一种敏感词衍生词汇的发现方法、装置、系统和存储介质与流程

1.本公开涉及网络信息技术领域，涉及一种敏感词衍生词汇的发现方法、装置、系统和计算机可读存储介质，尤其涉及一种基于汉字音序字形的敏感词衍生词汇的发现方法、装置、系统和计算机可读存储介质。


背景技术：

2.现如今，网络信息技术已长足发展，众多网民都能通过网络对时事政治，文学艺术，历史纪实等方面，随时随地的发表自己见解和看法。像csdn这种资讯、学习、交流、互动和分享平台，就属于典型的网络信息应用平台，在平台上，用户能够全面进行资讯的交流互动，分享心得与讨论话题。在提供信息分享的便利同时，也带来了隐患。因为并不是每个人都能遵守国家制定的互联网管理法律法规，会有一些人在网络上发布一些有害言论，这些包括色情、暴力、政治敏感等内容的言论，极大的损害了互联网的网络安全，也给社会稳定带来了不利因素。有害言论主要是由有害的敏感词组成，为了净化网络环境，急需有效的措施来对这些出现的敏感词文字进行检测和过滤，营造健康的网络空间。目前大部分对于敏感词的检测方法都是采用简单的字串匹配例如kmp算法，这些字串匹配是基于精确字符串的匹配，从给定的目标串中找出模式串出现的位置，这就需要模式串的每一个字符都要与找出的目标串匹配。随着信息量的激增，需要审核的内容也随之激增，其中审核的重点是博文和评论是否含有各种敏感违禁词汇以及各种有敏感违禁词的衍生词汇，所以扩充基于音序和字形衍生的敏感词，并快速识别诸如博客和评论等信息中是否存在敏感词和垃圾言论显得尤为重要。基于此，准确发现敏感词、违禁词的衍生词是亟待解决的技术问题，是网络内容审核的基础。
3.现有技术中，收集标准的敏感词，构建敏感词文本库时，单个敏感词能衍生出近千种近万众写法，将其一网打尽并收录于词库中的工作量较为巨大，敏感词衍生词的各种形式如谐音、形似字，这些使得现有技术很难穷举敏感词的变形词于衍生词。


技术实现要素：

4.针对上述技术问题，本公开提出了一种敏感词衍生词汇的发现方法、装置、系统和计算机可读存储介质。
5.第一方面，一种敏感词衍生词汇的发现方法，包括：基于多个相似度判断指标，判断字库中汉字之间的相似度；动态设置所述多个相似度判断指标中每个相似度判断指标对应的选择阈值，基于设置的相似度判断条件，选取每一个汉字的相似汉字集合，创建相似度字库字典；所述相似度字库字典存储所述每一个汉字及其对应的相似汉字集合；针对输入的每一个敏感词，通过dfs（深度优先遍历）的算法遍历所述相似度字库字典，生成所述敏感词对应的衍生词汇。
6.进一步，所述相似度判断指标包括字形细节相似度，字形整体相似度，和音序相似
度。
7.进一步，所述字形细节相似度包括汉字间的笔画数相似度，结构相似度和四角码相似度。
8.进一步，所述字形整体相似度是采用将基于计算机图像视觉的模型，将汉字转化为灰度图，从所述灰度图中提取所述汉字特征，构成特征向量，计算所述特征向量间的余弦相似度和矩阵相似度，进而确定所述字形整体相似度。
9.进一步，提取每个汉字的声母、韵母，根据下述三个评价标准中的任一项或几项的组合来确定所述音序相似度：声母、韵母均相似；声母相同，韵母相似或韵母相同，声母相似。
10.第二方面，一种敏感词衍生词汇的发现装置，包括：字间相似度判断模块，用于基于一个或多个相似度判断指标，判断字库中汉字之间的相似度；相似度字库字典创建模块，用于动态设置所述一个或多个相似度判断指标中每个相似度判断指标对应的选择阈值，基于设置的相似度判断条件，选取每一个汉字的相似汉字集合，创建相似度字库字典；所述相似度字库字典存储所述每一个汉字及其对应的相似汉字集合；衍生词汇生成模块，用于针对输入的每一个敏感词，通过dfs(深度优先遍历)的算法遍历所述相似度字库字典，生成所述敏感词对应的衍生词汇。
11.第三方面，一种敏感词衍生词汇的发现系统，所述系统包括处理器和存储器，所述处理器执行所述存储器中存储的计算机指令，实现前述第一方面中的任一所述方法。
12.第四方面，一种计算机可读存储介质，该计算机可读存储介质存储计算机指令，该计算机指令用于使计算机系统执行前述第一方面中的任一所述方法。
13.本发明公开了一种敏感词衍生词汇的发现方法、装置、系统和计算机可读存储介质。其中该一种基于汉字音序字形的敏感词衍生词汇的发现方法，包括基于一个或多个相似度判断指标，判断字库中汉字之间的相似度；动态设置所述一个或多个相似度判断指标中每个相似度判断指标对应的选择阈值，基于设置的相似度判断条件，选取每一个汉字的相似汉字集合，创建相似度字库字典；所述相似度字库字典存储所述每一个汉字及其对应的相似汉字集合；针对输入的每一个敏感词，遍历所述相似度字库字典，生成所述敏感词对应的衍生词汇。通过该基于汉字音序字形的敏感词衍生词汇的发现方案，解决了现有技术中敏感词的衍生词发现中人共收录判断误差高、准确率低、难收录、工作量大的问题。根据设置的汉字在形、音、计算机图像视觉相似度，多角度、多方面的相似度判断，建立汉字间相似关系，基于此相似关系生成敏感词对应的衍生词汇，由此提高衍生词收录的全面性和准确率。
14.上述说明仅是本公开技术方案的概述，为了能更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为让本公开的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
15.为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现
有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
16.图1：本公开一个实施例的基于汉字音序字形的敏感词衍生词汇的发现流程图；图2：本公开一个实施例的基于汉字音序字形的敏感词衍生词汇的发现装置结构图；图3：本公开一个实施例的基于汉字音序字形的敏感词衍生词汇的发现系统结构图；图4：本公开一个实施例的基于汉字音序字形的敏感词衍生词汇的发现计算机可读存储介质结构图；图5：本公开一个实施例的相似度字典的局部图；图6：本公开一个实施例的相似度字典遍历示例图；图7：本公开一个实施例的基于计算机视觉图像模型汉字视觉相似度阈值的局部图；图8：本公开一个实施例的基于runtime框架技术将python代码跨平台嵌入java后端运行局部图；图9：本公开一个实施例的基于汉字音序字形的敏感词衍生词汇的发现另一个具体流程图。
17.具体实施方式
18.以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
19.需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
20.还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
21.另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。
22.图1为本公开实施例提供的一种基于汉字音序字形的敏感词衍生词汇的发现流程图，该方法可以由一提供的基于汉字音序字形的敏感词衍生词汇的发现装置来执行，该基于汉字音序字形的敏感词衍生词汇的发现装置可以实现为软件，或者实现为软件和硬件的组合，该基于行为预测的视频预加载装置可以集成设置在数据处理系统中的某电子设备中，比如服务器或者终端设备中。
23.如图1所示，一种基于汉字音序字形的敏感词衍生词汇的发现方法包括如下步骤：步骤1，基于一个或多个相似度判断指标，判断字库中汉字之间的相似度。
24.现有技术中，是通过把文本库和字典中汉字转化为图片计算其余弦相似度，来确定相应的敏感词衍生词，这种图像比对的方式仅仅是从汉字的形似上还发现相似的汉字。为此，为了更加精准地发现确定汉字之间的相似关系，以提高衍生词的确定精准度，本公开的方案从至少三个维度来判断汉字间的相似性：（1）汉字间的字形细节相似度：根据汉字属于表意文字的特点，从字形细节上来确定相似的汉字，字形细节包括笔画数、汉字结构以及能体现汉字这种方块字的形体特点的四角码；进一步，每一方面设置相应的权重，在一个实施例中，例如字形细节相似度=笔画数相似度 * 权重值0.3 + 汉字结构相似度 * 权重值0.4 + 四角码相似度 * 权重值0.3。
25.（2）汉字间的整体字形相似度：在一个实施例中，基于计算机图像视觉的模型，通过调用图像处理函数包中的pygame和opencv函数包，将字库中的汉字转化为灰度图像。获取所有汉字的向量表示，以字典形式存储，设置两个参数 cosine_similar(记载汉字之间向量的余弦相似度)和similar_index(记载汉字之间在灰度图像上的矩阵相似度)，当此两个参数的阈值均超过给定阈值，例如0.9，则判断两个汉字间整体字形相似。在一个实施例中，也可以采用其他图像比较方式来确定汉字间的整体字形相似度。
26.（3）汉字间的发音音序相似度：在一个实施例中，通过调用汉字拼音处理包中的pypinyin函数包，找到每个汉字的发音，再通过抽取每个汉字的韵母、声母，按照至少三个评价指标判断汉字之间的发音音序相似度：声母、韵母均相近(例如发音音序相似度为0.7)、声母相同，韵母相近(例如发音音序相似度为0.8)、韵母相同，声母相近(例如发音音序相似度为0.8)。
27.在一个实施例中，通过上述汉字间的字形细节相似度、汉字间的整体字形相似度和汉字间的发音音序相似度来计算判断字库中汉字间的相似度关系，所示相似度关系从上述三个角度标识，即汉字间的字形细节相似度、汉字间的整体字形相似度和汉字间的发音音序相似度。
28.在一个实施例中，采用机器学习模型，基于样本数据来训练相似度关系计算判断模型。所述样本数据包括已有确定被标注的汉字间的相似度关系，将待计算相似度关系的汉字对或汉字集合输入训练好的所述相似度关系计算判断模型，来计算判断所述汉字对或汉字集合的相似度关系。并根据计算判断结果进一步训练所述相似度关系计算判断模型。
29.步骤2，动态设置所述一个或多个相似度判断指标中每个相似度判断指标对应的选择阈值，基于设置的相似度判断条件，选取每一个汉字的相似汉字集合，创建相似度字库
字典；所述相似度字库字典存储所述每一个汉字及其对应的相似汉字集合。
30.在一个实施例中，动态设置上述相似度判断指标中每个指标的挑选阈值，设置相似度判断条件，例如汉字间的字形细节相似度大于阈值0.9、汉字间的整体字形相似度相似度大于阈值0.9和汉字间的发音音序相似度相似度大于阈值0.9。采用动态设置所述阈值，动态设置判断条件，能更好的有针对性地调剂判断精度。
31.根据所述相似度判断条件，遍历出字库中每个汉字的发音相近，字形相近的汉字，选取所述每一个汉字的相似汉字集合，创建相似度字库字典；进一步，例如采用python中字典的数据结构存储方式，把每个字的音近形近的相似汉字集合存储于指定的文件中，最终生成每个汉字的相似度字库字典，如图5所示。
32.在一个实施例中，上述遍历过程通过算法时间复杂度为的dfs(深度优先遍历)o(n^2)两层循环嵌套方式进行，全面收录单个敏感词衍生出的上千上万中衍生敏感词。
33.步骤3，针对输入的每一个敏感词，遍历所述相似度字库字典，生成所述敏感词对应的衍生词汇。
34.在一个实施例中，以上述生成的相似度字库字典为基础，输入敏感词，通过dfs深度优先搜索所述相似度字库字典，通过排列组合的方式，遍历敏感词中每个汉字的音近形近汉字的各种组合，从而发现生成敏感词、违禁词的衍生词汇，生成所述敏感词、违禁词的衍生词汇集合，并存储到指定文件。发现并生成敏感词衍生词汇的方式方法如图6所示。
35.在一个实施例中，相似度字库字典的生成与敏感词衍生词汇的发现生成的另一个具体操作方式，如图7所示，将字库中汉字转化为图片保存为图片库；建立汉字笔画数字典；建立简体字、繁体字字库列表；建立汉字四角码字典；建立相似音和字形结构字典；采用pronunciation.py函数根据语音发声判断音近字；采用汉字语料库中judgesimilarity.py函数作为字间相似度计算的主函数；建立相似度字库字典，同样采用judgesimilarity.py函数，利用dfs深度优先搜索方法发现生成敏感词对应的衍生词汇。
36.通过上述基于汉字音序字形的敏感词衍生词汇的发现方法，基于一个或多个相似度判断指标，判断字库中汉字之间的相似度；动态设置所述一个或多个相似度判断指标中每个相似度判断指标对应的选择阈值，基于设置的相似度判断条件，选取每一个汉字的相似汉字集合，创建相似度字库字典；所述相似度字库字典存储所述每一个汉字及其对应的相似汉字集合；针对输入的每一个敏感词，遍历所述相似度字库字典，生成所述敏感词对应的衍生词汇。此方法在相似度字库字典的生成上，借用了计算机视觉领域的思想，在对每个汉字的形近字角度上也充分考虑了汉字与汉字之间视觉上的相似与否，也充分考量了权衡偏旁部首的四角码，在音近字角度上，充分考虑了声母韵母的发音，把每个字对应的发音相近的汉字找寻出来，生成了通用性好软件移植性高的相似度字库字典。在敏感词衍生词的发现生成上，借用生成的相似度字库字典进行dfs深度优先遍历，将网络中能出现的敏感词的衍生词汇一网打尽，覆盖性广，把发现的结果储存到指定的文件中，可灵活添加到各大审核系统中充当待拦截的敏感词，极大的减轻了内容审核业务人员的工作量。
37.图2为本公开实施例提供的一种基于汉字音序字形的敏感词衍生词汇的发现装置，包括：相似度判断模块，用于基于一个或多个相似度判断指标，判断字库中汉字之间的相似度；
相似度字库字典生成模块，用于动态设置所述一个或多个相似度判断指标中每个相似度判断指标对应的选择阈值，基于设置的相似度判断条件，选取每一个汉字的相似汉字集合，创建相似度字库字典；所述相似度字库字典存储所述每一个汉字及其对应的相似汉字集合；衍生词汇生成模块，用于针对输入的每一个敏感词，遍历所述相似度字库字典，生成所述敏感词对应的衍生词汇。
38.相似度判断模块，用于基于一个或多个相似度判断指标，判断字库中汉字之间的相似度；现有技术中，是通过把文本库和字典中汉字转化为图片计算其余弦相似度，来确定相应的敏感词衍生词，这种图像比对的方式仅仅是从汉字的形似上还发现相似的汉字。为此，为了更加精准地发现确定汉字之间的相似关系，以提高衍生词的确定精准度，本公开的方案从至少三个维度来判断汉字间的相似性：（1）汉字间的字形细节相似度：根据汉字属于表意文字的特点，从字形细节上来确定相似的汉字，字形细节包括笔画数、汉字结构以及能体现汉字这种方块字的形体特点的四角码；进一步，每一方面设置相应的权重，在一个实施例中，例如字形细节相似度=笔画数相似度 * 权重值0.3 + 汉字结构相似度 * 权重值0.4 + 四角码相似度 * 权重值0.3。
39.（2）汉字间的整体字形相似度：在一个实施例中，利用计算机视觉的思想，通过调用图像处理函数包中的pygame和opencv函数包，将字库中的汉字转化为灰度图像，获取所有汉字的向量表示，以字典形式存储，设置两个参数 cosine_similar(记载汉字之间向量的余弦相似度)和similar_index(记载汉字之间在灰度图像上的矩阵相似度)，当此两个参数的阈值均超过给定阈值，例如0.9，则判断两个汉字间整体字形相似。在一个实施例中，也可以采用其他图像比较方式来确定汉字间的整体字形相似度。
40.（3）汉字间的发音音序相似度：在一个实施例中，通过调用汉字拼音处理包中的pypinyin函数包，找到每个汉字的发音，再通过抽取每个汉字的韵母、声母，按照至少三个评价指标判断汉字之间的发音音序相似度：声母、韵母均相近(例如发音音序相似度为0.7)、声母相同，韵母相近(例如发音音序相似度为0.8)、韵母相同，声母相近(例如发音音序相似度为0.8)。
41.在一个实施例中，通过上述汉字间的字形细节相似度、汉字间的整体字形相似度和汉字间的发音音序相似度来计算判断字库中汉字间的相似度关系，所示相似度关系从上述三个角度标识，即汉字间的字形细节相似度、汉字间的整体字形相似度和汉字间的发音音序相似度。
42.相似度字库字典生成模块，用于动态设置所述一个或多个相似度判断指标中每个相似度判断指标对应的选择阈值，基于设置的相似度判断条件，选取每一个汉字的相似汉字集合，创建相似度字库字典；所述相似度字库字典存储所述每一个汉字及其对应的相似汉字集合；在一个实施例中，动态设置上述相似度判断指标中每个指标的挑选阈值，设置相似度判断条件，例如汉字间的字形细节相似度大于阈值0.9、汉字间的整体字形相似度相似度大于阈值0.9和汉字间的发音音序相似度相似度大于阈值0.9。采用动态设置所述阈值，
动态设置判断条件，能更好的有针对性地调剂判断精度。
43.根据所述相似度判断条件，遍历出字库中每个汉字的发音相近，字形相近的汉字，选取所述每一个汉字的相似汉字集合，创建相似度字库字典；进一步，例如采用python中字典的数据结构存储方式，把每个字的音近形近的相似汉字集合存储于指定的文件中，最终生成每个汉字的相似度字库字典，如图5所示。
44.在一个实施例中，上述遍历过程通过算法时间复杂度为o(n^2)两层循环嵌套方式进行。
45.衍生词汇生成模块，用于针对输入的每一个敏感词，遍历所述相似度字库字典，生成所述敏感词对应的衍生词汇。
46.在一个实施例中，以上述生成的相似度字库字典为基础，输入敏感词，通过dfs深度优先搜索所述相似度字库字典，通过排列组合的方式，遍历敏感词中每个汉字的音近形近汉字的各种组合，从而发现生成敏感词、违禁词的衍生词汇，生成所述敏感词、违禁词的衍生词汇集合，并存储到指定文件。发现并生成敏感词衍生词汇的方式方法如图6所示。
47.在一个实施例中，相似度字库字典的生成与敏感词衍生词汇的发现生成的另一个具体操作方式，如图7所示，将字库中汉字转化为图片保存为图片库；建立汉字笔画数字典；建立简体字、繁体字字库列表；建立汉字四角码字典；建立相似音和字形结构字典；采用pronunciation.py函数根据语音发声判断音近字；采用汉字语料库中judgesimilarity.py函数作为字间相似度计算的主函数；建立相似度字库字典，同样采用judgesimilarity.py函数，利用dfs深度优先搜索方法发现生成敏感词对应的衍生词汇。
48.在一个实例中，在做好基于字音字形的敏感词衍生的算法的同时，结合csdn公司审核部门的具体业务，将基于pycharm框架的算法功能，结合runtime框架技术，并在jvm上实现的python，由java编写。将python源码编译成jvm字节码，由jvm执行对应的字节码。因此能很好的与jvm集成，通过runtime直接调用python程序中的指定函数或者对象方法，粒度更加精细，并且添加jython的依赖配置到pom.xml文件中直接导入并调用jvm上其他语言编写的库和函数，可以更有效将python代码跨平台嵌入java后端，有效结合审核业务开展。
49.通过上述基于汉字音序字形的敏感词衍生词汇的发现装置实现所述方法，基于一个或多个相似度判断指标，判断字库中汉字之间的相似度；动态设置所述一个或多个相似度判断指标中每个相似度判断指标对应的选择阈值，基于设置的相似度判断条件，选取每一个汉字的相似汉字集合，创建相似度字库字典；所述相似度字库字典存储所述每一个汉字及其对应的相似汉字集合；针对输入的每一个敏感词，遍历所述相似度字库字典，生成所述敏感词对应的衍生词汇。此方法在相似度字库字典的生成上，借用了计算机视觉领域的思想，在对每个汉字的形近字角度上也充分考虑了汉字与汉字之间视觉上的相似与否，也充分考量了权衡偏旁部首的四角码，在音近字角度上，充分考虑了声母韵母的发音，把每个字对应的发音相近的汉字找寻出来，生成了通用性好软件移植性高的相似度字库字典。在敏感词衍生词的发现生成上，借用生成的相似度字库字典进行dfs深度优先遍历，将网络中能出现的敏感词的衍生词汇一网打尽，覆盖性广，把发现的结果储存到指定的文件中，可灵活添加到各大审核系统中充当待拦截的敏感词，极大的减轻了内容审核业务人员的工作量。
50.图3是根据本公开的实施例的系统结构图。如图3所述，所述系统30包括处理器31
和存储器32，所述处理器执行所述存储器中存储的计算机指令，实现前述本公开各实施例的基于汉字音序字形的敏感词衍生词汇的发现方法的全部或部分步骤。
51.图4是根据本公开的实施例的计算机可读存储介质的示意图。如图4所示，根据本公开实施例的计算机可读存储介质40，其上存储有非暂时性计算机可读指令41。当该非暂时性计算机可读指令41由处理器运行时，执行前述的本公开各实施例的基于汉字音序字形的敏感词衍生词汇的发现方法的全部或部分步骤。
52.需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（ram）、只读存储器（rom）、可擦式可编程只读存储器（eprom或闪存）、光纤、便携式紧凑磁盘只读存储器（cd-rom）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf（射频）等等，或者上述的任意合适的组合。
53.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
54.上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：构建基础页面，所述基础页面的页面代码用于搭建所述业务页面运行所需的环境和/或实现同类业务场景中抽象出的相同的工作流程；构建一个或多个页面模板，所述页面模板用于提供业务场景中实现业务功能的代码模板；基于相应的所述页面模板，通过业务场景的每一个页面的具体功能的代码转换，生成业务场景的每一个页面的最终页面代码；将生成的所述每一个页面的最终页面代码合并入所述基础页面的页面代码，生成所述业务页面的代码。
55.或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：构建基础页面，所述基础页面的页面代码用于搭建所述业务页面运行所需的环境和/或实现同类业务场景中抽象出的相同的工作流程；构建一个或多个页面模板，所述页面模板用于提供业务场景中实现业务功能的代码模板；基于相应的所述页面模板，通过业务场景的每一个页面的具体功能的代码转换，生成业务场景的每一个页面的最终页面代码；将生成的所述每一个页面的最终页面代码合并入所述基础页面的页面代码，生成所述业务页面的代码。
56.可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c+
+，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
57.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
58.描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
59.以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。