，得到待回答问题的答案。
49.例如，已知待回答问题是：游戏程序员需要数学技能吗？
50.待解码数据可以为：在线或离线时用户通过客户端或网页端输入的文本数据，如：一个好的计算机程序员更像是一个问题解决者和逻辑思想家，而不是数学爱好者。此外，该行业充斥着许多对数学不太了解的计算机程序员。
51.通过编码器提取可以得到：计算机程序员，是一个问题解决者和逻辑思想家，不是数学爱好者；
52.通过解码器基于编码器提取的文本数据进行解析，可以得到答案：计算机程序员不需要数学技能。
53.综上，本技术实施例提供的数据处理方法结合步骤s202至206可知，如图3a所示，图3a是根据本发明实施例一的数据处理方法中nlp模型的示意图，本技术实施例提供的数
据处理方法可以通过nlp模型得到，其中组成该nlp模型可以通过编码器(记作transformer encoder)和解码器(记作transformer decoder)组成，通预训练生成模型palm(parallel learning from multi-tasks)，palm是用于在nlp中具有多种任务辅助训练的阅读理解模型，其中，在本技术实施例中palm模型是以transformer为基础构架，在编码器中预先设置提取任务(即，图3a中标记的rationale extraction，基本原理提取)，从待回答问题和文本数据中，提取与待回答问题相关度最高的文本数据(该部分标记为图3a在transformer encoder中，重置问题和段落，即，reformulated question and paragraph)，以此作为后续解码器的输入；
54.在本技术实施例中编码器侧的提取任务是原理提取任务，在本技术实施例中“原理”可以表示为：通过正确答案与段落匹配，得到段落中分值最高对应的span作为原理。
55.解码器通过进行进一步地提取，对与待回答问题相关度最高的文本数据进行softmax函数计算，获取概率最高的词作为输出，生成待回答问题的答案(该部分标记为图3a中在transformer decoder中，基于原理指导的答案生成，即，rationale-aware answer generation)。
56.其中，本技术实施例中softmax函数(归一化指数函数)，用于基于概率的多分类问题解析文本数据中的各个词。
57.可选的，本技术实施例提供的数据处理方法还包括：在步骤s202中接收待解码数据之前，对编码器进行自编码训练，以及，对解码器进行自回归训练，得到训练后的编码器和解码器；依据训练后的编码器和解码器生成问答交互模型；其中，问答交互模型中训练后的编码器用于依据输入的待解码数据和待回答问题获取对应的原理数据，原理数据为与待回答问题满足相关度条件的文本数据；训练后的解码数据用于依据原理数据生成待回答问题的答案。
58.具体的，在步骤202中接收待解码数据之前，本技术实施例提供的数据处理方法对编码器和解码器进行训练，最终生成用于实现根据用户给定的文本信息进行问答交互的问答交互模型，其中，编码器通过mask language model(简称mlm)自编码来获取更好的编码表示；解码器采用自回归来使得生成训练的更顺畅。如图3b所示，图3b是根据本发明实施例一的数据处理方法中nlp模型预训练的示意图。
59.进一步地，可选的，本技术实施例提供的数据处理方法还包括：在预设提取任务包括第一提取任务的情况下，在编码器中添加第一提取任务；通过第一提取任务将输入的待解码数据和待回答问题进行拼接，得到拼接后的文本数据；通过计算拼接后的文本数据中每个词预测为原理数据的概率，将概率对应分值最大的词作为待解码数据的原理数据。
60.具体的，在生成式阅读理解中，每一个答案都可以从给定段落中挖掘其对应的原理(rationale)，通过正确答案和段落匹配，得到段落中最高的f1-score对应的span作为原理。基于此，在编码器端引入了原理抽取任务(即，本技术实施例中的第一提取任务)，将输入问题(即，本技术实施例中的待回答问题)和段落(本技术实施例中的待解码数据)拼接传入编码器中，编码器通过计算拼接后的文本数据中每个词预测为原理数据的概率，将概率对应分值最大的词作为待解码数据的原理数据。
61.可选的，将概率对应分值最大的词作为待解码数据的原理数据包括：通过编码器的全连接层和预设函数对每个词进行预测，得到各个词的概率值；依据各个词的概率值获
取对应的分值，将分值位于预设区间的词作为原理数据。
62.具体的，通过全连接层和sigmoid函数(即，本技术实施例中的预设函数)对每个词预测其是否是原理词(即，本技术实施例中的原理数据)的概率，依据各个词的概率值获取对应的分值，将分值位于预设区间的词作为原理数据。
63.具体如下所示：
[0064][0065]
进一步地，可选的，依据各个词的概率值获取对应的分值，将分值位于预设区间的词作为原理数据包括：对各个词对应的概率值计算平均交叉熵，得到损失函数；依据损失函数获取各个词的概率值对应的分值，并将分值位于预设区间的词作为原理数据。
[0066]
具体的，计算平均交叉墒来得到原理抽取的训练损失函数，其中n是输入词的个数；
[0067][0068]
其中，将分值位于预设区间的词作为原理数据可以表现为将概率对应分值最大的词作为待解码数据的原理数据。
[0069]
综上，训练得到的编码器具备了在给定问题的情况下，从段落中获取原理的能力，进一步将帮助生成模型生成更准确的答案。
[0070]
可选的，本技术实施例提供的数据处理方法还包括：在预设提取任务包括第二提取任务的情况下，在解码器中添加第二提取任务；依据第二提取任务，对编码器输出的原理数据进行提取，得到满足正确答案概率区间的词；将满足正确答案概率区间的词进行拼接，得到答案。
[0071]
具体的，基于原理抽取的编码器，可以指导生成器生成和原理相关的答案，该模块通过transformer decoder(即，本技术实施例中的解码器)堆积而成，编码器的隐层状态表示将传导解码器来帮助生成，将学习到的原理抽取能力(即，本技术实施例中的第二提取任务)赋予解码器，解码器在输出时候对词表做softmax函数计算，得到概率最大的词语作为输出：
[0072]
p(y
t
|y1，...，y
t-1
)＝softmax(we(wvs
t
+bv)+be)；
[0073]
其中，满足正确答案概率区间的词可以表现为概率最大的词语；
[0074]
可选的，本技术实施例提供的数据处理方法应用于问答系统。
[0075]
需要说明的是，本技术实施例中仅以上述示例为例进行说明，以实现本技术实施例提供的数据处理方法为准，具体不做限定。
[0076]
在本发明实施例中，通过接收待解码数据，其中，待解码数据为问答交互过程中与待回答问题相关的文本数据；依据编码器中的预设提取任务对文本数据进行提取，得到与待回答问题满足相关度条件的文本数据；依据与待回答问题满足相关度条件的文本数据通过解码器进行解析，生成待回答问题的答案，达到了在更好的理解问题和段落的同时，生成正确的答案的目的，从而实现了提升答案的质量和语义准确性的技术效果，进而解决了由于在应用nlp的过程中，导致的生成式阅读理解存在的答案与提问偏离的技术问题。
[0077]
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列
的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
[0078]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的数据处理方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
[0079]
实施例2
[0080]
根据本发明实施例，还提供了一种用于实施上述数据处理方法的装置，如图4所示，图4是根据本发明实施例二的数据处理装置的示意图。本技术实施例提供的数据处理装置包括：接收模块42，用于接收待解码数据，其中，待解码数据为问答交互过程中与待回答问题相关的文本数据；提取模块44，用于依据编码器中预添加的提取任务对文本数据进行提取，得到与待回答问题满足相关度条件的文本数据；答案生成模块46，用于依据与待回答问题满足相关度条件的文本数据通过解码器进行解析，生成待回答问题的答案。
[0081]
实施例3
[0082]
根据本发明实施例的另一方面，还提供了一种数据处理系统，包括：编码器和解码器，其中，编码器，用于接收待解码数据，并依据预添加的提取任务对文本数据进行提取，得到与待回答问题满足相关度条件的文本数据；其中，待解码数据为问答交互过程中与待回答问题相关的文本数据；解码器，用于对与待回答问题满足相关度条件的文本数据进行解析，生成待回答问题的答案。
[0083]
可选的，本技术实施例提供的数据处理系统应用于问答系统。
[0084]
其中，本技术实施例提供的数据处理系统可以应用于实施例1中的数据处理方法。
[0085]
实施例4
[0086]
根据本发明实施例的另一方面，还提供了一种非易失性存储介质，其中，非易失性存储介质包括存储的程序，其中，在程序运行时控制非易失性存储介质所在设备执行上述实施例1中的方法。
[0087]
实施例5
[0088]
根据本发明实施例的另一方面，还提供了一种处理器，其中，处理器用于运行程序，其中，程序运行时执行上述实施例1中的方法。
[0089]
实施例6
[0090]
本发明的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述实施例一所提供的数据处理方法所执行的程序代码。
[0091]
可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
[0092]
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：接收待解码数据，其中，待解码数据为问答交互过程中与待回答问题相关的文本数据；依据编
码器中的预设提取任务对文本数据进行提取，得到与待回答问题满足相关度条件的文本数据；依据与待回答问题满足相关度条件的文本数据通过解码器进行解析，生成待回答问题的答案。
[0093]
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：在接收待解码数据之前，对编码器进行自编码训练，以及，对解码器进行自回归训练，得到训练后的编码器和解码器；依据训练后的编码器和解码器生成问答交互模型；其中，问答交互模型中训练后的编码器用于依据输入的待解码数据和待回答问题获取对应的原理数据，原理数据为与待回答问题满足相关度条件的文本数据；训练后的解码数据用于依据原理数据生成待回答问题的答案。
[0094]
进一步地，可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：在预设提取任务包括第一提取任务的情况下，在编码器中添加第一提取任务；通过第一提取任务将输入的待解码数据和待回答问题进行拼接，得到拼接后的文本数据；通过计算拼接后的文本数据中每个词预测为原理数据的概率，将概率对应分值最大的词作为待解码数据的原理数据。
[0095]
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：将概率对应分值最大的词作为待解码数据的原理数据包括：通过编码器的全连接层和预设函数对每个词进行预测，得到各个词的概率值；依据各个词的概率值获取对应的分值，将分值位于预设区间的词作为原理数据。
[0096]
进一步地，可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：依据各个词的概率值获取对应的分值，将分值位于预设区间的词作为原理数据包括：对各个词对应的概率值计算平均交叉熵，得到损失函数；依据损失函数获取各个词的概率值对应的分值，并将分值位于预设区间的词作为原理数据。
[0097]
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：在预设提取任务包括第二提取任务的情况下，在解码器中添加第二提取任务；依据第二提取任务，对编码器输出的原理数据进行提取，得到满足正确答案概率区间的词；将满足正确答案概率区间的词进行拼接，得到答案。
[0098]
可选的，数据处理方法应用于问答系统。
[0099]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0100]
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0101]
在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
[0102]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目
的。
[0103]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0104]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0105]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。