分词处理的方法、装置、设备以及存储介质与流程

1.本公开涉及热词发现技术领域，尤其涉及分词处理技术领域，具体涉及一种分词处理的方法、装置、设备以及存储介质。


背景技术：

2.在文本分析中，热词发现是一个重点需求，通过对文本中的热词进行发现，可以得到文本重点标签，方便查找文本的重点以及相关的文本进行处理。
3.但是，现有的热词发现方法中，在对文本进行分词时，会对所有中文文本进行分词，因此，许多无效词，例如：助词，也会被进行分词召回，导致文本热词召回的准确率较低。
4.针对上述的问题，目前尚未提出有效的解决方案。


技术实现要素：

5.本公开提供了一种用于分词处理的方法、装置、设备以及存储介质。
6.根据本公开的一方面，提供了一种分词处理方法，包括：依据目标文本中至少一个分词的分词词频和分词自由度，确定第一分词处理结果，其中，上述分词词频用于表征任意一个上述分词在上述目标文本中出现的频次，上述自由度用于表征任意一个上述分词在上述目标文本中独立或自由的程度；基于获取到的上述目标文本中每个上述分词的左右熵与互信息的加总值，确定第二分词处理结果，其中，上述左右熵与上述互信息用于筛选出上述目标文本中的目标分词；基于上述第一分词处理结果和上述第二分词处理结果，计算得到目标分词处理结果。
7.可选的，在依据目标文本至少一个分词词频和分词自由度，确定第一分词处理结果之前，上述方法还包括：采用词法分析算法对上述目标文本进行分词处理，得到多个上述分词，其中，上述词法分析算法用于将上述目标文本划分为分词，以及识别每个上述分词的词性；采用统计语言算法对多个上述分词进行整合，得到分词整合结果。
8.可选的，在采用统计语言算法对多个上述分词进行整合，得到分词整合结果之前，上述方法还包括：基于上述词性过滤掉多个上述分词中的无效词，其中，上述无效词包括以下至少之一：助词、连词、副词、叹词、介词、语气词、标点符号。
9.可选的，上述依据目标文本中多个分词的分词词频和分词自由度，确定第一分词处理结果，包括：依据上述分词词频对上述分词整合结果进行第一过滤处理，得到过滤处理结果，其中，上述第一过滤处理用于过滤掉上述分词整合结果中分词词频低于词频阈值的分词；基于上述过滤处理结果中不同分词的分词自由度，对上述过滤处理结果进行第二过滤处理，得到第一分词处理结果，其中，上述第二过滤处理用于过滤掉上述过滤处理结果中的分词自由度低于自由度阈值的分词。
10.可选的，上述基于获取到的上述目标文本中每个上述分词的左右熵与互信息的加总值，确定第二分词处理结果，包括：计算上述目标文本中每个上述分词的左右熵与互信息的加总值；从多个上述分词中过滤掉上述加总值小于加总阈值的上述分词，得到上述第二
分词处理结果。
11.可选的，上述基于上述第一分词处理结果和上述第二分词处理结果，计算得到目标分词处理结果，包括：获取上述第一分词处理结果和上述第二分词处理结果的交集数据；将上述交集数据作为上述目标分词处理结果。
12.可选的，上述依据上述分词词频对上述分词整合结果进行第一过滤处理，得到过滤处理结果，包括：采用基于信息检索的加权算法依据上述分词词频对上述分词整合结果进行第一过滤处理，得到上述过滤处理结果。
13.根据本公开的另一方面，提供了一种分词处理装置，包括：第一确定模块，用于依据目标文本中至少一个分词的分词词频和分词自由度，确定第一分词处理结果，其中，上述分词词频用于表征任意一个上述分词在上述目标文本中出现的频次，上述自由度用于表征任意一个上述分词在上述目标文本中独立或自由的程度；第二确定模块，用于基于获取到的上述目标文本中每个上述分词的左右熵与互信息的加总值，确定第二分词处理结果，其中，上述左右熵与上述互信息用于筛选出上述目标文本中的目标分词；分词处理模块，用于基于上述第一分词处理结果和上述第二分词处理结果，计算得到目标分词处理结果。
14.可选的，上述装置还包括：分词处理模块，用于采用词法分析算法对上述目标文本进行分词处理，得到多个上述分词，其中，上述词法分析算法用于将上述目标文本划分为分词，以及识别每个上述分词的词性；整合模块，用于采用统计语言算法对多个上述分词进行整合，得到分词整合结果。
15.可选的，上述装置还包括：过滤模块，用于基于上述词性过滤掉多个上述分词中的无效词，其中，上述无效词包括以下至少之一：助词、连词、副词、叹词、介词、语气词、标点符号。
16.可选的，上述第一确定模块包括：第一过滤子单元，用于依据上述分词词频对上述分词整合结果进行第一过滤处理，得到过滤处理结果，其中，上述第一过滤处理用于过滤掉上述分词整合结果中分词词频低于词频阈值的分词；第二过滤子单元，用于基于上述过滤处理结果中不同分词的分词自由度，对上述过滤处理结果进行第二过滤处理，得到第一分词处理结果，其中，上述第二过滤处理用于过滤掉上述过滤处理结果中的分词自由度低于自由度阈值的分词。
17.可选的，上述第二确定模块，包括：计算子单元，用于计算上述目标文本中每个上述分词的左右熵与互信息的加总值；第三过滤子单元，用于从多个上述分词中过滤掉上述加总值小于加总阈值的上述分词，得到上述第二分词处理结果。
18.可选的，上述分词处理模块，包括：获取子单元，用于获取上述第一分词处理结果和上述第二分词处理结果的交集数据；分词处理子单元，用于将上述交集数据作为上述目标分词处理结果。
19.可选的，上述第一过滤子单元，包括：第四过滤子单元，用于采用基于信息检索的加权算法依据上述分词词频对上述分词整合结果进行第一过滤处理，得到上述过滤处理结果。
20.根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器；其中，上述存储器存储有可被上述至少一个处理器执行的指令，上述指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行任
一项上述的分词处理方法。
21.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，上述计算机指令用于使上述计算机执行任一项上述的分词处理方法。
22.根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现任一项上述的分词处理方法。
23.在本公开实施例中，通过依据目标文本中至少一个分词的分词词频和分词自由度，确定第一分词处理结果，其中，上述分词词频用于表征任意一个上述分词在上述目标文本中出现的频次，上述自由度用于表征任意一个上述分词在上述目标文本中独立或自由的程度；基于获取到的上述目标文本中每个上述分词的左右熵与互信息的加总值，确定第二分词处理结果，其中，上述左右熵与上述互信息用于筛选出上述目标文本中的目标分词；基于上述第一分词处理结果和上述第二分词处理结果，计算得到目标分词处理结果的技术方案，达到了通过计算左右熵与互信息对分词进行过滤，提升对文本热词的召回效率的目的，从而实现了减少无效词语的召回，提升了对文本热词进行召回的准确率的技术效果，进而解决了现有技术中分词处理方法包含无效词语，导致文本热词的召回效率和准确率低的技术问题。
24.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
25.附图用于更好地理解本方案，不构成对本公开的限定。其中：
26.图1是根据本公开第一实施例的分词处理方法的步骤流程示意图；
27.图2是根据本公开第一实施例的确定第一分词处理结果方法示意图；
28.图3是根据本公开第一实施例的确定第二分词处理结果方法示意图；
29.图4是根据本公开第二实施例的分词处理装置的结构示意图；
30.图5示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。
具体实施方式
31.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
32.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
33.实施例1
34.图1是根据本公开第一实施例的分词处理方法的步骤流程示意图，如图1所示，该方法包括如下步骤：
35.步骤s102，依据目标文本中至少一个分词的分词词频和分词自由度，确定第一分词处理结果；
36.步骤s104，基于获取到的上述目标文本中每个上述分词的左右熵与互信息的加总
值，确定第二分词处理结果，其中，上述左右熵与上述互信息用于筛选出上述目标文本中的目标分词；
37.步骤s106，基于上述第一分词处理结果和上述第二分词处理结果，计算得到目标分词处理结果。
38.可选的，上述分词词频用于表征任意一个上述分词在上述目标文本中出现的频次，上述自由度用于表征任意一个上述分词在上述目标文本中独立或自由的程度。
39.在本公开实施例中，依据目标文本中至少一个分词的分词词频和分词自由度，确定第一分词处理结果；基于获取到的上述目标文本中每个上述分词的左右熵与互信息的加总值，确定第二分词处理结果；基于上述第一分词处理结果和上述第二分词处理结果，计算得到目标分词处理结果。
40.需要说明的是，上述分词词频用于表征任意一个上述分词在上述目标文本中出现的频次，上述自由度用于表征任意一个上述分词在上述目标文本中独立或自由的程度；上述左右熵与上述互信息用于筛选出上述目标文本中的目标分词。
41.作为一种可选的实施例，首先通过词法分析程序或者语法分析器，例如：lexer分词算子对目标文本进行分词，在上述分词过程中，需要依据目标文本中分词的词频与自由度对目标文本进行分词处理，得到初步分词处理结果，再对上述初步分词处理结果进行整合、过滤等处理得到上述第一分词处理结果；然后对lexer算子的分词处理结果进行左右熵和互信息的计算，计算左右熵和互信息之和，得到第二分词处理结果；最后基于上述第一分词处理结果和上述第二分词处理结果，计算得到目标分词处理结果，即热词发现结果。
42.需要说明的是，上述左右熵用于计算分词的自由度，上述互信息用于计算分词的聚合度，基于上述自由度、聚合度等信息的计算，可以筛选出目标文本中的热词。
43.通过依据目标文本中至少一个分词的分词词频和分词自由度，确定第一分词处理结果，基于获取到的上述目标文本中每个上述分词的左右熵与互信息的加总值，确定第二分词处理结果，基于上述第一分词处理结果和上述第二分词处理结果，计算得到目标分词处理结果，即通过对分词词频和自由度的过滤处理，以及分词的左右熵与互信息阈值筛选，得到热词处理结果，达到了通过计算左右熵与互信息对分词进行过滤，提升对文本热词的召回效率的目的，从而实现了减少无效词语的召回，提升了对文本热词进行召回的准确率的技术效果，进而解决了现有技术中分词处理方法包含无效词语，导致文本热词的召回效率和准确率低的技术问题。
44.在一种可选的实施例中，在依据目标文本至少一个分词词频和分词自由度，确定第一分词处理结果之前，上述方法还包括：
45.步骤s202，采用词法分析算法对上述目标文本进行分词处理，得到多个上述分词，其中，上述词法分析算法用于将上述目标文本划分为分词，以及识别每个上述分词的词性；
46.步骤s204，采用统计语言算法对多个上述分词进行整合，得到分词整合结果。
47.在本公开实施例中，采用lexer算子对上述目标文本进行分词处理，完成lexer算子分词后，再采用n-gram算法进行词语整合，整合成相关的短语，得到整合结果，例如：“列车”、“晚点”，在n-gram算法整合后，转化为“列车晚点”。
48.需要说明的是，采用的lexer算子相比现有技术中常用的文本分词工具jieba算子而言，lexer算子中涵盖了大量的行业词典，可以有效的划分一些短语，同时，lexer算子能
够获取词语的词性，可以帮助用户通过词语的词性对助词、语气词等无效词语进行过滤，防止干扰后续对词语进行整合的步骤，提升召回的热词的准确率。上述n-gram算法指的是统计语言算法，大词汇连续语音识别中常见的一种语言算法。
49.在一种可选的实施例中，在采用统计语言算法对多个上述分词进行整合，得到分词整合结果之前，上述方法还包括：
50.步骤s302，基于上述词性过滤掉多个上述分词中的无效词，其中，上述无效词包括以下至少之一：助词、连词、副词、叹词、介词、语气词、标点符号。
51.在本公开实施例中，在进行分词过程中识别每个上述分词的词性，并对无效词进行筛选过滤，需要说明的是，上述无效词包括：助词、连词、副词、叹词、介词、语气词、标点符号等，例如：“的”、“呢”、“啊”、“吗”，或者“，”、“。”、“#”、“！”等等。
52.在一种可选的实施例中，上述依据目标文本中多个分词的分词词频和分词自由度，确定第一分词处理结果，包括：
53.步骤s402，依据上述分词词频对上述分词整合结果进行第一过滤处理，得到过滤处理结果，其中，上述第一过滤处理用于过滤掉上述分词整合结果中分词词频低于词频阈值的分词；
54.步骤s404，基于上述过滤处理结果中不同分词的分词自由度，对上述过滤处理结果进行第二过滤处理，得到第一分词处理结果，其中，上述第二过滤处理用于过滤掉上述过滤处理结果中的分词自由度低于自由度阈值的分词。
55.在本公开实施例中，如图2所示的确定第一分词处理结果方法示意图，可以在采用n-gram算子完成对上述目标文本整合处理，得到整合结果后，进行第一过滤处理，在过滤处理过程中采用tf-idf算法进行过滤，过滤掉出词频低的词语，得到过滤处理结果。
56.在本公开实施例中，仍如图2所示，在采用n-gram算子完成对上述目标文本整合处理，得到整合结果后，经过tf-idf过滤后，得到不同分词的分词自由度，对自由度计算的结果进行第二过滤处理，过滤掉自由度低于自由度阈值的分词；得到第一分词处理结果，即第一次的热词结果。
57.需要说明的是，自由度过滤处理是在tf-idf后再进行一次过滤，即第二过滤处理；上述tf-idf算法是一种统计方法，用于信息检索与文本挖掘的加权技术。
58.在一种可选的实施例中，上述基于获取到的上述目标文本中每个上述分词的左右熵与互信息的加总值，确定第二分词处理结果，包括：
59.步骤s502，计算上述目标文本中每个上述分词的左右熵与互信息的加总值；
60.步骤s504，从多个上述分词中过滤掉上述加总值小于加总阈值的上述分词，得到上述第二分词处理结果。
61.在本公开实施例中，如图3所示的确定第二分词处理结果方法示意图，对lexer算子分词的结果进行左右熵和互信息的计算，计算左右熵和互信息之和，得到上述加总阈值；对整合后的结果进行降序排列，根据加总阈值过滤掉左右熵和互信息之和低于加总阈值的分词，得到上述第二分词处理结果，即第二次的热词结果。
62.需要说明的是，上述左右熵和互信息是通过左右熵以及互信息的公式计算得到的。
63.在一种可选的实施例中，上述基于上述第一分词处理结果和上述第二分词处理结
果，计算得到目标分词处理结果，包括：
64.步骤s602，获取上述第一分词处理结果和上述第二分词处理结果的交集数据；
65.步骤s604，将上述交集数据作为上述目标分词处理结果。
66.在本公开实施例中，获取上述第一分词处理结果和上述第二分词处理结果的交集数据，即获取上述自由度低于自由度阈值的分词以及上述左右熵和互信息之和低于加总阈值的分词的交集数据，得到的上述交集数据作为上述目标分词处理结果，即新词发现结果。
67.在一种可选的实施例中，上述依据上述分词词频对上述分词整合结果进行第一过滤处理，得到过滤处理结果，包括：
68.步骤s702，采用基于信息检索的加权算法依据上述分词词频对上述分词整合结果进行第一过滤处理，得到上述过滤处理结果。
69.在本公开实施例中，在采用n-gram算子完成对上述目标文本整合处理，得到整合结果后，进行第一过滤处理，在过滤处理过程中采用tf-idf算法进行过滤，过滤掉出词频低的词语，得到过滤处理结果。
70.通过本公开实施例，实现了对助词、语气词等无效词语进行过滤，防止干扰后续基于n-gram算子的词语整合过程；在对整合结果进行分析时，相比于常规的只使用tf-idf算法或自由度的过滤方式，本公开采用了tf-idf算法处理、比较自由度阈值以及左右熵与互信息的过滤结果进行交集的操作，通过这种方式，大大减少无效词语的召回，提升了对文本热词进行召回的准确率。
71.实施例2
72.根据本公开实施例，还提供了一种用于实施上述分词处理方法的装置实施例，图4是根据本公开第二实施例的分词处理装置的结构示意图，如图4所示，上述分词处理装置，包括：第一确定模块40、第二确定模块42和分词处理模块44，其中：
73.第一确定模块40，用于依据目标文本中至少一个分词的分词词频和分词自由度，确定第一分词处理结果，其中，上述分词词频用于表征任意一个上述分词在上述目标文本中出现的频次，上述自由度用于表征任意一个上述分词在上述目标文本中独立或自由的程度；
74.第二确定模块42，用于基于获取到的上述目标文本中每个上述分词的左右熵与互信息的加总值，确定第二分词处理结果，其中，上述左右熵与上述互信息用于筛选出上述目标文本中的目标分词；
75.分词处理模块44，用于基于上述第一分词处理结果和上述第二分词处理结果，计算得到目标分词处理结果。
76.需要说明的是，上述各个模块是可以通过软件或硬件来实现的，例如，对于后者，可以通过以下方式实现：上述各个模块可以位于同一处理器中；或者，上述各个模块以任意组合的方式位于不同的处理器中。
77.此处需要说明的是，上述第一确定模块40、第二确定模块42和分词处理模块44对应于实施例1中的步骤s102至步骤s106，上述模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在计算机终端中。
78.需要说明的是，本实施例的可选或优选实施方式可以参见实施例1中的相关描述，
此处不再赘述。
79.上述的分词处理装置还可以包括处理器和存储器，上述第一确定模块40、第二确定模块42和分词处理模块44等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
80.可选的，上述装置还包括：分词处理模块，用于采用词法分析算法对上述目标文本进行分词处理，得到多个上述分词，其中，上述词法分析算法用于将上述目标文本划分为分词，以及识别每个上述分词的词性；
81.整合模块，用于采用统计语言算法对多个上述分词进行整合，得到分词整合结果。
82.可选的，上述装置还包括：过滤模块，用于基于上述词性过滤掉多个上述分词中的无效词，其中，上述无效词包括以下至少之一：助词、连词、副词、叹词、介词、语气词、标点符号。
83.可选的，上述第一确定模块包括：第一过滤子单元，用于依据上述分词词频对上述分词整合结果进行第一过滤处理，得到过滤处理结果，其中，上述第一过滤处理用于过滤掉上述分词整合结果中分词词频低于词频阈值的分词；第二过滤子单元，用于基于上述过滤处理结果中不同分词的分词自由度，对上述过滤处理结果进行第二过滤处理，得到第一分词处理结果，其中，上述第二过滤处理用于过滤掉上述过滤处理结果中的分词自由度低于自由度阈值的分词。
84.可选的，上述第二确定模块，包括：计算子单元，用于计算上述目标文本中每个上述分词的左右熵与互信息的加总值；第三过滤子单元，用于从多个上述分词中过滤掉上述加总值小于加总阈值的上述分词，得到上述第二分词处理结果。
85.可选的，上述分词处理模块，包括：获取子单元，用于获取上述第一分词处理结果和上述第二分词处理结果的交集数据；分词处理子单元，用于将上述交集数据作为上述目标分词处理结果。
86.可选的，上述第一过滤子单元，包括：第四过滤子单元，用于采用基于信息检索的加权算法依据上述分词词频对上述分词整合结果进行第一过滤处理，得到上述过滤处理结果。
87.处理器中包含内核，由内核去存储器中调取相应的程序单元，上述内核可以设置一个或以上。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(flash ram)，存储器包括至少一个存储芯片。
88.本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
89.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
90.图5示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限
制本文中描述的和/或者要求的本公开的实现。
91.如图5所示，设备800包括计算单元801，其可以根据存储在只读存储器(rom)802中的计算机程序或者从存储单元808加载到随机访问存储器(ram)803中的计算机程序，来执行各种适当的动作和处理。在ram 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、rom 802以及ram 803通过总线804彼此相连。输入/输出(i/o)接口805也连接至总线804。
92.设备800中的多个部件连接至i/o接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
93.计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如方法依据目标文本中至少一个分词的分词词频和分词自由度，确定第一分词处理结果。例如，在一些实施例中，方法依据目标文本中至少一个分词的分词词频和分词自由度，确定第一分词处理结果可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由rom 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到ram803并由计算单元801执行时，可以执行上文描述的方法依据目标文本中至少一个分词的分词词频和分词自由度，确定第一分词处理结果的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法依据目标文本中至少一个分词的分词词频和分词自由度，确定第一分词处理结果。
94.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
95.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
96.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电
子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
97.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
98.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
99.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
100.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
101.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。