医疗输入推荐方法、装置、设备及存储介质与流程

1.本公开涉及计算机技术领域，尤其涉及输入法技术领域，具体涉及一种输入推荐方法、装置、设备及存储介质，可应用于医疗输入的场景。


背景技术：

2.输入法是指为将各种符号输入电子信息设备(如计算机、手机)而采用的编码方法。随着计算机和互联网技术的普及和发展，通过输入法来输入信息的应用越来越广泛，用户对输入法的智能化需求也越来越高。
3.目前的输入方式会在用户输入拼音后进行推荐，但推荐内容精确性较差，难以满足用户的需求。


技术实现要素：

4.本公开提供了一种医疗输入推荐方法、装置、设备及存储介质。
5.根据本公开的第一方面，提供了一种医疗输入推荐方法，包括：
6.根据当前输入的字符串确定候选词；
7.根据历史输入信息确定当前输入的字符串待输出的实体类型是否为医疗实体类型；
8.响应于当前输入的字符串待输出的实体类型为医疗实体类型，基于该医疗实体类型对候选词进行排序并输出。
9.根据本公开的第二方面，提供了一种医疗输入推荐装置，包括：
10.候选词确定模块，用于根据当前输入的字符串确定候选词；
11.类型确定模块，用于根据历史输入信息确定当前输入的字符串待输出的实体类型是否为医疗实体类型；
12.推荐模块，用于响应于当前输入的字符串待输出的实体类型为医疗实体类型，基于该医疗实体类型对候选词进行排序并输出。
13.根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器能够执行本公开任一实施例提供的医疗输入推荐方法。
14.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，计算机指令用于使计算机执行本公开任一实施例提供的医疗输入推荐方法。
15.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，该计算机程序在被处理器执行时实现本公开任一实施例提供的医疗输入推荐方法。
16.本公开的技术方案可至少实现如下有益效果：
17.根据用户实时输入的字符串确定候选词，针对性和实时性较强，可提升输入效率；结合历史输入信息对当前输入的字符串待输出的实体类型进行预测，可增强上下文的信息
处理能力，提高预测的精确性，进而可针对性地基于医疗实体类型对候选词进行排序和输出，提高推荐的精确性，提升用户体验。
18.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
19.附图用于更好地理解本方案，不构成对本公开的限定。其中：
20.图1是本公开实施例提供的一种医疗输入推荐方法的流程示意图；
21.图2是本公开实施例提供的医疗输入推荐方法中确定关联字符串的原理示意图；
22.图3是本公开实施例提供的医疗输入推荐方法的可选实施方式的原理示意图；
23.图4是本公开实施例提供的一种医疗输入推荐装置的结构框架示意图；
24.图5是本公开实施例提供的一种电子设备的结构框架示意图。
具体实施方式
25.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。
26.本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
27.在本公开实施例的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
28.应该进一步理解的是，本公开实施例中使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
29.本技术领域技术人员可以理解，除非另外定义，本公开实施例使用的所有术语(包括技术术语和科学术语)，具有与本公开所属领域中的普通技术人员的一般理解相同的意义。
30.本公开的发明人在研究中发现，病历是广大医护人员在就诊治疗期间对工作的全面记录以及总结，它既是确定诊断结果、制定相应的治疗方案的依据，也是总结医疗经验、为科学研究提供数据支持、充实教学内容的重要资料，当出现医疗纠纷时，还可以提供证据。
31.在实际医学就诊的工作场景中，医护人员经常需要通过输入法书写病历，由于医患数量不均衡，医护人员时间、精力有限，很难做到符合规范地书写病历，书写大量病历也会影响就诊的效率；与此同时，不同医护人员具有不同书写习惯，导致病历当中对于同一疾病、症状、体征等要素的描述可能会千差万别；除此之外，部分医护人员习惯使用一些不规范、不标准的用语，给病历的数据处理带来很多不便。
32.针对上述情况，目前医疗相关的输入推荐技术主要有两种：基于词表规则的输入
推荐方法和基于隐马尔可夫的智能医疗输入推荐方法。基于词表规则的输入推荐方法主要是以整理好的词表为基础，从中文拼音设计的角度出发，进行相关的推荐以及补全，此种方法需要进行大量的比较专业的医疗词表的整理。基于隐马尔可夫的智能医疗输入推荐方法利用历史病历输入作为参考，使用传统机器学习中的序列模型对医疗词进行建模，完成输入过程当中的推荐。
33.上述输入推荐技术有以下不足：基于词表规则的输入推荐方法缺少对上文信息的处理能力，推荐精确性及效率较低；基于隐马尔可夫的智能医疗输入推荐方法没有结合当前输入的拼音进行推荐，推荐精确性和效率较低；两种方法均无法对术语进行规范化、标准化处理，无法得到规范表述的病历。
34.下面以具体实施例对本公开的技术方案以及本公开的技术方案如何解决上述技术问题进行详细说明。
35.根据本公开的实施例，本公开提供了一种医疗输入推荐方法，如图1 所示，该方法包括：
36.s101，根据当前输入的字符串确定候选词；
37.s102，根据历史输入信息确定当前输入的字符串待输出的实体类型是否为医疗实体类型；
38.s103，响应于当前输入的字符串待输出的实体类型为医疗实体类型，基于医疗实体类型对候选词进行排序并输出。
39.本公开实施例提供的医疗输入推荐方法，根据用户实时输入的字符串确定候选词，针对性和实时性较强，可提升输入效率；结合历史输入信息对当前输入的字符串待输出的实体类型是否为医疗实体类型进行预测，可增强上下文的信息处理能力，提高预测的精确性，进而可针对性地基于医疗实体类型对候选词进行排序和输出，提高推荐的精确性，提升用户体验。
40.需要说明的是，图1中各步骤的顺序仅作为示例，而不作为对本公开实施例的限定，步骤s101至s103的执行顺序可以是如图1所示的顺序，也可以是其它顺序，例如步骤s101和步骤s102同步执行，然后再执行步骤s103。
41.可选的，在步骤s101中，根据当前输入的字符串确定候选词，包括：确定当前输入的字符串的关联字符串；在该关联字符串对应的实体词中，确定多个医疗实体词和至少一个非医疗实体词为候选词。
42.基于关联字符串确定候选词的方式，在用户当前输入的字符串不准确的情况下，可以关联字符串为基础确定候选词，弥补当前输入的不足，扩展确定候选词的字符串内容。关联字符串可以是某个术语的完整的字符串表达，从而可以在当前输入的字符串不完整的情况下，通过确定关联字符串的方式自动补全当前输入的字符串，弥补当前输入的不足，增加候选词的字符串的可靠性。
43.在一个示例中，当前输入的字符串的关联字符串可以是容易与当前输入的字符串混淆的字符串(简称易混淆字符串)，可将易混淆字符串对应的实体词中的全部分医疗实体词均作为候选词。
44.通过该种方式可召回医疗领域的候选词，以实现在医疗领域的应用，同一字符串可能同时对应医疗实体词和非医疗实体词，确定易混淆字符串对应的实体词中的多个医疗
实体词和至少一个非医疗实体词为候选词，可保证候选词的全面性，非医疗实体词的数量通常较大，可根据实际需要确定部分非医疗实体词为候选词，该部分非医疗实体词可以是预先对大量历史病历进行分词、词频统计等确定出的出现频率较高的非医疗实体词，由此可在满足医疗领域的基本需求的情况下，减少召回的候选词的数量，减少后续的计算量和计算复杂度，以提高效率。易混淆字符串对应的医疗实体词可根据预先设置的医疗术语词表(包括症状、体征、检查、检验、手术、药品等医疗术语)确定。
45.在一种可选的实施方式中，确定当前输入的字符串的关联字符串，可以包括：根据当前输入的字符串，在预先设置的字符串集合中确定与当前输入的字符串具有关联关系的字符串子集；对该字符串子集中的每个字符串和历史输入信息进行相似度匹配，得到匹配值；将字符串子集中匹配值最高的字符串作为当前输入的字符串的关联字符串。
46.上述字符串集合可以预先根据所有用户可能的一定长度的输入生成，字符串集合可以是矩阵的形式，该集合中的每个元素为一个字符串，该集合中可以包括至少一个术语对应的字符串，每个术语可对应多个字符串，至少一个术语可以是大量历史数据(例如病历)中高频出现的术语(医疗术语和/或非医疗术语)。
47.在一个示例，在获取到当前输入的字符串时，可在字符串集合中查询得到容易与当前输入的字符串混淆的字符串子集，作为与当前输入的字符串具有关联关系的字符串子集；本公开实施例中的字符串可以是拼音或英文单词的两个以上的字符，对于拼音，可以是全拼或简拼，可以是大写和 /或小写。
48.在一个示例中，如图2所示，用户在书写病历内容“患者尿频、口渴 2天，诊断“2型糖尿病”，服用”(作为历史输入信息)之后，当前输入的字符串为“rx”，根据该字符串可从预先生成的字符串集合中查询出容易与“rx”混淆的字符串子集，该字符串子集中包括多个容易与“rx”混淆的字符串，图2示出“rangxin”、“renxin”、“rengxin”和“rexin”四个字符串子集的示例，将该四个字符串分别与历史输入信息进行相似度匹配，可得到以下四个匹配值：“rangxin”对应的匹配值1、“renxin”的匹配值2、“rengxin”对应的匹配值3和“rexin”对应的匹配值4，在该四个匹配值中若最高的一个匹配值为匹配值2，则该匹配值2对应的字符串“renxin”即可作为当前输入的字符串“rx”的关联字符串。
49.本公开实施例中，匹配值可通过预训练向量和计算余弦相似度的方式得到，也可以通过tf-idf算法(term frequency
–
inverse documentfrequency，一种用于信息检索与数据挖掘的常用加权技术)或其它方式得到，本公开对此不作限定。
50.在另一种可选的实施方式中，确定当前输入的字符串的易关联字符串，可以包括：根据当前输入的字符串，在预先设置的字符串集合中确定与当前输入的字符串具有关联关系的字符串，作为当前输入的字符串的关联字符串。
51.在上述实施方式中，基于预先设置的字符串集合中来确定与当前输入的字符串具有关联关系的字符串子集，可提升字符串扩展和联想的针对性和实时性，并减少计算量，通过相似度匹配可进一步从字符串子集中确定匹配度较高的关联字符串，提高关联字符串的精确性。
52.可选的，在步骤s102中，根据历史输入信息确定当前输入的字符串待输出的实体类型是否为医疗实体类型，包括：通过第一分类模型确定历史输入信息对应的实体类型是医疗实体类型的概率(下称医疗概率)；将历史输入信息对应的实体类型作为当前输入的字
符串待输出的实体类型，根据该概率确定该实体类型是否为医疗实体类型。
53.基于历史输入信息的实体类型对当前输入的字符串待输出的实体类型的预测，可在预测过程中增强上下文信息的处理能力，有利于实现精确的预测。
54.历史输入信息可以是指定时间段输入的指定长度的汉字信息或英文信息，在一个示例中，可将当前输入时刻之前的30秒之内输入的全部汉字信息作为历史输入信息(此时指定长度为30秒内的全部输入长度)，在另一个示例中，可将当前输入时刻之前的(即指定时间段为当前输入时刻之前的时间段)最接近当前输入时刻的20个汉字作为历史输入信息。
55.在一种可选的实施方式中，在根据概率确定历史输入信息对应的实体类型(作为当前输入的字符串待输出的实体类型)是否为医疗实体类型时，可首先确定历史输入信息对应的实体类型是医疗实体类型的概率是否大于预设的概率阈值，若是，则可确定历史输入信息对应的实体类型是医疗实体类型，若否，则可确定历史输入信息对应的实体类型是非医疗实体类型。
56.在另一种可选的实施方式中，通过第一分类模模型还可确定历史输入信息对应的实体类型是非医疗实体类型的概率(下称非医疗概率)，可结合医疗概率和非医疗概率，确定历史输入信息对应的实体类型是医疗实体类型还是非医疗实体类型。
57.在一个示例中，确定医疗概率和非医疗概率的大小关系，若医疗概率大于或等于非医疗概率，则可认为历史输入信息对应的实体类型是医疗实体类型，若非医疗概率大于医疗概率，则可认为历史输入信息对应的实体类型是非医疗实体类型。在另一个示例中，在医疗概率大于或等于非医疗概率的基础上，还可基于预设的概率阈值进一步判断，若医疗概率大于或等于上述概率阈值，则可认为历史输入信息对应的实体类型是医疗实体类型，若医疗概率小于上述概率阈值的基础上，可认为历史输入信息对应的实体类型是非医疗实体类型或重新通过第一分类模型确定历史输入信息对应的实体是候选实体类型的概率。其中，概率阈值可根据实际需求设置。
58.根据实际应用场景的不同以及所涉及的实体类型的数量，第一分类模型可以是二分类模型或多分类模型，例如在医疗场景中且涉及的实体类型有两种的情况下，可采用二分类模型，在医疗场景中且涉及的实体类型有三种以上的情况下或在其它场景中，可采用多分类模型。
59.第一分类模型可以包括编码器、全连接层和激活层。
60.上述编码器可以包括transformer(转换)网络，用于对输入的历史输入信息的每个字符进行特征编码，得到每个字符的特征向量，具体表达如下：
61.h
init
＝transformer(dropout(x))
ꢀꢀꢀ
表达式(1)
62.在表达式(1)中，x＝{x1,
…
xn,
…
}，表示历史输入信息中的每个字符经embedding(嵌入)之后得到的向量，其中，x1和xn分别表示历史输入信息中的第1个字符和第n个字符对应的向量；dropout表示对x进行随机丢弃，即按照一定的概率进行丢弃；h
init
表示经transformer网络特征编码后得到的特征向量。
63.上述全连接层和激活层(softmax层)可对编码器的输出是各个实体类型的概率，具体表达如下：
64.se＝softmax(w
(1)hinit
)
ꢀꢀꢀ
表达式(2)
65.在表达式(2)中，w
(1)
表示用于实现全连接的参数矩阵；softmax表示softmax函数(又称归一化指数函数)，可将全连接层的输出转换为概率se，也即历史输入信息对应的实体是候选实体类型的概率。
66.在医疗领域，基于上述表达式(1)和(2)所示的第一分类模型预测当前输入的字符串待输出的实体类型是医疗实体或非医疗实体。
67.可选的，在步骤s103中，基于医疗实体类型对所候选词进行排序并输出，包括：通过第二分类模型确定候选词对应的实体类型是医疗实体类型的概率，根据该概率对候选词进行排序并输出。
68.第二分类模型可以包括编码器、全连接层、最大池化层和激活层，其中，全连接层、最大池化层和激活层可由如下表达式(3)表示，其余内容可参照第一分类模型的相关内容，此处不再赘述。
69.sm＝softmax(w
(2)hinit
)
ꢀꢀꢀ
表达式(3)
70.在表达式(3)中，w
(2)
表示用于实现全连接的参数矩阵；softmax的含义同表达式(2)，激活层的输出为概率sm，也即候选词是目标实体类型(在上述实施方式中为当前输入的字符串待输出的实体类型)的概率。
71.基于分类模型来预测概率，可提高预测的精确性。
72.第二分类模型可以是根据医疗实体类型对应的训练数据训练出的分类模型。其中，训练数据可以包括实体词以及该实体词的上下文信息，训练数据可以是从大量真实数据(例如病历)中确定出现频率比较高的指定数量(例如1万以上)的实体词及其上下文信息。
73.采用基于医疗实体类型对应的训练数据训练出的分类模型，可增强对针对医疗实体类型的处理能力，更精确地预测候选词是该医疗实体类型的概率，同时可提高处理效率。
74.在确定当前输入的字符串待输出的实体类型为非医疗实体类型的情况下，可通过第三分类模型确定候选词对应的实体类型是非医疗实体类型的概率，根据该概率对候选词进行排序。其中第三分类模型可以是非医疗实体类型对应的训练数据训练出的分类模型，该模型的结构和原理可参照第二分类模型。
75.本公开实施例中的医疗实体类型可以包括至少一个子类型，例如涉及某种疾病的子类型、涉及某种检查项目的子类型，此时，本公开实施例中的字符串或历史输入信息的实体类型也可以是医疗实体类型下的任意一个子类型；非医疗实体可以包括至少一个子类型，例如某些特定人群的实体，此时，上述实体类型也可以是非医疗实体下的任意一个子类型。本公开实施例还可根据各子类型的训练数据训练适用于各子类型的分类模型，以实现对上述实体类型是各子类型的概率的预测。
76.可选的，根据候选词对应的实体类型是医疗实体类型的概率对候选词进行排序并输出，包括：根据候选词对应的实体类型是医疗实体类型的概率对候选词进行排序；根据预先设置的标准术语集合中的术语对排序后的候选词进行标准化处理；输出排序以及标准化处理后的候选词。
77.对候选词的标准化处理可提升医疗领域中输入的规范性和标准性，提升医疗输入推荐的智能性，避免因不规范、不标准的输入导致更大的错误，例如病历书写错误。
78.标准术语集合(或称标准术语词表、标准化字典等)可以key-value(键值对)的形
式存储多组标准化术语和非标准化术语，其中，key为非标准化术语，value为标准化术语。根据概率的大小对各候选词进行排序可得到排序后的候选词作为初始推荐结果，对于初始推荐结果中的每个候选词，可首先查询该候选词是否在标准术语集合中的key的子集中，若该候选词在key的子集中，则可进一步查询到该key对应的value，得到该候选词对应的标准化术语，将该标准化术语添加到初始推荐结果中，形成最终推荐结果并输出。
79.标准术语集合中的标准化术语可以包括医疗术语和非医疗术语，其中，医疗术语可以从医疗领域中通用的医疗术语词典中获取。
80.将该标准化术语添加到初始推荐结果，可以包括：用该标准化术语替换初始推荐结果中对应的候选词，或，将该标准化术语插入到初始推荐结果中(例如插入对应的候选词邻近的位置)。
81.下面参照图3，以一个具体示例对本公开的一种实施方式的基本流程进行介绍，如图3所示，用户当前输入的字符串为“rx”，基于该字符串和历史输入信息可确定出该字符串的关联字符串为“renxin”，基于该关联字符串可确定出(召回)三个候选词“人心仁心仁欣”，根据历史输入信息确定当前输入的字符串“rx”的实体类型为医疗实体，选择适用于医疗实体的第二分类模型可得到上述三个候选词是医疗实体的概率，根据三个概率的大小关系可对上述三个候选词排序得到初始推荐结果“仁欣人心仁心”，对初始推荐结果中的三个候选词进行标准化处理可得到标准化术语“盐酸二甲双胍缓释片”，将该术语插入到初始推荐结果的起始位置可得到最终推荐结果“盐酸二甲双胍缓释片仁欣人心仁心”。
82.根据本公开的实施例，本公开还提供了一种医疗输入推荐装置，如图 4所示，该装置包括：候选词确定模块401、类型确定模块402推荐模块 403。
83.候选词确定模块401，用于根据当前输入的字符串确定候选词；类型确定模块402，用于根据历史输入信息确定当前输入的字符串待输出的实体类型是否为医疗实体类型；推荐模块403，用于响应于字符串待输出的实体类型为医疗实体类型，基于医疗实体类型对候选词进行排序并输出。
84.上述候选词确定模块401可以包括：字符串确定单元和候选词确定单元。字符串确定单元，用于确定当前输入的字符串的关联字符串；候选词确定单元，用于在该关联字符串对应的实体词中，确定多个医疗实体词和至少一个非医疗实体词为候选词。
85.可选的，字符串确定单元，具体用于：根据当前输入的字符串，在预先设置的字符串集合中确定与当前输入的字符串具有关联关系的字符串子集；对字符串子集中的每个字符串和当前输入的字符串进行相似度匹配，得到匹配值；将字符串子集中匹配值最高的字符串作为当前输入的字符串的关联字符串。
86.可选的，上述类型确定模块402具体用于：通过第一分类模型确定历史输入信息对应的实体类型是医疗实体类型的概率；将历史输入信息对应的实体类型作为字符串待输出的实体类型，根据该概率确定该实体类型是否为医疗实体类型。
87.可选的，上述推荐模块403具体用于：通过第二分类模型确定候选词对应的实体类型是医疗实体类型的概率；根据该概率对候选词进行排序并输出。其中，第二分类模型可以是根据医疗实体类型对应的训练数据训练出的分类模型。
88.可选的，在根据候选词对应的实体类型是医疗实体类型的概率对候选词进行排序并输出时，上述推荐模块403具体用于：根据候选词对应的实体类型是医疗实体类型的概率
对候选词进行排序；根据预先设置的标准术语集合中的术语对排序后的候选词进行标准化处理；输出排序以及标准化处理后的候选词。
89.本公开实施例各装置中的模块和单元的功能可以参照上述方法实施例中的对应描述，在此不再赘述。
90.需要说明的是，图4中各模块的连接关系仅作为示例，而不作为对本公开实施例的限定，例如，候选词确定模块401、类型确定模块402可以分别与推荐模块403连接，候选词确定模块401和类型确定模块402之间可以不连接。
91.根据本公开的实施例，本公开还提供了一种电子设备、一种非瞬时计算机可读存储介质和一种计算机程序产品。
92.本公开提供的电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器能够执行本公开任一实施例提供的医疗输入推荐方法。
93.本公开提供的非瞬时计算机可读存储介质，存储有计算机指令，该计算机指令用于使计算机执行本公开任一实施例提供的医疗输入推荐方法。
94.本公开提供的计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现本公开任一实施例提供的医疗输入推荐方法。
95.图5示出了可以用来实施本公开的实施例的示例电子设备500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。
96.如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(rom)502中的计算机程序或者从存储单元508加载到随机访问存储器(ram)503中的计算机程序，来执行各种适当的动作和处理。在ram 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、 rom 502以及ram 503通过总线504彼此相连。输入/输出(i/o)接口 505也连接至总线504。
97.设备500中的多个部件连接至i/o接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500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。
98.计算单元501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501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501执行上文所描述的各个方法和处理。例如，在一些实施例中，上述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508。在一些实施例中，计算机程序的部分或者全部可以经由rom 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到ram 503并由计算单元 501执行时，可以执行上文描述的方法的一个或多个步骤。备选地，在其他实施例
中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行上述方法。
99.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。
100.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。
101.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。
102.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。
103.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。
104.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。
105.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。
106.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。