应用于云办公的大数据处理方法及人工智能服务器与流程

1.本技术涉及大数据、人工智能和云办公技术领域，特别涉及一种应用于云办公的大数据处理方法及人工智能服务器。


背景技术：

2.大数据为人们开启了一个崭新的时代。大数据所引起的变革是方方面面的，能够涉足公共卫生、商业领域和传统思维等，大数据开启了重大的时代转型，不断推动着世界的行业变革进程。
3.在大数据环境下，在线办公（也称为远程办公或者云办公）是众多新兴业务模式中的其中一种，能够打破传统办公的地域限制和时间限制，从而减少办公资源的浪费。
4.为了满足日益增长的办公需求并应对复杂的网络办公环境，基于大数据的在线办公技术需要不断地进行优化和更新，以将该办公模式下的负面影响最小化。对于在线办公技术的优化和更新而言，一个重要的环节是对办公数据进行分析识别，从而根据分析识别得到的相关结果进行在线办公技术的针对性优化和更新。然而，相关的针对办公数据的分析识别技术仍需要进一步的改进。


技术实现要素：

5.鉴于上述内容，本技术提供了如下方案。
6.本技术实施例之一的方案提供一种云办公大数据识别方法，应用于人工智能服务器，所述方法包括：调用云办公大数据识别线程获取待处理云办公大数据中的第一显著办公交互行为集，并确定所述待处理云办公大数据中的第一热点办公互动数据和第一热点办公互动数据的互动元素分布；调用所述调用云办公大数据识别线程将所述第一热点办公互动数据拆分为多个办公互动数据片段，并结合所述第一热点办公互动数据的互动元素分布提取所述第一热点办公互动数据中每个所述办公互动数据片段对应的互动元素，获取所述第一热点办公互动数据中每个办公事件的意图需求互动元素；基于所述第一热点办公互动数据中每个所述办公互动数据片段的互动元素、所述第一显著办公交互行为集的信息和所述第一热点办公互动数据中每个办公事件的意图需求互动元素，获取协作办公识别结果。
7.优选的，所述调用云办公大数据识别线程获取待处理云办公大数据中的第一显著办公交互行为集，并确定所述待处理云办公大数据中的第一热点办公互动数据和第一热点办公互动数据的互动元素分布，包括：将待处理云办公大数据导入云办公大数据识别线程；调用所述云办公大数据识别线程获取所述待处理云办公大数据中的第一显著办公交互行为集；
调用所述云办公大数据识别线程基于所述第一显著办公交互行为集获取所述待处理云办公大数据中的第一热点办公互动数据和第一热点办公互动数据的互动元素分布，其中，所述第一热点办公互动数据为所述第一显著办公交互行为集在所述待处理云办公大数据中对应的办公互动数据；所述调用所述调用云办公大数据识别线程将所述第一热点办公互动数据拆分为多个办公互动数据片段，并结合所述第一热点办公互动数据的互动元素分布提取所述第一热点办公互动数据中每个所述办公互动数据片段对应的互动元素，获取所述第一热点办公互动数据中每个办公事件的意图需求互动元素，包括：调用所述云办公大数据识别线程将所述第一热点办公互动数据拆分为多个办公互动数据片段，调用所述云办公大数据识别线程基于所述第一热点办公互动数据的互动元素分布提取所述第一热点办公互动数据中每个所述办公互动数据片段对应的互动元素，调用所述云办公大数据识别线程获取所述第一热点办公互动数据中每个办公事件的意图需求互动元素，其中，所述办公互动数据片段对应的互动元素为所述办公互动数据片段中存在显著办公交互行为的检测结果。
8.优选的，所述第一显著办公交互行为集的信息包括第一显著办公交互行为集的类型，所述基于所述第一热点办公互动数据中每个所述办公互动数据片段的互动元素、所述第一显著办公交互行为集的信息和所述第一热点办公互动数据中每个办公事件的意图需求互动元素，获取协作办公识别结果，包括：基于所述第一热点办公互动数据中每个所述办公互动数据片段对应的互动元素确定所述第一热点办公互动数据中存在所述显著办公交互行为的办公互动数据，基于所述第一热点办公互动数据中每个办公事件的意图需求互动元素，确定所述第一热点办公互动数据中对应所述办公事件的类型，其中，所述存在显著办公交互行为的办公互动数据对应的所述办公互动数据片段对应的互动元素大于预设检测结果阈值；基于所述第一热点办公互动数据中每个所述办公事件的类型，确定所述存在显著办公交互行为的办公互动数据中属于所述第一显著办公交互行为集的类型的办公事件，作为所述协作办公识别结果。
9.优选的，所述调用所述云办公大数据识别线程获取所述待处理云办公大数据中的第一显著办公交互行为集，包括：调用所述云办公大数据识别线程获取所述待处理云办公大数据中的第一原始互动元素分布；调用所述云办公大数据识别线程基于所述第一原始互动元素分布获取所述待处理云办公大数据中的第一显著办公交互行为集。
10.优选的，所述第一显著办公交互行为集的信息包括所述第一显著办公交互行为集的关联情况，所述调用所述云办公大数据识别线程获取所述第一热点办公互动数据中每个办公事件的意图需求互动元素，包括：调用所述云办公大数据识别线程对所述第一原始互动元素分布进行意图需求识别，得到所述待处理云办公大数据中所述各办公事件对应的第一意图需求识别信息对应的互动元素分布；基于所述第一显著办公交互行为集的关联情况确定所述第一热点办公互动数据
中每个办公事件在所述第一意图需求识别信息对应的互动元素分布中对应的互动元素，作为对应所述第一热点办公互动数据中所述办公事件的意图需求互动元素。
11.优选的，所述调用所述云办公大数据识别线程基于所述第一原始互动元素分布获取所述待处理云办公大数据中的第一显著办公交互行为集，包括：调用所述云办公大数据识别线程基于所述第一原始互动元素分布，获取所述待处理云办公大数据中的第一显著备选交互行为集；调用所述云办公大数据识别线程基于所述第一显著备选交互行为集和所述第一原始互动元素分布，获取所述待处理云办公大数据中的第二热点办公互动数据的互动元素分布；调用所述云办公大数据识别线程基于所述第二热点办公互动数据的互动元素分布，获取所述第一显著办公交互行为集。
12.优选的，所述调用所述云办公大数据识别线程基于所述第二热点办公互动数据的互动元素分布，获取所述第一显著办公交互行为集，包括：调用所述云办公大数据识别线程获取所述第二热点办公互动数据的互动元素分布对应的检测互动元素分布和误差互动元素分布；其中，所述检测互动元素分布用于表示所述第一显著备选交互行为集属于各类型的检测结果，所述误差互动元素分布用于表示所述第一显著办公交互行为集相对于所述第一显著备选交互行为集的偏差；基于所述第二热点办公互动数据的互动元素分布对应的检测互动元素分布和所述第二热点办公互动数据的互动元素分布对应的误差互动元素分布获取所述第一显著办公交互行为集的信息；所述第一显著办公交互行为集的信息还包括所述第一显著办公交互行为集的关联情况和所述第一显著办公交互行为集的类型，所述基于所述第二热点办公互动数据的互动元素分布对应的检测互动元素分布和所述第二热点办公互动数据的互动元素分布对应的误差互动元素分布获取所述第一显著办公交互行为集的信息，包括：对所述第二热点办公互动数据的互动元素分布对应的检测互动元素分布进行阈值筛分处理，得到所述第一显著办公交互行为集的类型；对所述第二热点办公互动数据的互动元素分布对应的误差互动元素分布与所述第一显著备选交互行为集的关联情况进行偏差校正，得到所述第一显著办公交互行为集的关联情况。
13.优选的，在所述调用所述云办公大数据识别线程获取所述待处理云办公大数据中的第一显著办公交互行为集的步骤之前，还包括：对所述云办公大数据识别线程进行配置；其中，所述对所述云办公大数据识别线程进行配置，包括：将样本云办公大数据导入所述云办公大数据识别线程；调用所述云办公大数据识别线程获取所述样本云办公大数据的第二原始互动元素分布；调用所述云办公大数据识别线程基于所述第二原始互动元素分布获取所述样本云办公大数据中的第二热点办公互动数据和第三热点办公互动数据的互动元素分布；调用所述云办公大数据识别线程将所述第二热点办公互动数据拆分为多个所述办公互动数据片段，调用所述云办公大数据识别线程基于所述第三热点办公互动数据的互动元素分布提取所述第二热点办公互动数据中每个所述办公互动数据片段对应的互动元
素，调用所述云办公大数据识别线程对所述第二原始互动元素分布进行意图需求识别，以得到第二意图需求识别信息对应的互动元素分布；基于所述第二热点办公互动数据中每个所述办公互动数据片段对应的互动元素和第一真实元素之间的比较结果获取所述云办公大数据识别线程的第一线程运行指标，基于所述第二意图需求识别信息对应的互动元素分布与第二真实元素之间的比较结果获取所述云办公大数据识别线程的第二线程运行指标；基于所述第一线程运行指标和所述第二线程运行指标优化所述云办公大数据识别线程的线程参数。
14.优选的，所述调用所述云办公大数据识别线程基于所述第二原始互动元素分布获取所述待处理云办公大数据中的第二热点办公互动数据和第三热点办公互动数据的互动元素分布，包括：调用所述云办公大数据识别线程基于所述第二原始互动元素分布获取所述样本云办公大数据的第二显著备选交互行为集，将所述第二显著备选交互行为集在所述样本云办公大数据中对应的办公互动数据作为所述第二热点办公互动数据；调用所述云办公大数据识别线程基于所述第二显著备选交互行为集和所述第二原始互动元素分布，获取所述第三热点办公互动数据的互动元素分布；其中，在所述调用所述云办公大数据识别线程基于所述第二显著备选交互行为集和所述第二原始互动元素分布，获取所述第三热点办公互动数据的互动元素分布之后，还包括：调用所述云办公大数据识别线程获取所述第三热点办公互动数据的互动元素分布对应的检测互动元素分布和误差互动元素分布，其中，所述第三热点办公互动数据的互动元素分布对应的检测互动元素分布用于表示所述第二显著备选交互行为集属于各类型的检测结果，所述第三热点办公互动数据的互动元素分布对应的误差互动元素分布用于表示第二显著办公交互行为集相对于所述第二显著备选交互行为集的偏差；基于所述第三热点办公互动数据的互动元素分布对应的检测互动元素分布和第三真实元素之间的比较结果，获取所述云办公大数据识别线程的第三线程运行指标，基于所述第三热点办公互动数据的互动元素分布对应的所述误差互动元素分布与第四真实元素之间的比较结果，获取所述云办公大数据识别线程的第四线程运行指标；基于所述第三线程运行指标和所述第四线程运行指标优化所述云办公大数据识别线程的线程参数。
15.本技术实施例之一的方案提供一种人工智能服务器，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。
16.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
17.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云办公的大数据处理方法和/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云办公的大数据处理装置的框图；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云办公的大数据处理系统的框图，以及图4是根据本技术的一些实施例所示的一种示例性人工智能服务器中硬件和软件组成的示意图。
具体实施方式
18.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。
19.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。
20.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。
21.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。
22.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。
23.本技术提供的应用于云办公的大数据处理方法及人工智能服务器的整体方案可以总结为如下：通过云办公大数据识别线程对待处理云办公大数据进行分析和识别，以得到第一显著办公交互行为集、第一热点办公互动数据中每个办公互动数据片段的互动元素以及第一热点办公互动数据中每个办公事件的意图需求互动元素，从而确定出协作办公识别结果。如此，相比于相关技术直接对第一热点办公互动数据的互动元素分布进行协作办公识别的方式，该方案能够落地到办公互动数据片段的互动元素以及办公事件的意图需求
互动元素，从而确保协作办公识别结果的精度，并确保协作办公识别结果尽可能与实际的办公业务场景和办公业务需求相匹配，以便为后续的办公服务软件的更新升级提供可信的决策依据。
24.下面将结合附图和可能的示例对以上方案进行进一步说明，为便于后续进行描述，以下为相关技术特征的解释说明。
25.（1）云办公大数据识别线程：基于人工智能的机器学习模型/机器学习网络，比如卷积神经网络（convolutional neural networks，cnn）、深度神经网络（deep neural networks，dnn）、长短期记忆网络（long short-term memory，lstm）。
26.（2）配置云办公大数据识别线程：对云办公大数据识别线程进行训练。
27.（3）线程运行指标：云办公大数据识别线程的损失/损失函数，进一步地，损失函数（loss function）或代价函数（cost function）是将随机事件或其有关随机变量的取值映射为非负实数以表示该随机事件的“风险”或“损失”的函数。在应用中，损失函数通常作为学习准则与优化问题相联系，即通过最小化损失函数求解和评估模型。
28.（4）线程参数：云办公大数据识别线程的相关模型参数，比如权重（weight）和偏置（bias）。
29.可以理解的是，关于其他技术特征的说明将结合以下实际实施例进行，在此不进行穷举。
30.首先，对应用于云办公的大数据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云办公的大数据处理方法和/或过程的流程图，应用于云办公的大数据处理方法可以包括以下步骤s11-步骤s13所描述的技术方案。需要注意的是，待处理云办公大数据的获取是经过相关业务用户授权的，换言之，人工智能服务器和相关的办公业务终端之间预先是经过了授权认证的。
31.步骤s11、人工智能服务器调用云办公大数据识别线程获取待处理云办公大数据中的第一显著办公交互行为集，并确定所述待处理云办公大数据中的第一热点办公互动数据和第一热点办公互动数据的互动元素分布。
32.例如，人工智能服务器可以从本地调用云办公大数据识别线程，也可以从云端调用云办公大数据识别线程，云办公大数据识别线程可以是预先配置/训练得到的。待处理云办公大数据可以是人工智能服务器主动从办公业务终端中获取，也可以是办公业务终端上传给人工智能服务器。
33.又例如，显著办公交互行为集可以是多个具有较高特征识别度的办公交互行为形成的集合，比如具有较高特征识别度的办公交互行为是办公交互行为ac1、办公交互行为ac2、办公交互行为ac3、办公交互行为ac4和办公交互行为ac5，那么第一显著办公交互行为集可以是{ac1，ac2，ac3，ac4，ac5}。
34.此外，热点办公互动数据可以是热门程度和/或搜索指数较高的办公互动数据，比如基于办公项目的远程操作，又比如远程视频会议，再比如多人编辑操作等。基于此，互动元素可以理解为热点办公互动数据的数据特征，而互动元素分布可以理解为用于记录互动元素的特征图或者特征分布列表，但不限于此。
35.在一些可能的实施例中，上述步骤s11所描述的调用云办公大数据识别线程获取待处理云办公大数据中的第一显著办公交互行为集，并确定所述待处理云办公大数据中的
第一热点办公互动数据和第一热点办公互动数据的互动元素分布，可以通过以下步骤s111-步骤s113所描述的技术方案。
36.步骤s111，将待处理云办公大数据导入云办公大数据识别线程。
37.例如，可以按照云办公大数据识别线程对应的数据格式对待处理云办公大数据进行适应性调整，然后将适应性调整后的云办公大数据传入云办公大数据识别线程，进而通过云办公大数据识别线程进行相应的数据处理和分析。
38.步骤s112，调用所述云办公大数据识别线程获取所述待处理云办公大数据中的第一显著办公交互行为集。
39.在实际实施过中，为了确保第一显著办公交互行为集的完整性，可以基于互动元素分布进行第一显著办公交互行为集的提取。基于此，上述步骤s112所描述的调用所述云办公大数据识别线程获取所述待处理云办公大数据中的第一显著办公交互行为集，可以包括以下步骤s1121和步骤s1122所描述的技术方案。
40.步骤s1121，调用所述云办公大数据识别线程获取所述待处理云办公大数据中的第一原始互动元素分布。
41.在本技术实施例中，第一原始互动元素分布可以理解为基础特征图，用于记录待处理云办公大数据的数据特征。
42.步骤s1122，调用所述云办公大数据识别线程基于所述第一原始互动元素分布获取所述待处理云办公大数据中的第一显著办公交互行为集。
43.可以理解的是，通过对所述第一原始互动元素分布进行分析，能够对待处理云办公大数据的数据特征进行全面地识别，从而确保第一显著办公交互行为集的完整性。
44.在一些可能的实施例中，上述步骤s1122所描述的调用所述云办公大数据识别线程基于所述第一原始互动元素分布获取所述待处理云办公大数据中的第一显著办公交互行为集，可以通过以下步骤s1122a-步骤s1122c所描述的技术方案实现。
45.步骤s1122a，调用所述云办公大数据识别线程基于所述第一原始互动元素分布，获取所述待处理云办公大数据中的第一显著备选交互行为集。
46.可以理解的是，由于第一原始互动元素分布所涵盖的互动元素的数量较多，其中可能包含一些噪声，为了确保第一显著备选交互行为集的完整性，同时减少噪声比，可以先粗筛得到第一显著备选交互行为集。
47.步骤s1122b，调用所述云办公大数据识别线程基于所述第一显著备选交互行为集和所述第一原始互动元素分布，获取所述待处理云办公大数据中的第二热点办公互动数据的互动元素分布。
48.在本技术实施例中，可以对所述第一显著备选交互行为集和所述第一原始互动元素分布之间的差异进行分析，从而确定出所述待处理云办公大数据中的第二热点办公互动数据，以进一步确定第二热点办公互动数据的互动元素分布。可以理解的是，第二热点办公互动数据与第一热点办公互动数据不完全相同，一般情况下，第一热点办公互动数据包含在第二热点办公互动数据中。可以理解，通过获取所述待处理云办公大数据中的第二热点办公互动数据的互动元素分布，可以实现对互动元素分布的精筛，从而尽可能减少噪声。
49.步骤s1122c，调用所述云办公大数据识别线程基于所述第二热点办公互动数据的互动元素分布，获取所述第一显著办公交互行为集。
50.可以理解的是，通过对第二热点办公互动数据的互动元素分布进行误差分析，能够在保证第一显著办公交互行为集的完整性的前提下减少噪声比，为实现这一目的，上述步骤s1122c所描述的调用所述云办公大数据识别线程基于所述第二热点办公互动数据的互动元素分布，获取所述第一显著办公交互行为集，可以通过以下技术方案实现：调用所述云办公大数据识别线程获取所述第二热点办公互动数据的互动元素分布对应的检测互动元素分布和误差互动元素分布；基于所述第二热点办公互动数据的互动元素分布对应的检测互动元素分布和所述第二热点办公互动数据的互动元素分布对应的误差互动元素分布获取所述第一显著办公交互行为集的信息。
51.在相关实施例中，所述检测互动元素分布用于表示所述第一显著备选交互行为集属于各类型的检测结果，所述误差互动元素分布用于表示所述第一显著办公交互行为集相对于所述第一显著备选交互行为集的偏差。可以理解的是，通过确定所述第二热点办公互动数据的互动元素分布对应的检测互动元素分布和误差互动元素分布，能够将所述第一显著办公交互行为集相对于所述第一显著备选交互行为集的偏差考虑在内，这样可以在保证第一显著办公交互行为集的完整性的前提下减少噪声比。
52.在另一些可能的实施例中，所述第一显著办公交互行为集的信息还包括所述第一显著办公交互行为集的关联情况和所述第一显著办公交互行为集的类型。基于此，上述步骤所描述的基于所述第二热点办公互动数据的互动元素分布对应的检测互动元素分布和所述第二热点办公互动数据的互动元素分布对应的误差互动元素分布获取所述第一显著办公交互行为集的信息，可以包括以下内容：对所述第二热点办公互动数据的互动元素分布对应的检测互动元素分布进行阈值筛分处理，得到所述第一显著办公交互行为集的类型；对所述第二热点办公互动数据的互动元素分布对应的误差互动元素分布与所述第一显著备选交互行为集的关联情况进行偏差校正，得到所述第一显著办公交互行为集的关联情况。
53.例如，互动元素可以包括数值元素，用于对不同的特征进行量化描述，第一显著办公交互行为集的关联情况可以理解为第一显著办公交互行为集中的办公交互行为之间的关联关系。可以理解，通过进行阈值筛分处理，能够精准定位第一显著办公交互行为集的类型，然后通过对所述第二热点办公互动数据的互动元素分布对应的误差互动元素分布与所述第一显著备选交互行为集的关联情况进行偏差校正，能够完整得到所述第一显著办公交互行为集的关联情况。由此可见，所述第一显著办公交互行为集的信息可以包括第一显著办公交互行为集的类型以及第一显著办公交互行为集的关联情况。
54.步骤s113，调用所述云办公大数据识别线程基于所述第一显著办公交互行为集获取所述待处理云办公大数据中的第一热点办公互动数据和第一热点办公互动数据的互动元素分布。
55.在本技术实施例中，所述第一热点办公互动数据为所述第一显著办公交互行为集在所述待处理云办公大数据中对应的办公互动数据。可以理解，通过对第一显著办公交互行为集进行进一步识别分析，从而提高第一热点办公互动数据和第一热点办公互动数据的互动元素分布的识别精度。
56.步骤s12、人工智能服务器调用所述调用云办公大数据识别线程将所述第一热点办公互动数据拆分为多个办公互动数据片段，并结合所述第一热点办公互动数据的互动元
素分布提取所述第一热点办公互动数据中每个所述办公互动数据片段对应的互动元素，获取所述第一热点办公互动数据中每个办公事件的意图需求互动元素。
57.例如，办公互动数据片段的拆分可以根据时序特征进行拆分，也可以根据办公项目进行拆分，本技术实施例不作限定。通过将所述第一热点办公互动数据拆分为多个办公互动数据片段，能够落地到办公互动数据片段的互动元素以及办公事件的意图需求互动元素，从而确保后续协作办公识别结果的精度。此外，办公事件可以理解为不同的办公业务项目，办公事件的意图需求互动元素用于表征办公事件的意图需求特征，比如相关的办公需求特征。
58.在相关实施例中，上述步骤s12所描述的调用所述调用云办公大数据识别线程将所述第一热点办公互动数据拆分为多个办公互动数据片段，并结合所述第一热点办公互动数据的互动元素分布提取所述第一热点办公互动数据中每个所述办公互动数据片段对应的互动元素，获取所述第一热点办公互动数据中每个办公事件的意图需求互动元素，可以包括以下技术方案所描述的内容：调用所述云办公大数据识别线程将所述第一热点办公互动数据拆分为多个办公互动数据片段，调用所述云办公大数据识别线程基于所述第一热点办公互动数据的互动元素分布提取所述第一热点办公互动数据中每个所述办公互动数据片段对应的互动元素，调用所述云办公大数据识别线程获取所述第一热点办公互动数据中每个办公事件的意图需求互动元素。
59.在一些示例中，所述办公互动数据片段对应的互动元素为所述办公互动数据片段中存在显著办公交互行为的检测结果。该检测结果可以理解为所述办公互动数据片段中存在显著办公交互行为的概率。可以理解，调用所述云办公大数据识别线程将所述第一热点办公互动数据拆分为多个办公互动数据片段、基于所述第一热点办公互动数据的互动元素分布提取所述第一热点办公互动数据中每个所述办公互动数据片段对应的互动元素以及获取所述第一热点办公互动数据中每个办公事件的意图需求互动元素可以通过云办公大数据识别线程的相关网络层实现。
60.在上述一些实施例的基础上，所述第一显著办公交互行为集的信息可以包括所述第一显著办公交互行为集的关联情况。基于此，上述步骤所描述的调用所述云办公大数据识别线程获取所述第一热点办公互动数据中每个办公事件的意图需求互动元素，可以通过以下实施方式实现：调用所述云办公大数据识别线程对所述第一原始互动元素分布进行意图需求识别，得到所述待处理云办公大数据中所述各办公事件对应的第一意图需求识别信息对应的互动元素分布；基于所述第一显著办公交互行为集的关联情况确定所述第一热点办公互动数据中每个办公事件在所述第一意图需求识别信息对应的互动元素分布中对应的互动元素，作为对应所述第一热点办公互动数据中所述办公事件的意图需求互动元素。
61.比如，可以通过云办公大数据识别线程中的意图需求识别层或者意图需求识别子线程对第一原始互动元素分布进行意图需求识别，从而得到所述待处理云办公大数据中所述各办公事件对应的第一意图需求识别信息对应的互动元素分布。可以理解，第一意图需求识别信息用于表征办公事件在运行过程中所反映出的办公用户的需求，而第一意图需求识别信息对应的互动元素分布能够更为精准地突显办公用户的需求。
62.进一步地，可以以所述第一显著办公交互行为集的关联情况作为参考，查询所述第一热点办公互动数据中每个办公事件在所述第一意图需求识别信息对应的互动元素分
布中对应的互动元素，或者可以理解为：为所述第一热点办公互动数据中每个办公事件匹配所述第一意图需求识别信息对应的互动元素分布中的互动元素，这样可以准确确定出所述第一热点办公互动数据中所述办公事件的意图需求互动元素，避免办公事件与意图需求互动元素之间的错乱。
63.步骤s13、人工智能服务器基于所述第一热点办公互动数据中每个所述办公互动数据片段的互动元素、所述第一显著办公交互行为集的信息和所述第一热点办公互动数据中每个办公事件的意图需求互动元素，获取协作办公识别结果。
64.本技术实施例中，协作办公识别结果用于从全局层面或者整体层面反应不同办公互动对象（设备/用户）之间的业务匹配情况。比如，协作办公识别结果可以表征在相同办公场景下的办公资源调用情况，也可以表征在相同办公资源调用状态下的办公场景关联度，还可以表征不同办公互动对象之间的办公需求之间是否存在资源调用或者场景适配方面的冲突，如此，能够为后续的办公服务软件的更新升级提供可信的决策依据。
65.在一些可能的实施例中，所述第一显著办公交互行为集的信息可以包括第一显著办公交互行为集的类型，基于此，上述步骤s13所描述的基于所述第一热点办公互动数据中每个所述办公互动数据片段的互动元素、所述第一显著办公交互行为集的信息和所述第一热点办公互动数据中每个办公事件的意图需求互动元素，获取协作办公识别结果，可以通过以下步骤s131和步骤s132所描述的技术方案实现。
66.步骤s131、基于所述第一热点办公互动数据中每个所述办公互动数据片段对应的互动元素确定所述第一热点办公互动数据中存在所述显著办公交互行为的办公互动数据，基于所述第一热点办公互动数据中每个办公事件的意图需求互动元素，确定所述第一热点办公互动数据中对应所述办公事件的类型。
67.本技术实施例中，所述存在显著办公交互行为的办公互动数据对应的所述办公互动数据片段对应的互动元素大于预设检测结果阈值。预设检测结果阈值可以根据实际情况进行设置，比如取值范围为0~1，以预设检测结果阈值为0.8为例，若所述办公互动数据片段对应的互动元素对应的量化数值大于0.8，则确定该办公互动数据片段所属的办公互动数据存在显著办公交互行为。
68.进一步地，可以根据第一热点办公互动数据中每个办公事件的意图需求互动元素的差异性，确定第一热点办公互动数据中对应所述办公事件的类型，从而确保办公事件的类型的精准分类。
69.步骤s132、基于所述第一热点办公互动数据中每个所述办公事件的类型，确定所述存在显著办公交互行为的办公互动数据中属于所述第一显著办公交互行为集的类型的办公事件，作为所述协作办公识别结果。
70.例如，可以对所述第一热点办公互动数据中每个所述办公事件的类型进行分析，进而确定所述存在显著办公交互行为的办公互动数据中对应于/匹配于所述第一显著办公交互行为集的类型的办公事件，然后对办公事件的相关事件特征进行提取和整合，以得到协作办公识别结果。可以理解的是，所述存在显著办公交互行为的办公互动数据中属于所述第一显著办公交互行为集的类型的办公事件通常与较多的办公互动对象/办公事件相关，因而能够确保协作办公识别结果从全局层面反应不同办公互动对象（设备/用户）之间的业务匹配情况，从而为后续的办公服务软件的更新升级提供可信的决策依据。
71.通过上述方式，本技术通过云办公大数据识别线程获取待处理云办公大数据中的的第一显著办公交互行为集，基于第一显著办公交互行为集获取待处理云办公大数据的第一原始互动元素分布和第一热点办公互动数据的互动元素分布，对第一热点办公互动数据进行办公互动数据片段化的办公交互行为识别，从而能够快速实现对第一热点办公互动数据中显著办公交互行为的分析识别，并调用云办公大数据识别线程获取第一热点办公互动数据中每个办公事件的意图需求互动元素，从而能够结合第一热点办公互动数据中显著办公交互行为的分析识别结果和每个办公事件的意图需求互动元素获取协作办公识别结果。相比于相关技术直接对第一热点办公互动数据的互动元素分布进行协作办公识别的方式，该方案能够落地到办公互动数据片段的互动元素以及办公事件的意图需求互动元素，从而确保协作办公识别结果的精度，并确保协作办公识别结果尽可能与实际的办公业务场景和办公业务需求相匹配，以便为后续的办公服务软件的更新升级提供可信的决策依据。
72.此外，由于直接对第一热点办公互动数据的互动元素分布进行协作办公识别的方式获取对应的第一热点办公互动数据的互动元素分布中各互动元素内容属于各类型的检测结果，因此其输出的互动元素分布所对应的数据量较大，而本技术中的云办公大数据识别线程只是对各办公互动数据片段是否存在办公交互行为进行分析和识别，能够有效减少数据的输入输出量，从而有效降低云办公大数据识别所需占用的计算机资源（比如内存）以及所需花费的时间，以提高云办公大数据识别的效率。
73.在一些可选的实施例中，在步骤s112所描述的调用所述云办公大数据识别线程获取所述待处理云办公大数据中的第一显著办公交互行为集的步骤之前，该方法还可以包括对所述云办公大数据识别线程进行配置的技术方案。
74.在一些可选的实施例中，上述对所述云办公大数据识别线程进行配置的步骤，可以通过以下技术方案实现：将样本云办公大数据导入所述云办公大数据识别线程；调用所述云办公大数据识别线程获取所述样本云办公大数据的第二原始互动元素分布；调用所述云办公大数据识别线程基于所述第二原始互动元素分布获取所述样本云办公大数据中的第二热点办公互动数据和第三热点办公互动数据的互动元素分布；调用所述云办公大数据识别线程将所述第二热点办公互动数据拆分为多个所述办公互动数据片段，调用所述云办公大数据识别线程基于所述第三热点办公互动数据的互动元素分布提取所述第二热点办公互动数据中每个所述办公互动数据片段对应的互动元素，调用所述云办公大数据识别线程对所述第二原始互动元素分布进行意图需求识别，以得到第二意图需求识别信息对应的互动元素分布；基于所述第二热点办公互动数据中每个所述办公互动数据片段对应的互动元素和第一真实元素之间的比较结果获取所述云办公大数据识别线程的第一线程运行指标，基于所述第二意图需求识别信息对应的互动元素分布与第二真实元素之间的比较结果获取所述云办公大数据识别线程的第二线程运行指标；基于所述第一线程运行指标和所述第二线程运行指标优化所述云办公大数据识别线程的线程参数。
75.在一些示例中，真实元素可以作为对云办公大数据识别线程进行配置优化的参考，比如通过真实元素（真值）和互动元素（预测值）确定出线程运行指标（模型损失），然后通过线程运行指标（模型损失）调整优化云办公大数据识别线程的线程参数（模型参数），以达到对云办公大数据识别线程的配置优化。
76.在一些可能的示例中，上述步骤所描述的调用所述云办公大数据识别线程基于所
述第二原始互动元素分布获取所述待处理云办公大数据中的第二热点办公互动数据和第三热点办公互动数据的互动元素分布，可以包括以下内容：调用所述云办公大数据识别线程基于所述第二原始互动元素分布获取所述样本云办公大数据的第二显著备选交互行为集，将所述第二显著备选交互行为集在所述样本云办公大数据中对应的办公互动数据作为所述第二热点办公互动数据；调用所述云办公大数据识别线程基于所述第二显著备选交互行为集和所述第二原始互动元素分布，获取所述第三热点办公互动数据的互动元素分布。
77.在一些可能的示例中，在上述步骤所描述的调用所述云办公大数据识别线程基于所述第二显著备选交互行为集和所述第二原始互动元素分布，获取所述第三热点办公互动数据的互动元素分布的步骤之后，该方法还可以包括以下内容：调用所述云办公大数据识别线程获取所述第三热点办公互动数据的互动元素分布对应的检测互动元素分布和误差互动元素分布；基于所述第三热点办公互动数据的互动元素分布对应的检测互动元素分布和第三真实元素之间的比较结果，获取所述云办公大数据识别线程的第三线程运行指标，基于所述第三热点办公互动数据的互动元素分布对应的所述误差互动元素分布与第四真实元素之间的比较结果，获取所述云办公大数据识别线程的第四线程运行指标；基于所述第三线程运行指标和所述第四线程运行指标优化所述云办公大数据识别线程的线程参数。
78.在一些示例中，所述第三热点办公互动数据的互动元素分布对应的检测互动元素分布用于表示所述第二显著备选交互行为集属于各类型的检测结果，所述第三热点办公互动数据的互动元素分布对应的误差互动元素分布用于表示第二显著办公交互行为集相对于所述第二显著备选交互行为集的偏差。
79.在一些选择性的实施例中，在上述步骤s13所描述的获取协作办公识别结果之后，该方法还可以包括对相关办公服务软件进行更新升级的技术方案。关于对相关办公服务软件进行更新升级的内容可以通过以下步骤s14所描述的内容实现。
80.在一些选择性的实施例中，上述步骤s14所描述的通过所述全局场景分布信息和所述全局需求分布信息对目标办公服务软件进行更新升级，可以通过以下步骤s141-步骤s144所描述的技术方案实现。
81.步骤s141、通过所述全局场景分布信息和所述全局需求分布信息之间的配对结果获取与所述目标办公服务软件对应的待进行更新升级的目标办公服务事项集；对所述目标办公服务事项集中的多个办公服务事项分别进行输出类服务识别和输入类服务识别，得到输出类服务识别结果集和输入类服务识别结果集。
82.例如，所述全局场景分布信息和所述全局需求分布信息之间的配对结果可以是不同分布信息中的成员之间的一一对应关系，这样可以准确确定待进行更新升级的目标办公服务事项集。输出类服务可以理解为资源下发服务，输入类服务可以理解为资源上传服务。
83.步骤s142、通过第一预设筛选指示，对所述输出类服务识别结果集进行第一筛选处理，得到包括有输出类服务的第一办公服务事项子集；通过第二预设筛选指示，对所述输入类服务识别结果集进行第二筛选处理，得到包括有输入类服务的第二办公服务事项子集。
84.例如，不同的筛选指示对应不同的筛选策略。
85.步骤s143、基于所述第一办公服务事项子集和所述第二办公服务事项子集进行一致性优化处理，得到所述目标办公服务事项集中与目标服务相匹配的目标办公服务事项子
集。
86.在本技术实施例中，所述目标服务包括输出类服务和输入类服务中的至少一种，所述目标办公服务事项子集用于对所述目标办公服务事项集进行更新升级。
87.例如，一致性优化处理可以是对所述第一办公服务事项子集和所述第二办公服务事项子集进行去重处理/交并集分析处理，从而确保目标办公服务事项子集的精简性。
88.步骤s144、基于所述目标办公服务事项子集对所述目标办公服务事项集进行更新升级。
89.可以理解，通过定位目标办公服务事项子集，能够对目标办公服务事项集中较为重要的办公服务事项进行更新升级，从而减少不必要的资源浪费，提高办公服务事项的更新升级效率。
90.在一些选择性的实施例中，步骤s141所描述的对所述目标办公服务事项集中的多个办公服务事项分别进行输出类服务识别和输入类服务识别，得到输出类服务识别结果集和输入类服务识别结果集，可以包括以下内容：对所述目标办公服务事项集中的多个办公服务事项分别进行输出类服务识别，得到各个办公服务事项中的输出类服务识别内容、以及各输出类服务识别内容所对应的原始事项服务类型；基于各办公服务事项中的输出类服务识别内容和相应的原始事项服务类型，确定输出类服务识别结果集；对所述目标办公服务事项集中的多个办公服务事项分别进行输入类服务识别，得到输入类服务识别结果集。
91.如此，通过对各个办公服务事项中的输出类服务识别内容及其原始事项服务类型进行独立分析，能够确保输出类服务识别结果集具有较高的特征识别度。
92.在一些选择性的实施例中，上述步骤所描述的对所述目标办公服务事项集中的多个办公服务事项分别进行输入类服务识别，得到输入类服务识别结果集，可以包括以下内容：对所述目标办公服务事项中的多个办公服务事项分别进行服务场景识别，得到各办公服务事项分别对应的服务场景识别结果；对所述目标办公服务事项中的多个办公服务事项分别进行服务功能识别，得到各办公服务事项分别对应的服务功能识别结果；将对应于相同办公状态的服务场景识别结果和服务功能识别结果进行关联；基于所述目标办公服务事项中与目标服务场景识别结果相关联的服务功能识别结果进行输入类服务识别处理，得到输入类服务识别结果集。
93.这样一来，通过对办公服务事项进行服务场景识别和服务功能识别，能够从服务场景层面和服务功能层面进行相关识别结果的关联，从而确保输入类服务识别结果集能够与实际办公业务相匹配。
94.其次，针对上述应用于云办公的大数据处理方法，本发明实施例还提出了一种示例性的应用于云办公的大数据处理装置，如图2所示，应用于云办公的大数据处理装置200可以包括以下的功能模块。
95.互动元素确定模块210，用于调用云办公大数据识别线程获取待处理云办公大数据中的第一显著办公交互行为集，并确定所述待处理云办公大数据中的第一热点办公互动数据和第一热点办公互动数据的互动元素分布。
96.数据片段拆分模块220，用于调用所述调用云办公大数据识别线程将所述第一热点办公互动数据拆分为多个办公互动数据片段，并结合所述第一热点办公互动数据的互动元素分布提取所述第一热点办公互动数据中每个所述办公互动数据片段对应的互动元素，
获取所述第一热点办公互动数据中每个办公事件的意图需求互动元素。
97.识别结果获取模块230，用于基于所述第一热点办公互动数据中每个所述办公互动数据片段的互动元素、所述第一显著办公交互行为集的信息和所述第一热点办公互动数据中每个办公事件的意图需求互动元素，获取协作办公识别结果。
98.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，也即应用于云办公的大数据处理系统，请结合参阅图3，应用于云办公的大数据处理系统30可以包括人工智能服务器10和办公业务终端20。其中，人工智能服务器10和办公业务终端20通信用以实施上述方法，进一步地，应用于云办公的大数据处理系统30的功能性描述如下。
99.人工智能服务器10调用云办公大数据识别线程获取办公业务终端20的待处理云办公大数据中的第一显著办公交互行为集，并确定所述待处理云办公大数据中的第一热点办公互动数据和第一热点办公互动数据的互动元素分布；调用所述调用云办公大数据识别线程将所述第一热点办公互动数据拆分为多个办公互动数据片段，并结合所述第一热点办公互动数据的互动元素分布提取所述第一热点办公互动数据中每个所述办公互动数据片段对应的互动元素，获取所述第一热点办公互动数据中每个办公事件的意图需求互动元素；基于所述第一热点办公互动数据中每个所述办公互动数据片段的互动元素、所述第一显著办公交互行为集的信息和所述第一热点办公互动数据中每个办公事件的意图需求互动元素，获取协作办公识别结果。
100.进一步地，请结合参阅图4，人工智能服务器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。
101.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。
102.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。
103.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。
104.可以理解，图4所示的结构仅为示意，人工智能服务器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。
105.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。
106.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”、“序列”、“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。
107.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。
108.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。
109.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。
110.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。
111.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。
112.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。
113.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。
114.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）。
115.此外，除非权利要求中明确说明，本技术所述处理元素和序列的顺序、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。
116.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。
117.一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。
118.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。
119.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。