相似法律文书查询方法、装置、设备及存储介质与流程

1.本说明书涉及人工智能技术领域，尤其是涉及一种相似法律文书查询方法、装置、设备及存储介质。


背景技术：

2.随着大数据技术和智慧法院的发展，法律文书等法院信息已逐步实现信息化，大量法律文书开始在网上公布。对于金融行业而言，法律文书信息化可大幅提高金融机构进行反欺诈和营销等工作的工作效率。不仅如此，对于公众而言，法律文书信息化也方便了公众的查阅和参考。然而，目前的法律文书查询系统，一般仅支持基于法律文书编号、关键词等查询方式。多数情况下，用户预先并不知晓与自身情况相似的法律文书的法律文书编号，而当用户基于关键词查询时，返回的结果往往较多，还需要用户进行人工筛选，查询效率较低。


技术实现要素：

3.本说明书实施例的目的在于提供一种相似法律文书查询方法、装置、设备及存储介质，以提高法律文书查询系统的查询效率。
4.为达到上述目的，一方面，本说明书实施例提供了一种相似法律文书查询方法，包括：
5.接收针对指定文书类别的相似法律文书的查询请求；所述查询请求中包含对象描述信息；
6.确定所述指定文书类别对应的问题及选项；
7.将所述对象描述信息、所述问题及选项转换为第一数字向量；
8.将所述第一数字向量输入至预训练的特征抽取模型，以抽取所述问题的选项值，并将所述问题及所述选项值作为相似法律文书特征；
9.从结构化的法律文书集合中查询与所述相似法律文书特征最匹配的法律文书，以作为目标法律文书；
10.返回所述目标法律文书。
11.本书明书实施例的相似法律文书查询方法中，所述将所述第一数字向量输入至预训练的特征抽取模型，以抽取所述问题的选项值，并将所述问题及所述选项值作为相似法律文书特征，包括：
12.基于所述特征抽取模型，抽取所述第一数字向量中的语义依赖特征，将所述语义依赖特征与所述第一数字向量进行相关性计算，从所述第一数字向量中提取与所述语义依赖特征满足指定相关性指标的相关内容，将所述相关内容与所述语义依赖特征融合为融合特征，获取所述融合特征的分类概率，根据所述分类概率确定所述问题的选项值，并将所述问题及所述选项值作为相似法律文书特征。
13.本书明书实施例的相似法律文书查询方法中，所述抽取所述第一数字向量中的语
义依赖特征，包括：
14.基于所述特征抽取模型中的bilstm层，抽取所述第一数字向量中的双向语义依赖特征。
15.本书明书实施例的相似法律文书查询方法中，所述将所述语义依赖特征与所述第一数字向量进行相关性计算，从所述第一数字向量中提取与所述语义依赖特征满足指定相关性指标的相关内容，将所述相关内容与所述语义依赖特征融合为融合特征，包括：
16.基于所述特征抽取模型中的多头注意力层，对所述双向语义依赖特征与所述第一数字向量进行相关性计算，以从所述第一数字向量中提取与所述双向语义依赖特征满足指定相关性指标的相关内容，并将所述相关内容与所述双向语义依赖特征融合为融合特征。
17.本书明书实施例的相似法律文书查询方法中，所述获取所述融合特征的分类概率，根据所述分类概率确定所述问题的选项值，并将所述问题及所述选项值作为相似法律文书特征，包括：
18.基于所述特征抽取模型中的输出层，获取所述融合特征的分类概率，根据所述分类概率确定所述问题的选项值，并将所述问题及所述选项值作为相似法律文书特征。
19.本书明书实施例的相似法律文书查询方法中，所述结构化的法律文书集合预先根据以下方式得到：
20.对属于相同文书类别的全量法律文书进行预处理；
21.对于每个预处理后的法律文书，将其与对应文书类别的问题及选项转换为第二数字向量；
22.将每个第二数字向量分别输入至所述特征抽取模型，获得该第二数字向量对应问题的选项值，以作为对应法律文书的法律文书特征；
23.将每个法律文书特征及对应的法律文书进行关联，生成结构化的法律文书集合。
24.本书明书实施例的相似法律文书查询方法中，所述预处理包括分词和去停用词。
25.另一方面，本说明书实施例还提供了一种相似法律文书查询装置，包括：
26.接收模块，用于接收针对指定文书类别的相似法律文书的查询请求；所述查询请求中包含对象描述信息；
27.确定模块，用于确定所述指定文书类别对应的问题及选项；
28.转换模块，用于将所述对象描述信息、所述问题及选项转换为第一数字向量；
29.抽取模块，用于将所述第一数字向量输入至预训练的特征抽取模型，以抽取所述问题的选项值，并将所述问题及所述选项值作为相似法律文书特征；
30.匹配模块，用于从结构化的法律文书集合中查询与所述相似法律文书特征最匹配的法律文书，以作为目标法律文书；
31.返回模块，用于返回所述目标法律文书。
32.另一方面，本说明书实施例还提供了一种计算机设备，包括存储器、处理器、以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时，执行上述训练方法的指令。
33.另一方面，本说明书实施例还提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被计算机设备的处理器运行时，执行上述训练方法的指令。
34.由以上本说明书实施例提供的技术方案可见，本说明书实施例中，可以将查询请
求中的对象描述信息及对应于指定文书类别的问题及选项转换为第一数字向量，并基于特征抽取模型预测出相似法律文书特征，然后从结构化的法律文书集合中查询与相似法律文书特征最最匹配的法律文书，并将其作为目标法律文书返回，从而实现相似法律文书查询的精准命中，避免了用户再对多个返回结果进行人工筛选，从而提高了相似法律文书的查询效率
附图说明
35.为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：
36.图1示出了本说明书一些实施例中的相似法律文书查询系统的组成示意图；
37.图2示出了本说明书一些实施例中的相似法律文书查询方法的流程图；
38.图3示出了本说明书一些实施例中特征抽取模型的训练过程示意图；
39.图4示出了本说明书一些实施例中利用特征抽取模型预测相似法律文书特征的流程图；
40.图5示出了本说明书一些实施例中获取结构化的法律文书集合的流程图；
41.图6示出了本说明书一些实施例中的相似法律文书查询装置的结构框图；
42.图7示出了本说明书一些实施例中计算机设备的结构框图。
43.【附图标记说明】
44.10、文书查询客户端；
45.20、文书查询服务端；
46.61、接收模块；
47.62、确定模块；
48.63、转换模块；
49.64、抽取模块；
50.65、匹配模块；
51.66、返回模块；
52.702、计算机设备；
53.704、处理器；
54.706、存储器；
55.708、驱动机构；
56.710、输入/输出接口；
57.712、输入设备；
58.714、输出设备；
59.716、呈现设备；
60.718、图形用户接口；
61.720、网络接口；
62.722、通信链路；
63.724、通信总线。
具体实施方式
64.为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
65.本说明书实施例涉及相似法律文书的查询或检索技。其中，法律文书是指由法院、检察院、仲裁机构等依法作出的具有法律效力或法律意义的文书。典型性的法律文书可以包括但不限于判决书、裁决书等。
66.图1中示出了本说明书实施例中相似法律文书查询系统，其可以包括文书查询客户端10和文书查询服务端20。文书查询客户端10可以向文书查询服务端20发起查询请求，并接收文书查询服务端20返回的查询结果。文书查询服务端20可以接收针对指定文书类别的相似法律文书的查询请求(查询请求中包含对象描述信息)；确定所述指定文书类别对应的问题及选项；将所述对象描述信息、所述问题及选项转换为第一数字向量；将所述第一数字向量输入至预训练的特征抽取模型，以抽取所述问题的选项值，并将所述问题及所述选项值作为相似法律文书特征；从结构化的法律文书集合中查询与所述相似法律文书特征最匹配的法律文书，以作为目标法律文书；并向文书查询客户端10返回包含所述目标法律文书的查询结果；从而实现相似法律文书查询的精准命中，避免了用户再对多个返回结果进行人工筛选，从而提高了相似法律文书的查询效率。
67.在一些实施例中，文书查询客户端10可以为自助终端设备、移动终端(即智能手机)、显示器、台式电脑、平板电脑、笔记本电脑、数字助理或智能可穿戴设备等。其中，智能可穿戴设备可以包括智能手环、智能手表、智能眼镜或智能头盔等。当然，文书查询客户端10并不限于上述具有一定实体的电子设备，其还可以为运行于上述电子设备中的软件。文书查询服务端20可以为具有运算和网络交互功能的电子设备；也可以为运行于该电子设备中，为数据处理和网络交互提供业务逻辑的软体。文书查询服务端20可以与文书查询客户端10进行数据交互。
68.需要说明的是，本说明书的实施例中，法律文书及所涉及对象描述信息中涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权同意且经过各方充分授权的信息和数据。
69.本说明书实施例提供了一种相似法律文书查询方法，可以应用于上述的文书查询侧，参考图2所示，在本说明书一些实施例中，所述相似法律文书查询方法可以包括以下步骤：
70.步骤201、接收针对指定文书类别的相似法律文书的查询请求；所述查询请求中包含对象描述信息；
71.步骤202、确定所述指定文书类别对应的问题及选项；
72.步骤203、将所述对象描述信息、所述问题及选项转换为第一数字向量；
73.步骤204、将所述第一数字向量输入至预训练的特征抽取模型，以抽取所述问题的选项值，并将所述问题及所述选项值作为相似法律文书特征；
74.步骤205、从结构化的法律文书集合中查询与所述相似法律文书特征最匹配的法律文书，以作为目标法律文书；
75.步骤206、返回所述目标法律文书。
76.本说明书的实施例中，可以将查询请求中的对象描述信息，以及对应于指定文书类别的问题及选项转换为第一数字向量，并基于特征抽取模型预测出相似法律文书特征，然后从结构化的法律文书集合中查询与相似法律文书特征最最匹配的法律文书，并将其作为目标法律文书返回，从而实现相似法律文书查询的精准命中，避免了用户再对多个返回结果进行人工筛选，从而提高了相似法律文书的查询效率。
77.当用户(可以为企业用户或个人用户等)需要查询与自身情况相似的法律文书时，可以通过文书查询客户端发起查询请求。例如，在一实施例中，当用户发起查询请求时，文书查询服务端可以向文书查询客户端返回交互式界面，所述交互式界面可以包括法律文书类别选项以及对象描述信息输入框，以便于用户根据法律文书类别选项选择所查询的法律文书类别，并在对象描述信息输入框输入对象描述信息。因此，文书查询服务端接收到的查询请求是针对指定文书类别的相似法律文书查询，并且包含有对象描述信息。
78.法律文书类别为法律文书的具体类别。例如，以判决书为例，判决书类别选项可以包括但不限于婚姻家庭纠纷判决书、劳动合同纠纷判决书、行政纠纷判决书、经济合同纠纷判决书、公司纠纷判决书等。
79.对象描述信息用于描述指定对象(例如当事人等)的相关信息(例如基本信息和纠纷情况说明等)。例如以离婚纠纷案件为例，当用户为离婚纠纷案件的当事人之一时，对象描述信息可以包括该当事人的基本信息和离婚纠纷情况说明。对应的，指定文书类别是指用户从提供的法律文书类别选项中选定的文书类别。例如，当用户从婚姻家庭纠纷判决书、劳动合同纠纷判决书、行政纠纷判决书、经济合同纠纷判决书、公司纠纷判决书等选项中，选择了婚姻家庭纠纷判决书，则婚姻家庭纠纷判决书即为指定文书类别。
80.问题及选项可以用于生成表征法律文书的特征，从而便于后续的相似查询。为了有利于提高查询效率，在一些实施例中，可以针对每种文书类别分别设置一些问题及选项。例如，在一示例性实施例中，以婚姻家庭纠纷判决书为例，可以设置如下表1所示的问题及选项。
81.表1
[0082][0083][0084]
因此，当用户在发起查询请求时指定了文书类别，与指定文书类别对应的问题及选项也就确定了。
[0085]
查询请求中包含的对象描述信息以及指定文书类别对应的问题及选项均为文本
信息，不能直接作为预训练的特征抽取模型的输入。因此，需要对其进行文本向量化，以将文本信息转换为用数字向量表征的语义。可见，在本说明书实施例中，文本向量化的过程也是一种文本特征的编码过程。
[0086]
在一些实施例中，在将查询请求中包含的对象描述信息以及指定文书类别对应的问题及选项转换为数字向量之前，还可以进行文本预处理；其中，所述预处理例如可以包括分词和去停用词等。在此基础上再利用自然语言处理中的文本向量化技术(如word embedding、word2vec等)进行文本向量化。
[0087]
基于预训练的特征抽取模型，可以抽取出针对第一数字向量中的问题的选项值。本说明书的实施例中，选项值是指针对选项的选择结果。例如，对于“你的性别是什么”这一问题，提供三个选项“男性”、“女性”和“其他”；当从中选择“男性”选项时，则“男性”即为“你的性别是什么”这一问题的选项值。
[0088]
问题及选项值可以用于表征法律文书的特征，即可以作为用户所期望的相似法律文书的特征(即相似法律文书特征)表示。因此，预训练的特征抽取模型起到了预测用户查询意图的作用。
[0089]
在一些实施例中，预训练的特征抽取模型将所述第一数字向量输入至预训练的特征抽取模型，以抽取所述问题的选项值，并将所述问题及所述选项值作为相似法律文书特征，可以包括：基于所述特征抽取模型，抽取所述第一数字向量中的语义依赖特征，将所述语义依赖特征与所述第一数字向量进行相关性计算，从所述第一数字向量中提取与所述语义依赖特征满足指定相关性指标的相关内容，将所述相关内容与所述语义依赖特征融合为融合特征，获取所述融合特征的分类概率，根据所述分类概率确定所述问题的选项值，并将所述问题及所述选项值作为相似法律文书特征。
[0090]
例如，在如图4所示的实施例中，预训练的特征抽取模型将所述第一数字向量输入至预训练的特征抽取模型，以抽取所述问题的选项值，并将所述问题及所述选项值作为相似法律文书特征，具体可以包括：
[0091]
步骤401、基于所述特征抽取模型中的bilstm(bi-directional long short-term memory)层，抽取所述第一数字向量中的双向语义依赖特征。
[0092]
预训练的特征抽取模型中的bilstm层是对初始模型中的bilstm初始层的预训练结果。虽然lstm也可以通过预训练可以学到记忆哪些信息和遗忘哪些信息，并编码从前到后的信息，但是利用lstm无法编码从后到前的信息。如此，在更细粒度的分类时，如对于强程度的褒义、弱程度的褒义、中性、弱程度的贬义、强程度的贬义的五分类任务，需要注意情感词、程度词、否定词之间的交互，而使用lstm则不能实现双向的语义依赖捕捉。例如，对于“这个餐厅脏得不行，没有隔壁好”这个句子，在后的“不行”是对在前“脏”的程度的一种修饰。因此，通过bilstm层则可以捕捉双向的语义依赖(即双向语义依赖特征)，并且bilstm层还可以更好的捕捉到较长距离的语义依赖。因此，基于bilstm层能够从第一数字向量中抽取到双向的且更加精准的语义依赖特征。
[0093]
步骤402、基于所述特征抽取模型中的多头注意力层(multi-head attention)，对所述双向语义依赖特征与所述第一数字向量进行相关性计算，以从所述第一数字向量中提取与所述双向语义依赖特征满足指定相关性指标的相关内容，并将所述相关内容与所述双向语义依赖特征融合为融合特征。
[0094]
利用特征抽取模型中的多头注意力层，可以进一步从第一数字向量中提取与双向语义依赖特征满足指定相关性指标(具体可以根据实际需要预先设定)的相关内容，并将相关内容与双向语义依赖特征融合为融合特征，从而有利于避免bilstm层可能存在的特征抽取遗漏。并且，由于多头注意力层可并行计算，也有利于查询效率的提高。
[0095]
步骤403、基于所述特征抽取模型中的输出层(例如softmax层)，获取所述融合特征的分类概率，根据所述分类概率确定所述问题的选项值，并将所述问题及所述选项值作为相似法律文书特征。
[0096]
特征抽取模型中的softmax输出层的作用是使多头注意力层输出的所有单词的分数归一化，即softmax层可以输出针对问题的选项值的概率。例如，对于“你的性别是什么”这一问题，提供三个选项“男性”、“女性”和“其他”；若softmax输出层对应该问题的输出为“男性0.6(即为男性的概率是60％)”、“女性0.3(即为女性的概率是30％)”、“其他0.1(即为其他性别的概率是10％)”，则由于“男性0.6”的概率最高，可以将对应该问题的选项值判别为“男性”。
[0097]
本说明书实施例中，将问题及选项值作为相似法律文书特征，是指将指定文书类别对应的所有问题及选项值，共同作为相似法律文书特征。
[0098]
参考图3所示，预训练的特征抽取模型可以预先基于如图3所示的训练过程进行训练得到。初始模型可以包括依次连接的bilstm层、多头注意力层和softmax层；数据集可以基于历史法律文书数据生成。但是，本领域技术人员可以理解，上述图3所示的实施例中所采用的初始模型仅是示例性说明，在本说明书其他实施例中，在能实现本说明书实施例目的的前提下，可以根据需要选择其他任何合适的初始模型，本说明书对此不作唯一限定。
[0099]
本说明书实施例中，在从结构化的法律文书集合中查询与相似法律文书特征最匹配的法律文书时，对于结构化的法律文书集合中的每个法律文书，可以将相似法律文书特征中的每个问题的选项值，分别与该法律文书中对应问题的选项值进行相似性计算，并对各个相似性计算结果求和，从而确定该法律文书与相似法律文书特征的相似性指标值；如此，可以获得结构化的法律文书集合中每个法律文书与相似法律文书特征的相似性指标值，通过比较各个法律文书的相似性指标值，即可以确定其中哪个是与相似法律文书特征最匹配的法律文书。
[0100]
本说明书实施例中，将法律文书整合为结构化的法律文书集合，可以有利于提高查询效果。如图5所示，在一些实施例中，所述结构化的法律文书集合预先根据以步骤得到：
[0101]
步骤501、对属于相同文书类别的全量法律文书进行预处理(如分词、去停用词等)；
[0102]
步骤502、对于每个预处理后的法律文书，将其与对应文书类别的问题及选项转换为第二数字向量；
[0103]
步骤503、将每个第二数字向量分别输入至所述特征抽取模型，获得该第二数字向量对应问题的选项值，以作为对应法律文书的法律文书特征；
[0104]
步骤504、将每个法律文书特征及对应的法律文书进行关联，生成结构化的法律文书集合。
[0105]
本说明书实施例中，将每个法律文书特征及对应的法律文书进行关联，即为建立法律文书特征与法律文书的一一对应关系。
[0106]
虽然上文描述的过程流程包括以特定顺序出现的多个操作，但是，应当清楚了解，这些过程可以包括更多或更少的操作，这些操作可以顺序执行或并行执行(例如使用并行处理器或多线程环境)。
[0107]
与上述的相似法律文书查询方法对应，本说明书实施例还提供了一种相似法律文书查询装置；参考图6所示，所述相似法律文书查询装置可以包括：
[0108]
接收模块61，可以用于接收针对指定文书类别的相似法律文书的查询请求；所述查询请求中包含对象描述信息；
[0109]
确定模块62，可以用于确定所述指定文书类别对应的问题及选项；
[0110]
转换模块63，可以用于将所述对象描述信息、所述问题及选项转换为第一数字向量；
[0111]
抽取模块64，可以用于将所述第一数字向量输入至预训练的特征抽取模型，以抽取所述问题的选项值，并将所述问题及所述选项值作为相似法律文书特征；
[0112]
匹配模块65，可以用于从结构化的法律文书集合中查询与所述相似法律文书特征最匹配的法律文书，以作为目标法律文书；
[0113]
返回模块66，可以用于返回所述目标法律文书。
[0114]
在一些相似法律文书查询装置实施例中，所述将所述第一数字向量输入至预训练的特征抽取模型，以抽取所述问题的选项值，并将所述问题及所述选项值作为相似法律文书特征，可以包括：
[0115]
基于所述特征抽取模型，抽取所述第一数字向量中的语义依赖特征，将所述语义依赖特征与所述第一数字向量进行相关性计算，从所述第一数字向量中提取与所述语义依赖特征满足指定相关性指标的相关内容，将所述相关内容与所述语义依赖特征融合为融合特征，获取所述融合特征的分类概率，根据所述分类概率确定所述问题的选项值，并将所述问题及所述选项值作为相似法律文书特征。
[0116]
在一些相似法律文书查询装置实施例中，所述抽取所述第一数字向量中的语义依赖特征，可以包括：
[0117]
基于所述特征抽取模型中的bilstm层，抽取所述第一数字向量中的双向语义依赖特征。
[0118]
在一些相似法律文书查询装置实施例中，所述将所述语义依赖特征与所述第一数字向量进行相关性计算，从所述第一数字向量中提取与所述语义依赖特征满足指定相关性指标的相关内容，将所述相关内容与所述语义依赖特征融合为融合特征，可以包括：
[0119]
基于所述特征抽取模型中的多头注意力层，对所述双向语义依赖特征与所述第一数字向量进行相关性计算，以从所述第一数字向量中提取与所述双向语义依赖特征满足指定相关性指标的相关内容，并将所述相关内容与所述双向语义依赖特征融合为融合特征。
[0120]
在一些相似法律文书查询装置实施例中，所述获取所述融合特征的分类概率，根据所述分类概率确定所述问题的选项值，并将所述问题及所述选项值作为相似法律文书特征，可以包括：
[0121]
基于所述特征抽取模型中的输出层，获取所述融合特征的分类概率，根据所述分类概率确定所述问题的选项值，并将所述问题及所述选项值作为相似法律文书特征。
[0122]
在一些相似法律文书查询装置实施例中，所述结构化的法律文书集合可以预先根
据以下方式得到：
[0123]
对属于相同文书类别的全量法律文书进行预处理；
[0124]
对于每个预处理后的法律文书，将其与对应文书类别的问题及选项转换为第二数字向量；
[0125]
将每个第二数字向量分别输入至所述特征抽取模型，获得该第二数字向量对应问题的选项值，以作为对应法律文书的法律文书特征；
[0126]
将每个法律文书特征及对应的法律文书进行关联，生成结构化的法律文书集合。
[0127]
在一些相似法律文书查询装置实施例中，所述预处理包括分词和去停用词。
[0128]
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
[0129]
本说明书的实施例还提供一种计算机设备。如图7所示，在本说明书一些实施例中，所述计算机设备702可以包括一个或多个处理器704，诸如一个或多个中央处理单元(cpu)或图形处理器(gpu)，每个处理单元可以实现一个或多个硬件线程。计算机设备702还可以包括任何存储器706，其用于存储诸如代码、设置、数据等之类的任何种类的信息，一具体实施例中，存储器706上并可在处理器704上运行的计算机程序，所述计算机程序被所述处理器704运行时，可以执行上述任一实施例所述的相似法律文书查询方法的指令。非限制性的，比如，存储器706可以包括以下任一项或多种组合：任何类型的ram，任何类型的rom，闪存设备，硬盘，光盘等。更一般地，任何存储器都可以使用任何技术来存储信息。进一步地，任何存储器可以提供信息的易失性或非易失性保留。进一步地，任何存储器可以表示计算机设备702的固定或可移除部件。在一种情况下，当处理器704执行被存储在任何存储器或存储器的组合中的相关联的指令时，计算机设备702可以执行相关联指令的任一操作。计算机设备702还包括用于与任何存储器交互的一个或多个驱动机构708，诸如硬盘驱动机构、光盘驱动机构等。
[0130]
计算机设备702还可以包括输入/输出接口710(i/o)，其用于接收各种输入(经由输入设备712)和用于提供各种输出(经由输出设备714)。一个具体输出机构可以包括呈现设备716和相关联的图形用户接口718(gui)。在其他实施例中，还可以不包括输入/输出接口710(i/o)、输入设备712以及输出设备714，仅作为网络中的一台计算机设备。计算机设备702还可以包括一个或多个网络接口720，其用于经由一个或多个通信链路722与其他设备交换数据。一个或多个通信总线724将上文所描述的部件耦合在一起。
[0131]
通信链路722可以以任何方式实现，例如，通过局域网、广域网(例如，因特网)、点对点连接等、或其任何组合。通信链路722可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称服务器等的任何组合。
[0132]
本技术是参照本说明书一些实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理器的处理器以产生一个机器，使得通过计算机或其他可编程数据处理器的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0133]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理器以特定
方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0134]
这些计算机程序指令也可装载到计算机或其他可编程数据处理器上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0135]
在一个典型的配置中，计算机设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0136]
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
[0137]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算机设备访问的信息。按照本说明书中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0138]
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0139]
本说明书实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理器来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
[0140]
还应理解，在本说明书实施例中，术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系。例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
[0141]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0142]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特
点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0143]
以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。