一种短文本标签标注方法及装置与流程

1.本技术涉及数据处理领域，具体涉及一种短文本标签标注方法及装置。


背景技术：

2.随着金融监管逐步趋严、金融业务融合的快速发展，商业银行数字化转型已成为必然趋势。数字化转型促进银行业务快速发展，商业银行对合规管理能力升级的迫切需求使得智慧合规管理体系的建设势在必行。其中，外部监管规则、外部规章制度、内部规章制度作为重要的合规数据资产，是合规标签体系建设的主要来源，对其进行有效的文本标注对后续标签体系数字化构建具有重要意义。
3.在相关技术中，对文本标注标签的方法是通过人工随机抽取样本进行打标，但这种方法常常会出现某一标签下样本数量过多，而有的标签下样本数量过少甚至没有样本的情况，最终获得的标注样本无法涵盖所有标签，样本质量较低，影响后续通过机器学习等模型学习文本分类的查准率与查全率。


技术实现要素：

4.有鉴于此，本技术第一方面提供了一种短文本标签标注方法，包括：
5.通过计算样本间的相似度将所述样本分为m个聚类；
6.在第i轮打标过程中，对第j个聚类进行打标时，从所述第j个聚类中选择所述相似度低于标注阈值的未标注样本作为待标注样本；其中，在所述第j个聚类中，已标注样本具有相同的标签，j≤m；
7.使用标签库中的标签对所述待标注样本进行打标，并根据所述待标注样本的打标结果更新所述第j个聚类中的所述已标注样本；其中，所述标签库是根据所述样本中的词语生成的；
8.当在所述第j个聚类中的已标注样本包含l个不同标签时，根据所述第j个聚类中所述未标注样本与所述l个标签之间的相似度，将所述第j个聚类按照所述l个标签进行聚类更新，其中l≥2；
9.根据所述第i轮打标结束后的聚类数量更新所述m值，并判断所述第i轮打标结束后的m值与第i-1轮打标结束后的m值是否相同；
10.如果是，输出所述已标注样本；
11.如果否，进入第i 1轮打标。
12.优选地，在所述当在所述第j个聚类中的已标注样本包含l个不同标签时，根据所述第j个聚类中所述未标注样本与所述l个标签之间的相似度，将所述第j个聚类按照所述l个标签进行聚类更新之后，所述根据所述第i轮打标结束后的聚类数量更新所述m值，并判断所述第i轮打标结束后的m值与第i-1轮打标结束后的m值是否相同之前，进一步包括：
13.在所述第i轮打标结束后得到的聚类中，当存在q个聚类中所述已标注样本的标签相同时，对所述q个聚类进行聚合，其中，q≥2。
14.优选地，在所述在第i轮打标过程中，对第j个聚类进行打标时，从所述第j个聚类中选择所述相似度低于标注阈值的未标注样本作为待标注样本之前进一步包括：
15.根据第j个标签优先级，从所述第j个聚类中选择k个未标注样本；其中，在所述第j个聚类中，所述已标注样本的标签为所述第j个标签优先级对应的第j个标签，所述k值与所述第j个标签优先级正相关；
16.所述在第i轮打标过程中，对第j个聚类进行打标时，从所述第j个聚类中选择所述相似度低于标注阈值的未标注样本作为待标注样本包括：
17.在第i轮打标过程中，对第j个聚类进行打标时，根据所述第j个标签优先级，从所述第j个聚类中选择k个所述相似度低于标注阈值的未标注样本作为待标注样本。
18.优选地，所述第j个标签优先级是通过如下公式计算的：
[0019][0020]
其中，所述pj为第i轮打标时的第j个标签优先级；所述nj为所述第j个聚类中的样本数量；所述n为所有聚类中的样本数量；所述n为所有聚类中已标注样本的数量；所述nj为所述第j个聚类中已标注样本的数量；所述min为第j个聚类中样本间相似度的最小值。
[0021]
优选地，所述标签库是通过如下方式生成的：
[0022]
根据金融分词词典对所述样本进行分词，获得第一分词样本；
[0023]
根据停用词词典，去除所述第一分词样本中的停用词，获得所述第二分词样本；
[0024]
通过滑动窗口切分所述第二分词样本中的语句，并进行词语组合，获得潜在词库集；
[0025]
根据词频、词长和词语出现的位置计算所述潜在词库集中所有词语的分数，并将所述分数达到标签分数阈值的词语组成所述标签库。
[0026]
优选地，所述词语的分数是通过如下方式计算的：
[0027][0028]
其中，所述score
t
为第t个词语的分数，所述a
t
为所述第t个词语在所有样本中出现的次数，所述a
all
为所有样本中的总词数；所述cd为样本总数，所述为包含所述第t个词语的样本总数；所述len
t
为所述第t个词语的长度，所述max
len
为所有词语的最大词长；所述表示所有样本总词数的平均值，所述mean
t
为所述第t个词语在样本x中位置的平均值。
[0029]
本技术第二方面提供了一种短文本标签标注装置，包括：
[0030]
样本聚类单元，用于：通过计算样本间的相似度将所述样本分为m个聚类；
[0031]
样本选择单元，用于：在第i轮打标过程中，对第j个聚类进行打标时，从所述第j个聚类中选择所述相似度低于标注阈值的未标注样本作为待标注样本；其中，在所述第j个聚类中，已标注样本具有相同的标签，j≤m；
[0032]
打标单元，用于：使用标签库中的标签对所述待标注样本进行打标，并根据所述待标注样本的打标结果更新所述第j个聚类中的所述已标注样本；其中，所述标签库是根据所
述样本中的词语生成的；
[0033]
所述样本聚类单元还用于：当在所述第j个聚类中的已标注样本包含l个不同标签时，根据所述第j个聚类中所述未标注样本与所述l个标签之间的相似度，将所述第j个聚类按照所述l个标签进行聚类更新，其中l≥2；
[0034]
所述样本聚类单元还用于：根据所述第i轮打标结束后的聚类数量更新所述m值，并判断所述第i轮打标结束后的m值与第i-1轮打标结束后的m值是否相同；
[0035]
输出单元，用于：如果是，输出所述已标注样本；
[0036]
所述打标单元还用于：如果否，进入第i 1轮打标。
[0037]
优选地，所述样本聚类单元还用于：
[0038]
在所述第i轮打标结束后得到的聚类中，当存在q个聚类中所述已标注样本的标签相同时，对所述q个聚类进行聚合，其中，q≥2。
[0039]
优选地，所述样本选择单元还用于：
[0040]
根据第j个标签优先级，从所述第j个聚类中选择k个未标注样本；其中，在所述第j个聚类中，所述已标注样本的标签为所述第j个标签优先级对应的第j个标签，所述k值与所述第j个标签优先级正相关；
[0041]
所述样本选择单元还用于：
[0042]
在第i轮打标过程中，对第j个聚类进行打标时，根据所述第j个标签优先级，从所述第j个聚类中选择k个所述相似度低于标注阈值的未标注样本作为待标注样本。
[0043]
优选地，所述装置进一步包括：
[0044]
标签库生成单元，用于：根据金融分词词典对所述样本进行分词，获得第一分词样本；
[0045]
所述标签库生成单元还用于：根据停用词词典，去除所述第一分词样本中的停用词，获得所述第二分词样本；
[0046]
所述标签库生成单元还用于：通过滑动窗口切分所述第二分词样本中的语句，并进行词语组合，获得潜在词库集；
[0047]
所述标签库生成单元还用于：根据词频、词长和词语出现的位置计算所述潜在词库集中所有词语的分数，并将所述分数达到标签分数阈值的词语组成所述标签库。
[0048]
从以上技术方案可以看出，本技术实施例具有以下优点：本技术根据样本间的相似度对样本进行初步聚类，通过从样本中提取出的词语组成的标签库，对样本进行打标，提高了样本标签的统一性；在对样本进行打标时，从各个聚类中选择多个相似度较低的样本进行打标，提高了对于样本的文本标注效率；根据每轮的打标结果对所述聚类进行更新，动态控制各个聚类的裂变程度，当聚类稳定后获得最终的已标注样本，提高了已标注样本中标签的覆盖率，进而提高了已标注样本的质量。
附图说明
[0049]
图1为本技术实施例提供的流程图；
[0050]
图2为本技术实施例提供的生成标签库的流程图；
[0051]
图3为本技术实施例提供的合规标签体系示意图；
[0052]
图4为本技术实施例提供的短文本标签标注方法示意框图；
[0053]
图5为本技术实施例提供的滑动窗口示意图；
[0054]
图6为本技术实施例提供的样本预分类单元正向机制示意图；
[0055]
图7为本技术实施例提供的样本预分类单元反馈机制示意图；
[0056]
图8为本技术实施例提供的文本标注单元工作机制图；
[0057]
图9为本技术实施例提供的标签优先级计算单元工作机制图；
[0058]
图10为本技术实施例提供的标签审核单元工作机制图；
[0059]
图11为本技术实施例提供的装置示意图。
具体实施方式
[0060]
下面将参照附图更详细地描述本技术的实施例。虽然附图中显示了本技术的某些实施例，然而应当理解的是，本技术可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本技术。应当理解的是，本技术的附图及实施例仅用于示例性作用，并非用于限制本技术的保护范围。
[0061]
步骤101：通过计算样本间的相似度将样本分为m个聚类；
[0062]
在本技术所使用的样本，是将短文本条文经过分段后，获得的文本数据样本。通过计算样本间的相似度，将样本分为m个聚类，相似度较高的样本分在一个聚类中。其中，样本未开始打标时，m值可以由程序随机设置，也可以由技术人员设置；样本间相似度可以通过样本向量的余弦距离或欧式距离等公式进行计算，相似度与距离负相关，当两个样本之间的相似度越大时，这两个样本之间的距离越小。
[0063]
步骤102：在第i轮打标过程中，对第j个聚类进行打标时，从第j个聚类中选择相似度低于标注阈值的未标注样本作为待标注样本；
[0064]
在第j个聚类中，已标注样本具有相同的标签，且第j个聚类为m个聚类中的一个聚类。在打标过程中，本技术所使用的样本由已标注样本和未标注样本共同组成。
[0065]
其中，打标是指文本标注，是根据文本内容对文本进行定义的过程，在本技术中是指对文本内容的概括，最终获得的概括结果被称为标签。
[0066]
在每一轮打标时，设置标注阈值，所述标注阈值用于从m个聚类的每个聚类中选择最具代表性的样本，即与其他样本间的相似度最低的样本。当在第j个聚类中，某一样本与其他样本之间的相似度低于标注阈值时，认为该样本与其他样本之间的相似度较低，需要对该样本进行打标来确定是否继续将该样本留在当前聚类中。需要说明的是，所述样本间的相似度，可以为某个样本与其他样本分别计算相似度后获得的平均值，也可以为其他能够体现该样本与其他样本之间相似程度的值，均不影响本技术实施例的实现。
[0067]
在一种可能的实现方式中，步骤102之前可以进一步包括：
[0068]
根据第j个标签优先级，从第j个聚类中选择k个未标注样本；
[0069]
其中，在第j个聚类中，已标注样本的标签即为所述第j个标签优先级对应的第j个标签，从第j个聚类中选择未标注样本的数量k与第j个标签优先级正相关。
[0070]
那么步骤102可以通过如下方式实现：在第i轮打标过程中，对第j个聚类进行打标时，首先根据第j个标签优先级，确定从第j个聚类中需要选取的未标注样本数量k；然后根据样本间的相似度，从第j个聚类中选择k个相似度低于标注阈值的未标注样本，作为待标注样本。
[0071]
另外，上述第j个标签优先级可以通过如下方式进行计算：
[0072][0073]
其中，pj为第i轮打标时的第j个标签优先级；nj为第j个聚类中的样本数量；n为所有聚类中的样本数量；n为所有聚类中已标注样本的数量；nj为第j个聚类中已标注样本的数量；min为第j个聚类中样本间相似度的最小值。
[0074]
通过计算标签优先级，根据已标注样本的数据分布情况，动态调整未标注样本所在聚类的标签优先级，平衡了各个标签下的样本分布，降低了因样本抽样的随机性而导致各个标签下样本分布不均衡的概率，使得已标注样本的分布更加符合真实的分类比例。
[0075]
步骤103：使用标签库中的标签对待标注样本进行打标，并根据待标注样本的打标结果更新第j个聚类中的已标注样本；
[0076]
在一种可能的实现方式中，标签库可以通过如下方式生成：
[0077]
步骤201：根据金融分词词典对所述样本进行分词，获得第一分词样本；
[0078]
在一种可能的实现方式中，对于经过文档结构识别技术分段后的文本样本，可以采用结巴分词工具、结合金融分词词典对样本进行分词，以更好地适用于本技术所述的应用场景。
[0079]
步骤202：根据停用词词典，去除所述第一分词样本中的停用词，获得所述第二分词样本；
[0080]
在经过分词得到的第一分词样本中，可能会包含对于标签提取无意义的词，如“的”、“了”等，为了更好地适用于本技术所述的应用场景，还可以通过引入具有金融特点的停用词词典，对第一分词样本进行过滤，去除其中无意义的停用词。
[0081]
步骤203：通过滑动窗口切分所述第二分词样本中的语句，并进行词语组合，获得潜在词库集；
[0082]
通过滑动窗口，设置合适的窗长，对第二分词样本中的语句切分，在对切分后的词语进行组合时，可以通过n-gram机制组合词语，获得由所有词语组合生成的潜在词库集。
[0083]
步骤204：根据词频、词长和词语出现的位置计算所述潜在词库集中所有词语的分数，并将所述分数达到标签分数阈值的词语组成所述标签库。
[0084]
对潜在词库集中的词语分数的计算规则如下：
[0085][0086]
其中，score
t
为第t个词的分数，a
t
为第t个词在所有样本中出现的次数，a
all
为所有样本中的总词数，表示词频；cd为样本总数，为包含第t个词的样本总数，表示第t个词的重要性，其含义为在样本x中出现次数高，在其他样本中出现次数低时，则更能代表样本x；len
t
为第t个词的长度，max
len
为所有词的最大词长，表示词长的影响，一般长度越长的次所包含的信息越多，越能作为关键词代表样本
x；表示所有样本总词数的平均值，mean
t
为第t个词在样本x中位置的平均值，表示词的位置对分数的影响，通常词的位置越靠前，越能代表样本x。
[0087]
通过从样本中提取词语生成标签库，使用标签库中与待标注样本最匹配的词语对文本进行打标，解决了人工进行文本标注时难以定义标签的问题；基于滑动窗口提取潜在的不连续词标签，解决了传统关键词提取工具难以提取位置上不连续的组合词问题。
[0088]
步骤104：当在第j个聚类中的已标注样本包含l个不同标签时，根据第j个聚类中未标注样本与l个标签之间的相似度，将第j个聚类按照l个标签进行聚类更新；
[0089]
当在第j个聚类中的已标注样本的标签不同时，计算第j个聚类中未标注样本与l个标签之间的相似度，将各个未标注样本划分到相似度最高的标签所在的聚类中，以完成对第j个聚类的更新。
[0090]
在一种可能的实现方式中，在步骤103之后、步骤104之前可以进一步包括：
[0091]
在第i轮打标结束后得到的聚类中，当存在q个聚类中已标注样本的标签相同时，对q个聚类进行聚合，其中，q≥2。
[0092]
通过对标签相同的聚类进行聚合，动态调整聚类数量，避免了标签冗余冗余，提高了样本标注的效率。
[0093]
步骤105：根据第i轮打标结束后的聚类数量更新m值，并判断第i轮打标结束后的m值与第i-1轮打标结束后的m值是否相同；
[0094]
步骤106：如果是，输出已标注样本；
[0095]
步骤107：如果否，进入第i 1轮打标。
[0096]
当第i轮打标结束后，更新聚类数量m，将第i轮的聚类数量与第i-1轮的聚类数量进行比较，如果相同，则认为聚类已经稳定，所有标签都已被标注出来，则将已标注样本输出；如果不同，则认为聚类不够稳定，还需要从各个聚类中选择未标注样本进行打标，直至聚类稳定。
[0097]
在一种可能的实现方式中，在样本聚类趋于稳定后，可以将第j个聚类中的未标注样本按照第j个聚类中已标注样本的标签进行打标。
[0098]
通过计算样本间的相似度对样本进行初步聚类，利用从样本中提取出的词语生成的标签库，对样本进行打标，提高了样本标签的统一性；在对样本进行打标时，从各个聚类中选择相似度较低的样本进行打标，提高了对于样本的文本标注效率；根据每轮的打标结果对所述聚类进行更新，动态控制各个聚类的裂变程度，当聚类稳定后获得最终的已标注样本，提高了已标注样本中标签的覆盖率，进而提高了已标注样本的质量。
[0099]
下面结合具体应用场景介绍本技术提供的场景实施例。
[0100]
为了解决外规内化、内外规映射、规章制度检索等问题，银行的数字化转型需建立如图3所示的合规标签体系。对于外规内化、内外规映射来说，新增的外部规章制度可以根据其对应的合规标签进行分类，搜索该标签下的内部制度条文，以确认相关制度是否需要修改或新增；对于规章制度体系化学习来说，结构化的合规标签体系有助于工作人员系统全面地了解各标签下的制度规定。
[0101]
图4为本技术实施例提供的短文本标签标注方法的示意框图，根据本技术实施例所要实现的功能，设置了标签提取单元、样本预分类单元、文本标注单元、标签优先级计算
单元和标签审核单元。由所有样本组成文本数据集，根据样本聚类结果生成样本聚类库，根据已标注样本生成标注样本库，其中，标注样本库中的已标注样本来自于样本聚类库。
[0102]
需要说明的是，在图4所示的短文本标签标注方法的示意框图中，各个单元仅是对于本技术实施例功能的描述，并不是对本技术实施例装置的限定，在能够实现本技术实施例功能的情况下，其他方式的描述也是可以的。
[0103]
步骤401：将文本数据集输入标签提取单元，根据从各个样本中提取出的词语生成预定义标签库；
[0104]
使用滑动窗口进行语句切分，通过n-gram机制进行词语组合，提取潜在词库集的过程如图5所示。在图5中，滑动窗口的窗长为5，步长为1，每次计算完成后，滑动窗口向前推进一个单位词汇；对于滑动窗口内的分词结果，设置n-gram值为3，每次从滑动窗口内选择1-3个单位的词汇进行组合，作为潜在词库集中的词语。通过滑动窗口和n-gram机制，能够提取在词语位置上不连续的重要词汇，如“对公汇款”、“国际业务”等。
[0105]
步骤402：将文本数据集输入样本预分类单元进行预分类；
[0106]
在样本预分类单元中，在打标开始前，可以设置初始聚类值m，即对标签分类数量的预估值，将文本数据集中的样本按照相似度初步分为m个聚类，一个聚类即为一个集群，生成样本聚类库，再通过文本标注单元产生的标注样本库，以正向机制和反馈机制动态调整样本聚类库中集群的分裂程度。
[0107]
参见图6所示，样本预分类单元的正向机制是根据聚类值将文本数据集中的样本进行聚类，生成样本聚类库。
[0108]
参见图7所示，样本预分类单元的反馈机制是根据文本标注单元标注生成的标注样本库，对样本聚类库进行更新。当在标注样本库中，来自样本聚类库中同一聚类下的样本具有不同标签时，将前述同一聚类进行分裂，更新聚类值和样本聚类库，其中，聚类值为样本聚类库中聚类的个数；当在标注样本库中，具有同一标签的样本来自样本聚类库中的不同聚类时，将前述不同聚类进行聚合，并更新聚类值和样本聚类库。
[0109]
步骤403：从样本聚类库中选择未标注样本作为待标注样本输入文本标注单元，并根据预定义标签库、标签优先级和标签库对待标注样本进行打标，根据打标结果生成标注样本库；
[0110]
在文本标注单元中，对样本进行打标的工作机制如图8所示。当进行首轮打标时，文本标注单元从样本聚类库中的每个聚类中提取x个文本相似度最低的样本，使用预定义标签库中的与样本最符合的标签对进行打标；当预定义标签库中的标签与样本的相似度较低时，文本标注单元可以提示工作人员，为样本选择预定义标签库中的标签或自定义标签，进行预标注。在预标注结束后，文本标注单元判断样本标签是否来自预定义标签库，如果是，则将预标注样本作为已标注样本加入到标注样本库中；如果否，则向标签审核单元发送前述预标注样本，由标签审核单元确认是否将预标注样本中的标签新增至标签库中，其中，经过首轮打标后，标签审核单元根据预定义标签库生成标签库，以便后续打标时使用。
[0111]
当进行非首轮打标时，由于标注样本库中已有数据，样本预分类单元根据标注样本库对样本聚类库进行动态调整，标签优先级根据上一轮打标的结果调整标签优先级，因此在非首轮打标中，只需向文本标注单元输入本轮需要打标的样本总数y，文本标注单元根据标签优先级和样本总数y，计算从各个聚类中所要提取的样本数量，并取出相应数量的样
本进行打标。
[0112]
步骤404：在每轮打标结束后，标签优先级计算单元根据已有数据的打标结果，动态调整标签优先级；
[0113]
标签优先级的计算可参考步骤102中对第j个标签优先级的计算规则。另外，参见图9所示，在计算各类标签优先级并更新标签优先级之外，标签优先级计算单元的工作机制中还包括人工干预机制，通过专业经验对标签优先级进行微调，以更好满足实际业务场景的需要。
[0114]
步骤405：标签审核单元对标签库进行更新，以降低标签库中的标签同义不同词的可能。
[0115]
参见图10所示，在本技术实施例中，通过标签审核单元审核预定义标签库、标签库中是否存在同义不同词的问题，并对打标过程中生成的自定义标签进行审核，确认是否要在标签库中新增标签，以避免产生多余标签。
[0116]
参见图11所示，本技术所使用的装置包括：样本聚类单元1101、样本选择单元1102、打标单元1103和输出单元1104。
[0117]
其中，样本聚类单元1101用于通过计算样本间的相似度将样本分为m个聚类；
[0118]
样本选择单元1102用于在第i轮打标过程中，对第j个聚类进行打标时，从第j个聚类中选择相似度低于标注阈值的未标注样本作为待标注样本；其中，在第j个聚类中，已标注样本具有相同的标签，j≤m；
[0119]
打标单元1103用于使用标签库中的标签对待标注样本进行打标，并根据待标注样本的打标结果更新第j个聚类中的已标注样本；其中，标签库是根据样本中的词语生成的；
[0120]
样本聚类单元1101还用于当在第j个聚类中的已标注样本包含l个不同标签时，根据第j个聚类中未标注样本与l个标签之间的相似度，将第j个聚类按照l个标签进行聚类更新，其中l≥2；
[0121]
样本聚类单元1101还用于根据第i轮打标结束后的聚类数量更新m值，并判断第i轮打标结束后的m值与第i-1轮打标结束后的m值是否相同；
[0122]
输出单元1104，用于：如果是，输出已标注样本；
[0123]
打标单元1103还用于：如果否，进入第i 1轮打标。
[0124]
在一种可能的实现方式中，样本聚类单元1101还用于：
[0125]
在第i轮打标结束后得到的聚类中，当存在q个聚类中已标注样本的标签相同时，对q个聚类进行聚合，其中，q≥2。
[0126]
在一种可能的实现方式中，样本选择单元1102还用于根据第j个标签优先级，从第j个聚类中选择k个未标注样本；其中，在第j个聚类中，已标注样本的标签为第j个标签优先级对应的第j个标签，k值与第j个标签优先级正相关；
[0127]
样本选择单元1102还用于在第i轮打标过程中，对第j个聚类进行打标时，根据第j个标签优先级，从第j个聚类中选择k个相似度低于标注阈值的未标注样本作为待标注样本。
[0128]
在一种可能的实现方式中，图11所示的装置还可以包括计算单元，用于通过步骤102中描述的公式计算第j个标签优先级；另外，计算单元还用于通过步骤204中描述的公式计算词语的分数。
[0129]
在一种可能的实现方式中，图11所示的装置还可以包括标签库生成单元，用于：
[0130]
根据金融分词词典对样本进行分词，获得第一分词样本；
[0131]
根据停用词词典，去除第一分词样本中的停用词，获得第二分词样本；
[0132]
通过滑动窗口切分第二分词样本中的语句，并进行词语组合，获得潜在词库集；
[0133]
根据词频、词长和词语出现的位置计算潜在词库集中所有词语的分数，并将分数达到标签分数阈值的词语组成标签库。
[0134]
本技术实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[0135]
虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。
[0136]
应当理解，本技术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。本技术的范围在此方面不受限制。
[0137]
可以以一种或多种程序设计语言或其组合来编写用于执行本技术的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如java、smalltalk、c ，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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0138]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0139]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0140]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0141]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0142]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式
体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(英文全称：read-only memory，英文缩写：rom)、随机存取存储器(英文全称：random access memory，英文缩写：ram)、磁碟或者光盘等各种可以存储计算机程序的介质。
[0143]
以上所述，以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。