一种基于决策树的失败案例问题分析和定位的方法与流程

1.本发明涉及信息技术领域，尤其涉及一种基于决策树的失败案例问题分析和定位的方法。


背景技术：

2.在自动化测试过程中，随着自动化测试的高频高效执行，短时间执行会产生大量执行失败的案例，这为我们带来大量的人工分析和定位成本。目前降低人工成本的广泛方案是假定已存在用于分类的错误关键字集合，基于关键字匹配给出失败案例的初步分类结果，已有方案只给出了初步的统计结果或初步分类结果。
3.但本技术发明人在实现本技术实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
4.现有技术方案只给出了初步的统计结果或初步分类结果，没有进一步定位问题的根因或给出解决方案，所以仍然需要大量的人工分析成本的问题。


技术实现要素：

5.本技术实施例通过提供一种基于决策树的失败案例问题分析和定位的方法，解决了现有技术方案只给出了初步的统计结果或初步分类结果，没有进一步定位问题的根因或给出解决方案，所以仍然需要大量的人工分析成本的技术问题，达到通过基于失败案例构建预测分类的决策树技术，有效实现对失败案例进行自动化问题分类，此外还提供了各类问题的自动化定位技术，实现了失败案例的有效精准定位，有效的提升了失败案例的分析效率和准确性的技术效果。
6.鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的方法。
7.第一方面，本技术实施例提供了一种基于决策树的失败案例问题分析和定位的方法，所述方法包括：获得第一样本集合；对所述第一样本集合进行样本预处理，获得第一预处理结果，其中，所述第一预处理结果包括n个样本子集，其中，n为大于1的正整数；获得所述第一预处理结果的第p样本子集，对所述第p样本子集进行特征提取，获得第p特征列表，其中，p为小于等于n的正整数；进行所述第p特征列表中的各特征对所述第p样本子集的信息增益计算，获得第p信息增益集合；选取所述第p信息增益集合中信息增益最大的第p特征作为所述第p样本子集的第p特征，并将所述第p特征从所述第p特征列表删除；直至所述n个样本子集全部获得对应特征后，停止步骤重复，根据所述n个样本子集的对应特征生成决策树；基于所述决策树进行失败案例问题的分析和定位。
8.另一方面，本技术还提供了一种基于决策树的失败案例问题分析和定位的系统，所述系统包括：第一获得单元，所述第一获得单元用于获得第一样本集合；第二获得单元，所述第二获得单元用于对所述第一样本集合进行样本预处理，获得第一预处理结果，其中，所述第一预处理结果包括n个样本子集，其中，n为大于1的正整数；第三获得单元，所述第三
获得单元用于获得所述第一预处理结果的第p样本子集，对所述第p样本子集进行特征提取，获得第p特征列表，其中，p为小于等于n的正整数；第四获得单元，所述第四获得单元用于进行所述第p特征列表中的各特征对所述第p样本子集的信息增益计算，获得第p信息增益集合；第一选取单元，所述第一选取单元用于选取所述第p信息增益集合中信息增益最大的第p特征作为所述第p样本子集的第p特征，并将所述第p特征从所述第p特征列表删除；第一生成单元，所述第一生成单元用于重复所述第三获得单元至所述第一选取单元，直至所述n个样本子集全部获得对应特征后，停止步骤重复，根据所述n个样本子集的对应特征生成决策树；第一分析单元，所述第一分析单元用于基于所述决策树进行失败案例问题的分析和定位。
9.第三方面，本发明实施例提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，所述计算机程序被所述处理器执行时实现上述任意一项所述的控制输出数据的方法中的步骤。
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，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的控制输出数据的方法中的步骤。
11.本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
12.由于采用了对第一样本集合进行样本预处理，获得第一预处理结果；获得所述第一预处理结果的第p样本子集，对所述第p样本子集进行特征提取，获得第p特征列表；进行所述第p特征列表中的各特征对所述第p样本子集的信息增益计算，获得第p信息增益集合；选取所述第p信息增益集合中信息增益最大的第p特征作为所述第p样本子集的第p特征，并将所述第p特征从所述第p特征列表删除；直至所述n个样本子集全部获得对应特征后，停止步骤重复，根据所述n个样本子集的对应特征生成决策树；基于所述决策树进行失败案例问题的分析和定位。进而达到通过基于失败案例构建预测分类的决策树技术，有效实现对失败案例进行自动化问题分类，此外还提供了各类问题的自动化定位技术，实现了失败案例的有效精准定位，有效的提升了失败案例的分析效率和准确性的技术效果。
13.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
14.图1为本技术实施例一种基于决策树的失败案例问题分析和定位的方法的流程示意图；
15.图2为本技术实施例一种基于决策树的失败案例问题分析和定位的方法中对第一样本集合进行样本预处理的流程示意图；
16.图3为本技术实施例一种基于决策树的失败案例问题分析和定位的方法中对通过分析定位结果进行缺陷定位的流程示意图；
17.图4为本技术实施例一种基于决策树的失败案例问题分析和定位的方法中对分析和定位结果提供参考方案的流程示意图；
18.图5为本技术实施例一种基于决策树的失败案例问题分析和定位的系统的结构示意图；
19.图6为本技术实施例所提供的一种用于执行控制输出数据的方法的电子设备的结构示意图。
20.附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第一选取单元15，第一生成单元16，第一分析单元17，总线1110，处理器1120，收发器1130，总线接口1140，存储器1150，操作系统1151，应用程序1152和用户接口1160。
具体实施方式
21.在本发明实施例的描述中，所属技术领域的技术人员应当知道，本发明实施例可以实现为方法、装置、电子设备及计算机可读存储介质。因此，本发明实施例可以具体实现为以下形式：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外，在一些实施例中，本发明实施例还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式，该计算机可读存储介质中包含计算机程序代码。
22.上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括：电、磁、光、电磁、红外或半导体的系统、装置或器件，或者以上任意的组合。计算机可读存储介质更具体的例子包括：便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本发明实施例中，计算机可读存储介质可以是任意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、器件使用或与其结合使用。
23.申请概述
24.本发明实施例通过流程图和/或方框图描述所提供的方法、装置、电子设备。
25.应当理解，流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合，都可以由计算机可读程序指令实现。这些计算机可读程序指令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，从而生产出一种机器，这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行，产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
26.也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样，存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
27.也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
28.下面结合本发明实施例中的附图对本发明实施例进行描述。
29.实施例一
30.如图1所示，本技术实施例提供了一种基于决策树的失败案例问题分析和定位的方法，其中，所述方法包括：
31.步骤s100：获得第一样本集合；
32.具体而言，在自动化测试过程中，随着自动化测试的高频高效执行，短时间执行会产生大量执行失败的案例，所述第一样本集合为自动化测试中执行失败案例的报错信息集合，为后续失败案例问题分析提供案例数据基础。
33.步骤s200：对所述第一样本集合进行样本预处理，获得第一预处理结果，其中，所述第一预处理结果包括n个样本子集，其中，n为大于1的正整数；
34.如图2所示，进一步而言，其中，所述步骤s200还包括：
35.步骤s210：获得第一失败问题分类标准；
36.步骤s220：基于所述第一失败问题分类标准进行所述第一样本集合的分类，获得第一分类结果；
37.步骤s230：对所述第一分类结果进行失败原因分析和标记，获得所述第一预处理结果。
38.具体而言，对所述第一样本集合进行样本预处理，基于所述第一失败问题分类标准即根据开发测试人员应对措施的不同，将所述第一样本集合的失败问题进行分类，获得第一分类结果，所述第一分类结果包括系统缺陷类、测试环境类、案例数据类。对所述第一分类结果进行失败原因分析和标记，获得分析后的所述第一预处理结果，其中，所述第一预处理结果包括n个样本子集，其中，n为大于1的正整数，对样本完成预处理，使得后续特征提取更加准确。
39.步骤s300：获得所述第一预处理结果的第p样本子集，对所述第p样本子集进行特征提取，获得第p特征列表，其中，p为小于等于n的正整数；
40.步骤s400：进行所述第p特征列表中的各特征对所述第p样本子集的信息增益计算，获得第p信息增益集合；
41.具体而言，所述第p样本子集为预处理后的样本子集，包含于所述n个样本子集中，对所述第p样本子集进行特征提取，将失败案例的报错信息进行分词，并通过去重和去除停用词，提取出特征词，获得对应的第p特征列表中，p为小于等于n的正整数。根据信息增益，挑选决策树的分类特征，进行所述第p特征列表中的各特征对所述第p样本子集的信息增益计算，获得增益计算对应的第p信息增益集。
42.步骤s500：选取所述第p信息增益集合中信息增益最大的第p特征作为所述第p样本子集的第p特征，并将所述第p特征从所述第p特征列表删除；
43.步骤s600：重复步骤s300至步骤s500，直至所述n个样本子集全部获得对应特征后，停止步骤重复，根据所述n个样本子集的对应特征生成决策树；
44.具体而言，比较各个特征的信息增益，选择信息增益最大的特征，作为当前分类的最优特征，然后将其从特征列表中删除，即选取所述第p信息增益集合中信息增益最大的第p特征作为所述第p样本子集的第p特征，并将所述第p特征从所述第p特征列表删除，表示已经使用过此特征。然后递归的对每个样本子集选择其信息增益最大的特征，直至所述n个样本子集全部获得对应特征后，停止步骤s300至步骤s500重复，根据所述n个样本子集的对应特征生成问题分类的决策树。
45.步骤s700：基于所述决策树进行失败案例问题的分析和定位。
46.具体而言，基于所述决策树进行失败案例问题的分析和定位，当有案例失败时，将失败案例的报错信息作为决策树的输入，根据执行决策树命中的最终结果为本次失败进行
问题分类。通过基于失败案例构建预测分类的决策树技术，有效实现对失败案例进行自动化问题分类，大幅降低了人力排查成本，有效的提升了失败案例的分析效率和准确性的技术效果。
47.如图3所示，进一步而言，本技术实施例s230还包括：
48.步骤s231：根据所述第一分类结果进行缺陷定位，获得第一缺陷定位集合；
49.步骤s232：基于所述第一缺陷定位集合和所述第一分类结果进行映射关系构建，获得第一映射关系构建结果；
50.步骤s233：当基于所述决策树进行失败案例问题的分析和定位后，通过分析定位结果和所述第一映射关系构建结果进行缺陷定位。
51.具体而言，根据所述第一分类结果进行缺陷定位，获得相应第一缺陷定位集合，所述第一分类结果包括系统缺陷类、测试环境类、案例数据类。基于所述第一缺陷定位集合和所述第一分类结果进行映射关系构建，获得第一映射关系构建结果，当基于所述决策树进行失败案例问题的分析和定位后，通过分析定位结果和所述第一映射关系构建结果进行缺陷定位。举例而言，系统缺陷类，通过代码覆盖率统计工具建立代码函数与测试案例的映射，进而统计出测试案例执行过程中，执行了程序中的哪些函数，从而定位到测试案例对应的程序和代码，最终可以得到测试案例到函数的映射关系，当有系统缺陷类的失败案例时，根据测试案例与代码映射关系查找此失败案例覆盖的函数列表，即可定位到存在缺陷的程序；测试环境类，根据预置的交易-系统映射关系拓扑图，可以查看交易经过的系统链路和系统间的上下游调用关系。当某交易定位为环境问题时，根据系统从映射图中得到该交易的链路，根据流水号从交易链路的最下游系统t开始检索，成功检索到错误日志，则可定位到系统t环境异常；若系统t中无流水号日志，则对系统t-1进行检索定位
…
直到成功定位问题系统；案例数据类定位到问题字段。当基于所述决策树进行失败案例问题的分析和定位后，通过分析定位结果和所述第一映射关系构建结果进行缺陷定位实现了失败案例的自动化分析和定位，有效的提升了失败案例的分析效率。
52.如图4所示，进一步而言，本技术实施例还包括：
53.步骤s810：基于案例执行状态构建失败案例解决方案库；
54.步骤s820：获得所述决策树的分析和定位结果；
55.步骤s830：基于所述失败案例解决方案库对所述分析和定位结果提供参考方案。
56.具体而言，通过基于案例执行状态构建失败案例解决方案库，自动推荐解决方案给相同错误信息案例。首先基于案例执行状态转换，将同一案例执行成功和最近一次执行失败的数据配置、交易码、错误信息进行记录，构建失败案例解决方案库。基于所述失败案例解决方案库对所述决策树的分析和定位结果提供参考方案，举例而言，当有数据问题的失败案例时，以交易码和错误信息为键，在解决方案库中检索与失败案例交易码及错误信息相同的记录，推荐给测试人员历史成功案例的数据配置和改动字段，为测试人员提供解决思路，自动推荐解决方案给相同错误信息案例，实现了失败案例的自动化分析和定位，有效的提升了失败案例的分析效率。
57.进一步而言，本技术实施例还包括：
58.步骤s910：获得所述第p样本子集的第一信息熵；
59.步骤s920：获得所述第p特征剔除后的所述第p样本子集的第二信息熵；
60.步骤s930：基于所述第一信息熵和所述第二信息熵获得所述第p特征对所述第p样本子集的信息增益。
61.进一步而言，通过公式计算所述第p特征对所述第p样本子集的信息增益，计算公式如下：
62.g(d,p)＝h(d)-h(d|p)
63.其中，g(d,p)为信息增益，h(d)为第一信息熵，h(d|p)为第二信息熵。
64.具体而言，进行所述第p特征列表中的各特征对所述第p样本子集的信息增益计算，具体为将未分类的失败案例集合记为数据集d，其信息熵为所述第p样本子集的第一信息熵y1。将包含所述第p特征的失败案例剔除后，这个集合的信息熵下降为所述第p样本子集的第二信息熵y2，基于所述第一信息熵和所述第二信息熵获得所述第p特征对所述第p样本子集的信息增益，则特征p对于数据集d的信息增益为y
1-y2。特征p对数据集d的信息增益记为g(d,p)，计算公式如下：g(d,p)＝h(d)-h(d|p)，其中，g(d,p)为信息增益，h(d)为第一信息熵，h(d|p)为第二信息熵。对于h(d)的计算，根据信息熵的计算公式为：可以得出：
65.h(d)＝-(系统缺陷概率*log2系统缺陷概率 环境问题概论*log2环境问题概论 数据问题概论*log2数据问题概论)；
66.对于h(d|p),h(d|p)为特征p给定条件下d的经验条件熵，条件熵h(y|x)表示在已知随机变量x的条件下随机变量y的不确定性，其计算公式为：h(y|x)＝∑
j＝1
pih(y|x＝xi)。
67.在本发明中，以特征a1表示“失败案例的报错信息包含特征词a
1”，特征a1把数据d可以分为两个子集d1和d2，d1和d2分别表示d中报错信息包含特征词a1和不包含特征词a1的样本子集。则h(d|a1)＝包含特征词a1的概率*h(d1) 不包含特征词a1的概率*h(d2)，g(d,a1)＝h(d)-包含特征词a1的概率*h(d1) 不包含特征词a1的概率*h(d2)，其中h(d)、h(d1)和h(d2)按照熵的计算公式计算。
68.以特征a2表示“失败案例的报错信息包含特征词a
2”，d1和d2分别表示d中报错信息包含特征词a2和不包含特征词a2的样本子集。则g(d,a2)＝h(d)-包含特征词a2的概率*h(d1) 不包含特征词a2的概率*h(d2)，根据信息增益，挑选决策树的分类特征，使得预测分类的决策树构建更加准确，提升案例问题分类准确性。
69.进一步而言，本技术实施例还包括：
70.步骤s1010：获得第一预定决策树生成条件；
71.步骤s1020：判断步骤s600生成的决策树是否满足所述第一预定决策树生成条件；
72.步骤s1030：当步骤s600生成的决策树满足所述第一预定决策树生成条件时，完成决策树的构建。
73.具体而言，所述第一预定决策树生成条件有两个：其一是划分的数据都属于一个类，其二是全部的特征都已经使用了。在第二种的结束情况下，划分的数据有可能不属于一个类别，须要依据多数表决准则确定这个子数据集的分类。判断步骤s600生成的决策树是否满足所述第一预定决策树生成条件，当步骤s600生成的决策树满足所述第一预定决策树生成条件时，即满足生成决策树的结束条件，完成决策树的构建，有效的实现了对失败案例进行自动化问题分类，进而提升分析效率的技术效果。
74.综上所述，本技术实施例所提供的一种基于决策树的失败案例问题分析和定位的
方法具有如下技术效果：
75.由于采用了对第一样本集合进行样本预处理，获得第一预处理结果；获得所述第一预处理结果的第p样本子集，对所述第p样本子集进行特征提取，获得第p特征列表；进行所述第p特征列表中的各特征对所述第p样本子集的信息增益计算，获得第p信息增益集合；选取所述第p信息增益集合中信息增益最大的第p特征作为所述第p样本子集的第p特征，并将所述第p特征从所述第p特征列表删除；直至所述n个样本子集全部获得对应特征后，停止步骤重复，根据所述n个样本子集的对应特征生成决策树；基于所述决策树进行失败案例问题的分析和定位。进而达到通过基于失败案例构建预测分类的决策树技术，有效实现对失败案例进行自动化问题分类，此外还提供了各类问题的自动化定位技术，实现了失败案例的有效精准定位，有效的提升了失败案例的分析效率和准确性的技术效果。
76.实施例二
77.基于与前述实施例中一种基于决策树的失败案例问题分析和定位的方法同样发明构思，本发明还提供了一种基于决策树的失败案例问题分析和定位的系统，如图5所示，所述系统包括：
78.第一获得单元11，所述第一获得单元11用于获得第一样本集合；
79.第二获得单元12，所述第二获得单元12用于对所述第一样本集合进行样本预处理，获得第一预处理结果，其中，所述第一预处理结果包括n个样本子集，其中，n为大于1的正整数；
80.第三获得单元13，所述第三获得单元13用于获得所述第一预处理结果的第p样本子集，对所述第p样本子集进行特征提取，获得第p特征列表，其中，p为小于等于n的正整数；
81.第四获得单元14，所述第四获得单元14用于进行所述第p特征列表中的各特征对所述第p样本子集的信息增益计算，获得第p信息增益集合；
82.第一选取单元15，所述第一选取单元15用于选取所述第p信息增益集合中信息增益最大的第p特征作为所述第p样本子集的第p特征，并将所述第p特征从所述第p特征列表删除；
83.第一生成单元16，所述第一生成单元16用于重复所述第三获得单元至所述第一选取单元，直至所述n个样本子集全部获得对应特征后，停止步骤重复，根据所述n个样本子集的对应特征生成决策树；
84.第一分析单元17，所述第一分析单元17用于基于所述决策树进行失败案例问题的分析和定位。
85.进一步的，所述系统还包括：
86.第五获得单元，所述第五获得单元用于获得第一失败问题分类标准；
87.第六获得单元，所述第六获得单元用于基于所述第一失败问题分类标准进行所述第一样本集合的分类，获得第一分类结果；
88.第七获得单元，所述第七获得单元用于对所述第一分类结果进行失败原因分析和标记，获得所述第一预处理结果。
89.进一步的，所述系统还包括：
90.第八获得单元，所述第八获得单元用于根据所述第一分类结果进行缺陷定位，获得第一缺陷定位集合；
91.第九获得单元，所述第九获得单元用于基于所述第一缺陷定位集合和所述第一分类结果进行映射关系构建，获得第一映射关系构建结果；
92.第一定位单元，所述第一定位单元用于当基于所述决策树进行失败案例问题的分析和定位后，通过分析定位结果和所述第一映射关系构建结果进行缺陷定位。
93.进一步的，所述系统还包括：
94.第一构建单元，所述第一构建单元用于基于案例执行状态构建失败案例解决方案库；
95.第十获得单元，所述第十获得单元用于获得所述决策树的分析和定位结果；
96.第一参考单元，所述第一参考单元用于基于所述失败案例解决方案库对所述分析和定位结果提供参考方案。
97.进一步的，所述系统还包括：
98.第十一获得单元，所述第十一获得单元用于获得所述第p样本子集的第一信息熵；
99.第十二获得单元，所述第十二获得单元用于获得所述第p特征剔除后的所述第p样本子集的第二信息熵；
100.第一增益单元，所述第一增益单元用于基于所述第一信息熵和所述第二信息熵获得所述第p特征对所述第p样本子集的信息增益。
101.进一步的，所述系统还包括：
102.第十三获得单元，所述第十三获得单元用于获得第一预定决策树生成条件；
103.第一判断单元，所述第一判断单元用于判断所述第一生成单元生成的决策树是否满足所述第一预定决策树生成条件；
104.第二构建单元，所述第二构建单元用于当所述第一生成单元生成的决策树满足所述第一预定决策树生成条件时，完成决策树的构建。
105.前述图1实施例一中的一种基于决策树的失败案例问题分析和定位的方法的各种变化方式和具体实例同样适用于本实施例的一种基于决策树的失败案例问题分析和定位的系统，通过前述对一种基于决策树的失败案例问题分析和定位的方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于决策树的失败案例问题分析和定位的系统的实施方法，所以为了说明书的简洁，在此不再详述。
106.此外，本发明实施例还提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，该收发器、该存储器和处理器分别通过总线相连，计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
107.示例性电子设备
108.具体的，参见图6所示，本发明实施例还提供了一种电子设备，该电子设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。
109.在本发明实施例中，该电子设备还包括：存储在存储器1150上并可在处理器1120上运行的计算机程序，计算机程序被处理器1120执行时实现上述控制输出数据的方法实施例的各个过程。
110.收发器1130，用于在处理器1120的控制下接收和发送数据。
111.本发明实施例中，总线架构(用总线1110来代表)，总线1110可以包括任意数量互
联的总线和桥，总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。
112.总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个，包括存储器总线和存储器控制器、外围总线、加速图形端口、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制，这样的体系结构包括：工业标准体系结构总线、微通道体系结构总线、扩展总线、视频电子标准协会、外围部件互连总线。
113.处理器1120可以是一种集成电路芯片，具有信号处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括：通用处理器、中央处理器、网络处理器、数字信号处理器、专用集成电路、现场可编程门阵列、复杂可编程逻辑器件、可编程逻辑阵列、微控制单元或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本发明实施例中公开的各方法、步骤和逻辑框图。例如，处理器可以是单核处理器或多核处理器，处理器可以集成于单颗芯片或位于多颗不同的芯片。
114.处理器1120可以是微处理器或任何常规的处理器。结合本发明实施例所公开的方法步骤可以直接由硬件译码处理器执行完成，或者由译码处理器中的硬件和软件模块组合执行完成。软件模块可以位于随机存取存储器、闪存、只读存储器、可编程只读存储器、可擦除可编程只读存储器、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
115.总线1110还可以将，例如外围设备、稳压器或功率管理电路等各种其他电路连接在一起，总线接口1140在总线1110和收发器1130之间提供接口，这些都是本领域所公知的。因此，本发明实施例不再对其进行进一步描述。
116.收发器1130可以是一个元件，也可以是多个元件，例如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。例如：收发器1130从其他设备接收外部数据，收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机装置的性质，还可以提供用户接口1160，例如：触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。
117.应理解，在本发明实施例中，存储器1150可进一步包括相对于处理器1120远程设置的存储器，这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络、内联网、外联网、虚拟专用网、局域网、无线局域网、广域网、无线广域网、城域网、互联网、公共交换电话网、普通老式电话业务网、蜂窝电话网、无线网络、无线保真网络以和两个或更多个上述网络的组合。例如，蜂窝电话网和无线网络可以是全球移动通信装置、码分多址装置、全球微波互联接入装置、通用分组无线业务装置、宽带码分多址装置、长期演进装置、lte频分双工装置、lte时分双工装置、先进长期演进装置、通用移动通信装置、增强移动宽带装置、海量机器类通信装置、超可靠低时延通信装置等。
118.应理解，本发明实施例中的存储器1150可以是易失性存储器或非易失性存储器，或可包括易失性存储器和非易失性存储器两者。其中，非易失性存储器包括：只读存储器、可编程只读存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器，或闪存。
119.易失性存储器包括：随机存取存储器，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如：静态随机存取存储器、动态随机存取存储器、同步动
态随机存取存储器、双倍数据速率同步动态随机存取存储器、增强型同步动态随机存取存储器、同步连接动态随机存取存储器和直接内存总线随机存取存储器。本发明实施例描述的电子设备的存储器1150包括但不限于上述和任意其他适合类型的存储器。
120.在本发明实施例中，存储器1150存储了操作系统1151和应用程序1152的如下元素：可执行模块、数据结构，或者其子集，或者其扩展集。
121.具体而言，操作系统1151包含各种装置程序，例如：框架层、核心库层、驱动层等，用于实现各种基础业务和处理基于硬件的任务。应用程序1152包含各种应用程序，例如：媒体播放器、浏览器，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序1152中。应用程序1152包括：小程序、对象、组件、逻辑、数据结构和其他执行特定任务或实现特定抽象数据类型的计算机装置可执行指令。
122.此外，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
123.以上所述，仅为本发明实施例的具体实施方式，但本发明实施例的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明实施例披露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明实施例的保护范围之内。因此，本发明实施例的保护范围应以权利要求的保护范围为准。