结合人工智能的云办公大数据处理方法及云办公服务器

技术领域

本申请涉及人工智能、大数据及云办公技术领域，特别涉及一种结合人工智能的云办公大数据处理方法及云办公服务器。

背景技术

远程协同办公主要是借助互联网技术进行线上办公，其受外界工作环境影响小，办公安排也相对比较灵活，不受工作地点的限制，只需要电脑或者手机就能够进行远程协同工作。

随着大数据技术的快速发展，大数据已逐步应用于各类业务领域，大数据与云办公的有机结合使得云办公的规模不断扩大，这样也为云办公服务器带来了许多的挑战。

发明人在研究过程中发现，随着云办公规模的不断扩大，云办公服务器所承受的数据处理压力也在不断激增，其中一类数据处理压力是对办公操作的响应压力。由于云办公设备不断增加，相应的重复操作（冗余操作）也在激增，云办公服务器会分配较大一部分的办公服务资源来应对这些冗余办公操作，极大地降低了云办公服务器的运行效率。为改善这一问题，需要对冗余办公操作进行有效识别，以减少办公服务资源的占用。

发明内容

本申请实施例之一提供一种结合人工智能的云办公大数据处理方法，应用于云办公服务器，所述云办公服务器中事先存储有远程协同办公信息集合，所述远程协同办公信息集合中包括多组在先的远程协同办公信息，进一步地，所述方法至少包括以下步骤：

对所述在先的远程协同办公信息进行分治处理以得到云办公交互事项对应的事项分治结果；其中，云办公交互事项对应的事项分治结果所包括多组事项分治描述；

对所述云办公交互事项对应的事项分治结果进行归类处理得到不同的事项分治描述，并通过不同的事项分治描述训练办公操作解析网络；其中，办公操作解析网络为事先构建的神经网络模型；

基于训练完成的办公操作解析网络进行冗余办公操作解析；其中，所述办公操作解析网络用于对待响应办公操作进行解析。

优选地，

对所述在先的远程协同办公信息进行分治处理以得到云办公交互事项对应的事项分治结果，包括：

对于远程协同办公信息集合中的每组在先的远程协同办公信息，将所述在先的远程协同办公信息的云办公交互事项按照所对应的智能办公环境进行分治处理，以获得所述在先的远程协同办公信息的云办公交互事项对应的事项分治结果；

对所述云办公交互事项对应的事项分治结果进行归类处理得到不同的事项分治描述，并通过不同的事项分治描述训练办公操作解析网络，包括：

对于每组所述在先的远程协同办公信息的云办公交互事项对应的事项分治结果所包括的多组事项分治描述，确定协同交互累计次数超过设定累计次数的事项分治描述以作为云办公交互关键事项对应的事项分治结果；

对所述云办公交互关键事项对应的事项分治结果中的事项分治描述进行事项属性解析处理，以将满足预设解析条件的事项分治描述作为表征所述远程协同办公信息集合的办公协作程度的焦点事项分治描述；

确定多组边缘事项分治描述，其中，所述边缘事项分治描述是协同交互累计次数不超过所述设定累计次数的事项分治描述中所包含的事项分治描述；

在多组所述边缘事项分治描述中，根据所述边缘事项分治描述之间的特征关联解析结果，筛选部分所述边缘事项分治描述以作为待分析的事项分治描述；

基于所述远程协同办公信息集合中每组在先的远程协同办公信息的所述焦点事项分治描述和所述待分析的事项分治描述训练办公操作解析网络；

基于训练完成的办公操作解析网络进行冗余办公操作解析，包括：

基于所述训练完成的办公操作解析网络对接收到的待响应办公操作进行办公操作解析，得到办公操作解析结果；在所述办公操作解析结果表征所述待响应办公操作是重复型操作时，拒绝应答所述待响应办公操作。

优选地，所述将所述在先的远程协同办公信息的云办公交互事项按照所对应的智能办公环境进行分治处理，以获得所述在先的远程协同办公信息的云办公交互事项对应的事项分治结果，包括：

在所述在先的远程协同办公信息的办公流程反馈信息中，提取本地办公环境和异地办公环境的办公环境标签，并基于所提取的办公环境标签生成多组办公主题交互情况；

根据每组所述办公主题交互情况的主题差异标识，基于相应智能办公环境的交互事项分治条件确定所述主题差异标识的事项分治方式；

根据对应每组所述办公主题交互情况的主题差异标识所确定出的事项分治方式对所述在先的远程协同办公信息的云办公交互事项进行事项分治，以获得所述在先的远程协同办公信息的云办公交互事项对应的事项分治结果；

其中，在所述根据每组所述办公主题交互情况的主题差异标识，基于相应智能办公环境的交互事项分治条件确定所述主题差异标识的事项分治方式之前，所述方法还包括对所述多组办公主题交互情况中的每组办公主题交互情况、以及相应的主题差异标识进行的预处理操作，所述预处理操作包括：

确定所述每组办公主题交互情况的主题差异标识的标识优化次数、以及对于同一办公主题交互情况的相同主题差异标识的量化统计结果；

将主题差异标识的标识优化次数超过设定标识优化次数、以及相同主题差异标识的量化统计结果超过与所述设定标识优化次数对应的数量阈值的办公主题交互情况进行删除，以获得删除后保留的云办公交互事项；

去除对应于所述删除后保留的云办公交互事项的主题差异干扰标识，并对于所述删除后保留的云办公交互事项中存在标识优化目录的主题差异标识进行标识优化；

基于所述删除后保留的云办公交互事项、以及标识优化后的主题差异标识，获得用于进行分治处理的办公主题交互情况。

优选地，所述对于每组所述在先的远程协同办公信息的云办公交互事项对应的事项分治结果所包括的多组事项分治描述，确定协同交互累计次数超过设定累计次数的事项分治描述以作为云办公交互关键事项对应的事项分治结果，包括：

在不同在先的远程协同办公信息的多组云办公交互事项对应的事项分治结果中，对事项分治描述进行多次筛选，并将每次筛选的多组事项分治描述进行融合，以获得多组不同的事项分治描述集；其中，每次筛选的多组事项分治描述中均包含对应于不同在先的远程协同办公信息的云办公交互事项对应的事项分治结果中的事项分治描述；

在所述多组不同的事项分治描述集形成的事项分治结果集合中，筛选协同交互累计次数超过所述设定累计次数的事项分治描述集，以作为云办公交互关键事项对应的事项分治结果。

优选地，所述对所述云办公交互关键事项对应的事项分治结果中的事项分治描述进行事项属性解析处理，包括：

从所述云办公交互关键事项对应的事项分治结果中提取多组事项分治描述；

将提取的多组事项分治描述进行以下至少之一的处理：

对所述多组事项分治描述中的描述内容进行事项属性解析，得到针对描述内容的事项属性解析结果；

对所述多组事项分治描述中的每组事项分治描述对应的操作线程的线程调用记录进行事项属性解析，得到针对线程调用记录的事项属性解析结果；

在所述多组事项分治描述中分别新增分治时序条件以进行事项属性解析，得到针对分治时序的事项属性解析结果；

根据多组事项分治描述之间的描述特征相关性，对所述多组事项分治描述进行事项属性解析，得到针对描述特征相关度的事项属性解析结果；

若存在至少一类事项属性解析结果对应的解析可信权重大于设定可信权重，则将所述至少一类事项属性解析结果对应的事项分治描述确定为满足预设解析条件的事项分治描述。

优选地，所述办公操作解析网络包括多个解析网络单元；所述基于所述远程协同办公信息集合中每组在先的远程协同办公信息的所述焦点事项分治描述和所述待分析的事项分治描述训练办公操作解析网络，包括：

将所述远程协同办公信息集合中每组在先的远程协同办公信息的所述焦点事项分治描述、所述待分析的事项分治描述和项目交互信息形成网络训练样本；

基于得到的多组网络训练样本，训练所述多个解析网络单元；

将训练完成的多个解析网络单元通过网络操作需求信息进行融合，以获得所述办公操作解析网络。

优选地，在所述对于远程协同办公信息集合中的每组在先的远程协同办公信息，将所述在先的远程协同办公信息的云办公交互事项按照所对应的智能办公环境进行分治处理，以获得所述在先的远程协同办公信息的云办公交互事项对应的事项分治结果之前，所述方法还包括：

获取多组初始交互信息的办公流程反馈信息；

根据办公流程事项的流程事项审批记录，将所述多组初始交互信息的办公流程反馈信息进行流程审批解析处理，以获得每组初始交互信息的流程管理解析结果，其中，所述流程管理解析结果用于从所述初始交互信息筛选所述在先的远程协同办公信息；

根据所述多组初始交互信息的流程管理解析结果，筛选部分初始交互信息以作为在先的远程协同办公信息；

其中，所述根据所述多组初始交互信息的流程管理解析结果，筛选部分初始交互信息以作为在先的远程协同办公信息，包括以下至少之一：

在所述多组初始交互信息中，筛选流程管理解析结果对应的办公操作冗余度高于设定冗余度阈值的部分初始交互信息以作为在先的远程协同办公信息；

根据所述多组初始交互信息的流程管理解析结果对应的办公操作冗余度，将所述多组初始交互信息进行降序整理，并筛选排序在前的、且数量为预设样本数量阈值的部分初始交互信息以作为在先的远程协同办公信息。

优选地，所述在多组所述边缘事项分治描述中，根据所述边缘事项分治描述之间的特征关联解析结果，筛选部分所述边缘事项分治描述以作为待分析的事项分治描述，包括：

确定所述多组边缘事项分治描述的事项交互活跃度，并将事项交互活跃度低于设定活跃度阀值的边缘事项分治描述进行删除；

将删除后保留的边缘事项分治描述进行融合，以获得边缘事项分治描述集合；

确定所述边缘事项分治描述集合中任意两组边缘事项分治描述之间的特征关联解析结果；

根据所述任意两组边缘事项分治描述之间的特征关联解析结果，确定所述边缘事项分治描述集合中的每一组边缘事项分治描述与所述边缘事项分治描述集合的局部关联解析结果；根据所述局部关联解析结果，将所述边缘事项分治描述集合中的边缘事项分治描述按照对应于所述局部关联解析结果的特征关联度进行降序整理，并筛选排序在前的部分边缘事项分治描述以作为待分析的事项分治描述。

优选地，基于所述训练完成的办公操作解析网络对接收到的待响应办公操作进行办公操作解析，得到办公操作解析结果；在所述办公操作解析结果表征所述待响应办公操作是重复型操作时，拒绝应答所述待响应办公操作，包括：

对所述待响应办公操作中的多个办公操作事件分别进行办公信息分配解析和办公信息执行解析，得到针对办公信息分配的解析结果集和针对办公信息执行的解析结果集；

基于训练完成的办公操作解析网络的第一解析网络单元，对所述针对办公信息分配的解析结果集进行第一解析结果验证处理，得到包括有办公信息分配标签的第一办公操作解析结果；

基于训练完成的办公操作解析网络的第二解析网络单元，对所述针对办公信息执行的解析结果集进行第二解析结果验证处理，得到包括有办公信息执行标签的第二办公操作解析结果；

基于所述第一办公操作解析结果和所述第二办公操作解析结果进行解析结果融合处理，得到与所述待响应办公操作对应的综合办公操作解析结果；

从所述综合办公操作解析结果中提取多个操作轨迹特征，对所述多个操作轨迹特征进行聚类，得到操作轨迹特征的聚类集分布；

在根据所述聚类集分布判定出所述待响应办公操作是重复型操作时，拒绝应答所述待响应办公操作；

其中，所述对所述待响应办公操作中的多个办公操作事件分别进行办公信息分配解析和办公信息执行解析，得到针对办公信息分配的解析结果集和针对办公信息执行的解析结果集，包括：

对所述待响应办公操作中的多个办公操作事件分别进行办公信息分配解析，得到各个办公操作事件中的办公信息分配解析记录、以及各办公信息分配解析记录所对应的办公事件主题特征；

基于各办公操作事件中的办公信息分配解析记录和相应的办公事件主题特征，确定针对办公信息分配的解析结果集；

对所述待响应办公操作中的多个办公操作事件分别进行办公信息执行解析，得到针对办公信息执行的解析结果集；

其中，所述对所述待响应办公操作中的多个办公操作事件分别进行办公信息执行解析，得到针对办公信息执行的解析结果集，包括：

对所述待响应办公操作事件中的多个办公操作事件分别进行持续型办公操作解析，得到各办公操作事件分别对应的持续型办公操作记录；

对所述待响应办公操作事件中的多个办公操作事件分别进行间歇型办公操作解析，得到各办公操作事件分别对应的间歇型办公操作记录；

将对应于同一办公操作事件的持续型办公操作记录和间歇型办公操作记录进行拼接；

基于所述待响应办公操作事件中与目标持续型办公操作记录相拼接的间歇型办公操作记录进行办公信息执行解析处理，得到针对办公信息执行的解析结果集。

本申请实施例之一提供一种云办公服务器，包括处理引擎、网络模块和存储器；所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎从所述存储器中读取计算机程序并运行，以执行上述的方法。

在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。

附图说明

本申请将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本发明的一些实施例所示的一种示例性结合人工智能的云办公大数据处理方法和/或过程的流程图；

图2是根据本发明的一些实施例所示的一种示例性结合人工智能的云办公大数据处理装置的框图；

图3是根据本发明的一些实施例所示的一种示例性结合人工智能的云办公大数据处理系统的框图，以及

图4是根据本发明的一些实施例所示的一种示例性云办公服务器中硬件和软件组成的示意图。

具体实施方式

为了更清楚地说明本申请实施例的技术方案，下面将对实施例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申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

发明人经研究和分析发现，在相关的云办公大数据处理技术中，对冗余办公操作的识别方法通常是基于操作签名或者时间戳信息实现，但是这样容易对存在更新操作签名或者时间戳信息的误判，从而将冗余办公操作识别为非冗余办公操作，使得服务器重复执行同样的办公操作，这样会极大地占用办公服务资源。

针对上述问题，发明人针对性地提出了结合人工智能的云办公大数据处理方法及云办公服务器，能够对事先记录的远程协同办公信息集合进行分析和处理，从而得到远程协同办公信息的云办公交互事项对应的事项分治结果，这样能够进一步实现事项分治结果的归类处理得到不同的事项分治描述。如此，可以通过不同的事项分治描述训练办公操作解析网络，以确保办公操作解析网络的解析准确性和可靠性，这样在基于训练完成的办公操作解析网络进行冗余办公操作解析时，能够从办公操作层面进行操作解析和识别，即使操作签名或者时间戳信息存在更新，也能够精准、快速地解析出冗余办公操作，避免将冗余办公操作识别为非冗余办公操作，这样可以避免云办公服务器重复执行同样的办公操作，尽可能减少办公服务资源的占用。

首先，对结合人工智能的云办公大数据处理方法进行示例性的说明，请参阅图1，是根据本发明的一些实施例所示的一种示例性结合人工智能的云办公大数据处理方法和/或过程的流程图，一种结合人工智能的云办公大数据处理方法可以包括以下步骤S1-步骤S3所描述的技术方案。

可以理解，在本实施例中，所述云办公服务器中事先存储有远程协同办公信息集合，所述远程协同办公信息集合中包括多组在先的远程协同办公信息，云办公服务器可以是Mysql数据服务器或者Hive数据服务器，亦或者其他类型的数据服务器，在此不作限定。在该方案中，远程协同办公信息集合可以按照时间先后顺序记录不同的在先的远程协同办公信息，而在先的远程协同办公信息可以是不同的在线办公设备之间，或者在线办公设备与云办公服务器之间的交互数据，例如，远程协同办公信息集合可以如下：

{

message1，在线办公设备1，在线办公设备2，时间time1，信息描述X；

message2，在线办公设备3，在线办公设备6，时间time2，信息描述X；

message3，云办公服务器，在线办公设备2，时间time3，信息描述X；

message4，在线办公设备1，云办公服务器，时间time4，信息描述X；

message5，在线办公设备6，云办公服务器，时间time5，信息描述X；

message6，云办公服务器，在线办公设备3，时间time6，信息描述X；

}

在上述基础上，所述方法可以包括以下内容。

步骤S1，对所述在先的远程协同办公信息进行分治处理以得到云办公交互事项对应的事项分治结果。例如，云办公交互事项可以是不同办公端（在线办公设备或云办公服务器）针对远程办公而言所实施的操作对应的数据，云办公交互事项包括但不限于办公业绩评估、办公项目指导、项目节点分配、项目处理进度、项目文件共享等。进一步地，云办公交互事项对应的事项分治结果中包括多组事项分治描述，每组事项分治描述可以看作是一个完整的操作行为，例如事项分治描述M1可以理解为文件下载操作行为，事项分治描述M2可以理解为视频会议发起操作行为、事项分治描述M3可以理解为办公软件更新操作行为等。如此设计，能够将在先的远程协同办公信息进行精准拆分，从而确保后续基于办公操作分析的可信系数，避免出现解析误差。

在进一步的实施例中，对所述在先的远程协同办公信息进行分治处理以得到云办公交互事项对应的事项分治结果，包括：对于远程协同办公信息集合中的每组在先的远程协同办公信息，将所述在先的远程协同办公信息的云办公交互事项按照所对应的智能办公环境进行分治处理，以获得所述在先的远程协同办公信息的云办公交互事项对应的事项分治结果。例如，智能办公环境可以是按照不同的方式进行区分。如此设计，能够尽可能精细化地实现云办公交互事项的事项分治，从而为后续的办公操作和数据分析提供尽可能完善的依据。

更进一步地，将所述在先的远程协同办公信息的云办公交互事项按照所对应的智能办公环境进行分治处理，以获得所述在先的远程协同办公信息的云办公交互事项对应的事项分治结果，可以包括以下内容：在所述在先的远程协同办公信息的办公流程反馈信息中，提取本地办公环境和异地办公环境的办公环境标签，并基于所提取的办公环境标签生成多组办公主题交互情况；根据每组所述办公主题交互情况的主题差异标识，基于相应智能办公环境的交互事项分治条件确定所述主题差异标识的事项分治方式；根据对应每组所述办公主题交互情况的主题差异标识所确定出的事项分治方式对所述在先的远程协同办公信息的云办公交互事项进行事项分治，以获得所述在先的远程协同办公信息的云办公交互事项对应的事项分治结果。在本实施例中，办公流程反馈信息可以用于记录不同的办公流程事项，比如办公事项操作节点、办公事项操作进度等。办公环境标签能够对不同规模的智能办公环境进行区分，办公主题交互情况用于表征不同办公端之间的交互情况，事项分治方式可以包括不同的事项分治指示信息，比如按照什么方式或者什么标准进行数据筛分。

可以理解，分治处理（分治算法）的基本思想是将一个规模为N的问题分解为K个规模较小的子问题，这些子问题相互独立且与原问题性质相同。求出子问题的解，就可得到原问题的解。本申请通过该算法，能够提高冗余操作行为识别的效率。

在一些实施例中，在所述根据每组所述办公主题交互情况的主题差异标识，基于相应智能办公环境的交互事项分治条件确定所述主题差异标识的事项分治方式之前，所述方法还包括对所述多组办公主题交互情况中的每组办公主题交互情况、以及相应的主题差异标识进行的预处理操作。在此基础上，所述预处理操作包括：确定所述每组办公主题交互情况的主题差异标识的标识优化次数、以及对于同一办公主题交互情况的相同主题差异标识的量化统计结果；将主题差异标识的标识优化次数超过设定标识优化次数、以及相同主题差异标识的量化统计结果超过与所述设定标识优化次数对应的数量阈值的办公主题交互情况进行删除，以获得删除后保留的云办公交互事项；去除对应于所述删除后保留的云办公交互事项的主题差异干扰标识，并对于所述删除后保留的云办公交互事项中存在标识优化目录的主题差异标识进行标识优化；基于所述删除后保留的云办公交互事项、以及标识优化后的主题差异标识，获得用于进行分治处理的办公主题交互情况。如此设计，通过进行预处理，能够确保办公主题交互情况、以及相应的主题差异标识的时效性，从而为后续的模型训练提供准确可靠的训练样本。

在另外的一些实施例中，在所述对于远程协同办公信息集合中的每组在先的远程协同办公信息，将所述在先的远程协同办公信息的云办公交互事项按照所对应的智能办公环境进行分治处理，以获得所述在先的远程协同办公信息的云办公交互事项对应的事项分治结果之前，本方案还可以包括以下内容：获取多组初始交互信息的办公流程反馈信息；根据办公流程事项的流程事项审批记录，将所述多组初始交互信息的办公流程反馈信息进行流程审批解析处理，以获得每组初始交互信息的流程管理解析结果，其中，所述流程管理解析结果用于从所述初始交互信息筛选所述在先的远程协同办公信息；根据所述多组初始交互信息的流程管理解析结果，筛选部分初始交互信息以作为在先的远程协同办公信息。如此设计，在确定在先的远程协同办公信息时能够考虑流程管理解析结果，从而确保后续训练得到的模型在进行办公操作解析时能够考虑到流程审批的完整性。

在本实施例中，所述根据所述多组初始交互信息的流程管理解析结果，筛选部分初始交互信息以作为在先的远程协同办公信息，包括以下至少之一的实施方式。

实施方式（1），在所述多组初始交互信息中，筛选流程管理解析结果对应的办公操作冗余度高于设定冗余度阈值的部分初始交互信息以作为在先的远程协同办公信息。

实施方式（2），根据所述多组初始交互信息的流程管理解析结果对应的办公操作冗余度，将所述多组初始交互信息进行降序整理，并筛选排序在前的、且数量为预设样本数量阈值的部分初始交互信息以作为在先的远程协同办公信息。

步骤S2，对所述云办公交互事项对应的事项分治结果进行归类处理得到不同的事项分治描述，并通过不同的事项分治描述训练办公操作解析网络。例如，不同的事项分治描述可以包括焦点事项分治描述、边缘事项分治描述和/或待分析的事项分治描述，焦点事项分治描述对应关注较多的办公操作，边缘事项分治描述对应关注较少的办公操作，办公操作解析网络可以是神经网络模型（Visual Geometry Group Network，VGG）。

在进一步的实施例中，为了确保训练之后的办公操作解析网络的解析准确性和泛化能力，需要对不同的事项分治描述进行精准分类，为实现这一目的，步骤S2所描述的内容可以通过以下步骤S21-步骤S25实现。

步骤S21，对于每组所述在先的远程协同办公信息的云办公交互事项对应的事项分治结果所包括的多组事项分治描述，确定协同交互累计次数超过设定累计次数的事项分治描述以作为云办公交互关键事项对应的事项分治结果。在本实施例中，协同交互累计次数可以用于表征事项分治描述被云办公服务器与在线办公设备共同使用的次数，共同使用次数越多，则表明事项分治描述对应的云办公交互事项较为重要，因而云办公交互关键事项也可以理解为云办公服务器重点关注的云办公交互事项。进一步地，该步骤可以包括以下内容：在不同在先的远程协同办公信息的多组云办公交互事项对应的事项分治结果中，对事项分治描述进行多次筛选，并将每次筛选的多组事项分治描述进行融合，以获得多组不同的事项分治描述集；其中，每次筛选的多组事项分治描述中均包含对应于不同在先的远程协同办公信息的云办公交互事项对应的事项分治结果中的事项分治描述；在所述多组不同的事项分治描述集形成的事项分治结果集合中，筛选协同交互累计次数超过所述设定累计次数的事项分治描述集，以作为云办公交互关键事项对应的事项分治结果。可以理解，设定累计次数可以按照办公项目大小进行调整。

步骤S22，对所述云办公交互关键事项对应的事项分治结果中的事项分治描述进行事项属性解析处理，以将满足预设解析条件的事项分治描述作为表征所述远程协同办公信息集合的办公协作程度的焦点事项分治描述。在本实施例中，事项属性可以用于对不同的事项分治描述进行区分，事项属性可以是表单属性也可以是概念属性，在此不作限定。远程协同办公信息集合的办公协作程度用于表征远程协同办公信息集合的协作兼容性，办公协作程度越高，远程协同办公信息集合的协作兼容性越强。进一步地，所述对所述云办公交互关键事项对应的事项分治结果中的事项分治描述进行事项属性解析处理，可以包括：从所述云办公交互关键事项对应的事项分治结果中提取多组事项分治描述。基于此，事项分治描述是否满足预设解析条件可以通过以下内实现。

首先，将提取的多组事项分治描述进行以下至少之一的处理：

（1）对所述多组事项分治描述中的描述内容进行事项属性解析，得到针对描述内容的事项属性解析结果；

（2）对所述多组事项分治描述中的每组事项分治描述对应的操作线程的线程调用记录进行事项属性解析，得到针对线程调用记录的事项属性解析结果；

（3）在所述多组事项分治描述中分别新增分治时序条件以进行事项属性解析，得到针对分治时序的事项属性解析结果；

（4）根据多组事项分治描述之间的描述特征相关性，对所述多组事项分治描述进行事项属性解析，得到针对描述特征相关度的事项属性解析结果。

其次，若存在至少一类事项属性解析结果对应的解析可信权重大于设定可信权重，则将所述至少一类事项属性解析结果对应的事项分治描述确定为满足预设解析条件的事项分治描述。在本方案中，解析可信权重可以理解为解析可信系数，其数值范围可以是0~1。

如此设计，能够基于不同层面的事项属性解析结果的解析可信权重判断对应的事项分治描述是否满足预设解析条件，这样能够避免对焦点事项分治描述的漏检。

步骤S23，确定多组边缘事项分治描述，其中，所述边缘事项分治描述是协同交互累计次数不超过所述设定累计次数的事项分治描述中所包含的事项分治描述。

步骤S24，在多组所述边缘事项分治描述中，根据所述边缘事项分治描述之间的特征关联解析结果，筛选部分所述边缘事项分治描述以作为待分析的事项分治描述。例如，特征关联解析结果可以是不同边缘事项分治描述之间的操作行为相似度，待分析的事项分治描述可以理解为可能是焦点事项分治描述的边缘事项分治描述，也即位于焦点事项分治描述和边缘事项分治描述之间的事项分治描述。进一步地，该步骤可以包括以下内容：确定所述多组边缘事项分治描述的事项交互活跃度，并将事项交互活跃度低于设定活跃度阀值的边缘事项分治描述进行删除；将删除后保留的边缘事项分治描述进行融合，以获得边缘事项分治描述集合；确定所述边缘事项分治描述集合中任意两组边缘事项分治描述之间的特征关联解析结果；根据所述任意两组边缘事项分治描述之间的特征关联解析结果，确定所述边缘事项分治描述集合中的每一组边缘事项分治描述与所述边缘事项分治描述集合的局部关联解析结果；根据所述局部关联解析结果，将所述边缘事项分治描述集合中的边缘事项分治描述按照对应于所述局部关联解析结果的特征关联度进行降序整理，并筛选排序在前的部分边缘事项分治描述以作为待分析的事项分治描述。

步骤S25，基于所述远程协同办公信息集合中每组在先的远程协同办公信息的所述焦点事项分治描述和所述待分析的事项分治描述训练办公操作解析网络。在本实施例中，办公操作解析网络包括多个解析网络单元，进一步地，训练办公操作解析网络的方式，可以包括以下步骤所描述的内容：将所述远程协同办公信息集合中每组在先的远程协同办公信息的所述焦点事项分治描述、所述待分析的事项分治描述和项目交互信息形成网络训练样本；基于得到的多组网络训练样本，训练所述多个解析网络单元；将训练完成的多个解析网络单元通过网络操作需求信息进行融合，以获得所述办公操作解析网络。

步骤S3，基于训练完成的办公操作解析网络进行冗余办公操作解析。在本实施例中，冗余办公操作解析可以是针对办公操作的解析结果而执行的相关措施例如响应办公操作或者拦截（拒绝应答）办公操作。进一步地，该步骤可以包括以下内容：基于所述训练完成的办公操作解析网络对接收到的待响应办公操作进行办公操作解析，得到办公操作解析结果；在所述办公操作解析结果表征所述待响应办公操作是重复型操作时，拒绝应答所述待响应办公操作。在本实施例中，待响应办公操作可以是与云办公服务器通信的任一在线办公设备发起的。

在步骤S3的基础上，为了实现对待响应办公操作的精准解析，可以通过以下步骤S31-步骤S36实现。

步骤S31，对所述待响应办公操作中的多个办公操作事件分别进行办公信息分配解析和办公信息执行解析，得到针对办公信息分配的解析结果集和针对办公信息执行的解析结果集。进一步地，所述对所述待响应办公操作中的多个办公操作事件分别进行办公信息分配解析和办公信息执行解析，得到针对办公信息分配的解析结果集和针对办公信息执行的解析结果集，包括：对所述待响应办公操作中的多个办公操作事件分别进行办公信息分配解析，得到各个办公操作事件中的办公信息分配解析记录、以及各办公信息分配解析记录所对应的办公事件主题特征；基于各办公操作事件中的办公信息分配解析记录和相应的办公事件主题特征，确定针对办公信息分配的解析结果集；对所述待响应办公操作中的多个办公操作事件分别进行办公信息执行解析，得到针对办公信息执行的解析结果集。

在上述步骤S31的基础上，所述对所述待响应办公操作中的多个办公操作事件分别进行办公信息执行解析，得到针对办公信息执行的解析结果集，包括：对所述待响应办公操作事件中的多个办公操作事件分别进行持续型办公操作解析，得到各办公操作事件分别对应的持续型办公操作记录；对所述待响应办公操作事件中的多个办公操作事件分别进行间歇型办公操作解析，得到各办公操作事件分别对应的间歇型办公操作记录；将对应于同一办公操作事件的持续型办公操作记录和间歇型办公操作记录进行拼接；基于所述待响应办公操作事件中与目标持续型办公操作记录相拼接的间歇型办公操作记录进行办公信息执行解析处理，得到针对办公信息执行的解析结果集。

可以理解，通过步骤S31所描述的内容，能够基于办公信息分配和办公信息执行进行差异化解析，并针对办公信息执行进行持续型办公操作记录和间歇型办公操作记录的分析和拼接，这样能够完整地确定出办公信息分配的解析结果集和针对办公信息执行的解析结果集。

步骤S32，基于训练完成的办公操作解析网络的第一解析网络单元，对所述针对办公信息分配的解析结果集进行第一解析结果验证处理，得到包括有办公信息分配标签的第一办公操作解析结果。在一个可替换的实施例中，所述基于训练完成的办公操作解析网络的第一解析网络单元，对所述针对办公信息分配的解析结果集进行第一解析结果验证处理，得到包括有办公信息分配标签的第一办公操作解析结果，可以包括以下内容：对所述针对办公信息分配的解析结果集中的每个办公操作事件分别进行事件标签匹配，得到每个办公操作事件各自对应的不重复的操作事件标签；基于每个办公操作事件中与相应不重复的操作事件标签对应的办公信息分配解析记录的操作特征检测结果，分别进行解析记录时序更正处理，得到更正后的针对办公信息分配的解析结果集；对所述更正后的针对办公信息分配的解析结果集进行再次时序更正处理，得到多个包括有办公信息分配标签的第一候选办公操作解析结果；根据各所述第一候选办公操作解析结果分别所匹配的办公信息分配类型，对属于相同办公信息分配类型的第一候选办公操作解析结果进行办公操作解析结果融合，得到包括有办公信息分配标签的第一办公操作解析结果。如此，能够基于时序层面以及办公信息分配类型实现办公操作解析结果融合，这样能够确保包括有办公信息分配标签的第一办公操作解析结果的全局关联性和准确性。

在一个可替换的实施例中，所述对所述针对办公信息分配的解析结果集中的每个办公操作事件分别进行事件标签匹配，得到每个办公操作事件各自对应的不重复的操作事件标签，包括：对于所述针对办公信息分配的解析结果集中的每个办公操作事件，当办公操作事件的办公事件主题特征的数量为大于一个时，获取每个办公事件主题特征的事件标签访问指数；当事件标签访问指数最高的办公事件主题特征为一个时，基于所述事件标签访问指数最高的办公事件主题特征确定相应办公操作事件的不重复的操作事件标签；当所述事件标签访问指数最高的办公事件主题特征为大于一个时，针对每个事件标签访问指数最高的办公事件主题特征，获取对应的办公信息分配解析记录的解析记录访问指数；根据最高的解析记录访问指数所对应的办公事件主题特征，确定相应办公操作事件所对应的不重复的操作事件标签。如此设计，能够基于解析记录访问指数准确确定相应办公操作事件所对应的不重复的操作事件标签。

在一个可替换的实施例中，所述基于每个办公操作事件中与相应不重复的操作事件标签对应的办公信息分配解析记录的操作特征检测结果，分别进行解析记录时序更正处理，得到更正后的针对办公信息分配的解析结果集，包括：对于每个办公操作事件，获取各办公操作事件中与相应不重复的操作事件标签对应的办公信息分配解析记录的行为解析误差量化值；当所述行为解析误差量化值在预设误差量化值数值范围内时，标记相对应的办公信息分配解析结果，标记的所述办公信息分配解析结果包括办公信息分配解析记录、以及所述办公信息分配解析记录对应的不重复的操作事件标签；当所述行为解析误差量化值不在所述预设误差量化值数值范围内时，将相应的办公操作事件的办公信息分配解析结果确定为无效结果；基于各办公操作事件各自对应的办公信息分配解析结果，得到更正后的针对办公信息分配的解析结果集。如此设计，能够将行为解析误差量化值考虑在内，从而实现对针对办公信息分配的解析结果集的精准可靠更正。

步骤S33，基于训练完成的办公操作解析网络的第二解析网络单元，对所述针对办公信息执行的解析结果集进行第二解析结果验证处理，得到包括有办公信息执行标签的第二办公操作解析结果。可以理解，该步骤的实施方式与步骤S32的实施方式类似，因此在此不作更多说明。

步骤S34，基于所述第一办公操作解析结果和所述第二办公操作解析结果进行解析结果融合处理，得到与所述待响应办公操作对应的综合办公操作解析结果。在本方案中，综合办公操作解析结果可以从办公信息分配层面和办公信息执行层面实现对待响应办公操作的评估。

步骤S35，从所述综合办公操作解析结果中提取多个操作轨迹特征，对所述多个操作轨迹特征进行聚类，得到操作轨迹特征的聚类集分布。例如，操作轨迹特征可以包括操作时间特征、流程审批特征和操作事件特征等，在此不作限定。

步骤S36，在根据所述聚类集分布判定出所述待响应办公操作是重复型操作时，拒绝应答所述待响应办公操作。在本实施例中，可以根据聚类集分布中每一类结果对应的全局操作概率判断待响应办公操作是否为重复型操作，例如，若每一类结果对应的全局操作概率的均值超过设定重复性评价概率，则可以判定待响应办公操作是重复型操作。每一类结果对应的全局操作概率可以根据不同的操作轨迹特征对应的指标权重计算得到，相关的计算公式和代码在此不作赘述。

可以理解，通过实施上述步骤S31-步骤S36，能够基于训练完成的办公操作解析网络确定待响应办公操作在不同层面上的办公操作解析结果，从而从得到的综合办公操作解析结果中提取多个操作轨迹特征，这样可以基于操作轨迹特征的聚类集分布所对应的重复性评价概率精准判定待响应办公操作是否为重复型操作，能够从办公操作层面进行行为分析和解析，即使操作签名或者时间戳信息存在更新，也能够精准、快速地解析出冗余办公操作，避免将冗余办公操作识别为非冗余办公操作，这样可以避免云办公服务器重复执行同样的办公操作，尽可能减少办公服务资源的占用。

综上所述，基于上述步骤S1-步骤S3，能够对事先记录的远程协同办公信息集合进行分析和处理，从而得到远程协同办公信息的云办公交互事项对应的事项分治结果，这样能够进一步实现事项分治结果的归类处理得到不同的事项分治描述。如此，可以通过不同的事项分治描述训练办公操作解析网络，以确保办公操作解析网络的解析准确性和可靠性，这样在基于训练完成的办公操作解析网络进行冗余办公操作解析时，能够从办公操作层面进行行为分析和解析，以精确判定待响应办公操作是否为重复型操作，即使操作签名或者时间戳信息存在更新，也能够精准、快速地解析出冗余办公操作，避免将冗余办公操作识别为非冗余办公操作，这样可以避免云办公服务器重复执行同样的办公操作，尽可能减少办公服务资源的占用。

对于一些可能的实施例而言，在基于训练完成的办公操作解析网络进行冗余办公操作解析之后，可以将判定为重复型操作的待响应办公操作对应的在线办公设备的终端标识进行存储，这样可以便于后续对在线办公设备进行针对性的风险排查。

其次，针对上述结合人工智能的云办公大数据处理方法，本发明实施例还提出了一种示例性的一种结合人工智能的云办公大数据处理装置，如图2所示，一种结合人工智能的云办公大数据处理装置200可以包括以下的功能模块。

事项分治模块210，用于对所述在先的远程协同办公信息进行分治处理以得到云办公交互事项对应的事项分治结果；其中，云办公交互事项对应的事项分治结果所包括多组事项分治描述。

结果归类模块220，用于对所述云办公交互事项对应的事项分治结果进行归类处理得到不同的事项分治描述，并通过不同的事项分治描述训练办公操作解析网络；其中，办公操作解析网络为事先构建的神经网络模型。

办公解析模块230，用于基于训练完成的办公操作解析网络进行冗余办公操作解析；其中，所述办公操作解析网络用于对待响应办公操作进行解析。

可以理解，上述功能模块的描述可以参阅对图1所示的方法的描述，因此在此不作更多说明。

然后，基于上述的方法实施例和装置实施例，本发明实施例还提出了一种系统实施例，也即结合人工智能的云办公大数据处理系统，请结合参阅图3，一种结合人工智能的云办公大数据处理系统30可以包括云办公服务器10和在线办公设备20。其中，云办公服务器10和在线办公设备20通信用以实施上述方法，进一步地，一种结合人工智能的云办公大数据处理系统30的功能性描述如下。

一种结合人工智能的云办公大数据处理系统，包括互相之间通信连接的云办公服务器和在线办公设备，所述云办公服务器中事先存储有远程协同办公信息集合，所述远程协同办公信息集合中包括多组在先的远程协同办公信息；

进一步地，所述云办公服务器用于：对所述在先的远程协同办公信息进行分治处理以得到云办公交互事项对应的事项分治结果；其中，云办公交互事项对应的事项分治结果所包括多组事项分治描述；对所述云办公交互事项对应的事项分治结果进行归类处理得到不同的事项分治描述，并通过不同的事项分治描述训练办公操作解析网络；其中，办公操作解析网络为事先构建的神经网络模型；基于训练完成的办公操作解析网络进行冗余办公操作解析；其中，所述办公操作解析网络用于对待响应办公操作进行解析。

可以理解，上述系统实施例的描述可以参阅对图1所示的方法实施例的描述，因此在此不作更多说明。

进一步地，请结合参阅图4，云办公服务器10可以包括处理引擎110、网络模块120和存储器130，处理引擎110和存储器130通过网络模块120通信。

处理引擎110可以处理相关的信息和/或数据以执行本申请中描述的一个或多个功能。例如，在一些实施例中，处理引擎110可以包括至少一个处理引擎(例如，单核处理引擎或多核处理器)。仅作为示例，处理引擎110可以包括中央处理单元(Central ProcessingUnit，CPU)、专用集成电路(Application-Specific Integrated Circuit，ASIC)、专用指令集处理器(Application-Specific Instruction-set Processor，ASIP)、图形处理单元(Graphics Processing Unit，GPU)、物理处理单元(Physics Processing Unit，PPU)、数字信号处理器(Digital Signal Processor，DSP)、现场可编程门阵列(Field ProgrammableGate Array，FPGA)、可编程逻辑器件(Programmable Logic Device，PLD)、控制器、微控制器单元、精简指令集计算机(Reduced Instruction-Set Computer，RISC)、微处理器等或其任意组合。

网络模块120可以促进信息和/或数据的交换。在一些实施例中，网络模块120可以是任何类型的有线或无线网络或其组合。仅作为示例，网络模块120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、互联网、局域网络(Local Area Network，LAN)、广域网(Wide Area Network，WAN)、无线局域网络(Wireless Local Area Network，WLAN)、城域网(Metropolitan Area Network，MAN)、公用电话交换网(Public Telephone SwitchedNetwork，PSTN)、蓝牙网络、无线个域网络、近场通讯(Near Field Communication，NFC)网络等或上述举例的任意组合。在一些实施例中，网络模块120可以包括至少一个网络接入点。例如，网络模块120可以包括有线或无线网路接入点，如基站和/或网路接入点。

存储器130可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-OnlyMemory，PROM），可擦除只读存储器（Erasable Programmable Read-Only Memory，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-Only Memory，EEPROM）等。其中，存储器130用于存储程序，所述处理引擎110在接收到执行指令后，执行所述程序。

可以理解，图4所示的结构仅为示意，云办公服务器10还可包括比图2中所示更多或者更少的组件，或者具有与图4所示不同的配置。图4中所示的各组件可以采用硬件、软件或其组合实现。

需要理解的是，针对上述内容，本领域技术人员可以根据上述所公开的内容进行前后推导毫无疑义地确定相关技术术语所指代的含义，例如针对一些值、系数、权重、指数、因子等术语，本领域技术人员可以根据前后的逻辑关系进行推导和确定，这些数值的取值范围可以根据实际情况进行选取，例如0~1，又例如1~10，再例如50~100，在此均不作限定。

本领域技术人员可以根据上述已公开的内容毫无疑义对一些预设的、基准的、预定的、设定的以及目标的技术特征/技术术语进行确定，例如阈值、阈值区间、阈值范围等。对于一些未作解释的技术特征术语，本领域技术人员完全能够基于前后文的逻辑关系进行合理地、毫无疑义地推导，从而清楚、完整地实施上述技术方案。未作解释的技术特征术语的前缀，例如“第一”、“第二”、“上一个”、“下一个”、“前一个”、“后一个”、“当前”、“历史”、“最新”、“最佳”、“目标”、“指定”和“实时”等，可以根据前后文进行毫无疑义地推导和确定。未作解释的技术特征术语的后缀，例如“列表”、“特征”、“序列”、“集合”、“矩阵”、“单元”、“元素”、“轨迹”和“清单”等，也可以根据前后文进行毫无疑义地推导和确定。

本发明实施例公开的上述内容对于本领域技术人员而言是清楚完整的。应当理解，本领域技术人员基于上述公开的内容对未作解释的技术术语进行推导和分析的过程是基于本申请所记载的内容进行的，因此上述内容并不是对整体方案的创造性的评判。

应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。

需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。

同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。

计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。

本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（LAN）或广域网（WAN），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（SaaS）。

此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。

最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。