应用于大数据和在线教育的业务处理方法及大数据服务器与流程

1.本技术涉及大数据和在线教育技术领域，特别涉及一种应用于大数据和在线教育的业务处理方法及大数据服务器。


背景技术：

2.在线教育，是以互联网为媒介的教学方式。通过互联网，学员与教师能够打破地域限制，灵活地开展教学活动。此外，借助在线网络课件，学员还可以随时随地进行学习，从而实现区域化的教学资源共享。无论对于处于异地的学生而言，还是对于工作繁忙、学习时间不固定的职场人而言，网络在线教育能够改变传统的教学方式，为上述目标群体提供诸多便利。
3.随着大数据的不断发展，各类在线教育服务平台也在不断优化和更新，以提供更好的在线教育服务产品。一般而言，在进行在线教育服务产品的优化和更新之前，需要对相关在线教育场景进行课程日志分析以获得用于指导在线教育服务产品优化和更新的信息。然而发明人发现，相关的课程日志分析技术还存在处理效率低下的问题。


技术实现要素：

4.鉴于上述内容，本技术提供了如下方案。
5.本技术实施例之一的方案提供一种应用于大数据和在线教育的业务处理方法，应用于在线教育大数据服务器，所述方法包括：判断当前获取到的在线教育互动数据是否满足预设的针对在线教育互动数据的热点课程事件分析条件，如果是，确定所述在线教育互动数据为第一热点课程事件；将所述第一热点课程事件导入已生成的第一全局同步课程日志，并获取与第一全局同步课程日志相对应的历史全局同步课程日志；其中，所述历史全局同步课程日志与所述第一全局同步课程日志对应同一课程交互状态；利用所述历史全局同步课程日志判断是否需要对第一全局同步课程日志进行调整；若是，则利用所述历史全局同步课程日志调整所述第一全局同步课程日志。
6.优选的，所述利用所述历史全局同步课程日志判断是否需要对第一全局同步课程日志进行调整包括：判断所述历史全局同步课程日志中的所有热点课程事件中是否存在与所述第一热点课程事件相对应的第二热点课程事件，所述第一热点课程事件与所述第二热点课程事件中相对应的课程事件描述内容的数量大于第一设定数量，若存在，则判定需要对第一全局同步课程日志进行调整；和/或，判断所述历史全局同步课程日志中所有热点课程事件和所述第一全局同步课程日志中的所有热点课程事件中，是否存在与所述第一热点课程事件相对应的第三热点课程事件，所述第一热点课程事件与所述第三热点课程事件中相对应的课程事件描述内容的数
量大于第二设定数量，若存在，则判定需要对当前全局同步课程日志进行调整。
7.优选的，所述利用所述历史全局同步课程日志调整所述第一全局同步课程日志包括：利用所述历史全局同步课程日志从所述第一全局同步课程日志中确定待进行处理的热点课程事件序列seq1；确定所述热点课程事件序列seq1中各热点课程事件的第一课程互动信息，第一课程互动信息用于表征互动描述信息和互动状态信息；将所述热点课程事件序列seq1中各热点课程事件的第一课程互动信息作为模型输入信息导入至已完成训练的课程互动信息处理模型得到所述热点课程事件序列seq1中各热点课程事件的第二课程互动信息；针对所述热点课程事件序列seq1中各热点课程事件，在第一全局同步课程日志中确定与该热点课程事件相对应的课程日志片段；利用该热点课程事件的第一课程互动信息、第二课程互动信息更新所述课程日志片段在所述第一全局同步课程日志中的互动内容。
8.优选的，所述利用所述历史全局同步课程日志从所述第一全局同步课程日志中确定待进行处理的热点课程事件序列seq1包括：利用所述历史全局同步课程日志中的所有热点课程事件和所述第一全局同步课程日志中的所有热点课程事件创建课程互动处理集；将所述课程互动处理集中的第一热点课程事件作为当前课程事件；将当前课程事件加载至热点课程事件序列seq1，判断所述课程互动处理集中是否存在当前课程事件的上游课程事件，所述当前课程事件的上游课程事件导入至第一全局同步课程日志的时刻先于所述当前课程事件；若否，终止当前步骤；若是，判断当前课程事件与所述历史全局同步课程日志之间是否满足设定的关联性判定条件，若否，将所述当前课程事件的上游课程事件确定为当前课程事件，并返回所述将当前课程事件加载至热点课程事件序列seq1的步骤，若是，终止当前步骤；相应的，所述利用所述历史全局同步课程日志中的所有热点课程事件和所述第一全局同步课程日志中的所有热点课程事件创建课程互动处理集包括：针对热点课程事件序列seq2中每一热点课程事件，确定该热点课程事件在所处全局同步课程日志中关联的课程日志片段的课程日志片段序列；热点课程事件序列seq2至少包括：所述历史全局同步课程日志中的所有热点课程事件和所述第一全局同步课程日志中的所有热点课程事件；若所述热点课程事件序列seq2中任意两个热点课程事件关联的课程日志片段序列中存在大于x个的相同的课程日志片段，则通过设定方式将该两个热点课程事件进行融合，生成所述课程互动处理集，x为大于0的自然数；相应的，所述判断当前课程事件与所述历史全局同步课程日志之间是否满足设定的关联性判定条件包括：判断当前课程事件的上游课程事件是否为所述历史全局同步课程日志中的热点课程事件，若是，确定当前课程事件与所述历史全局同步课程日志之间满足设定的关联性
判定条件，若否，确定当前课程事件与所述历史全局同步课程日志之间不满足设定的关联性判定条件；和/或，判断当前课程事件是否与所述历史全局同步课程日志中的至少一个热点课程事件满足以下条件：相对应的课程事件描述内容的数量大于第三设定数量；若是，确定当前课程事件与所述历史全局同步课程日志之间满足设定的关联性判定条件，若否，确定当前课程事件与所述历史全局同步课程日志之间不满足设定的关联性判定条件。
9.优选的，所述利用该热点课程事件的第一课程互动信息、第二课程互动信息更新所述课程日志片段在所述第一全局同步课程日志中的互动内容包括：利用该热点课程事件的第一课程互动信息、第二课程互动信息对所述课程日志片段的资源互动描述信息进行资源优化；利用优化后的资源互动描述信息更新所述课程日志片段在所述第一全局同步课程日志的互动内容。
10.优选的，所述利用所述历史全局同步课程日志调整所述第一全局同步课程日志包括：将所述历史全局同步课程日志中的课程日志片段与第一全局同步课程日志中的课程日志片段进行整合，得到已整合的全局同步课程日志；对所述已整合的全局同步课程日志中的热点课程事件的课程互动信息和热点课程事件相对应的课程日志片段的互动内容进行调整，以使调整后得到的全局同步课程日志中，关联至少一个相同课程日志片段的热点课程事件之间的课程互动信息的比较结果满足设定条件。
11.优选的，所述方法还包括：对第一全局同步课程日志中的所有热点课程事件进行聚类，得到至少两个热点课程事件聚类；针对每一热点课程事件聚类，判断该热点课程事件聚类中热点课程事件的数量是否大于预设的数量阈值，若是，则从热点课程事件聚类中确定噪声热点课程事件，并从第一全局同步课程日志中剔除所述噪声热点课程事件；相应的，所述对第一全局同步课程日志中的所有热点课程事件进行聚类，得到至少两个热点课程事件聚类包括：按照随机森林模型并利用第一全局同步课程日志中所有热点课程事件生成热点课程事件图数据；将所述热点课程事件图数据的原始图单元作为当前图单元，针对所述热点课程事件图数据中除当前图单元以外的每一其他图单元，确定当前图单元与该其他图单元的课程互动信息的比较结果得到第一比较结果描述值，若所述第一比较结果描述值小于预设的课程互动差异描述阈值，则将该其他图单元与当前图单元纳入同一热点课程事件聚类；判断与当前图单元纳入同一热点课程事件聚类的每一其他图单元是否具有下游图单元，若否，终止当前步骤；若是，将与当前课程事件纳入同一热点课程事件聚类的每一其他图单元的每一下游课程事件作为当前课程事件，返回针对所述热点课程事件图数据中除当前图单元以外的每一其他图单元，确定当前图单元与该其他图单元的课程互动信息的
比较结果得到第一比较结果描述值的步骤。
12.优选的，所述将所述第一热点课程事件导入已生成的第一全局同步课程日志时进一步包括：记录当前时刻为第一热点课程事件的课程日志导入时刻；所述从热点课程事件聚类中确定噪声热点课程事件包括：将所述热点课程事件聚类中课程日志导入时刻最早的热点课程事件确定为噪声热点课程事件；或者，针对所述热点课程事件聚类中的每一热点课程事件，确定该热点课程事件与该热点课程事件聚类中的其他热点课程事件之间的相似度；将对应的相似度最小的热点课程事件确定为噪声热点课程事件。
13.优选的，所述将所述第一热点课程事件导入已生成的第一全局同步课程日志时进一步包括：记录当前时刻为第一热点课程事件的课程日志导入时刻；所述从热点课程事件聚类中确定噪声热点课程事件包括：对热点课程事件聚类中的所有热点课程事件进行划分，其中，同一划分分组中的各热点课程事件关联有相同的课程日志片段；判断所有划分分组中是否存在满足指定条件的划分分组，所述指定条件为：所述划分分组中的热点课程事件不属于同一全局同步课程日志；若是，则将所述满足指定条件的划分分组中课程日志导入时刻最早的热点课程事件确定为噪声热点课程事件；若否，则将所有划分分组的所有热点课程事件中课程日志导入时刻最早的热点课程事件确定为噪声的热点课程事件。
14.本技术实施例之一的方案提供一种在线教育大数据服务器，包括处理引擎、网络模块和存储器；所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎从所述存储器中读取计算机程序并运行，以执行上述的方法。
15.在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。
附图说明
16.本技术将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：图1是根据本技术的一些实施例所示的一种示例性应用于大数据和在线教育的业务处理方法和/或过程的流程图；图2是根据本技术的一些实施例所示的一种示例性应用于大数据和在线教育的业务处理装置的框图；图3是根据本技术的一些实施例所示的一种示例性应用于大数据和在线教育的业务处理系统的框图，以及图4是根据本技术的一些实施例所示的一种示例性在线教育大数据服务器中硬件和软件组成的示意图。
具体实施方式
17.为了更清楚地说明本技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本技术的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本技术应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
18.应当理解，本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
19.如本技术和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
20.本技术中使用了流程图用来说明根据本技术的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
21.为了更好的理解上述技术方案，下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明，而不是对本发明技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。
22.本技术提供的应用于大数据和在线教育的业务处理方法及大数据服务器的整体方案可以总结为如下：将当前获取到的满足预设的针对在线教育互动数据的热点课程事件分析条件的在线教育互动数据确定为第一热点课程事件并导入第一全局同步课程日志，在通过获取到的历史全局同步课程日志判断出需要对第一全局同步课程日志进行调整时，利用历史全局同步课程日志调整第一全局同步课程日志。实现了对持续可变的在线教育互动场景的全局同步课程日志的生成，并且由于在生成全局同步课程日志的过程中，利用同一课程交互状态的历史全局同步课程日志对已生成的全局同步课程日志进行调整，从而可以降低已生成的全局同步课程日志的课程日志错误率，进而确保生成的全局同步课程日志在较长时间范围内的可用性，还可以确保对生成的全局同步课程日志的快速、实时更新和优化。
23.为便于对上述技术方案进行进一步说明，首先，对应用于大数据和在线教育的业务处理方法进行示例性的说明，请参阅图1，是根据本技术的一些实施例所示的一种示例性应用于大数据和在线教育的业务处理方法和/或过程的流程图，应用于大数据和在线教育的业务处理方法可以包括以下步骤s1-步骤s3所描述的技术方案。
24.步骤s1：在线教育大数据服务器判断当前获取到的在线教育互动数据是否满足预设的针对在线教育互动数据的热点课程事件分析条件，如果是，确定所述在线教育互动数据为第一热点课程事件。
25.在一些应用环境下，在线教育大数据服务器与在线教育交互设备（比如教师端设
备或者学生端设备）通信连接，相应的，在线教育大数据服务器可以从在线教育交互设备中获取在线教育互动数据。
26.在线教育互动数据可以包括不同在线教育交互设备之间的语音交流数据、文字交流数据和图像交流数据。进一步地，热点课程事件分析条件用于对在线教育互动数据进行在线教育的课程热度分析，或者可以理解为用于对在线教育互动数据进行课程受欢迎程度或者课程订阅热度分析，但不限于此。
27.此外，第一热点课程事件可以理解为具有较高课程热度（学生、家长反映度良好）或者具有较高教学质量成果（教学测试评分高）的课程事件。换言之，第一热点课程事件可以理解为重点课程事件。在一些实施例中，确定所述在线教育互动数据为第一热点课程事件可以理解为：对在线教育互动数据进行特征提取，根据特征提取结果识别出对应的第一热点课程事件，从而便于后续进行课程日志的更新和调整。
28.在相关实施例中，可以通过对在线教育互动数据的课程反馈评论进行识别以判断是否满足热点课程事件分析条件，还可以通过对在线教育互动数据的订阅次数进行统计以判断是否满足热点课程事件分析条件，本技术实施例不作限定。
29.步骤s2：在线教育大数据服务器将所述第一热点课程事件导入已生成的第一全局同步课程日志，并获取与第一全局同步课程日志相对应的历史全局同步课程日志。
30.在本技术实施例中，所述历史全局同步课程日志与所述第一全局同步课程日志对应同一课程交互状态。例如，课程交互状态用于对不同的在线教育课程交互情况进行区分，通过定位历史全局同步课程日志和第一全局同步课程日志的课程交互状态，能够确保后续第一全局同步课程日志的调整过程中不会出现课程日志错误和混乱。又例如，历史全局同步课程日志可以是当前获取到的在线教育互动数据的获取时刻之前的历史全局同步课程日志，比如一小时前、一天前等。
31.在实际实施过程中，可以将第一热点课程事件插入第一全局同步课程日志中，第一全局同步课程日志记录了不同热点课程事件的分布情况，包括但不限于课程事件内容、师资配备情况、学员画像信息和授课质量测评信息等。本技术实施例中，第一全局同步课程日志能够用于后续的在线教育业务升级，比如通过第一全局同步课程日志进行课程内容优化、师资调度、学员沟通和教学方式调整等。此外，第一全局同步课程日志还记录了不同热点课程事件的时序先后情况，从而确保不同热点课程事件的可追溯性，便于后期对第一全局同步课程日志进行完整的大数据分析和挖掘。
32.步骤s3：在线教育大数据服务器利用所述历史全局同步课程日志判断是否需要对第一全局同步课程日志进行调整；若是，则利用所述历史全局同步课程日志调整所述第一全局同步课程日志。
33.在本技术实施例中，对第一全局同步课程日志进行调整可以理解为对第一全局同步课程日志进行修正和更新，从而尽可能减少第一全局同步课程日志中的课程日志错误率，由于每导入一次第一热点课程事件就会进行一次调整判断，因而能够确保对第一全局同步课程日志的实时修正和更新，从而降低已生成的全局同步课程日志的课程日志错误率，进而确保生成的全局同步课程日志在较长时间范围内的可用性，还可以确保对生成的全局同步课程日志的快速、实时更新和优化。
34.在一些可能的实施例中，上述步骤s3所描述的利用所述历史全局同步课程日志判
断是否需要对第一全局同步课程日志进行调整，可以通过以下两种判断方式中的其中一种判断方式实现。
35.第一种判断方式，判断所述历史全局同步课程日志中的所有热点课程事件中是否存在与所述第一热点课程事件相对应的第二热点课程事件，所述第一热点课程事件与所述第二热点课程事件中相对应的课程事件描述内容的数量大于第一设定数量，若存在，则判定需要对第一全局同步课程日志进行调整。
36.在第一种判断方式中，第二热点课程事件可以与第一热点课程事件相匹配。进一步地，课程事件描述内容可以理解为热点课程事件的事件特征，若所述第一热点课程事件与所述第二热点课程事件中相对应的课程事件描述内容的数量大于第一设定数量，则可以判定所述历史全局同步课程日志中的所有热点课程事件中存在与所述第一热点课程事件相对应的第二热点课程事件，在这种情况下，由于在后的第一热点课程事件与在先的第二热点课程事件匹配，因而需要对第一热点课程事件以及第二热点课程事件进行比较分析，从而实现对第一全局同步课程日志的调整。
37.第二种判断方式，判断所述历史全局同步课程日志中所有热点课程事件和所述第一全局同步课程日志中的所有热点课程事件中，是否存在与所述第一热点课程事件相对应的第三热点课程事件，所述第一热点课程事件与所述第三热点课程事件中相对应的课程事件描述内容的数量大于第二设定数量，若存在，则判定需要对当前全局同步课程日志进行调整。
38.与第一种判断方式类似，若所述第一热点课程事件与所述第三热点课程事件中相对应的课程事件描述内容的数量大于第二设定数量，则判定存在与所述第一热点课程事件相对应的第三热点课程事件，由于在后的第一热点课程事件与在先的第三热点课程事件匹配，因而需要对第一热点课程事件以及第三热点课程事件进行比较分析，从而实现对第一全局同步课程日志的调整。
39.对于上述的两种判断方式而言，第一设定数量和第二设定数量不同，且第一种判断方式中的课程事件描述内容与第二种判断方式中的课程事件描述内容也可以不同。比如，第一种判断方式中热点课程事件对应的课程事件描述内容可以侧重于教学内容特征，第二种判断方式中热点课程事件对应的课程事件描述内容可以侧重于学生评价特征。
40.换言之，上述两种判断方式可以择一使用，也可以一并使用，本技术实施例不作限制。
41.在一些可能的实施例中，上述步骤s3所描述的利用所述历史全局同步课程日志调整所述第一全局同步课程日志，可以通过以下步骤s31-步骤s35所描述的技术方案实现。
42.步骤s31：利用所述历史全局同步课程日志从所述第一全局同步课程日志中确定待进行处理的热点课程事件序列seq1。
43.在一些可能的实施例中，上述步骤s31所描述的利用所述历史全局同步课程日志从所述第一全局同步课程日志中确定待进行处理的热点课程事件序列seq1，可以包括以下步骤s311-步骤s315所描述的技术方案。
44.步骤s311：利用所述历史全局同步课程日志中的所有热点课程事件和所述第一全局同步课程日志中的所有热点课程事件创建课程互动处理集。
45.本技术实施例中，课程互动处理集中包括多个热点课程事件，课程互动处理集用
于后续进行热点课程事件序列seq1的多次循环确定，从而确保待进行处理的热点课程事件序列seq1的完整性。
46.在相关实施例中，上述步骤s311所描述的利用所述历史全局同步课程日志中的所有热点课程事件和所述第一全局同步课程日志中的所有热点课程事件创建课程互动处理集，可以包括以下步骤s3111和步骤s3112所描述的技术方案。
47.步骤s3111：针对热点课程事件序列seq2中每一热点课程事件，确定该热点课程事件在所处全局同步课程日志中关联的课程日志片段的课程日志片段序列。
48.在相关实施例中，热点课程事件序列seq2至少包括：所述历史全局同步课程日志中的所有热点课程事件和所述第一全局同步课程日志中的所有热点课程事件。进一步地，课程日志片段可以理解为根据时间先后顺序对课程日志进行拆分之后得到的，相应的，课程日志片段序列中包括多个课程日志片段。
49.步骤s3112：若所述热点课程事件序列seq2中任意两个热点课程事件关联的课程日志片段序列中存在大于x个的相同的课程日志片段，则通过设定方式将该两个热点课程事件进行融合，生成所述课程互动处理集，x为大于0的自然数。
50.可以理解的是，如果所述热点课程事件序列seq2中任意两个热点课程事件关联的课程日志片段序列中存在大于x个的相同的课程日志片段，表明这两个热点课程事件之间的相关性较高，则可以根据预设的融合权重对这两个热点课程事件进行融合/关联，从而得到课程互动处理集。
51.如此设计，通过对课程日志进行拆分处理，并结合课程日志片段进行热点课程事件的融合，能够尽可能确保课程互动处理集不会出现遗漏，以提高后续课程日志调整的可信度。
52.步骤s312：将所述课程互动处理集中的第一热点课程事件作为当前课程事件。
53.在一些示例中，可以将课程互动处理集中的第一热点课程事件作为当前课程事件以执行后续的循环步骤。
54.步骤s313：将当前课程事件加载至热点课程事件序列seq1，判断所述课程互动处理集中是否存在当前课程事件的上游课程事件。
55.例如，所述当前课程事件的上游课程事件导入至第一全局同步课程日志的时刻先于所述当前课程事件。进一步地，上游课程事件可以是与当前课程事件存在传递关系和关联关系的课程事件。
56.步骤s314：若否，终止当前步骤。
57.可以理解的是，如果课程互动处理集中不存在当前课程事件的上游课程事件，表明热点课程事件序列seq1的课程事件加载已完成，可以得到符合条件的热点课程事件序列seq1。
58.步骤s315：若是，判断当前课程事件与所述历史全局同步课程日志之间是否满足设定的关联性判定条件，若否，将所述当前课程事件的上游课程事件确定为当前课程事件，并返回所述将当前课程事件加载至热点课程事件序列seq1的步骤，若是，终止当前步骤。
59.在实际实施过程中，上述步骤s315所描述的判断当前课程事件与所述历史全局同步课程日志之间是否满足设定的关联性判定条件，可以通过以下实施例a和实施例b实现。
60.实施例a，判断当前课程事件的上游课程事件是否为所述历史全局同步课程日志
中的热点课程事件，若是，确定当前课程事件与所述历史全局同步课程日志之间满足设定的关联性判定条件，若否，确定当前课程事件与所述历史全局同步课程日志之间不满足设定的关联性判定条件。
61.实施例b，判断当前课程事件是否与所述历史全局同步课程日志中的至少一个热点课程事件满足以下条件：相对应的课程事件描述内容的数量大于第三设定数量；若是，确定当前课程事件与所述历史全局同步课程日志之间满足设定的关联性判定条件，若否，确定当前课程事件与所述历史全局同步课程日志之间不满足设定的关联性判定条件。
62.可以理解的是，通过上述步骤s311-步骤s315所描述的技术方案，能够对不同的课程事件进行拆分处理和分析，并考虑不同课程事件之间的传递关系和关联关系，这样可以避免待进行处理的热点课程事件序列seq1的课程事件的缺失，又可以避免待进行处理的热点课程事件序列seq1中出现重复的课程事件。
63.步骤s32：确定所述热点课程事件序列seq1中各热点课程事件的第一课程互动信息。
64.在本技术实施例中，第一课程互动信息用于表征互动描述信息和互动状态信息。互动描述信息包括课程内容和非课程内容，互动状态信息包括实时状态信息和延时状态信息。
65.步骤s33：将所述热点课程事件序列seq1中各热点课程事件的第一课程互动信息作为模型输入信息导入至已完成训练的课程互动信息处理模型得到所述热点课程事件序列seq1中各热点课程事件的第二课程互动信息。
66.在本技术实施例中，已完成训练的课程互动信息处理模型可以是机器学习网络模型，比如卷积神经网络模型、深度学习神经网络模型或者长短期记忆神经网络模型，本技术实施例不作限定。利用已完成训练的课程互动信息处理模型能够得到具有潜在特征的第二课程互动信息。
67.步骤s34：针对所述热点课程事件序列seq1中各热点课程事件，在第一全局同步课程日志中确定与该热点课程事件相对应的课程日志片段。
68.例如，可以通过各热点课程事件的时间节点信息对第一全局同步课程日志中的课程日志片段进行标定，从而根据时间节点信息的标定结果准确确定出热点课程事件相对应的课程日志片段。
69.步骤s35：利用该热点课程事件的第一课程互动信息、第二课程互动信息更新所述课程日志片段在所述第一全局同步课程日志中的互动内容。
70.在实际应用过程中，上述步骤s35所描述的利用该热点课程事件的第一课程互动信息、第二课程互动信息更新所述课程日志片段在所述第一全局同步课程日志中的互动内容，可以通过以下步骤s351和步骤s352所描述的实施方式实现。
71.步骤s351：利用该热点课程事件的第一课程互动信息、第二课程互动信息对所述课程日志片段的资源互动描述信息进行资源优化。
72.本技术实施例中，资源互动描述信息可以理解为师资资源、生源资源、教学硬件设备资源、教学软件程序资源和业务推广资源等，本技术实施例不作限制。可以理解，通过对资源互动描述信息进行资源优化，能够减少热点课程事件导入过程中产生的误差和错误，从而确保优化后的资源互动描述信息的能够真实反映相关热点课程事件的互动描述情况。
73.步骤s352：利用优化后的资源互动描述信息更新所述课程日志片段在所述第一全局同步课程日志的互动内容。
74.在本技术实施例中，可以以优化后的资源互动描述信息作为参考，在标定了课程日志片段在所述第一全局同步课程日志的互动内容之后，通过优化后的资源互动描述信息对该互动内容进行更新修正，从而通过局部的课程日志片段实现对整体的第一全局同步课程日志的更新修正，进而降低已生成的全局同步课程日志的课程日志错误率，进而确保生成的全局同步课程日志在较长时间范围内的可用性，还可以确保对生成的全局同步课程日志的快速、实时更新和优化。
75.在另外的一些实施例中，上述步骤s3所描述的利用所述历史全局同步课程日志调整所述第一全局同步课程日志，还可以包括以下技术方案所描述的内容：将所述历史全局同步课程日志中的课程日志片段与第一全局同步课程日志中的课程日志片段进行整合，得到已整合的全局同步课程日志；对所述已整合的全局同步课程日志中的热点课程事件的课程互动信息和热点课程事件相对应的课程日志片段的互动内容进行调整，以使调整后得到的全局同步课程日志中，关联至少一个相同课程日志片段的热点课程事件之间的课程互动信息的比较结果满足设定条件。
76.可以理解，通过对课程日志片段进行整合，能够增加课程日志片段之间的比较结果的显著程度，这样可以对所述已整合的全局同步课程日志中的热点课程事件的课程互动信息和热点课程事件相对应的课程日志片段的互动内容进行调整。进一步地，设定条件可以理解为调整后得到的全局同步课程日志中，关联至少一个相同课程日志片段的热点课程事件之间的课程互动信息的差异度小于设定差异度。如此，能够利用同一课程交互状态的历史全局同步课程日志对已生成的全局同步课程日志进行调整，从而可以降低已生成的全局同步课程日志的课程日志错误率，进而确保生成的全局同步课程日志在较长时间范围内的可用性，还可以确保对生成的全局同步课程日志的快速、实时更新和优化。
77.在一些可能的实施方式中，在上述内容的基础上，还可以包括以下步骤（1）和步骤（2）所描述的技术方案。
78.（1）对第一全局同步课程日志中的所有热点课程事件进行聚类，得到至少两个热点课程事件聚类。
79.在实际实施过程中，上述步骤（1）所描述的对第一全局同步课程日志中的所有热点课程事件进行聚类，得到至少两个热点课程事件聚类，可以通过以下步骤（11）-步骤（13）所描述的实施方式实现。
80.（11）按照随机森林模型并利用第一全局同步课程日志中所有热点课程事件生成热点课程事件图数据。
81.例如，热点课程事件图数据可以用于对热点课程事件进行图形化展示，图数据和随机森林模型的相关技术可以参阅现有技术，在此不作赘述。
82.（12）将所述热点课程事件图数据的原始图单元作为当前图单元，针对所述热点课程事件图数据中除当前图单元以外的每一其他图单元，确定当前图单元与该其他图单元的课程互动信息的比较结果得到第一比较结果描述值，若所述第一比较结果描述值小于预设的课程互动差异描述阈值，则将该其他图单元与当前图单元纳入同一热点课程事件聚类。
83.在本技术实施例中，图单元可以理解为图数据中的图节点，不同图单元之间存在
连接关系和传递关系。比较结果描述值可以理解为差异指数值，相应的，课程互动差异描述阈值可以理解为差异指数值阈值。
84.（13）判断与当前图单元纳入同一热点课程事件聚类的每一其他图单元是否具有下游图单元，若否，终止当前步骤；若是，将与当前课程事件纳入同一热点课程事件聚类的每一其他图单元的每一下游课程事件作为当前课程事件，返回针对所述热点课程事件图数据中除当前图单元以外的每一其他图单元，确定当前图单元与该其他图单元的课程互动信息的比较结果得到第一比较结果描述值的步骤。
85.可以理解的是，下游图单元是与对应的图单元之间存在连接关系和传递关系的图单元，通过对下游图单元进行分析，能够确保聚类的完整性，避免在聚类过程中对某些下游图单元的遗漏。
86.（2）针对每一热点课程事件聚类，判断该热点课程事件聚类中热点课程事件的数量是否大于预设的数量阈值，若是，则从热点课程事件聚类中确定噪声热点课程事件，并从第一全局同步课程日志中剔除所述噪声热点课程事件。
87.本技术实施例中，噪声热点课程事件可以理解为对第一全局同步课程日志造成干扰的热点课程事件，可能会引起第一全局同步课程日志在时序上的累积误差，通过剔除第一全局同步课程日志中的噪声热点课程事件，能够尽可能在时序上削弱第一全局同步课程日志的累积误差，确保第一全局同步课程日志的可用性。
88.在上述步骤（1）和步骤（2）的基础上，步骤s2所描述的将所述第一热点课程事件导入已生成的第一全局同步课程日志时进一步包括：记录当前时刻为第一热点课程事件的课程日志导入时刻。基于此，步骤（2）所描述的从热点课程事件聚类中确定噪声热点课程事件包括：将所述热点课程事件聚类中课程日志导入时刻最早的热点课程事件确定为噪声热点课程事件；或者，针对所述热点课程事件聚类中的每一热点课程事件，确定该热点课程事件与该热点课程事件聚类中的其他热点课程事件之间的相似度；将对应的相似度最小的热点课程事件确定为噪声热点课程事件。
89.在上述步骤（1）和步骤（2）的基础上，步骤s2所描述的将所述第一热点课程事件导入已生成的第一全局同步课程日志时进一步包括：记录当前时刻为第一热点课程事件的课程日志导入时刻。基于此，步骤（2）所描述的从热点课程事件聚类中确定噪声热点课程事件包括：对热点课程事件聚类中的所有热点课程事件进行划分，其中，同一划分分组中的各热点课程事件关联有相同的课程日志片段；判断所有划分分组中是否存在满足指定条件的划分分组，所述指定条件为：所述划分分组中的热点课程事件不属于同一全局同步课程日志；若是，则将所述满足指定条件的划分分组中课程日志导入时刻最早的热点课程事件确定为噪声热点课程事件；若否，则将所有划分分组的所有热点课程事件中课程日志导入时刻最早的热点课程事件确定为噪声的热点课程事件。
90.可以理解，通过对课程日志导入时刻进行分析，并结合相似度进行噪声热点课程事件的判定，能够提高噪声热点课程事件的判定精度，避免对噪声热点课程事件之外的热点课程事件的误判。
91.在一些选择性的实施例中，在步骤s3所描述的利用所述历史全局同步课程日志调整所述第一全局同步课程日志的基础上，该方法还可以包括以下步骤s4所描述的技术方案。
92.步骤s4：对调整后的所述第一全局同步课程日志进行在线教育交互挖掘，得到与所述第一全局同步课程日志对应的在线教育交互需求。
93.在本技术实施例中，在线教育交互需求可以包括课程内容优化需求、师资分配优化需求和可视化交互界面优化需求等。这样一来，可以通过在线教育交互需求对相关的在线教育服务/产品进行优化。
94.在一些选择性的实施例中，上述步骤s4所描述的对调整后的所述第一全局同步课程日志进行在线教育交互挖掘，得到与所述第一全局同步课程日志对应的在线教育交互需求，可以包括以下步骤s41-步骤s44所描述的技术方案。
95.步骤s41：获取调整后的所述第一全局同步课程日志中的课程日志可视化数据集合，其中，所述课程日志可视化数据集合包括不间断的y组课程日志可视化数据，所述y为大于1的整数；根据所述课程日志可视化数据集合获取局部可视化数据集合，其中，所述局部可视化数据集合包括不间断的y组局部可视化数据。
96.例如，课程日志可视化数据可以理解为图形化的交互数据，局部可视化数据可以理解为课程日志可视化数据中的一部分。
97.步骤s42：基于所述课程日志可视化数据集合，通过课程日志需求挖掘线程所包括的第一描述内容识别子线程获取课程日志描述内容特征集合，其中，所述课程日志描述内容特征集合包括y个课程日志描述内容特征；基于所述局部可视化数据集合，通过所述课程日志需求挖掘线程所包括的第二描述内容识别子线程获取局部描述内容特征集合，其中，所述局部描述内容特征集合包括y个局部描述内容特征。
98.例如，课程日志需求挖掘线程可以为卷积神经网络模型，第一描述内容识别子线程可以理解为特征提取网络，相应的，课程日志描述内容特征可以理解为课程日志可视化数据的特征数据，局部描述内容特征可以理解为局部可视化数据集合的特征数据。
99.步骤s43：基于所述课程日志描述内容特征集合以及所述局部描述内容特征集合，通过所述课程日志需求挖掘线程所包括的分类子线程获取所述课程日志可视化数据集合所对应的交互需求标签。
100.例如，分类子线程可以是全连接层，交互需求标签用于区分不同的交互需求，比如课堂内容需求、师资配备需求等。
101.步骤s44：根据所述交互需求标签确定所述课程日志可视化数据集合的在线教育交互需求。
102.例如，可以为交互需求标签进行整理并进行翻译，从而得到课程日志可视化数据集合的在线教育交互需求，也可以理解为第一全局同步课程日志对应的在线教育交互需求，这样可以通过在线教育交互需求对相关的在线教育服务/产品进行优化。
103.在一些选择性的实施例中，上述步骤s43所描述的基于所述课程日志描述内容特征集合以及所述局部描述内容特征集合，通过所述课程日志需求挖掘线程所包括的分类子线程获取所述课程日志可视化数据集合所对应的交互需求标签，可以包括以下步骤s4311-步骤s4314所描述的技术方案。
104.步骤s4311：基于所述课程日志描述内容特征集合，通过所述课程日志需求挖掘线程所包括的第一全局队列提取子线程获取y个第一描述内容队列，其中，每个第一描述内容队列对应于一个课程日志描述内容特征。
105.步骤s4312：基于所述局部描述内容特征集合，通过所述课程日志需求挖掘线程所包括的第二全局队列提取子线程获取y个第二描述内容队列，其中，每个第二描述内容队列对应于一个局部描述内容特征。
106.步骤s4313：对所述y个第一描述内容队列以及所述y个第二描述内容队列进行整合处理，得到y个目标描述内容队列，其中，每个目标描述内容队列包括一个第一描述内容队列以及一个第二描述内容队列。
107.步骤s4314：基于所述y个目标描述内容队列，通过所述课程日志需求挖掘线程所包括的时域关注子线程获取融合描述内容队列，其中，所述融合描述内容队列为根据所述y个目标描述内容队列以及y个时间域描述值确定的，每个目标描述内容队列对应于一个时间域描述值；基于所述融合描述内容队列，通过所述课程日志需求挖掘线程所包括的分类子线程获取所述课程日志可视化数据集合所对应的交互需求标签。
108.例如，时间域描述值可以理解为时序权重，时域关注子线程可以理解为时间注意力网络。
109.在一些选择性的实施例中，上述步骤s43所描述的基于所述课程日志描述内容特征集合以及所述局部描述内容特征集合，通过所述课程日志需求挖掘线程所包括的分类子线程获取所述课程日志可视化数据集合所对应的交互需求标签，可以包括以下步骤s4321-步骤s4324所描述的技术方案。
110.步骤s4321：基于所述课程日志描述内容特征集合，通过所述课程日志需求挖掘线程所包括的第一空域关注子线程获取y个第一描述内容队列，其中，每个第一描述内容队列对应于一个课程日志描述内容特征。
111.步骤s4322：基于所述局部描述内容特征集合，通过所述课程日志需求挖掘线程所包括的第二空域关注子线程获取y个第二描述内容队列，其中，每个第二描述内容队列对应于一个局部描述内容特征。
112.步骤s4323：对所述y个第一描述内容队列以及所述y个第二描述内容队列进行整合处理，得到y个目标描述内容队列，其中，每个目标描述内容队列包括一个第一描述内容队列以及一个第二描述内容队列。
113.步骤s4324：基于所述y个目标描述内容队列，通过所述课程日志需求挖掘线程所包括的所述分类子线程获取所述课程日志可视化数据集合所对应的交互需求标签。
114.例如，空域关注子线程可以理解为空间注意力网络。
115.可以理解的是，通过上述步骤s4311-步骤s4314以及步骤s4321-步骤s4324，能够分别从时域层面和空域层面进行考虑，从而精准地确定出课程日志可视化数据集合所对应的交互需求标签。
116.可以理解的是，应用本技术实施例，通过在判断到当前获取到的在线教育互动数据满足针对在线教育互动数据的热点课程事件分析条件时，将该在线教育互动数据确定为第一热点课程事件导入已生成的第一全局同步课程日志，并获取与该第一全局同步课程日志相对应，且对应同一课程交互状态的历史全局同步课程日志，并在利用该历史全局同步课程日志判断出需要对第一全局同步课程日志进行调整时，利用该历史全局同步课程日志对第一全局同步课程日志进行调整，实现了对持续可变的在线教育互动场景的全局同步课程日志的生成，并且由于在生成全局同步课程日志的过程中，利用同一课程交互状态的历
史全局同步课程日志对已生成的全局同步课程日志进行调整，从而可以降低已生成的全局同步课程日志的课程日志错误率，进而确保生成的全局同步课程日志在较长时间范围内的可用性，还可以确保对生成的全局同步课程日志的快速、实时更新和优化。
117.其次，针对上述应用于大数据和在线教育的业务处理方法，本发明实施例还提出了一种示例性的应用于大数据和在线教育的业务处理装置，如图2所示，应用于大数据和在线教育的业务处理装置200可以包括以下的功能模块。
118.热点课程确定模块210，用于判断当前获取到的在线教育互动数据是否满足预设的针对在线教育互动数据的热点课程事件分析条件，如果是，确定所述在线教育互动数据为第一热点课程事件。
119.课程日志导入模块220，用于将所述第一热点课程事件导入已生成的第一全局同步课程日志，并获取与第一全局同步课程日志相对应的历史全局同步课程日志；其中，所述历史全局同步课程日志与所述第一全局同步课程日志对应同一课程交互状态。
120.课程日志调整模块230，用于利用所述历史全局同步课程日志判断是否需要对第一全局同步课程日志进行调整；若是，则利用所述历史全局同步课程日志调整所述第一全局同步课程日志。
121.然后，基于上述的方法实施例和装置实施例，本发明实施例还提出了一种系统实施例，也即应用于大数据和在线教育的业务处理系统，请结合参阅图3，应用于大数据和在线教育的业务处理系统30可以包括在线教育大数据服务器10和在线教育交互设备20。其中，在线教育大数据服务器10和在线教育交互设备20通信用以实施上述方法，进一步地，应用于大数据和在线教育的业务处理系统30的功能性描述如下。
122.在线教育大数据服务器10判断当前获取到的在线教育交互设备20的在线教育互动数据是否满足预设的针对在线教育互动数据的热点课程事件分析条件，如果是，确定所述在线教育互动数据为第一热点课程事件；将所述第一热点课程事件导入已生成的第一全局同步课程日志，并获取与第一全局同步课程日志相对应的历史全局同步课程日志；其中，所述历史全局同步课程日志与所述第一全局同步课程日志对应同一课程交互状态；利用所述历史全局同步课程日志判断是否需要对第一全局同步课程日志进行调整；若是，则利用所述历史全局同步课程日志调整所述第一全局同步课程日志。
123.进一步地，请结合参阅图4，在线教育大数据服务器10可以包括处理引擎110、网络模块120和存储器130，处理引擎110和存储器130通过网络模块120通信。
124.处理引擎110可以处理相关的信息和/或数据以执行本技术中描述的一个或多个功能。例如，在一些实施例中，处理引擎110可以包括至少一个处理引擎(例如，单核处理引擎或多核处理器)。仅作为示例，处理引擎110可以包括中央处理单元(central processing unit，cpu)、专用集成电路(application-specific integrated circuit，asic)、专用指令集处理器(application-specific instruction-set processor，asip)、图形处理单元(graphics processing unit，gpu)、物理处理单元(physics processing unit，ppu)、数字信号处理器(digital signal processor，dsp)、现场可编程门阵列(field programmable gate array，fpga)、可编程逻辑器件(programmable logic device，pld)、控制器、微控制器单元、精简指令集计算机(reduced instruction-set computer，risc)、微处理器等或其任意组合。
125.网络模块120可以促进信息和/或数据的交换。在一些实施例中，网络模块120可以是任何类型的有线或无线网络或其组合。仅作为示例，网络模块120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、互联网、局域网络(local area network，lan)、广域网(wide area network，wan)、无线局域网络(wireless local area network，wlan)、城域网(metropolitan area network，man)、公用电话交换网(public telephone switched network，pstn)、蓝牙网络、无线个域网络、近场通讯(near field communication，nfc)网络等或上述举例的任意组合。在一些实施例中，网络模块120可以包括至少一个网络接入点。例如，网络模块120可以包括有线或无线网路接入点，如基站和/或网路接入点。
126.存储器130可以是，但不限于，随机存取存储器（random access memory，ram），只读存储器（read only memory，rom），可编程只读存储器（programmable read-only memory，prom），可擦除只读存储器（erasable programmable read-only memory，eprom），电可擦除只读存储器（electric erasable programmable read-only memory，eeprom）等。其中，存储器130用于存储程序，所述处理引擎110在接收到执行指令后，执行所述程序。
127.可以理解，图4所示的结构仅为示意，在线教育大数据服务器10还可包括比图4中所示更多或者更少的组件，或者具有与图4所示不同的配置。图4中所示的各组件可以采用硬件、软件或其组合实现。
128.需要理解的是，针对上述内容，本领域技术人员可以根据上述所公开的内容进行前后推导毫无疑义地确定相关技术术语所指代的含义，例如针对一些值、系数、权重、指数、因子等术语，本领域技术人员可以根据前后的逻辑关系进行推导和确定，这些数值的取值范围可以根据实际情况进行选取，例如0~1，又例如1~10，再例如50~100，在此均不作限定。
129.本领域技术人员可以根据上述已公开的内容毫无疑义对一些预设的、基准的、预定的、设定的以及目标的技术特征/技术术语进行确定，例如阈值、阈值区间、阈值范围等。对于一些未作解释的技术特征术语，本领域技术人员完全能够基于前后文的逻辑关系进行合理地、毫无疑义地推导，从而清楚、完整地实施上述技术方案。未作解释的技术特征术语的前缀，例如“第一”、“第二”、“上一个”、“下一个”、“前一个”、“后一个”、“当前”、“历史”、“最新”、“最佳”、“目标”、“指定”和“实时”等，可以根据前后文进行毫无疑义地推导和确定。未作解释的技术特征术语的后缀，例如“列表”、“特征”、“集合”、“集合”、“矩阵”、“单元”、“元素”、“轨迹”和“清单”等，也可以根据前后文进行毫无疑义地推导和确定。
130.本发明实施例公开的上述内容对于本领域技术人员而言是清楚完整的。应当理解，本领域技术人员基于上述公开的内容对未作解释的技术术语进行推导和分析的过程是基于本技术所记载的内容进行的，因此上述内容并不是对整体方案的创造性的评判。
131.应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、cd或dvd-rom的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本技术的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等
的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
132.需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
133.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本技术的限定。虽然此处并没有明确说明，本领域技术人员可能会对本技术进行各种修改、改进和修正。该类修改、改进和修正在本技术中被建议，所以该类修改、改进、修正仍属于本技术示范实施例的精神和范围。
134.同时，本技术使用了特定词语来描述本技术的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本技术至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本技术的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
135.此外，本领域技术人员可以理解，本技术的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本技术的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本技术的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
136.计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、rf、或类似介质，或任何上述介质的组合。
137.本技术各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如java、scala、smalltalk、eiffel、jade、emerald、c 、c#、vb.net、python等，常规程序化编程语言如c语言、visual basic、fortran 2003、perl、cobol 2002、php、abap，动态编程语言如python、ruby和groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（lan）或广域网（wan），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（saas）。
138.此外，除非权利要求中明确说明，本技术所述处理元素和集合的顺序、数字字母的使用、或其他名称的使用，并非用于限定本技术流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的
目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本技术实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
139.同理，应当注意的是，为了简化本技术披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本技术实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本技术对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
140.一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本技术一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
141.针对本技术引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本技术作为参考。与本技术内容不一致或产生冲突的申请历史文件除外，对本技术权利要求最广范围有限制的文件(当前或之后附加于本技术中的)也除外。需要说明的是，如果本技术附属材料中的描述、定义、和/或术语的使用与本技术所述内容有不一致或冲突的地方，以本技术的描述、定义和/或术语的使用为准。
142.最后，应当理解的是，本技术中所述实施例仅用以说明本技术实施例的原则。其他的变形也可能属于本技术的范围。因此，作为示例而非限制，本技术实施例的替代配置可视为与本技术的教导一致。相应地，本技术的实施例不仅限于本技术明确介绍和描述的实施例。