一种参数校验方法、装置、设备及存储介质与流程

1.本发明涉及数据处理技术领域，特别涉及一种参数校验方法、装置、设备及存储介质。


背景技术：

2.任务是指一个信息系统操作步骤的有序集合，用来达到某个操作目标，通常通过流程固定化来达到规范操作的目的。在任何计算机平台或系统上执行任务时，在任务启动前通常都需要填写相关的任务参数，可变的参数使一个任务能够灵活解决一类相似问题，而参数填写的正确性对于任务的成功执行与按时完成至关重要。然而，在填参时我们经常遇到参数误填的情况，比如预先准备好的参数列表在填写时错位，或对参数理解有误导致准备了错误的参数值却没有及时发现等。因此，需要一种对参数进行正确性校验的方法。
3.现有技术中参数校验可以分为两大类：1)非会话系统平台的任务参数校验。该类校验通常是通过人为设定参数规则来进行的，规则校验通常使用正则表达式或代码逻辑实现。但是，通过人为设定参数规则的方式，费时费力，许多用户通常都管理至少数十个任务模板，为这些任务模板的每个参数创建、维护规则十分麻烦。另外，由于规则本身的构思与描述也存在困难性，一是掌握正则表达式这样的复杂工具较困难，二是类似关键词这样的参数模式也难于表达，导致人为设定的参数规则也不一定可靠。
4.2)会话系统平台的任务参数校验。该类校验通常是使用自然语言处理算法，将输入参数作为自然语言进行分析，通过意图分类的方式实现参数与其他输入的区分；或是在参数输入状态下放弃区分自然语言和参数输入，无条件接受输入作为参数。但是，这种方法具备明显的缺陷：参数尽管可能主要由自然语言单词组成，但参数文本整体而言可能完全不是自然语言，其文本单元间关系不具备自然语言的语法规则和语义连贯性，导致使用真正自然语言进行训练的模型在该类文本上的处理性能严重受限。因此如何有效处理自然语言和非自然语言参数输入，以理解用户意图，成为参数校验中重点需要考虑的问题。


技术实现要素：

5.针对现有技术的上述问题，本发明的目的在于提供一种参数校验方法、装置、设备及存储介质，能够提高参数校验的效率和精确度。
6.为了解决上述问题，本发明提供一种参数校验方法，包括：
7.获取待校验的目标任务参数，确定所述目标任务参数的参数类型；
8.根据所述参数类型确定所述目标任务参数对应的校验方式集合，所述校验方式集合包括多个不同类型的参数校验方式，所述多个不同类型的参数校验方式是根据所述参数类型对应的历史输入参数确定的；
9.分别基于各个所述参数校验方式对所述目标任务参数进行校验处理，得到各个所述参数校验方式对应的校验结果；
10.如果各个所述参数校验方式对应的校验结果均为校验通过，则判定所述目标任务
参数校验通过。
11.本发明另一方面提供一种参数校验装置，包括：
12.参数类型确定模块，用于获取待校验的目标任务参数，确定所述目标任务参数的参数类型；
13.校验方式确定模块，用于根据所述参数类型确定所述目标任务参数对应的校验方式集合，所述校验方式集合包括多个不同类型的参数校验方式，所述多个不同类型的参数校验方式是根据所述参数类型对应的历史输入参数确定的；
14.参数校验模块，用于分别基于各个所述参数校验方式对所述目标任务参数进行校验处理，得到各个所述参数校验方式对应的校验结果；
15.校验结果确定模块，用于当各个所述参数校验方式对应的校验结果均为校验通过时，判定所述目标任务参数校验通过。
16.本发明另一方面提供一种电子设备，包括处理器和存储器，所述存储器中存储有至少一条指令或者至少一段程序，所述至少一条指令或者所述至少一段程序由所述处理器加载并执行以实现如上述的参数校验方法。
17.本发明另一方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或者至少一段程序，所述至少一条指令或者所述至少一段程序由处理器加载并执行以实现如上述的参数校验方法。
18.本发明另一方面提供一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述的参数校验方法。
19.由于上述技术方案，本发明具有以下有益效果：
20.本发明的参数校验方法，通过利用基于历史输入参数确定的多个不同类型的参数校验方式，生成复杂的校验方式集合，进而对待校验的目标任务参数进行交叉校验，不需要为每个任务的每个参数人为配置规则，操作简便，并且可以良好地检出任务参数填写过程中可能出现的错位、格式错误、额外字符等问题，为任务的安全执行增添一份保障。同时，该方法通过组合若干简单精确的校验规则，生成复杂的综合校验策略，可对参数进行精确地匹配校验，计算复杂度较低，参数校验的效率和精确度较高，具备良好的实用性。
附图说明
21.为了更清楚地说明本发明的技术方案，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的介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
22.图1是本发明一个实施例提供的实施环境示意图；
23.图2是本发明一个实施例提供的参数校验方法的流程图；
24.图3是本发明一个实施例提供的用户界面示意图；
25.图4是本发明另一个实施例提供的参数校验方法的流程图；
26.图5是本发明另一个实施例提供的参数校验方法的流程图；
27.图6是本发明另一个实施例提供的参数校验方法的流程图；
28.图7是本发明另一个实施例提供的参数校验方法的流程图；
29.图8是本发明另一个实施例提供的参数校验方法的流程图；
30.图9是本发明一个实施例提供的参数校验装置的结构示意图；
31.图10是本发明一个实施例提供的服务器的结构示意图。
具体实施方式
32.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
33.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
34.为了使本发明实施例公开的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明实施例进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本发明实施例，并不用于限定本发明实施例。首先，本发明实施例对下述概念进行解释：
35.参数校验规则：一条规则，描述了参数需满足的一种格式。
36.规则学习/规则验证：使用统计的方法确定规则在一个参数值域内的普遍性。如果规则对于该参数的普遍性得以确立，称为规则验证通过，或学习到了一条规则。
37.原子规则：是指单条不可分割的规则，是最终校验参数的组合规则的单元组分，在本方案中看做是不可分割的。
38.组合规则：是指经历史输入参数验证成立的一个原子规则的集合，该集合中所有原子规则合法值域的交集构成了该组合规则的合法值域。
39.参数校验：使用已确立的规则校验一个输入参数是否合法。
40.启发式方法：指该方法依据有限的知识通过总结若干经验法则来解决问题，该方法通常不是一个最优解，但由于知识或信息的匮乏我们一般也不能做得比启发式方法更好。
41.枚举规则：一个集合的枚举是指有序遍历一个有穷集合的所有成员。枚举规则是指该规则通过规定一个仅有有限个可选值的参数的取值范围，进行输入参数校验的规则。
42.参考说明书附图1，其示出了本发明一个实施例提供的实施环境的示意图，如图1所示，该实施环境可以至少包括终端110和服务器120。所述终端110和所述服务器120可以通过有线或无线通信方式进行直接或间接地连接，本技术实施例对此不做限制。
43.所述终端110可以包括智能手机、平板电脑、电子书阅读器、膝上型便携计算机和
台式计算机等，但并不局限于此。所述终端110可以运行有一个或多个客户端，所述客户端可以为任务平台或者系统提供给用户的网页页面，也可以为任务平台或者系统提供给用户的应用。
44.所述服务器120可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content deliverynetwork，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
45.本发明实施例中，所述客户端可以获取用户通过网页页面或者应用界面输入的任务参数，并通过超文本传输协议(hypertext transfer protocol，http)或传输控制协议/因特网互联协议(transmission control protocol/internetprotocol，tcp/ip)将所述任务参数传递给所述服务器120。实现本发明实施例提供的参数校验方法的装置可以设置于所述服务器120中。具体而言，所述服务器120接收到所述任务参数后，可以通过本发明实施例提供的参数校验方法对该任务参数进行参数校验处理。其中，如果校验通过，则接受所述任务参数，并保持正常输入不受影响；如果校验不通过，则不接受所述任务参数，将所述校验结果返回给所述客户端中进行错误提示，但仍保留确认输入的选项，避免误判阻挡用户输入。
46.需要说明的是，图1仅仅是一种示例。
47.参考说明书附图2，其示出了本发明一个实施例提供的参数校验方法的流程，该方法可以应用于图1中的服务器中。本发明实施例提供的方法可以应用于在任何平台或者系统上执行任务时，需要对输入的任务参数进行校验的场景中，包括执行运维任务、测试任务等不同的场景。如图2所示，所述方法可以包括以下步骤：
48.s210：获取待校验的目标任务参数，确定所述目标任务参数的参数类型。
49.本发明实施例中，所述目标任务参数可以为用户通过网页页面或者应用界面输入的一个或者多个参数。示例性地，结合参考说明书附图3，其示例性示出了在人工智能运维(artificial intelligence for it operations，aiops)机器人启动任务的场景下，本发明一个实施例提供的参数输入界面的示意图，用户可以根据aiops机器人的参数输入提示，通过所述参数输入界面的输入框输入所述目标任务参数。
50.本发明实施例中，当所述目标任务参数包括多个参数时，可以利用本发明实施例提供的参数校验方法对每个参数分别进行校验。用户输入的一个或者多个目标任务参数可以为相同类型的参数，也可以为不同类型的参数，可以根据所述目标任务参数的参数标识来确定各个任务参数的参数类型。
51.s220：根据所述参数类型确定所述目标任务参数对应的校验方式集合，所述校验方式集合包括多个不同类型的参数校验方式，所述多个不同类型的参数校验方式是根据所述参数类型对应的历史输入参数确定的。
52.本发明实施例中，每个所述参数校验方式均对应于一个参数校验规则，所述参数校验规则描述了参数需满足的一种格式。其中，不同类型的参数校验方式对应不同类型的参数校验规则，不同参数类型对应的多个参数校验方式可以相同，也可以不相同，所述校验方式集合中参数校验方式的数量和类型可以根据实际情况进行确定，本发明实施例对此不做限制。
53.本发明实施例中，在根据所述参数类型确定所述目标任务参数对应的校验方式集合之前，可以预先针对不同的参数类型，通过所述参数类型对应的历史输入参数独立学习多个简单的参数校验规则(可以称为原子规则)，并确定对应的多个参数校验方式。具体地，可以将所述参数类型和确定的多个参数校验方式组成的校验方式集合，对应存储于数据库中，在进行参数校验时，可以根据所述参数类型从数据库中查询对应的校验方式集合，通过多个参数校验方式同时校验学习到的所有原子规则，此时参数的有效值域为所有原子规则的交集，相当于组成了一个多角度的、复杂的组合规则。
54.在一个可能的实施例中，结合参考说明书附图4，所述根据所述参数类型确定所述目标任务参数对应的校验方式集合可以包括：
55.s221：判断是否存在与所述参数类型对应的校验方式集合。
56.s222：如果存在与所述参数类型对应的校验方式集合，则获取所述参数类型对应的校验方式集合，作为所述目标任务参数对应的校验方式集合。
57.本发明实施例中，所述校验方式集合包括多个不同类型的参数校验方式，在确定所述目标任务参数对应的校验方式集合时，可以先判断数据库中是否存在与所述参数类型对应的校验方式集合，当判定所述数据库中存在与所述参数类型对应的校验方式集合时，可以直接将所述参数类型对应的校验方式集合作为所述目标任务参数对应的校验方式集合。
58.s223：如果不存在与所述参数类型对应的校验方式集合，则获取所述参数类型对应的历史输入参数。
59.s224：根据所述历史输入参数确定多个不同类型的参数校验方式，得到所述参数类型对应的校验方式集合。
60.本发明实施例中，当判定所述数据库中不存在与所述参数类型对应的校验方式集合时，可以根据所述参数类型对应的历史输入参数确定多个不同类型的参数校验方式，以生成所述参数类型对应的校验方式集合，并将生成的校验方式集合作为所述目标任务参数对应的校验方式集合。
61.s225：将所述校验方式集合作为所述目标任务参数对应的校验方式集合。
62.本发明实施例中，所述参数校验方式可以包括正则校验方式、自学习校验方式和枚举校验方式等等，所述自学习校验方式可以包括关键词校验方式和前后缀校验方式等等，其中，所述正则校验方式对应于正则规则，所述自学习校验方式对应于自学习规则，所述枚举校验方式对应于枚举规则，所述关键词校验方式对应于关键词规则，所述前后缀校验方式对应于前后缀规则。需要说明的是，在一些可能的实施例中，所述参数校验方式还可以包括其它类型的校验方式，本发明实施例对此不做限制。
63.在一个可能的实施例中，结合参考说明书附图5，所述参数校验方式可以包括正则校验方式；所述根据所述历史输入参数确定多个不同类型的参数校验方式，得到所述参数类型对应的校验方式集合可以包括：
64.s510：获取预先设置的多个候选正则表达式。
65.本发明实施例中，所述正则校验方式对应于正则规则，正则规则是若干使用正则表达式表示的规则，正则规则可以覆盖许多常见且通用的参数值模式，且不同的正则规则可以具有不同的精确度，比如“英文或数字”规则的值域明显比“ip地址”规则的值域要宽泛
很多。不同的正则规则之间可以是包含关系，比如“英文或数字”包含“数字”，这种包含关系可以被我们的验证机制正确处理，且在同一类特征中能形成层级一样的不同精度，实际上增加了组合规则的表达能力。在实际应用中，可以通过一个正则规则定义多个正则表达式，也可以通过一个正则规则来定义一个正则表达式，此时不同的正则表达式可以通过不同的正则规则来进行定义。
66.具体地，可以预先定义以下正则表达式(下述正则表达式使用python re库的格式)：
67.数字：^(？:[0-9]{4,}|(？:[0-9]{1,3}(？:,[0-9]{3})*))$
[0068]
扩展数字：^[0-9](？:[0-9_\-.,；\s]*[0-9])？$
[0069]
英文或数字：^[a-za-z0-9\s,._/\\()；'\[\]{}\- ＝！@#$％^&*] $
[0070]
无空格：^\s*$
[0071]
开头非空格：^\s. $
[0072]
结尾非空格：^. \s$
[0073]
ipv4地址：'^(？:(？:[0-9]|(？:[1-9][0-9])|(？:1[0-9]{2})|(？:2[0-4][0-9])|(？:25[0-5]))\.){3}(？:[0-9]|(？:[1-9][0-9])|(？:1[0-9]{2})|(？:2[0-4][0-9])|(？:25[0-5]))$'％ip_regex
[0074]
(注：为了简略，设上述ip模式去除开头与结尾第一个字符后为ip_regex，下面的模式使用python格式化字符串表示)
[0075]
域名：'^(？:(？:https？://)|(？:\*\.))？(？:(？:(？:[a-z0-9](？:[a-z0-9-]{0,61}[a-z0-9])？\.) (？:[a-z]{2,3}))|(？:％s))(？::(？:0|(？:[1-9][0-9]{0,3})|(？:[1-5][0-9]{4})|(？:6[0-4][0-9]{3})|(？:65[0-4][0-9]{2})|(？:655[0-2][0-9])|(？:6553[0-5])))？$'％domain_regex
[0076]
(注：为了简略，设上述域名模式去除开头与结尾第一个字符后为domain_regex)
[0077]
多个域名：'^(？:％s[,；])*％s$'％(domain_regex,domain_regex)
[0078]
统一资源定位符(uniform resource locator，url)：'^％s(？:/[^/？] )*/？(？:\？(？:[^？＝&] ＝[^？＝&] &)*(？:[^？＝&] ＝^？＝&] ))？$'％url_regex
[0079]
(注：为了简略，设上述url模式去除开头与结尾第一个字符后为url_regex)
[0080]
多个url：'^(？:％s[,；])*％s$'％(url_regex,url_regex)
[0081]
需要说明的是，在一些可能的实施例中，还可以预先定义其它类型的正则表达式，本发明实施例对此不做限制。
[0082]
s520：基于所述历史输入参数对各个所述候选正则表达式进行验证，将验证通过的候选正则表达式作为所述参数类型对应的目标正则表达式。
[0083]
本发明实施例中，预先定义正则表达式后，可以将所述正则表达式作为候选正则表达式，并利用历史输入参数经简单计算来验证所述候选正则表达式表示的规则是否成立，这个过程也称为规则学习。具体地，可以使用通过率与支持度两个指标来进行规则验证，通过率是指符合规则的历史输入参数在所有历史输入参数中的比率，支持度是指符合规则的历史输入参数的数量。
[0084]
具体地，可以先统计所有历史输入参数的总数量c，然后分别针对每个所述候选正则表达式，确定所述历史输入参数中符合所述候选正则表达式的参数的第一数量a(可以称
为所述候选正则表达式的支持度)，根据所述第一数量a和所述总数量c可以计算该正则表达式的第一参数通过率f＝a/c。在得到所述第一数量和所述第一参数通过率后，可以判断所述第一数量是否大于或者等于第一预设数量，以及判断所述第一参数通过率是否大于或者等于第一预设阈值。当所述第一数量大于或者等于第一预设数量，并且所述第一参数通过率大于或者等于第一预设阈值时，可以判定所述候选正则表达式验证通过，说明所述候选正则表达式表示的规则成立，此时可以将所述候选正则表达式作为所述参数类型对应的目标正则表达式，将所述候选表达式表示的规则记录到参数规则库中。当所述第一数量小于第一预设数量，或者所述第一参数通过率小于第一预设阈值时，可以判定所述候选正则表达式未验证通过，说明所述候选正则表达式表示的规则不成立，则放弃所述候选正则表达式。
[0085]
本发明实施例中，通过判断所述第一数量是否大于或者等于第一预设数量，可以避免由于历史输入参数数量较少导致确定的正则校验方式不具有普遍性的问题。其中，所述第一预设数量和所述第一预设阈值可以根据实际情况进行设定，例如，可以设置所述第一预设数量为800，所述第一预设阈值为70％，本发明实施例对此不做限制。
[0086]
s530：根据所述目标正则表达式确定所述参数类型对应的正则校验方式。
[0087]
本发明实施例中，所述参数类型对应的目标正则表达式可以为一个，也可以为多个，当确定所述参数类型对应的一个或者多个目标正则表达式后，可以确定所述参数类型对应的一个或者多个正则规则，进而确定所述参数类型对应的正则校验方式，即判断输入的目标任务参数是否符合各个所述目标正则表达式。
[0088]
在一个可能的实施例中，结合参考说明书附图6，所述参数校验方式可以包括自学习校验方式，所述自学习校验方式可以包括关键词校验方式；所述根据所述历史输入参数确定多个不同类型的参数校验方式，得到所述参数类型对应的校验方式集合可以包括：
[0089]
s610：利用预设分词方法对所述历史输入参数进行分词处理，得到所述参数类型对应的候选关键词集合。
[0090]
本发明实施例中，所述自学习校验方式对应于自学习规则，自学习规则是一类元规则，元规则即是生成规则的规则。自学习规则规定了一种从数据中提取判断依据的方法。所述关键词校验方式对应于关键词规则，关键词规则是标记历史输入参数中的共同关键词，当且仅当新输入的参数包含所述关键词时通过校验。在实际应用中，可以通过一个关键词规则描述多个关键词，也可以通过一个关键词规则来描述一个关键词，此时不同的关键词可以通过不同的关键词规则来进行描述。
[0091]
本发明实施例中，所述预设分词方法可以包括自然语言处理(naturallanguage processing，nlp)算法分词、边界符号分词和启发式分词等等，可以分别利用上述几种分词方法对所述历史输入参数中的各个参数进行分词处理，得到的各种方法对应的候选关键词集合，再基于得到的各个候选关键词集合确定所述参数类型对应的目标关键词。其中，由于分词方法的差异使得分词结果不具有可比性，因此几种预设分词方法的结果是分开统计、分开验证的。
[0092]
其中，nlp算法分词是使用现有的词法分析算法模型，将历史输入参数值当做自然语言进行分词。所述nlp词法分析算法模型接受参数值的文本输入，并返回一个词语列表作为分词结果。nlp算法分词的优势是面对正确语种的自然语言输入时，能够结合巨量训练数
据中提取的语义知识良好地切割词语边界，不依赖于参数的格式。再实际应用中，可以仅采用中文分词算法，且在参数值没有中文的情况下跳过nlp算法分词。
[0093]
边界符号分词是使用字符串中常见的具有分词功能的符号，如空格，下划线等，进行短语切割。具体地，可以采用以下正则表达式来进行分词：[\s,._/\\()；'\[\]{}\- ＝！@#$％^&*] 。边界符号分词的优势在于，当分词符号存在时该方法的结果通常最接近用户的的原意。
[0094]
启发式分词是使用若干启发式规则尝试在历史输入参数值中提取单词的方法。启发式是指该方法依据有限的知识通过总结若干经验法则来解决问题，该方法通常不是一个最优解，但由于知识或信息的匮乏我们也不能做得比启发式方法更好。启发式分词的本质是寻找词语边界，找到词语边界后即可分词。在启发式分词中，我们主要寻找两种特征作为词语边界：1)大写的首字母，该字母前是小写字母且字母后存在一定长度的英文字母序列；2)字母数字交界。
[0095]
需要说明的是，在一些可能的实施例中，还可以通过其它分词方法或者统计技术对所述历史输入参数进行分词处理，得到与之对应的候选关键词集合，本发明实施例对此不做限制。
[0096]
s620：基于所述历史输入参数对所述候选关键词集合中的各个候选关键词进行验证，将验证通过的候选关键词作为所述参数类型对应的目标关键词。
[0097]
本发明实施例中，针对每个预设分词方法，得到与之对应的候选关键词集合后，可以利用历史输入参数经简单计算来验证所述候选关键词对应的规则是否成立，这个过程也称为规则学习。具体地，可以使用通过率与支持度两个指标来进行规则验证，通过率是指符合规则的历史输入参数在所有历史输入参数中的比率，支持度是指符合规则的历史输入参数的数量。
[0098]
具体地，可以先统计所有历史输入参数的总数量c，然后分别针对所述候选关键词集合中的每个候选关键词，确定所述历史输入参数中包含所述候选关键词的参数的第二数量b(可以称为所述候选关键词的支持度)，根据所述第二数量b和所述总数量c可以计算该候选关键词的第二参数通过率f＝b/c。在得到所述第二数量和所述第二参数通过率后，可以判断所述第二数量是否大于或者等于第二预设数量，以及判断所述第二参数通过率是否大于或者等于第二预设阈值。当所述第二数量大于或者等于第二预设数量，并且所述第二参数通过率大于或者等于第二预设阈值时，可以判定所述候选关键词验证通过，说明所述候选关键词对应的规则成立，此时可以将所述候选关键词作为所述参数类型对应的目标关键词，将所述关键词对应的规则记录到参数规则库中。当所述第二数量小于第二预设数量，或者所述第二参数通过率小于第二预设阈值时，可以判定所述候选关键词未验证通过，说明所述候选关键词对应的规则不成立，则放弃所述候选关键词。通过判断所述第二数量是否大于或者等于第二预设数量，可以避免由于历史输入参数数量较少导致确定的关键词校验方式不具有普遍性的问题。
[0099]
其中，所述第二预设数量和所述第二预设阈值可以根据实际情况进行设定，所述第二预设数量与所述第一预设数量可以相同，也可以不同，所述第二预设阈值与所述第一预设阈值可以相同，也可以不同，本发明实施例对此不做限制。例如，可以设置所述第二预设数量为700，所述第二预设阈值为80％。
[0100]
s630：根据所述目标关键词确定所述参数类型对应的关键词校验方式。
[0101]
本发明实施例中，所述参数类型对应的目标关键词可以为一个，也可以为多个，当确定所述参数类型对应的一个或者多个目标关键词后，可以确定所述参数类型对应的一个或者多个关键词规则，进而确定所述参数类型对应的关键词校验方式，即判断输入的目标任务参数是否包含所述一个或者多个目标关键词。
[0102]
在一个可能的实施例中，结合参考说明书附图7，所述自学习校验方式还可以包括前后缀校验方式；所述根据所述历史输入参数确定多个不同类型的参数校验方式，得到所述参数类型对应的校验方式集合还可以包括：
[0103]
s710：基于所述历史输入参数构建所述参数类型对应的前缀字典树和后缀字典树。
[0104]
本发明实施例中，所述前后缀校验方式对应于前后缀规则，前后缀规则即是分析某个参数是否和历史输入参数有一致的前缀或后缀。在基于历史输入参数确定规则是否适用时，可以先给定一个通过率阈值，找到通过率符合该阈值的最长前缀或者最长后缀。在实际应用中，可以通过一个规则来限定所述最长前缀和所述最长后缀，也可以通过一个规则来限定所最长前缀，通过另一个规则来限定所述最长后缀。
[0105]
具体地，可以使用基于字典树(trie树)的改进算法来实现这种计算。
[0106]
下面介绍trie树的构建过程，本发明实施例提供的trie树的节点的结构如下：
[0107]
char//str类型，表示该节点对应的字符；
[0108]
prefix//str类型，表示该节点对应的前缀；
[0109]
count//int类型，表示触及该节点的字符串计数，即该节点对应的参数通过数量；
[0110]
next//map类型，键：下一字符，值：下一节点；
[0111]
father//node类型，表示前缀中的上一字符；
[0112]
depth//int类型，表示该节点对应的前缀长度，即该节点的节点深度。
[0113]
trie树的构建算法的流程如下：首先创建一个空的根节点，并创建一个列表max_node_by_depth，列表的一项表示该项下标对应节点深度的最高频前缀对应的节点(也即是参数通过数量最大的节点)。然后遍历所述历史输入参数，对于所述历史输入参数的所有取值中的当前参数值value，设当前节点为current，循环执行以下流程即可创建trie树：
[0114]
(1)依次取value字符串中的一个字符char，同时可得到深度depth；
[0115]
(2)检查字符char是否已创建为current的下一节点，如果没有，将字符char创建为current的下一节点；如果有，将它的计数加1；
[0116]
(3)将上述字符char对应的节点作为当前节点current；
[0117]
(4)在max_node_by_depth列表中找到对应当前深度的项，比较该项存储的节点与当前节点的计数的大小，如果当前节点更大，替换该项为当前节点current；如果列表中的节点更大，则不进行任何操作。
[0118]
假设有m个历史输入参数值，参数值的最大长度为n，则上述树构建算法的时间复杂度为o(mn)。
[0119]
在一个可能的实施例中，在创建trie树的过程中，还可以通过以下两种方式进行优化，以减少构建trie树的空间消耗。
[0120]
(1)设置节点数量的上限，如果构建的trie树的节点数量达到该限制，放弃该规则
的验证。
[0121]
(2)分步计算前缀，在构建trie树时，当目前深度达到本阶段的限制时，将剩余字符串存到当前阶段末端节点的一个列表中，计算并存储本阶段结果。当下一阶段触发第1条限制时，使用上一阶段的结果。示例性地，假设限制从5开始，每个阶段增加5，那么第一阶段可以先构建深度为5的trie树，将剩余字符串存到深度为5的节点的一个列表中；第二阶段，可以构建深度为10的trie树，将剩余字符串存到深度为10的节点的一个列表中；以此类推，最终完成trie树的构建。
[0122]
本发明实施例中，基于所述历史输入参数的参数值字符串从前往后进行trie树的构建，即可得到所述参数类型对应的前缀字典树；基于所述历史输入参数的参数值字符串从后往前进行trie树的构建，即可得到所述参数类型对应的后缀字典树。
[0123]
s720：基于所述前缀字典树确定满足第一预设通过率阈值的最长前缀。
[0124]
具体地，所述基于所述前缀字典树确定满足第一预设通过率阈值的最长前缀可以包括：
[0125]
获取所述历史输入参数的总数量；
[0126]
根据所述总数量和所述第一预设通过率阈值计算最小通过数量；
[0127]
分别针对各个节点深度，确定所述节点深度对应的各个节点中参数通过数量最大的节点；
[0128]
判断所述节点的参数通过数量是否大于或者等于所述最小通过数量；
[0129]
当所述节点的参数通过数量大于或者等于所述最小通过数量时，将所述节点作为候选节点；
[0130]
获取节点深度最大的候选节点作为目标候选节点，将所述目标候选节点对应的前缀作为所述参数类型对应的最长前缀。
[0131]
本发明实施例中，可以分别基于所述前缀字典树确定满足第一预设通过率阈值的最长前缀，基于所述后缀字典树确定满足第二预设通过率阈值的最长后缀。其中，所述第一预设通过率阈值和所述第二预设通过率阈值可以根据实际情况进行设置，通常将所述第一预设通过率阈值和所述第二预设通过率阈值设置为接近1的值，例如，可以设置为95％、97％等，所述第一预设通过率阈值和所述第二预设通过率阈值可以相同也可以不同，本发明实施例对此不做限制。
[0132]
具体地，可以通过最长共同前缀算法确定所述参数类型对应的最长前缀，即，先统计所述历史输入参数的总数量c，设置所述第一预设通过率阈值为f，则所述最小通过数量为所述总数量c和所述第一预设通过率阈值f的乘积c
min
＝fc。对于各个节点深度，可以从所述max_node_by_depth列表中查找对应所述节点深度的节点i，即为所述节点深度对应的各个节点中参数通过数量最大的节点；如果该节点i的参数通过数量i
count
大于或者等于所述最小通过数量c
min
，将所述节点i作为候选节点。最后，可以将节点深度最大的候选节点对应的前缀作为最长前缀。
[0133]
假设历史输入参数的最大长度为n，则上述最长共同前缀算法的时间复杂度为o(n)。可见，上述确定最长前后缀的算法的整体时间复杂度为o(mn) o(n)＝o(mn)，由于参数值通常不长(可以剔除过长的参数)，且有一定规律，故实际消耗的时间通常明显优于上述复杂度。通过上述方法，能够快速、便捷地确定各个参数类型对应的最长前缀和最长后缀，
进而缩短参数校验的时间，提高参数校验的效率。
[0134]
s730：基于所述后缀字典树确定满足第二预设通过率阈值的最长后缀。
[0135]
本发明实施例中，可以通过最长共同后缀算法确定所述参数类型对应的最长后缀，最长后缀的确定方法与最长前缀的确定方法类似，本发明实施例对此不再赘述。
[0136]
s740：根据所述最长前缀和所述最长后缀确定所述参数类型对应的前后缀校验方式。
[0137]
本发明实施例中，当确定所述参数类型对应的最长前缀和最长后缀后，可以确定所述参数类型对应的前后缀规则，进而确定所述参数类型对应的前后缀校验方式，即判断输入的目标任务参数是否包含所述最长前缀和所述最长后缀。
[0138]
在一个可能的实施例中，当确定所述最长前缀和所述最长后缀之后，可以利用历史输入参数经简单计算来验证所述最长前缀和所述最长后缀对应的规则是否成立，这个过程也称为规则学习。具体地，可以使用通过率与支持度两个指标来进行规则验证，通过率是指符合规则的历史输入参数在所有历史输入参数中的比率，支持度是指符合规则的历史输入参数的数量。
[0139]
具体地，对所述最长前缀和所述最长后缀进行验证的方法与对上述对所述关键词进行验证的方法类似，本发明实施例对此不再赘述。具体的，如果所述最长前缀和所述最长后缀验证通过，说明所述最长前缀和所述最长后缀对应的规则成立，此时可以执行根据所述最长前缀和所述最长后缀确定所述参数类型对应的前后缀校验方式的步骤，并将所述最长前缀和所述最长后缀对应的规则记录到参数规则库中。如果所述最长前缀或所述最长后缀未验证通过，说明所述最长前缀或所述最长后缀对应的规则不成立，则放弃所述最长前缀或所述最长后缀，不再确定对应的前缀校验方式或后缀校验方式。
[0140]
在一个可能的实施例中，结合参考说明书附图8，所述参数校验方式可以包括枚举校验方式；所述根据所述历史输入参数确定多个不同类型的参数校验方式，得到所述参数类型对应的校验方式集合可以包括：
[0141]
s810：根据所述历史输入参数判断所述参数类型是否为枚举类型。
[0142]
本发明实施例中，所述枚举校验方式对应于枚举规则，枚举规则是指某个参数仅有规定的有限个取值范围的规则。可以根据第三方系统给出的参数类型或根据历史输入参数的统计分析判断某个参数是否为枚举类型。具体地，可以先从第三方平台拉取任务参数的参数类型，如果是枚举类型，则拉取对应的枚举值。当上述方法不可用时，可以通过下述计算来推测某个参数是否是枚举类型：假设历史输入参数的总数量为t，一个唯一的历史取值为v，历史取值的集合为v，则历史取值数为o＝|v|，某个历史取值v的频度为cv，那么：
[0143]
(1)如果o＜2或者o＞5，则认为该参数类型不是枚举类型。
[0144]
(2)计算各个历史取值的频度，即对求cv；如果某个历史取值的频度小于2(表示支持度低)，即cv＜2，则认为该参数类型不是枚举类型。
[0145]
(3)如果(表示支持度低)，则认为该参数类型不是枚举类型。
[0146]
(4)当(4)当时，则认为各类取值不均衡，该参数类型不是枚举类型。
[0147]
如果以上情况均不满足，那么可以推测该参数类型为枚举类型。
[0148]
需要说明的是，在一些可能的实施例中，还可以采用其他现有的方法来判断所述参数类型是否为枚举类型，本发明实施例对此不作限制。
[0149]
s820：当所述参数类型为枚举类型时，对所述历史输入参数组成的集合进行去重处理，得到所述参数类型对应的枚举值集合。
[0150]
本发明实施例中，当推测为枚举类型时，可以记录历史取值的集合为枚举值集合，也可以对所述历史输入参数组成的集合进行去重处理，得到所述参数类型对应的枚举值集合。
[0151]
s830：根据所述枚举值集合确定所述参数类型对应的枚举校验方式。
[0152]
本发明实施例中，当确定所述枚举值集合后，可以确定所述参数类型对应的枚举规则，进而确定所述参数类型对应的枚举校验方式，即判断输入的目标任务参数是否包含于所述枚举值集合中。
[0153]
在一个可能的实施例中，当确定所述枚举值集合后，还可以利用历史输入参数经简单计算来验证所述枚举值集合对应的规则是否成立，这个过程也称为规则学习。具体地，可以使用通过率与支持度两个指标来进行规则验证，通过率是指符合规则的历史输入参数在所有历史输入参数中的比率，支持度是指符合规则的历史输入参数的数量。
[0154]
具体地，可以先统计所有历史输入参数的总数量c，然后确定所述历史输入参数中包含于所述枚举值集合的参数的第三数量d(可以称为所述枚举值集合的支持度)，根据所述第三数量d和所述总数量c可以计算该枚举值集合的第三参数通过率f＝d/c。
[0155]
在得到所述第三数量和所述第三参数通过率后，可以判断所述第三数量是否大于或者等于第三预设数量，以及判断所述第三参数通过率是否大于或者等于第三预设阈值。当所述第三数量大于或者等于第三预设数量，并且所述第三参数通过率大于或者等于第三预设阈值时，可以判定所述枚举值集合验证通过，说明所述枚举值集合对应的规则成立，此时可以执行根据所述枚举值集合确定所述参数类型对应的枚举校验方式的步骤，并将所述枚举值集合对应的规则记录到参数规则库中。当所述第三数量小于第三预设数量，或者所述第三参数通过率小于第三预设阈值时，说明所述枚举值集合对应的规则不成立，则放弃所述枚举值集合，不再确定对应的枚举校验方式。通过判断所述第三数量是否大于或者等于第三预设数量，可以避免由于历史输入参数数量较少导致确定的枚举校验方式不具有普遍性的问题。
[0156]
其中，所述第三预设数量和所述第三预设阈值可以根据实际情况进行设定，所述第三预设数量与所述第一预设数量或所述第二预设数量可以相同，也可以不同，所述第三预设阈值与所述第一预设阈值或所述第二预设阈值可以相同，也可以不同，本发明实施例对此不做限制。例如，可以设置所述第三预设数量为700，所述第三预设阈值为80％。
[0157]
本发明实施例中，在从不同角度设计参数校验规则和方法时，无需考虑规则之间的关系，也就是说规则的设计与验证都是相互独立的，只要规则之间不等价，新增的有效规则都会增加表达能力，无效的规则也不会对校验产生负面影响。通过从历史输入参数中自动学习参数校验规则，免去了为每个任务的每个参数人为配置规则的麻烦，且生成的校验规则的质量比人为配置的还要高。
[0158]
在一个具体的实施例中，在确定所述参数类型对应的各个参数校验方式后，可以将所述参数校验方式对应的参数校验规则存储至参数规则库中，所述参数规则库使用
mongodb文档存储的方式，文档的字段如下：
[0159]
param_name：参数名
[0160]
update_time：规则更新时间
[0161]
task_id：参数所属任务的标识(identification，id)
[0162]
param_type：参数规则类型，表示该参数是否已建立规则。0为未建立，1为已建立
[0163]
result：成立规则的map，键值对形式，键是成立规则名，值是规则详情，也是一个map对象
[0164]
规则详情的字段如下：
[0165]
confidence：该规则的历史参数通过率
[0166]
support:：该规则的支持度
[0167]
data：该规则的数据。其中，正则规则等静态规则无数据，自学习规则存储了定义规则的数据，如关键词规则的该字段存储了关键词。
[0168]
示例性地，下面的json对象表示了数据库中记录参数规则的一个例子(由于本方案的数据库采用mongodb文档存储，所以数据库的记录可以使用json对象近似表示。我们使用python风格的“#”开头的行内注释)：
[0169]
[0170][0171]
根据上面的例子可知，该参数{filename}由英文字母、数字和特殊字符组成(英文_数字_格式，eng_num_format)，具有关键词“******game”、“alpha”和“build”(启发式_关键词_格式，heuristic_keyword_format)，后缀为“.tar.gz”(后缀_格式，suffix_format)。可见这条规则已经非常精确地反应了参数的特点。
[0172]
s230：分别基于各个所述参数校验方式对所述目标任务参数进行校验处理，得到各个所述参数校验方式对应的校验结果。
[0173]
本发明实施例中，当确定所述目标任务参数对应的校验方式集合后，可以分别利用各个参数校验方式对所述目标任务参数进行校验处理，得到对应的校验结果。具体地，分别基于各个所述参数校验方式对所述目标任务参数进行校验处理，得到各个所述参数校验方式对应的校验结果可以包括：
[0174]
基于正则验证方式对所述目标任务参数进行校验处理，包括：获取所述正则校验方式对应的一个或者多个正则表达式，分别判断所述目标任务参数是否符合各个所述正则表达式，如果所述目标任务参数符合所有正则表达式，则判定所述正则验证方式对应的校验结果为校验通过。
[0175]
基于关键词校验方式对所述目标任务参数进行校验处理，包括：利用预设分词方
法对所述目标任务参数进行分词处理，得到所述目标任务参数对应的词语集合；获取所述关键词校验方式对应的一个或者多个关键词；针对每个所述关键词，判断所述关键词是否包含在所述词语集合中；如果所有关键词均包含在所述词语集合中，则判定所述关键词校验方式对应的校验结果为校验通过。其中，所述预设分词方法可以包括nlp算法分词、边界符号分词和启发式分词等等，可以分别利用上述几种分词方法对所述目标任务参数进行分词处理，得到所述目标任务参数对应的词语集合。
[0176]
基于前后缀校验方式对所述目标任务参数进行校验处理，包括：获取所述前后缀校验方式对应的最长前缀和最长后缀；判断所述目标任务参数中是否包括所述最长前缀和所述最长后缀；如果所述目标任务参数包括所述最长前缀和所述最长后缀，则判定所述前后缀校验方式对应的校验结果为校验通过。
[0177]
基于枚举校验方式对所述目标任务参数进行校验处理，包括：获取所述枚举校验方式对应的枚举值集合；将所述目标任务参数分别与所述枚举值集合中的各个枚举值进行匹配；如果存在至少一个枚举值与所述目标任务参数匹配成功，则判定所述枚举校验方式对应的校验结果为校验通过。
[0178]
s240：如果各个所述参数校验方式对应的校验结果均为校验通过，则判定所述目标任务参数校验通过。
[0179]
本发明实施例中，通过利用建立的多个参数校验方式进行交叉校验，只有所有参数校验方式都校验通过，整体校验才通过，这可以称为原子规则的交叉校验。
[0180]
在一个具体的实施例中，上述参数校验方法可以应用于aiops运维机器人启动任务的场景中，在该场景下，如图3所示，参数填写是在会话中进行的，用户可以根据aiops运维机器人的参数输入提示，通过所述参数输入界面的输入框输入所述目标任务参数。当用户输入参数时，可以将其作为待检测的目标任务参数，并使用本发明实施例提供的参数校验方法进行校验，如果校验通过，则正常输入不受影响。如果校验不通过，则提示错误并默认不接受参数，但仍保留确认输入的选项，避免误判阻挡用户。在该场景下，本发明实施例提供的参数校验方法能够正确地区分用户聊天与参数输入，同时很好地解决了任务参数填写时无法良好处理非自然语言输入导致难以分类输入、拒识参数的问题，避免与机器人的会话被打乱。
[0181]
综上所述，本发明的参数校验方法，通过采用独立学习、交叉校验的模式，先利用基于历史输入参数确定的多个不同类型的参数校验方式，生成复杂的校验方式集合，进而对待校验的目标任务参数进行交叉校验，不需要为每个任务的每个参数人为配置规则，操作简便，并且可以良好地检出任务参数填写过程中可能出现的错位、格式错误、额外字符等问题，为任务的安全执行增添一份保障。同时，该方法通过组合若干简单精确的校验规则，生成复杂的综合校验策略，可对参数进行精确地匹配校验，计算复杂度较低，参数校验的效率和精确度较高，具备良好的实用性。
[0182]
参考说明书附图9，其示出了本发明一个实施例提供的一种参数校验装置900的结构。如图9所示，所述装置900可以包括：
[0183]
参数类型确定模块910，用于获取待校验的目标任务参数，确定所述目标任务参数的参数类型；
[0184]
校验方式确定模块920，用于根据所述参数类型确定所述目标任务参数对应的校
验方式集合，所述校验方式集合包括多个不同类型的参数校验方式，所述多个不同类型的参数校验方式是根据所述参数类型对应的历史输入参数确定的；
[0185]
参数校验模块930，用于分别基于各个所述参数校验方式对所述目标任务参数进行校验处理，得到各个所述参数校验方式对应的校验结果；
[0186]
校验结果确定模块940，用于当各个所述参数校验方式对应的校验结果均为校验通过时，判定所述目标任务参数校验通过。
[0187]
在一个可能的实施例中，所述校验方式确定模块920可以包括：
[0188]
判断单元，用于判断是否存在与所述参数类型对应的校验方式集合；
[0189]
第一获取单元，用于当存在与所述参数类型对应的校验方式集合时，获取所述参数类型对应的校验方式集合，作为所述目标任务参数对应的校验方式集合；
[0190]
第二获取单元，用于当不存在与所述参数类型对应的校验方式集合时，获取所述参数类型对应的历史输入参数；
[0191]
确定单元，用于根据所述历史输入参数确定多个不同类型的参数校验方式，得到所述参数类型对应的校验方式集合；将所述校验方式集合作为所述目标任务参数对应的校验方式集合。
[0192]
需要说明的是，上述实施例提供的装置，在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与相应方法实施例属于同一构思，其具体实现过程详见对应方法实施例，这里不再赘述。
[0193]
本发明一个实施例还提供了一种电子设备，该电子设备包括处理器和存储器，该存储器中存储有至少一条指令或者至少一段程序，该至少一条指令或者该至少一段程序由该处理器加载并执行以实现如上述方法实施例所提供的参数校验方法。
[0194]
存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、功能所需的应用程序等；存储数据区可存储根据所述设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器还可以包括存储器控制器，以提供处理器对存储器的访问。
[0195]
本发明实施例所提供的方法实施例可以在终端、服务器或者类似的运算装置中执行，即上述电子设备可以包括终端、服务器或者类似的运算装置。以运行在服务器上为例，如图10所示，其示出了本发明实施例提供的运行参数校验方法的服务器的结构示意图。该服务器1000可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processing unit，cpu)1010(例如，一个或一个以上处理器)和存储器1030，一个或一个以上存储应用程序1023或数据1022的存储介质1020(例如一个或一个以上海量存储设备)。其中，存储器1030和存储介质1020可以是短暂存储或持久存储。存储在存储介质1020的程序可以包括一个或一个以上模块，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器1010可以设置为与存储介质1020通信，在服务器1000上执行存储介质1020中的一系列指令操作。服务器1000还可以包括一个或一个以上电源1060，一个
或一个以上有线或无线网络接口1050，一个或一个以上输入输出接口1040，和/或，一个或一个以上操作系统1021，例如windows servertm，mac os xtm，unixtm，linuxtm，freebsdtm等等。
[0196]
输入输出接口1040可以用于经由一个网络接收或者发送数据。上述的网络具体实例可包括服务器1000的通信供应商提供的无线网络。在一个实例中，输入输出接口1040包括一个网络适配器(network interface controller，nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，输入输出接口1040可以为射频(radio frequency，rf)模块，其用于通过无线方式与互联网进行通讯，所述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(global system ofmobile communication，gsm)、通用分组无线服务(general packet radio service，gprs)、码分多址(code division multiple access，cdma)、宽带码分多址(wideband code division multiple access，wcdma)、长期演进(long term evolution，lte)、电子邮件、短消息服务(short messaging service，sms)等。
[0197]
本领域普通技术人员可以理解，图10所示的结构仅为示意，服务器1000还可包括比图10中所示更多或者更少的组件，或者具有与图10所示不同的配置。
[0198]
本发明一个实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质可设置于电子设备之中以保存用于实现一种参数校验方法相关的至少一条指令或者至少一段程序，该至少一条指令或者该至少一段程序由该处理器加载并执行以实现上述方法实施例提供的参数校验方法。
[0199]
可选地，在本发明实施例中，上述存储介质可以包括但不限于：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0200]
本发明一个实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现例中提供的参数校验方法。
[0201]
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0202]
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，对于装置实施例而言，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。
[0203]
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0204]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。