一种坏例识别方法、装置、设备及存储介质与流程

1.本说明书涉及计算机技术领域，尤其涉及一种坏例识别方法、装置、设备及存储介质。


背景技术：

2.在人机对话中，用户与智能对话系统之间使用某种对话语言，通过一定的交互方式，完成人与智能对话系统之间的信息交换。在人机对话过程中，智能对话系统通常对用户输入的语音或文本信息进行识别、解析等处理确定用户的意图，然后根据意图得到输出结果以完成与用户之间的对话。
3.然而，在实际应用中，由于用于识别和解析语音或文本信息的算法尚不完善，可能出现智能对话系统的输出结果不符合用户预期的问题，即，出现坏例。通过在人机对话过程中发现坏例以及确定产生坏例的原因，可以完善人机对话算法存在的缺陷，进行针对性地改进，从而提高人机对话中智能对话系统识别和解析用户输入信息的性能。
4.目前，通常由标注人员结合业务经验发现并分析智能对话系统与用户交互过程中出现的坏例。
5.然而，这种方案对标注人员的业务水平要求较高，且各标注人员对坏例的评判流程不一致，得到的坏例分析结果绝大部分取决于标注人员的业务经验以及主观想法，导致分析产生坏例的原因的准确率较低。


技术实现要素：

6.本说明书提供一种坏例识别方法、装置、设备及存储介质，以部分的解决现有技术存在的上述问题。
7.本说明书采用下述技术方案：
8.本说明书提供了一种坏例识别方法，包括：
9.获取待识别数据；
10.向第一用户展示所述待识别数据以及预先设置的指引信息；所述指引信息用于指引所述第一用户针对所述待识别数据输入指定类型的信息；
11.接收所述第一用户基于所述指引信息针对所述待识别数据输入的指定类型的信息，将所述第一用户输入的信息作为所述待识别数据的特征信息；
12.将所述特征信息输入到预先训练的坏例识别模型，得到所述待识别数据所属的坏例原因类型；所述坏例包括智能对话系统与第二用户在对话过程中输出的不符合预期的对话数据。
13.可选地，获取待识别数据，具体包括：
14.获取智能对话系统与第二用户的对话数据；
15.将所述对话数据输入到预先训练的坏例发现模型，判断输入所述坏例发现模型的对话数据是否为坏例；
16.若是，将输入所述坏例发现模型的对话数据作为待识别数据。
17.可选地，所述待识别数据至少包括由所述第二用户输入的用户对话数据以及由所述智能对话系统响应所述用户对话数据输出的智能对话数据。
18.可选地，预先设置的指引信息包括：用于指引第一用户输入坏例所在的对话轮次的指引信息、用于指引第一用户输入所述用户对话数据中内容识别准确度的指引信息、用于指引第一用户输入意图识别准确度的指引信息、用于指引第一用户输入产生坏例的原因的指引信息中的至少一个。
19.可选地，当所述指引信息包括用于指引第一用户输入坏例所在的对话轮次的指引信息时，所述待识别数据的特征信息包括坏例所在的对话轮次；
20.当所述指引信息包括用于指引第一用户输入所述用户对话数据中内容识别准确度的指引信息时，所述待识别数据的特征信息包括所述用户对话数据中内容识别错误的信息；
21.当所述指引信息包括用于指引第一用户输入意图识别准确度的指引信息时，所述待识别数据的特征信息包括意图识别错误的信息；
22.当所述指引信息包括用于指引第一用户输入产生坏例的原因的指引信息时，所述待识别数据的特征信息包括产生坏例的原因。
23.可选地，将所述特征信息输入到预先训练的坏例识别模型，得到所述待识别数据所属的坏例原因类型，具体包括：
24.将所述对话数据、所述待识别数据以及所述待识别数据的特征信息输入到预先训练的坏例识别模型，得到所述待识别数据所属的坏例原因类型。
25.可选地，预先训练坏例识别模型，具体包括：
26.预先获取样本对话数据、所述样本对话数据对应的样本待识别数据以及所述样本待识别数据的样本特征信息，作为训练坏例识别模型的样本；
27.将所述样本输入待训练的坏例识别模型，得到所述待训练的坏例识别模型输出的待优化坏例原因类型；
28.以所述待优化坏例原因类型与所述样本对应的标注坏例原因类型的差异最小化为训练目标，对所述坏例识别模型进行训练。
29.可选地，预先训练坏例发现模型，具体包括：
30.预先获取样本对话数据，作为训练坏例发现模型的样本；
31.将所述样本输入待训练的坏例发现模型，得到所述待训练的坏例发现模型输出的待优化发现结果；
32.以所述待优化发现结果与所述样本对应的标注发现结果的差异最小化为训练目标，对所述坏例发现模型进行训练。
33.本说明书提供了一种坏例识别装置，包括：
34.待识别数据获取模块，用于获取待识别数据；
35.展示模块，用于向第一用户展示所述待识别数据以及预先设置的指引信息；所述指引信息用于指引所述第一用户针对所述待识别数据输入指定类型的信息；
36.接收模块，用于接收所述第一用户基于所述指引信息针对所述待识别数据输入的指定类型的信息，将所述第一用户输入的信息作为所述待识别数据的特征信息；
37.坏例原因类型获得模块，用于将所述特征信息输入到预先训练的坏例识别模型，得到所述待识别数据所属的坏例原因类型；所述坏例包括智能对话系统与第二用户在对话过程中输出的不符合预期的对话数据。
38.本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述坏例识别方法。
39.本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述坏例识别方法。
40.本说明书采用的上述至少一个技术方案能够达到以下有益效果：
41.在本说明书提供的坏例识别方法中，通过向第一用户展示待识别数据以及预先设置的指引信息，指引第一用户针对待识别数据输入指定类型的信息，并将由第一用户输入的指定类型的信息作为待识别数据对应的特征信息，将特征信息输入到预先训练的坏例识别模型，得到所述待识别数据所属的坏例原因类型。可见，本方法通过指引第一用户根据预先设置的指引信息输入针对待识别数据的指定类型的信息，得到待识别数据的特征信息，规范了对坏例的评判，提高了坏例原因分析的准确性。
附图说明
42.此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
43.图1为本说明书中一种坏例识别方法的流程示意图；
44.图2为本说明书提供的一种坏例识别装置的示意图；
45.图3为本说明书提供的对应于图1的电子设备示意图。
具体实施方式
46.为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本说明书保护的范围。
47.随着人工智能技术的飞速发展，人机对话越来越多地应用在人们的工作及生活中。在人机对话中，用户与智能对话系统之间通过一定的交互方式，完成人与智能对话系统之间的信息交换。
48.通常情况下，智能对话系统可由语音唤醒(keyword spotting，kws)、语音识别(automatic speech recognition，asr)、自然语音处理(natural language processing，nlp)、自然语言生成(natural language generation，nlg)等技术实现。人机对话的核心在于智能对话系统能够在预设的系统框架下，根据先验的数据训练或学习，自动对用户输入的信息进行理解和分析，并给出有意义的回复。其中，用户输入的信息可以涉及业务咨询、业务办理等任务导向型信息，也可以是闲聊等非任务导向型信息，并且，用户输入的信息可以是以语音、文字、图片等形态存在的信息，本说明书对用户输入的信息的类型以及形态不做限定。
49.但是，由于现有智能对话系统中，用于识别和理解用户输入信息的算法尚不完善，智能对话系统尚无法完全达到和人一样的理解和表达能力。这就导致在人机对话过程中，可能会出现智能对话系统针对用户提出的问题输出的回答不符合用户的预期的情况，将这种智能对话系统对用户提出的问题回答错误的情况作为人机对话中的坏例。坏例的存在会导致人机对话无法顺利进行，从而影响人机对话功能的可靠性。为了提高智能对话系统的可靠性，可通过在人机对话过程中发现坏例并确定产生坏例的原因，完善人机对话算法存在的缺陷，进行针对性地改进，从而提高人机对话中智能对话系统识别和解析用户输入信息的性能。其中，所述坏例包括智能对话系统与第二用户在对话过程中输出的不符合第二用户意图的对话数据。
50.在本说明书实施例中，将辅助分析产生坏例原因的工作人员作为第一用户，将与智能对话系统进行对话的用户作为第二用户。第二用户使用的配置有智能对话系统的智能对话设备可以是智能音箱、智能手机、智能对话机器人等设备，本说明书对此不作限定。
51.以下结合附图，详细说明本说明书各实施例提供的技术方案。
52.图1为本说明书中一种坏例识别方法的流程示意图，具体包括以下步骤：
53.s100：获取待识别数据。
54.通常情况下，第二用户在使用配置有智能对话系统的智能对话设备时，与智能对话设备进行人机对话交互。在人机对话的过程中，智能对话系统可通过首先接收并处理由第二用户输入的用户对话数据，其次分析第二用户的意图，然后根据第二用户的意图输出智能对话数据这三个过程完成一轮与第二用户的对话。当然，为了实现第二用户的意图，第二用户可以与智能对话系统进行多轮对话。
55.在人机对话过程中，智能对话系统可将由第二用户输入的用户对话数据以及智能对话系统响应于该用户对话数据输出的智能对话数据进行记录，生成至少一轮对话数据。通常，每轮对话数据可包括由第二用户输入的用户对话数据以及由智能对话系统响应于该用户对话数据输出的智能对话数据。其中，第二用户输入的用户对话数据可以是以语音、文字、图片等形态存在的数据，本说明书对此不做限定。
56.s102：向第一用户展示所述待识别数据以及预先设置的指引信息；所述指引信息用于指引所述第一用户针对所述待识别数据输入指定类型的信息。
57.将待识别数据以及针对待识别数据预先设置的指引信息展示给第一用户，通过指引第一用户针对待识别数据输入指定类型的信息，完成对待识别数据特征的提取。在此步骤中，通过预先设置针对待识别数据的指引信息，将第一用户分析待识别数据的过程结构化、规范化，避免了因第一用户业务经验不足或主观想法导致的待识别数据的特征提取不全面或错误的问题，同时也易于对待识别数据的特征信息的量化。
58.s104：接收所述第一用户基于所述指引信息针对所述待识别数据输入的指定类型的信息，将所述第一用户输入的信息作为所述待识别数据的特征信息。
59.s106：将所述特征信息输入到预先训练的坏例识别模型，得到所述待识别数据所属的坏例原因类型；所述坏例包括智能对话系统与第二用户在对话过程中输出的不符合预期的对话数据。
60.可选地，将所述对话数据、所述待识别数据以及所述待识别数据的特征信息输入到预先训练的坏例识别模型，得到所述待识别数据所属的坏例原因类型。
61.具体的，待识别数据所述的坏例原因类型可包括智能对话系统对用户对话数据中的内容识别错误、意图识别错误以及智能对话系统不具有实现第二用户意图的功能中的至少一个。其中，当坏例原因类型为智能对话系统不具有实现第二用户意图的功能时，说明智能对话系统正确识别了用户对话数据中的内容，也正确识别了第二用户的意图，但是由于智能对话系统不具有实现符合第二用户意图的功能，因此无法针对第二用户的意图实现符合用户的预期的功能，从而导致坏例。
62.通过将待识别数据的特征信息输入到预先训练的坏例识别模型中，得到待识别数据所述的坏例原因类型，可至少部分避免由于人工业务经验不足以及主观想法导致的坏例原因分析错误的问题，提高了分析产生坏例原因的准确率。
63.本说明书实施例中，在如图1步骤s100所示的获取待识别数据中，用于分析坏例原因类型的待识别数据，可以是智能对话系统与第二用户的对话数据，也可以是经坏例发现模型处理的对话数据，本说明书对此不做限定。
64.对于待识别数据是智能对话系统与第二用户的对话数据的情况：将获取到的对话数据直接作为待识别数据，以便后续对待识别数据进行分析得到坏例原因类型。相比于使用坏例发现模型对对话数据进行分析后得到的待识别数据，由于在这种情况下是未对对话数据进行额外的处理，即使增加了部分人工成本，但最大限度的保留了对话数据中的特征信息，可提高后续确定待识别数据的特征信息以及坏例原因类型的准确性。
65.对于待识别数据是经坏例发现模型处理的对话数据的情况：将获取到的智能对话系统与第二用户的对话数据输入到预先训练的坏例发现模型，判断输入到坏例发现模型的对话数据是否为坏例。若坏例发现模型判断输入的对话数据不是坏例，不对输入坏例发现模型的对话数据进行处理。若坏例发现模型判断输入的对话数据是坏例，将输入坏例发现模型的对话数据作为待识别数据，以便后续对待识别数据进行分析得到坏例原因类型。由于通过坏例发现模型对对话数据进行了识别，至少剔除了部分不是坏例的对话数据，提高了坏例分析的效率。
66.本说明书实施例中，在如图1步骤s102至s104所示的向第一用户展示所述待识别数据以及预先设置的指引信息，并接收所述第一用户基于所述指引信息针对所述待识别数据输入的指定类型的信息，作为所述待识别数据的特征信息中，指引信息是用于指引所述第一用户针对所述待识别数据输入指定类型的信息，由第一用户输入的指定类型的信息在后续分析坏例原因类型的过程中是作为待识别数据的特征信息，因此，指引信息需要针对待识别数据的坏例原因类型进行设置。
67.可选地，指引信息可设置为针对待识别数据提出的问题。通过向第一用户展示待识别数据以及指引信息，指引第一用户回答、解释关于待识别数据的问题，获得由第一用户针对所述待识别数据输入的答案，从而获得待识别数据的特征信息。其中，以问题形式存在的指引信息可以是选择题、判断题、填空题、简答题等形式，并针对问题限制答案的格式，从而更加规范第一用户输入的指定类型的信息，避免了因第一用户业务经验不足或主观想法导致的待识别数据的特征提取不全面或错误的问题。
68.指引信息以及待识别数据的特征信息可至少包括以下四种类型：
69.第一种类型：当所述指引信息包括用于指引第一用户输入坏例所在的对话轮次的指引信息时，所述待识别数据的特征信息包括坏例所在的对话轮次。
70.向第一用户展示的待识别数据可包括智能对话系统与第二用户的多轮对话，为了精准定位发生坏例的轮次，可通过设置指引第一用户输入坏例所在对话轮次的指引信息，指引第一用户标注坏例所在的对话轮次，方便定位坏例的位置，以便将第一用户输入的待识别数据对应的坏例所在的对话轮次作为待识别数据的特征信息。
71.可选地，以问题形式存在的第一种类型的指引信息，其问题形式为填空题，指引第一用户填写坏例所在的对话轮次。例如，向第一用户展示待识别数据，以及用于询问坏例所在对话轮次的填空题“坏例处于对话中第()轮”，且限制填空处仅能填写数字。第一用户通过对待识别数据的分析确定坏例处于对话的第二轮时，可填写上述填空题“坏例处于对话中第(二)轮”。
72.第二种类型：当所述指引信息包括用于指引第一用户输入所述用户对话数据中内容识别准确度的指引信息时，所述待识别数据的特征信息包括所述用户对话数据中内容识别错误的信息。
73.第二用户在输入用户对话数据时，由于对需要输入的数据记忆错误、不能通顺表达自身需求、使用了方言、断句不清晰等原因，导致智能对话系统内容识别准确度低。用户对话数据中内容识别准确低可至少包括语音转文本或从图像中提取文本时，文本内容的缺漏、错误、冗余以及断句不当。通过设置指引第一用户输入用户对话数据中内容识别准确度的指引信息，指引第一用户标注用户对话数据中内容识别错误的信息，以便将第一用户输入的待识别数据对应的内容识别错误的信息作为待识别数据的特征信息。
74.例如，在第二用户与智能对话设备闲聊的场景中，在向第一用户显示的待识别数据中，第一用户对话数据为“你吃牛肉干嘛”，智能对话数据为“我没有吃牛肉”，第二用户对话数据为“我问你要不要吃牛肉干”。显然，这种情况是由于智能对话设备识别用户对话数据时断句不当，导致智能对话系统内容识别错误，从而导致坏例，显然，该坏例的坏例原因类型对用户对话数据中的内容识别错误。因此，指引信息可指引第一用户结合多轮待识别数据，对用户对话数据中的“牛肉干”进行标注，并输入在本轮对话中智能对话系统将用户对话数据中内容识别错误的信息。
75.可选地，以问题形式存在的第二种类型的指引信息，其问题形式可以为选择题、判断题，指引第一用户判断待识别数据对应的内容是否识别错误。例如，向第一用户展示待识别数据，以及用于询问待识别数据对应的内容是否识别错误选择题“第二轮对话的坏例()内容识别错误”，且限制第一用户仅能选择是或不是进行回答。第一用户通过对待识别数据的分析确定第二轮对话中的坏例是内容识别错误时，可回答上述选择题“第二轮对话的坏例(是)内容识别错误”。
76.第三种类型：当所述指引信息包括用于指引第一用户输入意图识别准确度的指引信息时，所述待识别数据的特征信息包括意图识别错误的信息。
77.在人机对话的过程中，智能对话系统对第二用户输入信息的意图识别错误的情况可包括第二用户实际输入信息与需求不符而智能对话系统未纠正、智能对话系统对第二用户输入信息的业务领域定位错误、由于内容识别错误导致的意图识别错误等。
78.通过设置指引第一用户输入意图识别准确度的指引信息，指引第一用户标注意图识别错误的信息，以便将第一用户输入的待识别数据对应的意图识别错误的信息作为待识别数据的特征信息。
79.例如，在向第一用户显示的待识别数据中，本轮对话为用户对话数据为“我想听歌曲a”，智能对话数据为“电视剧a的详情介绍”。这种情况是第二用户预期配置有智能对话系统的智能设备播放歌曲a，而由于用户对话数据中的歌曲a和智能对话系统输出的电视剧a的名字相同，导致智能对话系统错误地识别了第二用户的意图，从而导致输出结果与第二用户的预期不符，显然，该坏例的坏例原因类型为智能对话系统对意图识别错误。因此，指引信息可指引第一用户将本轮对话中用户对话数据中的“听”以及智能对话数据中“电视剧”进行标注，并输入在本轮对话中智能对话系统将第二用户的意图识别错误的信息。
80.可选地，以问题形式存在的第三种类型的指引信息，其问题形式可以为选择题、判断题，指引第一用户判断待识别数据对应的意图是否识别错误。例如，向第一用户展示待识别数据，以及用于询问待识别数据对应的意图是否识别错误选择题“第二轮对话的坏例()为意图识别错误”，且限制第一用户仅能选择是或不是进行回答。第一用户通过对待识别数据的分析确定第二轮对话中的坏例不是内容识别错误时，可回答上述选择题“第二轮对话的坏例(不是)意图识别错误”。
81.第四种类型：当所述指引信息包括用于指引第一用户输入产生坏例的原因的指引信息时，所述待识别数据的特征信息包括产生坏例的原因。
82.可选地，会出现向第一用户展示的待识别数据所述的坏例原因类型不属于内容识别错误或意图识别错误的情况，此时，可指引第一用户结合业务经验分析待识别数据，并输入待识别数据对应的产生坏例的原因，以便将第一用户输入的待识别数据对应的产生坏例的原因作为待识别数据的特征信息。
83.例如，向第一用户展示的待识别数据中，用户对话数据为“删除订单记录”，智能对话数据为“对不起，暂不支持此功能”。这种情况是由于所述智能对话系统虽然正确地识别了用户对话数据的内容，也正确地识别了第二用户的意图，但是由于与第二用户进行对话的智能对话系统不具有实现第二用户意图的功能，导致智能对话系统无法执行删除订单记录，从而导致坏例，显然，该坏例的坏例原因类型为智能对话系统不具有实现第二用户意图的功能。此时，可指引第一用户针对上述情况，输入本轮对话产生坏例的原因为当前智能对话系统在正确识别第二用户意图的前提下，不具有实现第二用户意图的功能。
84.可选地，以问题形式存在的第四种类型的指引信息，其问题形式为简答题，指引第一用户简述产生坏例的原因。例如，向第一用户展示待识别数据，以及用于询问产生坏例的原因的简答题“请简述第二轮对话中坏例产生的原因”。第一用户通过对待识别数据的分析，确定产生坏例的原因，并在指定输入入口简述第二轮对话中的坏例产生的原因。
85.本说明书实施例中，如图1步骤s100所示的坏例发现模型可具体采用以下方法进行训练。
86.首先，预先获取样本对话数据，作为训练坏例发现模型的样本；
87.其次，将所述样本输入待训练的坏例发现模型，得到所述待训练的坏例发现模型输出的待优化发现结果；
88.然后，以所述待优化发现结果与所述样本对应的标注发现结果的差异最小化为训练目标，对所述坏例发现模型进行训练。
89.样本对应的标注发现结果可以是由所述样本对应的业务领域内的专业人员标注的样本的发现结果。并且，所述待优化发现结果与所述样本对应的标注发现结果差异程度
可用损失函数进行评价，利用梯度下降法和反向传播算法，以该损失函数值的最小化为训练目标，训练所述坏例发现模型。其中，本说明书对使用的损失函数不做限定。
90.本说明书实施例中，如图1步骤s106所示的坏例识别模型可具体采用以下方法进行训练。
91.首先，预先获取样本对话数据、所述样本对话数据对应的样本待识别数据以及所述样本待识别数据的样本特征信息，作为训练坏例识别模型的样本。
92.其次，将所述样本输入待训练的坏例识别模型，得到所述待训练的坏例识别模型输出的待优化坏例原因类型。
93.然后，以所述待优化坏例原因类型与所述样本对应的标注坏例原因类型的差异最小化为训练目标，对所述坏例识别模型进行训练。
94.其中，样本对应的标注坏例原因类型可以是由所述样本对应的业务领域内的专业人员标注的样本的坏例原因类型。训练坏例识别模型的方案与上述训练坏例发现模型的方案类似，此处不再赘述。
95.以上为本说明书的一个或多个实施例提供的坏例识别方法，基于同样的思路，本说明书还提供了相应的坏例识别装置，如图2所示。
96.图2为本说明书提供的一种坏例识别装置示意图，具体包括：
97.待识别数据获取模块200，用于获取待识别数据；
98.展示模块202，用于向第一用户展示所述待识别数据以及预先设置的指引信息；所述指引信息用于指引所述第一用户针对所述待识别数据输入指定类型的信息；
99.接收模块204，用于接收所述第一用户基于所述指引信息针对所述待识别数据输入的指定类型的信息，将所述第一用户输入的信息作为所述待识别数据的特征信息；
100.坏例原因类型获得模块206，用于将所述特征信息输入到预先训练的坏例识别模型，得到所述待识别数据所属的坏例原因类型；所述坏例包括智能对话系统与第二用户在对话过程中输出的不符合预期的对话数据。
101.可选地，所述获取模块200具体用于，获取智能对话系统与第二用户的对话数据；将所述对话数据输入到预先训练的坏例发现模型，判断输入所述坏例发现模型的对话数据是否为坏例；若是，将输入所述坏例发现模型的对话数据作为待识别数据。
102.可选地，所述待识别数据至少包括由所述第二用户输入的用户对话数据以及由所述智能对话系统响应所述用户对话数据输出的智能对话数据。
103.可选地，所述预先设置的指引信息包括：用于指引第一用户输入坏例所在的对话轮次的指引信息、用于指引第一用户输入所述用户对话数据中内容识别准确度的指引信息、用于指引第一用户输入意图识别准确度的指引信息、用于指引第一用户输入产生坏例的原因的指引信息中的至少一个。
104.可选地，当所述指引信息包括用于指引第一用户输入坏例所在的对话轮次的指引信息时，所述待识别数据的特征信息包括坏例所在的对话轮次；当所述指引信息包括用于指引第一用户输入所述用户对话数据中内容识别准确度的指引信息时，所述待识别数据的特征信息包括所述用户对话数据中内容识别错误的信息；当所述指引信息包括用于指引第一用户输入意图识别准确度的指引信息时，所述待识别数据的特征信息包括意图识别错误的信息；当所述指引信息包括用于指引第一用户输入产生坏例的原因的指引信息时，所述
integrated circuit hardware description language)与verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
113.控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(application specific integrated circuit，asic)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：arc 625d、atmel at91sam、microchip pic18f26k20以及silicone labs c8051f320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
114.上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
115.为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
116.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。
117.本发明是参照根据本发明实施例的方法、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。
118.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。
119.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。
120.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。
121.内存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)。内存是计算机可读介质的示例。
122.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(transitory media)，如调制的数据信号和载波。
123.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，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
124.本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书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，本说明书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。
125.本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
126.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
127.以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。