一种视频数据推荐方法、装置、电子设备及存储介质与流程

1.本公开涉及计算机技术领域，尤其涉及人工智能和计算机视觉技术领域。


背景技术：

2.目前，依据用户的兴趣偏好在为用户推荐视频时，仅考虑基于用户自身的历史视频观看数据所表征的兴趣偏好进行视频推荐。


技术实现要素：

3.本公开提供了一种用于视频数据推荐的方法、装置、设备以及存储介质。
4.根据本公开的第一方面，提供了一种视频数据推荐方法，包括：
5.根据用户观看的视频，获取目标视频帧；
6.对所述目标视频帧进行对象检测，得到所述用户的感兴趣对象；
7.根据所述用户的感兴趣对象，确定与所述用户匹配的同兴趣用户集群，得到目标同兴趣用户集群；
8.在所述目标同兴趣用户集群对应的视频池中选取视频数据推荐给所述用户。
9.根据本公开的第二方面，提供了一种视频数据推荐装置，包括：
10.第一获取模块，用于根据用户观看的视频，获取目标视频帧；
11.检测模块，用于对所述目标视频帧进行对象检测，得到所述用户的感兴趣对象；
12.确定模块，用于根据所述用户的感兴趣对象，确定与所述用户匹配的同兴趣用户集群，得到目标同兴趣用户集群；
13.推荐模块，用于在所述目标同兴趣用户集群对应的视频池中选取视频数据推荐给所述用户。
14.根据本公开的第三方面，提供了一种电子设备，包括：
15.至少一个处理器；以及
16.与所述至少一个处理器通信连接的存储器；其中，
17.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面任一所述的方法步骤。
18.根据本公开的第四方面，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，所述计算机指令用于使所述计算机执行第一方面任一所述的方法步骤。
19.根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现第一方面任一所述的方法步骤。
20.本公开实施例提供了一种视频数据推荐方法、装置、电子设备及存储介质，实现了视频数据的自动推荐。
21.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
22.附图用于更好地理解本方案，不构成对本公开的限定。其中：
23.图1是本公开实施例提供的视频数据推荐方法的一种流程图；
24.图2是本公开实施例提供的获取目标视频帧的流程图；
25.图3是本公开实施例提供的专注模式操作为放大操作时，得到用户的感兴趣对象的流程图；
26.图4是本公开实施例提供的得到目标同兴趣用户集群的流程图；
27.图5是本公开实施例提供的视频数据推荐方法的另一种流程图；
28.图6是本公开实施例提供的视频数据推荐装置的一种结构示意图；
29.图7是本公开实施例提供的视频数据推荐装置的另一种结构示意图；
30.图8是用来实现本公开实施例的视频数据推荐方法的电子设备的框图。
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.目前，对用户进行视频推荐时，仅考虑基于用户自身的历史视频观看数据所表征的兴趣偏好进行推荐，而忽略了用户所属的同兴趣群体对某一类视频的共性兴趣偏好，导致所推荐的内容较为单一，用户体验较差。
33.为了解决上述问题，本公开提供了一种视频数据推荐方法、装置、电子设备及存储介质，以下分别进行详细的说明。
34.本公开实施例中的视频数据推荐方法可以应用于电子设备。其中，电子设备可以包括服务器、终端等，例如，终端可以包括手机、电脑等。应用场景可以为直播带货、短视频平台的短视频推荐等。
35.图1是根据本公开实施例提供的视频数据推荐方法的一种流程图。如图1所示，包括以下步骤：
36.步骤s101，根据用户观看的视频，获取目标视频帧；
37.步骤s102，对目标视频帧进行对象检测，得到用户的感兴趣对象；
38.步骤s103，根据用户的感兴趣对象，确定与用户匹配的同兴趣用户集群，得到目标同兴趣用户集群；
39.步骤s104，在目标同兴趣用户集群对应的视频池中选取视频数据推荐给用户。
40.在本公开实施例中，根据用户观看的视频，获取目标视频帧；对目标视频帧进行对象检测，得到用户的感兴趣对象；根据用户的感兴趣对象，确定与用户匹配的同兴趣用户集群，得到目标同兴趣用户集群；在目标同兴趣用户集群对应的视频池中选取视频数据推荐给用户。。实现了视频数据的自动推荐，根据用户的感兴趣对象，得到目标同兴趣用户集群，再在目标同兴趣用户集群对应的视频池中选取视频数据推荐给用户，如此可以挖掘同兴趣用户群体的兴趣，基于同兴趣用户群体的兴趣偏好进行推荐，而不仅仅是基于用户自身的兴趣偏好进行推荐，可以使视频推荐更加智能，视频推荐的内容更加丰富，进而提升用户体
验。
41.参见图1，对本公开实施例提供的视频数据推荐方法进行详细说明，本公开实施例提供的视频数据推荐方法包括：
42.步骤s101，根据用户观看的视频，获取目标视频帧。
43.可以通过预设的视频帧提取方式，对用户观看的视频数据中的视频帧进行筛选，从而得到目标视频帧；其中，预设的视频帧提取方式可以根据实际情况自定义设置，例如可以为提取视频数据中的关键帧作为目标视频帧，例如可以按照预设的抽帧间隔来抽取视频帧作为目标视频帧；还可以是响应于用户的指定操作，如截屏、暂停、放大等操作来得到目标视频帧等；目标视频帧的数量可以根据实际需要自定义选取，可以是一帧也可以是多帧。
44.一个例子中，如图2所示，根据用户观看的视频，获取目标视频帧，包括以下步骤：
45.步骤s1011，在用户观看的视频的过程中，响应于用户的专注模式操作，对视频数据进行抽帧，得到视频帧集合。
46.在用户观看视频数据的过程中，根据用户所做出的专注模式操作，开启专注模式，专注模式可以是帧粒度专注模式，对用户观看的视频数据进行抽帧，得到多帧视频；其中，专注模式操作可以是系统默认的某种操作，如默认为区域放大操作，也可以是用户根据自身的喜好自定义设置的，如上述专注模式操作可以是区域放大操作、双击屏幕操作、或点击专注模式按钮等。
47.一些场景中，用户所观看的视频页面中会存在多处信息区域对视频页面造成遮挡，遮挡会影响后续根据视频帧检测用户的感兴趣对象，因此需要清空对视频页面造成遮挡的信息区域；例如信息区域可以是互动区、用户信息区、视频标题区等，其中互动区可以是弹幕区、用户发送礼物的显示区域、主播发送的优惠券显示区域等。因此在识别出用户的专注模式操作后，可以自动清空对视频页面造成遮挡的信息区域。
48.对用户观看的视频数据进行抽帧，得到多帧视频，多帧视频的数量可以根据实际需要进行自定义设置；一种可选的实施例中，识别用户进行的专注模式操作在视频数据中对应的时间点，对该时间点的前和该时间点后的预设时间段内对应的视频数据进行抽帧处理，得到多帧视频数据，预设时间段的时长也可以根据实际需要进行选择，例如2秒、3秒等。一个例子中，针对一个总时长为3分钟的视频，识别出用户进行的专注模式操作的时间但为第50秒，预设时间段的时长为3秒，则选取第47秒至第53 秒对应的视频进行抽帧处理，得到视频帧集合。
49.另一种可选的实施例中，直接针对用户所做出专注模式操作的视频数据整体进行抽帧处理，得到视频帧集合。
50.步骤s1012，展示视频帧集合中的视频帧。
51.得到视频帧后，将视频帧集合中的多帧视频帧展示在页面上，可以是以滚动条的方式展示多帧视频帧。用户可使用滑动滚动条的方式选择指定的视频帧，并且将该帧视频展示在页面上，如将滚动条滑到第2帧视频帧对应的滚动条长度，则在页面上展示第2帧视频。滚动条可以在页面的上方，也可以在页面的下方，不做限制。
52.步骤s1013，响应于用户对某一视频帧的主动截屏操作，得到目标视频帧。
53.一种的可选的实施例中，用户会对所展示的各视频帧中的某一帧或某几帧视频进行主动截屏操作，则将用户主动主动截屏的视频帧作为目标视频帧。
54.另一种可选的实施例中，用户会滑动滚动条，响应于用户对滚动条位置的选取，展示视频帧集合中与滚动条位置对应的视频帧，获取滚动条停留位置处的视频帧得到目标视频帧。以滚动条的方式展示所得到视频帧集合中的多帧视频帧，可以减少现实场景中因为进度条拖拽不准确所带来的问题。
55.又一种可选的实施例中，用户可能即会进行截屏操作，又会使滚动发生停留，则对依据截屏操作得到的第一目标视频帧和依据滚动条停留得到的第二目标视频帧进行加权，确定最终的目标视频帧，权重系数可以根据实际情况自定义设置，如认为截屏操作所反映用户的感兴趣更高，则将第一目标视频帧的权重系数设置的大一些。
56.本公开实施例中，清空对视频页面造成遮挡的信息区域，可以减少对后续检测用户的感兴趣对象的不利影响，根据用户对某一视频帧的主动截屏操作，可以更加准确的获取目标视频帧，如此后续基于对目标视频帧进行对象检测，也可以更加准确的到的用户的感兴趣对象。
57.步骤s102，对目标视频帧进行对象检测，得到用户的感兴趣对象。
58.可以通过计算机视觉技术，例如，基于深度学习的目标检测算法，对目标视频帧进行对象检测，从而得到用户的感兴趣对象。
59.在一种可能的实施方式中，若专注模式操作为放大操作，则如图3所示，对目标视频帧进行对象检测，得到用户的感兴趣对象，包括以下步骤：
60.步骤s1021，通过预先训练的深度学习模型对目标视频帧进行对象检测，得到至少一个感兴趣区域。
61.将目标视频帧输入预先训练好的深度学习模型中，模型对目标视频帧中的内容进行检测，得到模型检测出的用户可能感兴趣的对象以及对象所处的区域，其中对象可以是人物、商品等。
62.步骤s1022，确定放大操作所对应的放大区域。
63.确定用户所做出的放大操作在对应的视频帧中的所处的区域。
64.步骤s1023，将放大区域分别与至少一个感兴趣区域中的每一个感兴趣区域逐一进行匹配，得到匹配度最高的目标感兴趣区域。
65.将放大区域分别与各感兴趣区域进行匹配，在一个可选的实施例中，可以是识别区域放大操作对应的视频帧中的放大区域的像素位置，将放大区域的像素位置与感兴趣区域所处的视频帧中的像素位置进行匹配，若像素位置的重合度高则说明匹配度高，将匹配度最高的区域作为目标感兴趣区域。
66.一个例子中，可以将放大区域对应的对象分别与感兴趣区域对应的对象进行相似度匹配，从而得到匹配度最高的目标感兴趣区域。
67.步骤s1024，将目标感兴趣区域对应的对象作为用户的感兴趣对象。
68.本公开实施例中，将放大区域分别与各感兴趣区域进行匹配，来确定用户的感兴趣对象，可以使确定的用户的感兴趣对象更为准确。
69.步骤s103，根据用户的感兴趣对象，确定与用户匹配的同兴趣用户集群，得到目标同兴趣用户集群。
70.在一种可选的实施例中，根据用户的感兴趣对象，生成用户画像，如用户的感兴趣对象为手机，则生成的用户画像包含对手机感兴趣，再计算各用户画像之间的相似度，若满
足预设的相似度阈值，则划分为同兴趣用户集群，得到目标同兴趣用户集群。相似度阈值可以根据实际需要自动以设置，如设置为90％。
71.另一种可选的实施例中，如图4所示，步骤s103，包括：
72.步骤s1031，根据用户的感兴趣对象，生成用户的兴趣特征。
73.在获取到用户的感兴趣对象后，可以基于用户的感兴趣对象，来生成用户的兴趣特征；一个例子中，可以生成用于描述用户的感兴趣对象的文本，然后对该文本进行特征提取，从而得到用户的兴趣特征。
74.步骤s1032,获取多个同兴趣用户集群各自对应的兴趣特征。
75.每个同兴趣用户集群都有各自对应的兴趣特征。一个例子中，同兴趣用户集群可以通过兴趣特征聚类的方式得到，此种情况下，针对任一同兴趣用户集群，可以将该同兴趣用户集群的聚类中心的兴趣特征，作为该同兴趣用户集群的兴趣特征。聚类算法的类型可以是q型聚类，如层次聚类、 kmeans聚类等。
76.一个例子中，针对任一同兴趣用户集群，该同兴趣用户集群对应的兴趣特征，可以由该同兴趣用户集群中用户的兴趣特征统计分析得到。具体的，可以通过预设打点分析算法，在该同兴趣用户集群中选取打点用户，例如，可以选取活跃度高于预设活跃值的用户得到打点用户，或者选取兴趣特征中具备预设兴趣项目的用户得到打点用户等。在得到打点用户后，可以对各打点用户的兴趣特征中的兴趣项目的频次进行统计，得到频次最高的前n个兴趣项目，组合成该同兴趣用户集群对应的兴趣特征。还可以将各打点用户的兴趣特征均转换为兴趣特征向量，计算各兴趣特征向量的平均值，作为该同兴趣用户集群对应的兴趣特征等。
77.步骤s1033，将用户的兴趣特征与各同兴趣用户集群对应的兴趣特征进行匹配，将匹配度最高的同兴趣用户集群作为目标同兴趣用户集群。
78.兴趣特征的匹配可以通过计算相似度的方式实现，也可以通过计算差异度，例如，计算余弦距离的方式实现。一个例子中，根据预设计算公式，计算用户的兴趣特征数据与与其他用户的兴趣特征数据之间的距离，如计算欧式距离，若计算得到的距离满足预设距离条件，则将该用户与其他用户划分为同一分类，将该分类中的用户作为目标同兴趣用户集群。
79.本公开实施例中，根据用户的感兴趣对象，确定用户所属的同兴趣用户集群，得到目标同兴趣用户集群，如此，确定了用户所属的同兴趣用户集群，在后续对用户进行视频推荐时可以依据同兴趣用户集群的共同兴趣特征，使得推荐的依据更加丰富。
80.步骤s104，在目标同兴趣用户集群的视频池中选取视频数据推荐给用户。
81.目标同兴趣用户集群的视频池中包括多个视频数据，一个例子中，目标同兴趣用户集群的视频池中包括该用户集群中各用户观看过的或标注感兴趣的视频数据。
82.一种可选的实施例中，如图5所示，步骤s104之前，还可以包括：
83.步骤s501，获取用户的视频观看记录。
84.视频数据观看记录可以从电子设备本地获取，也可以从服务器获取。
85.步骤s502，将用户的视频数据观看记录中的各视频添加到目标同兴趣用户集群的视频池中。
86.另一种可选的实施例中，获取用户的视频数据观看记录，在观看记录中筛选与用
户的感兴趣对象相匹配的观看记录，将相匹配的视频数据观看记录中的各视频添加到目标同兴趣用户集群的视频池中。例如，当前确定出的用户的感兴趣对象为手机，用户的视频数据观看记录既包括关于手机观看记录又包括关于化妆品的观看记录，则将关于手机观看记录中的各视频添加到目标同兴趣用户集群的视频池中。
87.在目标同兴趣用户集群的视频池中选取视频数据推荐给用户，包括：
88.根据用户的视频数据观看记录，在目标同兴趣用户集群的视频池中，选取用户未观看过的频数据推荐给用户；一个例子中，可以针对用户，筛选出目标同兴趣用户集群的视频池中该用户未观看过的视频数据，将未观看过的频数据推荐给用户；也可以针对用户，筛选出目标同兴趣用户集群的视频池中该用户已观看过的视频数据，将未观看过的频数据推荐给用户。例如，将用户的视频数据观看记录对应的视频数据与目标同兴趣用户集群的视频池的视频数据进行匹配，将匹配成功的视频数据过滤掉，将为匹配成功的视频数据推荐给用户。
89.本发明实施例中，将用户的视频数据观看记录中的各视频添加到目标同兴趣用户集群的视频池中，可以挖掘同兴趣用户群体的兴趣，在所述目标同兴趣用户集群的视频池中，选取所述用户未观看过的频数据推荐给所述用户，基于同兴趣用户集群的共同兴趣偏好进行推荐，可以使视频推荐更加智能，视频推荐的内容更加丰富，进而提升用户体验。
90.图6是本公开实施例提供的视频数据推荐装置的一种结构示意图；参照图6，该装置包括：
91.第一获取模块601，用于根据用户观看的视频，获取目标视频帧；
92.检测模块602，用于对目标视频帧进行对象检测，得到用户的感兴趣对象；
93.确定模块603，用于根据用户的感兴趣对象，确定与用户匹配的同兴趣用户集群，得到目标同兴趣用户集群；
94.推荐模块604，用于在目标同兴趣用户集群对应的视频池中选取视频数据推荐给用户。
95.本公开实施例中，根据用户观看的视频，获取目标视频帧；对目标视频帧进行对象检测，得到用户的感兴趣对象；根据用户的感兴趣对象，确定与用户匹配的同兴趣用户集群，得到目标同兴趣用户集群；在目标同兴趣用户集群对应的视频池中选取视频数据推荐给用户。本公开实施例中，根据用户的感兴趣对象，得到目标同兴趣用户集群，再在目标同兴趣用户集群的视频池中选取视频数据推荐给用户，如此可以挖掘同兴趣用户群体的兴趣，基于同兴趣用户群体的兴趣偏好进行推荐，而不仅仅是基于用户自身的兴趣偏好进行推荐，可以使视频推荐更加智能，视频推荐的内容更加丰富，进而提升用户体验。
96.在一种可能的实施方式中，所述第一获取模块，具体用于在用户观看的视频数据的过程中，响应于用户的专注模式操作，对所述视频数据进行抽帧，得到多帧视频帧；展示所述视频帧集合中的视频帧；响应于用户对某一视频帧的主动截屏操作，得到目标视频帧。。
97.在一种可能的实施方式中，所述第一获取模块，具体用于在用户观看所述视频的过程中，响应于用户的专注模式操作，对所述视频进行抽帧，得到视频帧集合；响应于用户对滚动条位置的选取，展示所述视频帧集合中与所述滚动条位置对应的视频帧；获取滚动条停留位置处的视频帧得到目标视频帧。
98.在一种可能的实施方式中，所述专注模式操作至少包括用户对于所述视频当前展示的部分区域执行放大操作；所述检测模块，具体用于通过预先训练的深度学习模型对所述目标视频帧进行对象检测，得到至少一个感兴趣区域；确定所述放大操作所对应的放大区域；将所述放大区域分别与各所述至少一个感兴趣区域中的每一个感兴趣区域逐一进行匹配，得到匹配度最高的目标感兴趣区域；将所述目标感兴趣区域对应的对象作为所述用户的感兴趣对象。
99.在一种可能的实施方式中，所述确定模块，具体用于根据所述用户的感兴趣对象，生成所述用户的兴趣特征；获取多个同兴趣用户集群各自对应的兴趣特征；将所述用户的兴趣特征与各所述同兴趣用户集群对应的兴趣特征进行匹配，将匹配度最高的同兴趣用户集群作为目标同兴趣用户集群。
100.在一种可能的实施方式中，如图7所示，所述装置还包括：
101.第二获取模块701，用于获取所述用户的视频观看记录；
102.添加模块702，用于将所述用户的视频观看记录中的各视频添加到所述目标同兴趣用户集群的视频池中；
103.所述推荐模块，具体用于，在所述目标同兴趣用户集群的视频池中，选取所述用户未观看过的频数据推荐给所述用户。
104.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。
105.图8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。
106.如图8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。
107.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。
108.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，例如视频数据推荐方法。例如，在一些实施例中，视频数据推荐方法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ram 803并由计算单元801执行时，可以执行上文描述的视频数据推荐方法的一个或多个步骤。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)而被配置为执行视频数据推荐方法。
109.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)、复杂可编程逻辑设备(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。
110.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。
111.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。
112.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。
113.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。
114.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。
115.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。
116.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。