业务信息的处理方法、装置、设备及存储介质与流程

1.本发明实施例涉及信息处理技术领域，尤其涉及一种业务信息的处理方法、装置、设备及存储介质。


背景技术：

2.信用证是国际国内贸易结算时被广泛使用的一种支付方式。信用证业务过程中，记录信息的载体常常包括：(1)各类实体单据(纸质单据，图片单据等)；(2)金融企业(如银行)之间通讯使用的swift报文(如mt700报文，mt701报文)。在信用证的业务过程中，出口地指定银行需要审核单证，进口地开证行也需要审核单证。各类单据记录了众多信息，由此造成单据审核的过程中，数量众多、类型多样的单据差异，隐蔽性强的风险点，需要银行业工作人员进行审核和发觉。此外，银行业务人员需要在纸质单据、图片单据、swift报文等多种媒介中来回切换，严重影响审核效率。总之，信用证审核过程，体现出单据种类多，审核差异多，信用证风险点隐蔽性强，信息介质多样，审核要求精确，业务逻辑复杂等特点，造成业务人员审核效率慢，审核难等问题。


技术实现要素：

3.本发明实施例提供一种业务信息的处理方法、装置、设备及存储介质，可以提高业务信息的处理效率与准确率。
4.第一方面，本发明实施例提供了一种业务信息的处理方法，包括：基于业务类型确定差异审核项和风险点审核项；根据所述差异审核项确定第一电文域集及单据域集；根据所述风险点审核项确定第二电文域集及风险样本集；其中，所述第一电文域和第二电文域为对待审核业务报文进行域划分获得的；根据所述第一电文域集及单据域集确定所述待审核业务报文中的差异信息；根据所述第二电文域集及风险样本集确定所述待审核业务报文的风险信息。
5.第二方面，本发明实施例还提供了一种业务信息的处理装置，包括：审核项确定模块，用于基于业务类型确定差异审核项和风险点审核项；第一确定模块，用于根据所述差异审核项确定第一电文域集及单据域集；第二确定模块，用于根据所述风险点审核项确定第二电文域集及风险样本集；其中，所述第一电文域和第二电文域为对待审核业务报文进行域划分获得的；差异信息确定模块，用于根据所述第一电文域集及单据域集确定所述待审核业务报文中的差异信息；风险信息确定模块，用于根据所述第二电文域集及风险样本集确定所述待审核业务报文的风险信息。
6.第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：
7.至少一个处理器；以及
8.与所述至少一个处理器通信连接的存储器；其中，
9.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序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本发明实施例任一项所述
的业务信息的处理方法。
10.第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明实施例中任一项所述业务信息的处理方法。
11.本实施例的技术方案，通过基于业务类型确定差异审核项和风险点审核项；根据差异审核项确定第一电文域集及单据域集；根据风险点审核项确定第二电文域集及风险样本集；其中，第一电文域和第二电文域为对待审核业务报文进行域划分获得的；根据第一电文域集及单据域集确定待审核业务报文中的差异信息；根据第二电文域集及风险样本集确定待审核业务报文的风险信息。本发明实施例，通过根据第一电文域集及单据域集确定待审核业务报文中的差异信息以及根据第二电文域集及风险样本集确定待审核业务报文的风险信息的方式，可以确定出待审核业务报文中的差异信息和风险信息，实现业务信息的自动化处理，从而可以提高业务信息的处理效率和审核准确率，以及提高业务信息处理的智能化程度。
附图说明
12.图1为本发明实施例提供的一种业务信息的处理方法的流程图；
13.图2为本发明实施例提供的基于设定信息抽取模型识别待审核业务报文的差异信息的流程示意图；
14.图3为本发明实施例提供的基于设定文本匹配模型识别待审核业务报文的风险信息的流程示意图；
15.图4为本发明实施例提供的一种业务信息的处理装置的结构示意图；
16.图5是实现本发明实施例的电子设备的结构示意图。
具体实施方式
17.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
18.图1为本发明实施例提供的一种业务信息的处理方法的流程图，本实施例可适用于对信用证审核的情况，该方法可以由业务信息的处理装置来执行，具体包括如下步骤：
19.s110、基于业务类型确定差异审核项和风险点审核项。
20.其中，业务类型可以理解为对金融企业中需要处理的事务的不同所进行的种类划分。以银行为例，业务类型可以包括贸易融资、付款、借款等业务。本实施例对此不作限制。在实际应用中，对于信用证，用于记录信息的载体，可以包括单据和待审核业务报文，待审核业务报文可以是swift报文(如mt700报文，mt701报文)，单据可以是纸质单据、图片单据等。单据和待审核业务报文所记录的信息可以认为是相同的。因此，待审核业务报文和单据内容信息之间的差异信息可以作为差异审核项。可以将待审核业务报文中具有风险的信息作为风险点审核项。差异审核项和风险点审核项均是根据历史审核信用证的信息预先建立的。
21.可选的，基于业务类型确定差异审核项和风险点审核项的方式可以是：根据业务
类型确定审核规则集；确定审核规则集中各审核规则包括的多个差异审核项和多个风险点审核项。
22.需要说明的是，每个业务类型可以对应多个审核规则组成的审核规则集。即每个业务类型可以对应一个审核规则集。其中，审核规则集可以表示为(审核规则1，审核规则2，...，审核规则n)。每个审核规则包括多个差异审核项和多个风险点审核项。因此，可以根据业务类型确定对应的审核规则集，根据审核规则集确定多个审核项集，即多个差异审核项和多个风险点审核项。审核项集可以表示为((风险点审核项1，风险点审核项2，...，风险点审核项m，差异审核项1，差异审核项2，...，差异审核项n))。
23.其中，审核规则可以用于筛选每笔业务需要审核的内容。每个规则集对应的多个差异审核项存储于对应的差异审核项库中，每个规则集对应的多个风险点审核项存储于对应的风险点审核项库中。
24.需要说明的是，对于审核规则集的建立方式可以是：首先对信用证审核业务类型进行分类，具体可分为出口审核单、进口审核单、出口审核证以及进口审核证，然后建立对应的审核规则集。相应的存储格式可以是：以(业务类型识别号，审核规则识别号)为主键建立第一数据表。对于风险点审核项库的建立方式可以是：对所有可能出现的风险点审核的内容进行划分，以风险点审核项为单条记录进行存储。相应的存储格式可以是：以(风险点类别识别号，风险点审核项识别号)为主键，以(审核规则识别号)为外键，建立第二数据表。对于差异审核项库的建立方式可以是：对所有可能出现的差异审核的内容进行划分，以差异审核项为单条记录进行存储。相应的存储格式可以是：以(差异类别识别号，差异审核项识别号)为主键，以(审核规则识别号)为外键，建立第三数据表。
25.s120、根据差异审核项确定第一电文域集及单据域集。
26.需要说明的是，每个差异审核项还具有对应的单据库和信用证库，单据库用于存储多个需要差异审核的单据域，即单据域集。信用证库用于存储多个需要差异审核的第一电文域，即第一电文域集。具体的，对于每一个差异审核项，可以根据信用证库和单据库，形成一条第一电文域集和单据域集。第一电文域集由多个第一电文域组成。单据域集由多个单据域组成。第一电文域集与单据域集可以表示为((第一电文域1，第一电文域2，...，第一电文域m),(单据域1，单据域2，...，单据域n))。
27.本实施例中，对于单据库的建立方式可以是：利用图片文字识别技术，将需要审核的单据域识别为文本，并将各个单据域文本作为一条记录保存，相应的存储格式可以是：以(单据识别号，单据域识别号)为主键，以(差异审核项识别号)为外键，建立第四数据表。对于信用证库的建立方式可以是：对需要审核的每一条待审核业务报文中的电文按每一个域切分抽取出来，以第一电文域或第二电文域作为表的一条记录进行存储。相应的存储格式可以是：以(电文识别号，第一电文域识别号)为主键和以(电文识别号，第二电文域识别号)为主键，以(差异审核项识别号)为外键，建立第五数据表。
28.s130、根据风险点审核项确定第二电文域集及风险样本集。
29.其中，第一电文域和第二电文域为对待审核业务电文进行域划分获得的。需要说明的是，每个风险点审核项还具有对应的风险样本库和信用证库，风险样本库用于存储多个需要风险点审核的风险样本，即风险样本集。信用证库也可以用于存储多个需要风险点审核的第二电文域，即第二电文域集。第二电文域集与风险样本集可以表示为((第二电文
域1，第二电文域2，...，第二电文域m),(风险样本1，风险样本2，...，风险样本n))。需要说明的是，对于风险样本库的建立方式可以是：将历史信用证库中出现过的各种风险点描述语句，进行分析统计，根据各个风险点，把常见的语句作为范例，并作为表的一条记录进行存储。对于存储的格式可以是：以(风险点类别识别号，风险样本识别号)为主键，(审核规则识别号)为外键，建立第六数据表。
30.需要说明的是，对于各数据表的映射关系可以是：第一数据表与第二数据表是一对多关系，第一数据表与第三数据表是一对多关系，第二数据表与第六数据表是一对多关系，第二数据表与第五数据表是一对多关系，第三数据表与第四数据表是一对多的关系，第三数据表与第五数据表是一对多关系。
31.s140、根据第一电文域集及单据域集确定待审核业务报文中的差异信息。
32.本实施例中，对于确定待审核业务报文中的差异信息的方式，本实施例不作限制，例如可以通过对第一电文域集和单据域集进行一一匹配的方式，筛选出待审核业务报文中的差异信息。
33.可选的，根据第一电文域集及单据域集确定待审核业务报文中的差异信息的方式可以是：将第一电文域集输入设定信息抽取模型，输出第一抽取结果集；将单据域集输入设定信息抽取模型，输出第二抽取结果集；将第一抽取结果集和第二抽取结果集进行比对，获得待审核业务报文中的差异信息。
34.其中，对于设定信息抽取模型，本实施例对具体所使用的网络不作限制。可选的，设定信息抽取模型包括语言表征bert网络、前后向长短时记忆lstm网络及条件随机场crf网络。
35.其中，bert网络(bidirectional encoder representation from transformers，bert)主要作用是对输入的文本语句进行编码，前后向长短时记忆(bi-directional long short-term memory，bilstm)网络主要作用是对文本的实体进行预测，条件随机场(conditional random field，crf)网络的主要作用是使bilstm的输出变得更合理。对于bert网络，可以利用开源的bert预训练模型，并且在实际的应用过程中，可以利用单据域集和第一电文域集进行微调，实现适用于差异审核的bert网络。对于设定信息抽取模型的构建方式可以是：第一、从信用证库和单据库导出文本数据，并执行去停用词等清洗操作，得到样本。第二、根据差异审核项确定实体类型，对样本进行标注，以构建训练数据集和测试数据集。第三、下载开源bert网络，并利用训练数据集和测试数据集对bert网络进行微调。第四、利用训练数据集对bert网络、bilstm网络以及crf网络三层算法组成的设定信息抽取模型进行训练，并利用测试数据集，优化参数。
36.具体的，对于设定信息抽取模型的应用方式可以是：将第一电文域集输入至设定信息抽取模型中，该设定信息抽取模型输出第一电文域集对应的多个第一抽取结果，将单据域集输入至设定信息抽取模型中，该设定信息抽取模型输出单据域集对应的多个第二抽取结果，得到多个第一抽取结果和多个第二抽取结果之后，对多个第一抽取结果和多个第二抽取结果进行遍历，在遍历的过程中，进行一一匹配，若不匹配，则存在差异信息，并可以获得待审核业务报文中的差异信息。示例性的，图2为本发明实施例提供的基于设定信息抽取模型识别待审核业务报文的差异信息的流程示意图。s210、基于业务类型确定审核规则集，并根据审核规则集确定差异审核项。s220、根据差异审核项确定第一电文域集及单据域
集。s230、将第一电文域集输入设定信息抽取模型，输出第一抽取结果集。s240、将单据域集输入设定信息抽取模型，输出第二抽取结果集。s250、将第一抽取结果集和第二抽取结果集进行比对，获得待审核业务报文中的差异信息。
37.s150、根据第二电文域集及风险样本集确定待审核业务报文的风险信息。
38.本实施例中，对于确定待审核业务报文中风险信息的方式，本实施例不作限制，例如可以通过对第二电文域集和风险样本集进行相似度的计算，筛选出待审核业务报文中的风险信息。
39.可选的，根据第二电文域集及风险样本集确定待审核业务报文的风险信息的方式可以是：对于第二电文域集中的每个第二电文域，确定第二电文域与风险样本集中各风险样本的相似度；若存在大于设定阈值的相似度，则将第二电文域确定为风险电文域。
40.具体的，将第二电文域集中的每个第二电文域分别与风险样本集中各风险样本进行相似度的计算，对于相似度计算的算法，本实施例对此不作限制，如余弦相似度算法。当计算相似度之后，若该相似度大于设定阈值，如90％，则说明匹配到具有风险的第二电文域，并将相应的第二电文域作为风险电文域。
41.可选的，根据第二电文域集及风险样本集确定待审核业务报文的风险信息的方式可以是：将第二电文域集及风险样本集输入设定文本匹配模型，输出风险电文域。
42.其中，对于设定文本匹配模型，本实施例对具体所使用的网络不作限制。可选的，设定文本匹配模型包括卷积神经网络cnn、深度结构化语义网络dssm及逻辑回归网络lr。
43.其中，卷积神经网络(convolutional neural networks,cnn)具有较强的特征抽取能力，深度结构化语义网络(deep structured semantic models,dssm)用于计算输入样本的相似性。卷积神经网络cnn、深度结构化语义网络dssm进行组合可以将风险样本和第二电文域样本进行哈希，并且将文本的时序特征抽取出来，以用于相似度计算。逻辑回归网络(logistic regression，lr)可以用于对风险样本与第二电文域的计算出来的相似度进行预估，从而得到与风险样本相似的风险电文域。对于设定文本匹配模型的构建方式可以是：第一、对信用证库历史数据中的风险点进行分类，并将每个风险点可能出现的描述语句进行导出。第二、对同一类的描述语句两两配对，作为一个相似样本，对不属于同一类或非风险点语句两两配对，形成非相似样本。第三、整合相似样本和非相似样本形成训练数据集和测试数据集。第四、利用训练数据集对卷积神经网络cnn、深度结构化语义网络dssm进行组合的设定文本匹配模型进行训练，并利用测试数据集，优化模型参数。
44.具体的，对于设定文本匹配模型的应用方式可以是：将第二电文域集及风险样本集输入设定文本匹配模型中进行相似度的计算，并利用逻辑回归网络lr进行预估，筛选出与风险样本相似的第二电文域，即风险电文域。示例性的，图3为本发明实施例提供的基于设定文本匹配模型识别待审核业务报文的风险信息的流程示意图。s310、基于业务类型确定审核规则集，并根据审核规则集确定风险点审核项。s320、根据风险点审核项确定第二电文域集及风险样本集。s330、将第二电文域集及风险样本集输入设定文本匹配模型，输出风险电文域。本实施例，通过将第二电文域集及风险样本集输入设定文本匹配模型，输出风险电文域，从而识别出待审核业务报文的风险信息。
45.本实施例的技术方案，通过基于业务类型确定差异审核项和风险点审核项；根据差异审核项确定第一电文域集及单据域集；根据风险点审核项确定第二电文域集及风险样
本集；其中，第一电文域和第二电文域为对待审核业务报文进行域划分获得的；根据第一电文域集及单据域集确定待审核业务报文中的差异信息；根据第二电文域集及风险样本集确定待审核业务报文的风险信息。本发明实施例，通过根据第一电文域集及单据域集确定待审核业务报文中的差异信息以及根据第二电文域集及风险样本集确定待审核业务报文的风险信息的方式，可以确定出待审核业务报文中的差异信息和风险信息，实现业务信息的自动化处理，从而可以提高业务信息的处理效率和审核准确率，以及提高业务信息处理的智能化程度。
46.图4为本发明实施例提供的一种业务信息的处理装置的结构示意图。如图4所示，装置包括：审核项确定模块401、第一确定模块402、第二确定模块403、差异信息确定模块404及风险信息确定模块405；
47.审核项确定模块401，用于基于业务类型确定差异审核项和风险点审核项；
48.第一确定模块402，用于根据所述差异审核项确定第一电文域集及单据域集；
49.第二确定模块403，用于根据所述风险点审核项确定第二电文域集及风险样本集；其中，所述第一电文域和第二电文域为对待审核业务报文进行域划分获得的；
50.差异信息确定模块404，用于根据所述第一电文域集及单据域集确定所述待审核业务报文中的差异信息；
51.风险信息确定模块405，用于根据所述第二电文域集及风险样本集确定所述待审核业务报文的风险信息。
52.本实施例的技术方案，通过审核项确定模块基于业务类型确定差异审核项和风险点审核项；通过第一确定模块根据所述差异审核项确定第一电文域集及单据域集；通过第二确定模块根据所述风险点审核项确定第二电文域集及风险样本集；其中，所述第一电文域和第二电文域为对待审核业务报文进行域划分获得的；通过差异信息确定模块根据所述第一电文域集及单据域集确定所述待审核业务报文中的差异信息；通过风险信息确定模块根据所述第二电文域集及风险样本集确定所述待审核业务报文的风险信息。本发明实施例，通过根据所述第一电文域集及单据域集确定所述待审核业务报文中的差异信息以及根据所述第二电文域集及风险样本集确定所述待审核业务报文的风险信息的方式，可以确定出待审核业务报文中的差异信息和风险信息，实现业务信息的自动化处理，从而可以提高业务信息的处理效率和审核准确率，以及提高业务信息处理的智能化程度。
53.可选的，审核项确定模块具体用于：根据业务类型确定审核规则集；确定所述审核规则集中各审核规则包括的多个差异审核项和多个风险点审核项。
54.可选的，差异信息确定模块还用于：将所述第一电文域集输入设定信息抽取模型，输出第一抽取结果集；将所述单据域集输入设定信息抽取模型，输出第二抽取结果集；将所述第一抽取结果集和所述第二抽取结果集进行比对，获得所述待审核业务报文中的差异信息。
55.可选的，所述设定信息抽取模型包括语言表征bert网络、前后向长短时记忆lstm网络及条件随机场crf网络。
56.可选的，风险信息确定模块还用于：对于所述第二电文域集中的每个第二电文域，确定所述第二电文域与所述风险样本集中各风险样本的相似度；若存在大于设定阈值的相似度，则将所述第二电文域确定为风险电文域。
57.可选的，风险信息确定模块还用于：将所述第二电文域集及风险样本集输入设定文本匹配模型，输出风险电文域。
58.可选的，所述设定文本匹配模型包括卷积神经网络cnn、深度结构化语义网络dssm及逻辑回归网络lr。
59.上述装置可执行本发明前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明前述所有实施例所提供的方法。
60.图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
61.如图5所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计算机程序或者从存储单元18加载到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。输入/输出(i/o)接口15也连接至总线14。
62.电子设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。
63.处理器11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。处理器11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处理器、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。处理器11执行上文所描述的各个方法和处理，例如方法业务信息的处理。
64.在一些实施例中，方法业务信息的处理可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到ram 13并由处理器11执行时，可以执行上文描述的方法业务信息的处理的一个或多个步骤。备选地，在其他实施例中，处理器11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业务信息的处理。
65.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。
66.用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
67.在本发明的上下文中，计算机可读存储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计算机程序。计算机可读存储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。备选地，计算机可读存储介质可以是机器可读信号介质。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。
68.为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：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电子设备。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。
69.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)、区块链网络和互联网。
70.计算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，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
71.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，本发明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，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
72.上述具体实施方式，并不构成对本发明保护范围的限制。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。任何在本发明
的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。