数据处理方法、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，尤其涉及一种数据处理方法、装置、设备及存储介质。


背景技术：

2.随着社会进入信息化时代，数据量逐渐增大。用户每天需要处理大量的数据，而在海量数据中，又充斥着多数无用的数据。如何将大量的数据精简化，是当前亟待解决的问题。


技术实现要素：

3.本公开提供一种数据处理方法、装置、设备及存储介质，至少在一定程度克服了当前数据量较大难以精简的问题。
4.本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
5.根据本公开的一个方面，提供一种数据处理方法，包括：
6.获取数据，所述数据是以文本信息表示的数据；
7.根据谱聚类算法将所述数据聚类为预设类别的数据；
8.在每个类别中将预设数量个关键数据以及根据textrank算法提取的重点数据作为概括性摘要；
9.在每个类别中根据预设模型提取每个类别对应的具体摘要；
10.将当前类别的概括性摘要以及具体摘要确定为当前类别的目标摘要。
11.在本公开的一个实施例中，在将当前类别的概括性摘要以及具体摘要确定为当前类别的目标摘要之后，所述方法还包括：
12.将所述目标摘要发送至用户设备，以使用户对所述目标摘要进行修正。
13.在本公开的一个实施例中，在获取数据，所述数据包括以文本信息表示的数据之后，在根据谱聚类算法将所述数据聚类为预设类别的数据之前，所述方法还包括：
14.根据数据标准对获取的数据进行筛选，得到筛选后的数据；
15.根据分词标准以及分词算法对筛选后的数据进行分词，得到分词后的数据；
16.根据近义词标准将分词后的数据中的近义词替换为标准词，得到替换后的数据。
17.在本公开的一个实施例中，在根据谱聚类算法将所述数据聚类为预设类别的数据之前，所述方法还包括：
18.将数据按照不同数目的类别进行多次聚类，得到每个数目的类别对应的聚类后的轮廓系数；
19.将最大的轮廓系数对应的类别的数目确定为预设数目。
20.在本公开的一个实施例中，在每个类别中将预设数量个关键数据以及根据textrank算法提取的重点数据作为概括性摘要，包括：
21.根据tfidf算法在每个类别的数据中提取预设数量个关键数据；
22.根据textrank算法在每个类别的数据提取重点数据；
23.将关键数据与重点数据进行融合得到概括性摘要。
24.在本公开的一个实施例中，在每个类别中根据预设模型提取每个类别对应的具体摘要之前，所述方法还包括：
25.基于历史数据、标注文本以及历史目标文本对模型进行训练，在满足训练停止条件后得到预设模型。
26.在本公开的一个实施例中，
27.在每个类别中根据预设模型提取每个类别对应的具体摘要，包括：
28.每个类别中根据有监督生成模型提取每个类别对应的摘要；
29.将每个类别对应的摘要融合，得到每个类别对应的摘要文本；
30.将每个类别对应的摘要文本输入摘要抽取模型得到每个类别对应的具体摘要。
31.根据本公开的另一个方面，提供一种数据处理装置，装置包括：
32.获取模块，用于获取数据，所述数据是以文本信息表示的数据；
33.第一聚类模块，用于根据谱聚类算法将所述数据聚类为预设类别的数据；
34.第一提取模块，用于在每个类别中将预设数量个关键数据以及根据textrank算法提取的重点数据作为概括性摘要；
35.第二提取模块，用于在每个类别中根据预设模型提取每个类别对应的具体摘要；
36.第一确定模块，用于将当前类别的概括性摘要以及具体摘要确定为当前类别的目标摘要。
37.在本公开的一个实施例中，数据处理装置还包括：
38.发送模块，在将当前类别的概括性摘要以及具体摘要确定为当前类别的目标摘要之后，用于将所述目标摘要发送至用户设备，以使用户对所述目标摘要进行修正。
39.在本公开的一个实施例中，数据处理装置还包括：
40.筛选模块，在获取数据，所述数据包括以文本信息表示的数据之后，在根据谱聚类算法将所述数据聚类为预设类别的数据之前，用于根据数据标准对获取的数据进行筛选，得到筛选后的数据；
41.分词模块，用于根据分词标准以及分词算法对筛选后的数据进行分词，得到分词后的数据；
42.替换模块，用于根据近义词标准将分词后的数据中的近义词替换为标准词，得到替换后的数据。
43.在本公开的一个实施例中，数据处理装置还包括：
44.第二聚类模块，在根据谱聚类算法将所述数据聚类为预设类别的数据之前，用于将数据按照不同数目的类别进行多次聚类，得到每个数目的类别对应的聚类后的轮廓系数；
45.第二确定模块，用于将最大的轮廓系数对应的类别的数目确定为预设数目。
46.在本公开的一个实施例中，提取模块，还包括：
47.第一提取单元，用于根据tfidf算法在每个类别的数据中提取预设数量个关键数据；
48.第二提取单元，用于根据textrank算法在每个类别的数据提取重点数据；
49.第一融合单元，用于将关键数据与重点数据进行融合得到概括性摘要。
50.在本公开的一个实施例中，数据处理装置还包括：
51.训练模块，在每个类别中根据预设模型提取每个类别对应的具体摘要之前，用于基于历史数据、标注文本以及历史目标文本对模型进行训练，在满足训练停止条件后得到预设模型。
52.在本公开的一个实施例中，第二提取模块，包括：
53.第三提取单元，用于在每个类别中根据有监督生成模型提取每个类别对应的摘要；
54.第二融合单元，用于将每个类别对应的摘要融合，得到每个类别对应的摘要文本；
55.抽取单元，将每个类别对应的摘要文本输入摘要抽取模型得到每个类别对应的具体摘要。
56.根据本公开的再一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储处理器的可执行指令；其中，处理器配置为经由执行可执行指令来执行上述的数据处理方法。
57.根据本公开的又一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的数据处理方法。
58.本公开的实施例所提供的数据处理方法，通过获取数据，然后根据谱聚类算法将数据聚类为预设类别的数据，然后在每个类别中，将预设数量个关键数据以及根据textrank算法提取的重点数据作为概括性摘要，在每个类别中根据预设模型提取每个类别对应的具体摘要，将当前类别的概括性摘要和具体摘要确定为当前类别的目标摘要，由于是将数据进行了提取，所以剔除了数据中的无效数据，又因为获取了数据的具体摘要以及概括摘要，并将具体摘要和概括摘要确定为目标摘要，所以能够使得数据在保留数据的关键要素的情况下，使得数据量较小，易于对数据进行利用，提高了数据的应用性。
59.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
60.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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他的附图。
61.图1示出本公开实施例中一种数据处理方法流程图；
62.图2示出本公开实施例中一种数据处理装置示意图；
63.图3示出本公开实施例中一种电子设备的结构框图。
具体实施方式
64.现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加
全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
65.此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
66.应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
67.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
68.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
69.随着电信运营商的业务逐渐丰富化和精细化，销售品和营销手段接连推陈出新。但这些新的产品、业务和营销方式如果不能得到用户的接受和满意，可能会引起接二连三的投诉，甚至是越级投诉。另一方面，这些投诉虽然会给运营商带来经营压力，也同时带来了改善的方向和建议，提醒着营销业务人员，目前市场上哪些销售品和手段仍然差强人意，哪些业务正处于投诉舆论的风口浪尖。但是每个月投诉数量繁多，营销人员不可能逐条查看，但如果需要看投诉的主要热点问题，则需要对投诉进行归纳整理，精炼中心，当前对投诉内容主要是依靠人工进行分析，使得当前分析的数据量较大，分析效率较低。
70.为了解决上述问题，本公开提供了一种数据处理方法。
71.图1示出了本公开实施例提供的数据处理方法流程图。
72.如图1所示方法可以包括：
73.s101，获取数据，所述数据是以文本信息表示的数据；
74.s102，根据谱聚类算法将所述数据聚类为预设类别的数据；
75.s103，在每个类别中将预设数量个关键数据以及根据textrank算法提取的重点数据作为概括性摘要；
76.s104，在每个类别中根据预设模型提取每个类别对应的具体摘要；
77.s105，将当前类别的概括性摘要以及具体摘要确定为当前类别的目标摘要。
78.本公开的实施例所提供的数据处理方法，通过获取数据，然后根据谱聚类算法将数据聚类为预设类别的数据，然后在每个类别中，将预设数量个关键数据以及根据textrank算法提取的重点数据作为概括性摘要，在每个类别中根据预设模型提取每个类别对应的具体摘要，将当前类别的概括性摘要和具体摘要确定为当前类别的目标摘要，由于是将数据进行了提取，所以剔除了数据中的无效数据，又因为获取了数据的具体摘要以及概括摘要，并将具体摘要和概括摘要确定为目标摘要，所以能够使得数据在保留数据的关键要素的情况下，使得数据量较小，易于对数据进行利用，提高了数据的应用性。
79.在s101中，需要说明的是，数据可以包括投诉数据。
80.可以基于多种渠道，在多个地址进行数据获取，本公开中并不对获取数据的渠道
以及地址做具体限定。
81.在一些实施方式中，可以获取文本信息外其他类型的数据，将其他类型的数据转换为文本类型的数据。
82.需要说明的是，将其他类型的数据转化为文本信息类型的数据为常用的技术，此处不做具体描述。
83.在s102中，预设类别可以包括由用户自定义设置的类别，也可以包括根据数据的数据量确定的数据类别。
84.需要说明的是，根据谱聚类算法对数据进行聚类为常规算法，本公开不做具体限定。
85.谱聚类可以降低聚类结果中最杂类的数量。
86.s103具体可以包括：
87.根据tfidf算法在每个类别的数据中提取预设数量个关键数据；
88.根据textrank算法在每个类别的数据提取重点数据；
89.将关键数据与重点数据进行融合得到概括性摘要。
90.需要说明的是，可以根据tfidf算法在每个类别的数据中提取多个关键数据，然后将多个关键数据进行排序，将排序靠前的预设数量个关键数据确定为最终的关键数据。
91.也可以基于用户的自定义去确定预设数量的大小。
92.将关键数据与重点数据进行融合得到概括性摘要可以包括：
93.将文本信息表示的关键数据与文本信息表示的重点数据的文本进行融合。
94.在s104中，需要说明的是，预设模型可以为unilm textrank模型。
95.具体的，在每个类别中根据预设模型提取每个类别对应的具体摘要，包括：
96.每个类别中根据有监督生成模型提取每个类别对应的摘要；
97.将每个类别对应的摘要融合，得到每个类别对应的摘要文本；
98.将每个类别对应的摘要文本输入摘要抽取模型得到每个类别对应的具体摘要。
99.需要说明的是，有监督生成模型可以为unilm模型，抽取模型可以为textrank模型。
100.在s105中，需要说明的是，将当前类别的概括性摘要以及具体摘要确定为当前类别的目标摘要可以包括：
101.将以文本信息标识的概括性摘要以及文本信息标识的具体摘要的文本信息进行融合，得到目标摘要。
102.示例性的，概括性摘要分别为：营业厅、销户以及营业，具体摘要为：办理过电信号码没有处理导致欠费。
103.则目标摘要为：营业厅、销户以及营业、办理过电信号码没有处理导致欠费。
104.概括性摘要为：快捷支付、支付以及欠费，具体摘要为：快捷支付50元权益月包返费情况。
105.则目标摘要为：快捷支付、支付以及欠费以及快捷支付50元权益月包返费情况。
106.在一些实施例中，在s105之后，数据处理方法还可以包括：
107.将所述目标摘要发送至用户设备，以使用户对所述目标摘要进行修正。
108.需要说明的是，用户设备可以包括用户对应的终端设备，终端设备可以是各种电
子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机、可穿戴设备、增强现实设备、虚拟现实设备等。
109.示例性的，用户对目标摘要进行修正可以包括：
110.目标摘要为：营业厅、销户以及营业、办理过电信号码没有处理导致欠费。则用户修正后的摘要为：营业厅业务办理。
111.目标摘要为：快捷支付、支付以及欠费以及快捷支付50元权益月包返费情况。则用户修正后的摘要为：快捷支付费用问题。
112.本公开实施例中，通过将确定的目标摘要发送至用户设备，以使用户对目标摘要进行修正，得到用户修正后的摘要，可以使得最终确定的摘要的精准度提高。
113.在一些实施例中，在s101之后，在s102之前，数据处理方法还可以包括：
114.根据数据标准对获取的数据进行筛选，得到筛选后的数据；
115.根据分词标准以及分词算法对筛选后的数据进行分词，得到分词后的数据；
116.根据近义词标准将分词后的数据中的近义词替换为标准词，得到替换后的数据。
117.需要说明的是，数据标准可以包括用户基于数据库自定义的标准。
118.示例性的，数据标准为“分类
…
备注”，则可以将获取的数据中的分类与备注之间的数据进行筛除。
119.需要说明的是，分词标准可以包括用户基于标准词库确定的。
120.示例性的，标准词库可以包括：电信业务词库、近义词词库、地名词库。
121.分词算法可以包括jieba算法。
122.示例性的，近义词标准也可以为用户自定义确定的近义词标准。
123.在一些实施方式中，在进行上述操作之后，还可以将操作之后的数据利用tfidf算法限定词向量，如以最大特征向量个数限定、数据比例限定以及出现频率限定。
124.在一些实施方式中，在转换词向量之后可以pca降维，且降维的随机状态设定为1，以便让每次执行降维后的结果都相同。
125.在一些实施例中，在s102之前，数据处理方法还可以包括：
126.将数据按照不同数目的类别进行多次聚类，得到每个数目的类别对应的聚类后的轮廓系数；
127.将最大的轮廓系数对应的类别的数目确定为预设数目。
128.示例性的，数据量在0到1001之前，将聚类次数确定为：5、6、7、8、9、10，然后获取每个聚类次数对应的轮廓系数。
129.在一些实施例中，在s104之前，数据处理方法还可以包括：
130.基于历史数据、标注文本以及历史目标文本对模型进行训练，在满足训练停止条件后得到预设模型。
131.需要说明的是，历史数据可包括历史投诉数据，
132.标注文本可以包括标注的文本。
133.历史目标文本可以包括有用户确定的经过提取后的文本。
134.示例性的，历史文本可以包括：用户反映8月份办理主副卡业务，当地客服告知主副卡可以共享套餐，10月份发现无故产生额外费用，当地客服告知操作失误导致，用户不认可，请加急处理。
135.标注文本可以包括：客服操作失误导致主副卡产生额外费用。
136.历史目标文本可以包括：客服错误导致的客户费用。
137.历史文本可以包括：用户来厅反映在3月10日早7点至11点期间流量使用存在异常，后用户通过网厅订购10元流量包，用户称网站并未明确标明该流量包为3天流量包，用户认为流量包为整月流量包，认为我方网站宣传不清楚。
138.标准文本可以包括：流量包、不清楚。
139.历史目标文本可以包括：流量包宣传不清楚。
140.基于同一发明构思，本公开实施例中还提供了一种数据处理装置，如下面的实施例。由于该装置实施例解决问题的原理与上述方法实施例相似，因此该装置实施例的实施可以参见上述方法实施例的实施，重复之处不再赘述。
141.图2示出本公开实施例中一种数据处理装置示意图。
142.如图2所示，该装置包括：
143.获取模块201，用于获取数据，所述数据是以文本信息表示的数据；
144.第一聚类模块202，用于根据谱聚类算法将所述数据聚类为预设类别的数据；
145.第一提取模块203，用于在每个类别中将预设数量个关键数据以及根据textrank算法提取的重点数据作为概括性摘要；
146.第二提取模块204，用于在每个类别中根据预设模型提取每个类别对应的具体摘要；
147.第一确定模块205，用于将当前类别的概括性摘要以及具体摘要确定为当前类别的目标摘要。
148.本公开的实施例所提供的数据处理装置，通过获取数据，然后根据谱聚类算法将数据聚类为预设类别的数据，然后在每个类别中，将预设数量个关键数据以及根据textrank算法提取的重点数据作为概括性摘要，在每个类别中根据预设模型提取每个类别对应的具体摘要，将当前类别的概括性摘要和具体摘要确定为当前类别的目标摘要，由于是将数据进行了提取，所以剔除了数据中的无效数据，又因为获取了数据的具体摘要以及概括摘要，并将具体摘要和概括摘要确定为目标摘要，所以能够使得数据在保留数据的关键要素的情况下，使得数据量较小，易于对数据进行利用，提高了数据的应用性。
149.在本公开的一个实施例中，数据处理装置还包括：
150.发送模块，在将当前类别的概括性摘要以及具体摘要确定为当前类别的目标摘要之后，用于将所述目标摘要发送至用户设备，以使用户对所述目标摘要进行修正。
151.在本公开的一个实施例中，数据处理装置还包括：
152.筛选模块，在获取数据，所述数据包括以文本信息表示的数据之后，在根据谱聚类算法将所述数据聚类为预设类别的数据之前，用于根据数据标准对获取的数据进行筛选，得到筛选后的数据；
153.分词模块，用于根据分词标准以及分词算法对筛选后的数据进行分词，得到分词后的数据；
154.替换模块，用于根据近义词标准将分词后的数据中的近义词替换为标准词，得到替换后的数据。
155.在本公开的一个实施例中，数据处理装置还包括：
156.第二聚类模块，在根据谱聚类算法将所述数据聚类为预设类别的数据之前，用于将数据按照不同数目的类别进行多次聚类，得到每个数目的类别对应的聚类后的轮廓系数；
157.第二确定模块，用于将最大的轮廓系数对应的类别的数目确定为预设数目。
158.在本公开的一个实施例中，提取模块，还包括：
159.第一提取单元，用于根据tfidf算法在每个类别的数据中提取预设数量个关键数据；
160.第二提取单元，用于根据textrank算法在每个类别的数据提取重点数据；
161.融合单元，用于将关键数据与重点数据进行融合得到概括性摘要。
162.在本公开的一个实施例中，数据处理装置还包括：
163.训练模块，在每个类别中根据预设模型提取每个类别对应的具体摘要之前，用于基于历史数据、标注文本以及历史目标文本对模型进行训练，在满足训练停止条件后得到预设模型。
164.在本公开的一个实施例中，获取模块，包括：
165.获取单元，用于获取文本信息外其他类型的数据，将其他类型的数据转换为文本类型的数据。
166.所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
167.下面参照图3来描述根据本公开的这种实施方式的电子设备300。图3显示的电子设备300仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
168.如图3所示，电子设备300以通用计算设备的形式表现。电子设备300的组件可以包括但不限于：上述至少一个处理单元310、上述至少一个存储单元320、连接不同系统组件(包括存储单元320和处理单元310)的总线330。
169.其中，存储单元存储有程序代码，程序代码可以被处理单元310执行，使得处理单元310执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，处理单元310可以执行上述方法实施例的如下步骤：
170.获取数据，所述数据是以文本信息表示的数据；
171.根据谱聚类算法将所述数据聚类为预设类别的数据；
172.在每个类别中将预设数量个关键数据以及根据textrank算法提取的重点数据作为概括性摘要；
173.在每个类别中根据预设模型提取每个类别对应的具体摘要；
174.将当前类别的概括性摘要以及具体摘要确定为当前类别的目标摘要。
175.存储单元320可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)3201和/或高速缓存存储单元3202，还可以进一步包括只读存储单元(rom)3203。
176.存储单元320还可以包括具有一组(至少一个)程序模块3205的程序/实用工具3203，这样的程序模块3205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
177.总线330可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
178.电子设备300也可以与一个或多个外部设备330(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备300交互的设备通信，和/或与使得该电子设备300能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口350进行。并且，电子设备300还可以通过网络适配器360与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器360通过总线330与电子设备300的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备300使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
179.通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
180.在本公开的示例性实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质可以是可读信号介质或者可读存储介质。其上存储有能够实现本公开上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
181.本公开中的计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
182.在本公开中，计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
183.可选地，计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。
184.在具体实施时，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、c 等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
185.应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
186.此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
187.通过以上实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
188.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。