数据审核方法、装置、电子设备和存储介质

技术领域

本公开涉及计算机技术领域，尤其涉及大数据处理以及自然语言处理领域。本公开具体涉及一种数据审核方法、装置、电子设备和存储介质。

背景技术

智能电网的建设是以网架为基础，以通信信息平台为支撑，以智能控制为手段。输变电工程数字化设计成果是维持电网基础设施韧性的重要数据资源。电网工程设计行业经过多年的建筑信息模型化(Building Information Modeling，BIM)应用实践，针对电网工程的特点，特别是一次系统的建模特点，中国的电网工程行业提出了电网工程信息模型(Grid Information Model，GIM)，国家电网公司为GIM数据的存储、交换和使用颁布了一系列标准。

存储电网工程设计模型的GIM文件实质是一个压缩包，其中除了IFC文件外，还包括CBM、DEV、PHM、MOD、FAM、STL文件格式。有关GIM开源格式的说明可以从国网颁布的GIM标准文件中获得。其中，MOD文件格式用于储存几何模型，几何模型是由参数化或多个基本图元进行构建的模型文件，通过参数化方式存储。PHM文件格式用于储存几何模型组，几何模型组通过引用一个或多个MOD文件描述模型，其也可进行同级引用。DEV文件格式用于储存物理模型，物理模型通过引用几何模型组和属性文件描述模型，其也可进行同级引用。FAM文件存储设备的多项属性。CBM文件格式用于储存组装模型，组装模型通过引用物理模型及本层级属性文件描述模型，其也可进行同级引用。

上述GIM数据的体积非常庞大，数据间的关联关系极其复杂，因为数据的校验必须采用自动化的审核工具。但是，目前电网行业缺少这样的数据审核工具。目前面临一个艰巨挑战是缺乏适用于GIM数据审核的规则。计算机难以准确地理解自然语言表述的、非结构化的建模标准和设计规范文本，这造成了数据审核规则的编写成本高昂，合格的编写专家人数过少。另外，上述标准和规范中经常出现的电网工程和设计建模的专业术语，比如一次系统，制造模型，模型颗粒度等，进一步增加了计算机理解的困难。

目前常见的规则编码方法可以归纳为3类：硬编码、语义网编码、可视化编码。其中，硬编码法将规范直接编写为命令式程序语言。这类方法对领域专家的编程能力要求高且审核规则的可维护性差。基于语义网的编码方法需要借助本体模型和转换模板将规范文本转换为描述式逻辑编程语言，与命令式程序语言相比编码难度有所降低。虽然可视化编码的方法可以用数据处理流程图的形式对复杂的规则进行描述，有利于后续的规则审核和维护，但是该方法将数据处理与规则判断糅杂在一起，对于模型数据校验来说，描述的复杂性和理解的难度仍旧仍旧比较高。

发明内容

本公开提供了一种数据审核方法、装置、电子设备和存储介质，能够解决上述问题。

根据本公开的一方面，提供了一种数据审核方法，包括：

基于用户自然规则语句，在规则文本库中查找对应的目标规则文本；

基于所述目标规则文本中的审核对象，在电网工程信息模型GIM数据对应的图数据库中查找对应的GIM数据节点；

基于所述目标规则文本中针对所述审核对象的属性要求，对所述GIM数据节点提供的属性信息进行审核；

在所述属性信息与所述属性要求相匹配的情况下，基于所述目标规则文本中的预设审核结果，确定所述GIM数据节点的数据审核结果。

根据本公开的另一方面，提供了一种数据审核装置，包括：

目标规则查找模块，用于基于用户自然规则语句，在规则文本库中查找对应的目标规则文本；

数据节点查找模块，用于基于所述目标规则文本中的审核对象，在电网工程信息模型GIM数据对应的图数据库中查找对应的GIM数据节点；

属性审核模块，用于基于所述目标规则文本中针对所述审核对象的属性要求，对所述GIM数据节点提供的属性信息进行审核；

审核结果确定模块，用于在所述属性信息与所述属性要求相匹配的情况下，基于所述目标规则文本中的预设审核结果，确定所述GIM数据节点的数据审核结果。

根据本公开的另一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开实施例中任一数据审核方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本公开实施例中任一数据审核方法。

根据本公开的技术，将用户提供的审核语句翻译成标准的规则文本，然后利用该规则文本中的审核对象查找对应的GIM数据节点，利用规则文本中的属性要求对GIM数据节点的属性信息进行审核，提高审核的准确度以及效率。并且，由于规则文本中预设有审核结果，当GIM数据节点的属性信息与规则文本中的属性要求相匹配时，即可快速地确定GIM数据节点的审核结果，进一步提高GIM数据的审核效率。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本公开一实施例的数据审核方法的流程图；

图2是本公开一实施例的GIM文件的图数据库的示意图；

图3是本公开另一实施例的数据审核方法的流程图；

图4是本公开另一实施例的数据审核方法的流程图；

图5是本公开一实施例的数据审核装置的结构框图；

图6是用来实现本公开实施例的数据审核方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在电网领域中，对GIM数据进行审核，可以大大降低移交电网企业数据中台的合规性要求，避免产生数据格式和结构出现错、漏、不一致的风险，并确保数据在共享时能够正确读取和解释。同时，有助于设计成果数据的长期维护，提高数据的可信度和可靠性。

其中，GIM数据的审核一般应考虑以下几个方面：

(1)数据的完整性：检测数据集中的信息是否完整、没有缺失或损坏。通常需要检查是否存在缺失值(Missing Values)、异常值(Outliers)、重复值。

(2)格式的合规性：检测数据集中的数据内容是否符合GIM标准的要求，主要检查是否有不符合规定的文件夹、文件命名、数据格式等；

(3)内容的准确性：检测数据集中的数据内容本身是准确、真实和可靠的；

(4)数据的关联性：确定数据集中不同数据之间的关联标识或关联字段。这些关联标识用于将数据集中的不同数据项连接起来，可以是唯一的标识符、共享的键值或特定的数据属性。

(5)数据的一致性：检测数据集中的数据内容数据在不同的存储位置、系统或时间点上保持相同、准确且符合预期的状态。保证不同类型的数据之间保持相互协调和相互匹配，模型中的各个数据之间没有冲突、矛盾或不一致。

为此，应该针对上述每个审核方面编写一系列的审核规则。确保数据的完整、合规和一致性是数据分析、模型分享和业务决策过程中不可或缺的要素。这些要素共同确保数据的可靠性、准确性和可信度，从而为电网企业的数据中台提供可靠的数据基础，支持数据驱动的决策和业务运营。

图1是本公开一实施例的数据审核方法的流程图。

如图1所示，该数据审核方法，可以包括：

S110，基于用户自然规则语句，在规则文本库中查找对应的目标规则文本；

S120，基于目标规则文本中的审核对象，在电网工程信息模型GIM数据对应的图数据库中查找对应的GIM数据节点；

S130，基于目标规则文本中针对审核对象的属性要求，对GIM数据节点提供的属性信息进行审核；

S140，在属性信息与属性要求相匹配的情况下，基于目标规则文本中的预设审核结果，确定GIM数据节点的数据审核结果。

其中，用户自然规则语句是用户输入的自然规则语句，以用于审核对应GIM数据。用户自然规则语句中可以包括审核对象、审核对象的属性要求以及当审核对象对应的GIM数据节点的属性信息与该属性要求相匹配时的预设审核结果。

其中，规则文本库中包括多个规则文本，并且每个规则文本的格式可以是相同。例如，规则文本是结构化的JSON文本。

示例性地，在规则文本库中查找与用户自然规则语句最相似的规则文本作为目标规则文本。

在实际应用中，将GIM数据或文件提前解析得到上述图数据库，以用于审核。具体地，从电网企业数据平台获取直接下载GIM文件，对GIM文件进行解析。解析方法如下：如图2所示，GIM文件组织架构为树形结构，树的末端为三维模型文件(*.mod)，变压器、门、窗等属于设备模型层级文件(*.dev)，属性声明为与之同名的键值对属性表文件(*.fam)。因此，在解析GIM文件时，只解析到最低级DEV文件，将同名的FAM文件作为其非图形属性，对最低级DEV文件进行预处理，获取其图形信息，包括包络盒、该文件所属父文件。

解析完成后，将CBM文件、DEV文件及最低级DEV文件作为图数据库的节点，文件或模型之间的包含关系作为图数据库的连线，FAM键值对以及图形信息作为节点的属性，从而形成GIM数据的图数据库。

如图3所示，首先，规则解析器负责解析规则库(规则文本库)，将全部的结构化的规则读入规则引擎中。然后，规则条件执行器根据输入的JSON规则中的审核对象，在图数据库中进行查询对应的数据节点，这个节点就是JSON规则里面的“对象”。通过定位到图数据库中的节点，可以查询到该节点的属性以及属性值，例如‘长度“、”宽度“等属性信息。进而，根据JSON规则中的属性要求，审核上述节点提供的属性信息。

例如，JSON规则里面提到了各个属性(距离、体积、面积等)，以及各个属性的数值(距离数值、体积范围、面积范围等)，如果在节点的属性集合可以直接找到这些属性，则直接将这些属性对应的具体信息与JSON规则中的各个数性的数值进行匹配，以确定两者是否相匹配。如果这些属性在节点的属性集合查找不到，那么可以查找相关属性的信息，利用相关属性的信息进行计算，得到所需要的属性的信息。然后，再将计算得到的属性信息与与JSON规则中的各个数性的数值进行匹配，以确定两者是否相匹配。

例如，“长度”和“宽度”这两个属性在节点的属性集合里面中存在的，那么不需要计算，直接查询就可以。但是，“面积”这个属性在节点的属性集合中不存在，需要根据面积公式＝长度*宽度得到面积的值。

在确定两者相匹配的情况下，可以依据规则中预设审核结果执行相应的指令。例如，预测审核结果可以是一些错误类型。指令可以是向用户反馈数据节点的错误类型。

在确定两者不匹配的情况下，不依据规则中预设审核结果执行相应的指令。

根据上述实施方式，将用户提供的审核语句翻译成标准的规则文本，然后利用该规则文本中的审核对象查找对应的GIM数据节点，利用规则文本中的属性要求对GIM数据节点的属性信息进行审核，提高审核的准确度以及效率。并且，由于规则文本中预设有审核结果，当GIM数据节点的属性信息与规则文本中的属性要求相匹配时，即可快速地确定GIM数据节点的审核结果，进一步提高GIM数据的审核效率。

在一种实施方式中，上述基于用户自然规则语句，在规则文本库中查找对应的目标规则文本，包括：确定用户自然规则语句对应的第一向量；确定规则文本库中各个规则文本对应的第二向量；基于第一向量与各个规则文本对应的第二向量的相似度，在各个规则文本对应的第二向量中确定目标向量；基于目标向量对应的规则文本，确定目标规则文本。

示例性地，利用编码模型对用户自然规则语句进行编码，得到对应的第一向量。

示例性地，预先利用编码模型对规则文本库中各个规则文本进行编码，得到各个规则文本对应的第二向量。

在实际应用中，可以利用大语言模型(LLM，Large Language Model)对自然规则语句或规则文本进行编码。

领域特定语言(DSL，Domain-Specific Language)是针对特定领域或问题域的一种编程语言，旨在提供简洁、直观和高度表达性的语法和语义。GIM数据属于电网领域中的特定语言。抽象语法树(AST，Abstract Syntax Tree)是表示程序代码结构的树形数据结构，用于捕捉代码的语法和语义信息。它是DSL代码的抽象表示形式，不仅可以得到DSL的语法和语义信息，还可以用于解析、分析和操作DSL代码，用于进行代码转换、优化和生成等操作。

一般设计工程师很可能不熟悉JSON、XML或者PORLOG等规则编码语言，他们与数据审核系统之间最自然的交互方式是自然语言。因此，我们希望将自然语言描述的电网规则信息，结合ATS与大语言模型，转为JSON格式的数据审核规则，完成自然语言到GIM数据审核规则的转译。

大语言模型(LLM，Large Language Model)是指使用大量文本数据训练的深度学习模型，可以生成自然语言文本或理解语言文本的含义。优势在于：

1、可以解决数据稀缺问题。对于某些特定领域，可能很难获取大规模标注数据。大语言模型可以通过在大量的通用领域数据上进行预训练，然后在特定领域的少量数据上进行微调，利用通用知识来填补缺失数据，提供更好的泛化能力。

2、适应定制化任务。大语言模型可以通过微调来适应特定领域的任务，通过学习该领域的特定模式、词汇和语言风格，提高在该领域的性能，为该领域的任务提供更准确的语言处理能力。

为了达到这个目的，本公开实施例准备了一定量的GIM数据审核规则，对已有的大语言模型进行训练优化，使得改进后的大语言模型在理解设计工程师的自然言语的文本含义的基础上，输出JSON等格式规则编码语言，完成自然语言到编码化规则描述的转译过程。

示例性地，相似度可以是余弦相似度，也可以欧式距离。

示例性地，对目标向量对应的规则文本作为目标规则文本。

根据上述实施方式，利用用户审核语句对应的向量与各个规则文本对应的向量的相似度，在各个规则文本中确定满足要求的目标规则文本，在利用目标规则文本进行数据审核时，能够提高数据审核的准确度。

在一些实施例中，可以将用户审核语句翻译成与规则文本相同格式的文本，再将该文本编码成向量以在规则文本库中查找目标规则文本。

在一种实施方式中，上述确定用户自然规则语句对应的第一向量，包括：对用户自然规则语句进行分词，得到多个第一分词；从多个第一分词中提取关键词，得到多个第一关键词；基于各个第一关键词所属的类别，分别在规则模板中的与该类别对应的槽位中填入与该类别对应的第一关键词，以得到第一规则文本；对第一规则文本进行编码，得到第一向量。

根据上述实施方式，将用户审核语句翻译成与规则文本相同格式的文本，再将该文本编码成向量以在规则文本库中查找目标规则文本，可以提高查找目标规则文本的准确度。

在一些实施例中，提前将针对GIM数据进行审核的标准自然规则语句进行翻译成目标格式的文本，然后入库以备用。

在一种实施方式中，上述方法还可以包括：响应于针对标准自然规则语句的入库请求，对标准自然规则语句进行分词，得到多个第二分词；从多个第二分词中提取关键词，得到多个第二关键词；基于各个第二关键词所属的类别，分别在规则模板中的与该类别对应的槽位中填入与该类别对应的第二关键词，以得到第二规则文本；将第二规则文本添加在规则文本库。

示例性地，类别包括审核对象、属性要求以及预设审核结果。

示例性地，属性要求包括属性，以及与属性相关的数值、计量单位、比较符号以及逻辑符号中至少一项。

根据上述实施方式，提前将针对GIM数据进行审核的标准自然规则语句进行翻译成目标格式的文本，然后入库以备用，可以提高数据审核效率。

如图4所示，以下介绍将自然语言规则转译成JSON规则的过程，具体如下：

1、将自然语言规则进行分词。使用Python的Jieba分词库，将连续的自然语言规则切分成一个个独立的词语或词组。

2、提取关键词。根据Jieba分词的结果，提取其中的关键词，并根据Jieba的关键词分类库找到关键词对应的分类。例如“变压器”关键词对应“对象”类型；“宽度”关键词对应“属性”类型；“千米”关键词对应“计量单位”类型等。其中，关键词的类别可以包括对象、属性,、数值,、计量单位、比较符号、逻辑符号、错误类型等类别。

3、按照关键词的类别将关键词填词到模板中，得到相应的规则文本。

首先，确定模板。模板的基本形式可以包括以下两种示例：

其一，“如果(对象)的(属性)(比较符号)(属性值)，那么打印(错误类型)”；

其二，“如果(逻辑符号)(对象)的(属性)(比较符号)(属性值)(计量单位)，那么打印(错误类型)”。

其中，括号为槽位词，括号中的内容为槽位词对应的类别。

然后，根据关键词的类别，将该关键词结果填入模板中与该类别对应的槽位中。从而，得到标准的规则文本。

4、CNL规则的生成：CNL是受控自然语言，填词完成后的模板就是CNL规则，只是该规则更加具体。

5、备选CNL规则。汇总全部的CNL规则到规则文本库中。

6、语义相似性计算。在用户输入审核语句，也是自然语言语句时，使用大语言模型求出自然语言语句的嵌入式向量v1。并且，预先使用大语言模型求出备选CNL规则的嵌入式向量vi。然后，使用余弦相似度度量方法找到vi中与v1余弦相似程度最高的向量。

从而，最佳CNL规则为，vi中与v1余弦相似程度最高的向量对应的CNL规则就是最佳CNL规则。也可称为，最佳CNL语句。

7、生成JSON规则。将CNL语句中的“如果”替换为“if”，“那么”替换为“then”，“逻辑符号”替换为对应的“AND”、“OR”或“NOT”等，“比较符号”替换为对应的“equal”、“largerthen”、“less then”或“contain”等，可得到如下所示JSON规则模板：

{if:{AND/OR/NOT:{equal/larger then/less then/contain：{属性：属性值},,then:{打印错误信息:INFO}}

将相应的关键词填入上述JSON规则模板中，就可以得到目标JSON规则文本。

以下介绍一些规则文本的示例：

1、用于审核GIM数据完整性的规则

自然语言规则语句：如果梁的型号是空，那么打印错误信息“缺少型号”。

JSON规则文本：{if:{equal：{梁.型号：空},then:{打印错误信息:缺少型号}}。

2、用于审核GIM数据合规性的规则

自然语言规则语句：如果CBM文件的名称包含“@”，那么打印错误信息“文件命名错误”。

JSON规则文本：{if:{contain：{CBM文件.名称：@},then:{打印错误信息:文件命名错误}}

3、用于审核GIM数据内容准确性的规则

自然语言规则语句：如果柱的材料是混凝土，或者柱的重量大于250kg，那么打印错误信息“柱的材料或重量错误”。

JSON规则文本：{if:{and:{equal：{柱的材料：混凝土},{larger then：{柱的重量：250kg}},then:{打印错误信息:柱的材料或重量错误}}。

4、用于审核GIM数据关联性的规则

自然语言规则语句：如果变压器的GUID和绝缘子串的GUID相等，那么打印错误信息“变压器的GUID错误”。

JSON规则文本：{if:{equal：{变压器.GUID：绝缘子串.GUID},then:{打印错误信息:变压器的GUID错误}。

5、用于审核GIM数据一致性的规则

自然语言规则语句：如果构件的名称是梁，存在宽度小于高度，那么打印错误信息“构件的名称错误”。

JSON规则文本：{if:{and:{equal：{构件.名称：梁},{less then：{构件.宽度：构件.高度}},then:{打印错误信息:构件的名称错误}}。

电网信息模型(GIM)是输变电工程数字化成果的主要数据，这些数据的正确、合规、一致是信息共享的前提，也是支撑业务决策的前提。由于GIM数据的体量庞大，数据间关系错综复杂，目前依靠模型可视化进行人工审核，不仅效率低、成本高。另一方面，对GIM数据进行自动审核难以落地实施一个主要障碍是缺少啊审核规则库。同时，电网行业也缺少能够编写伪规则代码的专家。

本公开实施例对审核规则类型进行了分类，在此基础上提出了JSON格式的审核规则编码方案。然后，采用大语言模型自动将自然语言描述的建模标准和设计规范自动转译为规则的JSON代码。更进一步，提出了规则引擎的设计方法，所设计的引擎可以解析和执行上述审核规则，并且能够嵌入了GIM数据的自动审核程序。

图5是本公开一实施例的数据审核装置的结构框图。

如图5所示，该数据审核装置可以包括：

目标规则查找模块510，用于基于用户自然规则语句，在规则文本库中查找对应的目标规则文本；

数据节点查找模块520，用于基于所述目标规则文本中的审核对象，在电网工程信息模型GIM数据对应的图数据库中查找对应的GIM数据节点；

属性审核模块530，用于基于所述目标规则文本中针对所述审核对象的属性要求，对所述GIM数据节点提供的属性信息进行审核；

审核结果确定模块540，用于在所述属性信息与所述属性要求相匹配的情况下，基于所述目标规则文本中的预设审核结果，确定所述GIM数据节点的数据审核结果。

在一种实施方式中，所述目标规则查找模块，包括：

第一向量确定单元，用于确定所述用户自然规则语句对应的第一向量；

第二向量确定单元，用于确定所述规则文本库中各个规则文本对应的第二向量；

第三向量确定单元，用于基于所述第一向量与各个所述规则文本对应的第二向量的相似度，在各个所述规则文本对应的第二向量中确定目标向量；

目标规则确定单元，用于基于所述目标向量对应的规则文本，确定目标规则文本。

在一种实施方式中，所述第一向量确定单元，具体用于：

对所述用户自然规则语句进行分词，得到多个第一分词；

从所述多个第一分词中提取关键词，得到多个第一关键词；

基于各个所述第一关键词所属的类别，分别在规则模板中的与该类别对应的槽位中填入与该类别对应的所述第一关键词，以得到第一规则文本；

对所述第一规则文本进行编码，得到所述第一向量。

在一种实施方式中，上述装置还包括：

分词模块，用于响应于针对标准自然规则语句的入库请求，对所述标准自然规则语句进行分词，得到多个第二分词；

关键词提取模块，用于从所述多个第二分词中提取关键词，得到多个第二关键词；

规则文本生成模块，用于基于各个所述第二关键词所属的类别，分别在规则模板中的与该类别对应的槽位中填入与该类别对应的所述第二关键词，以得到第二规则文本；

规则入库模块，用于将所述第二规则文本添加在所述规则文本库。

在一种实施方式中，所述类别包括所述审核对象、所述属性要求以及所述预设审核结果。

在一种实施方式中，所述属性要求包括属性，以及与所述属性相关的数值、计量单位、比较符号以及逻辑符号中至少一项。

本公开实施例的装置的各模块、子模块的具体功能和示例的描述，可以参见上述方法实施例中对应步骤的相关描述，在此不再赘述。

本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如一种数据审核方法。例如，在一些实施例中，一种数据审核方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的一种数据审核方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行一种数据审核方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入、或者触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。