应用于大数据云办公的数据分析方法及数据分析服务器

技术领域

本申请涉及大数据和云办公技术领域，特别涉及一种应用于大数据云办公的数据分析方法及数据分析服务器。

背景技术

大数据（big data），是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

随着云计算/云业务时代的来临，大数据所涉及的领域越来越广泛，比如云办公、在线金融、在线零售、在线云教育等。以云办公为例，现如今，企业为了提高工作效率，大多都采用了云办公模式。然而在云办公的过程中，如何对办公需求进行深入的分析以实现后续的精准办公应用推广，以减少不必要的互联网资源的浪费是现目前的一个难点。

发明内容

本申请实施例之一提供一种应用于大数据云办公的数据分析方法，所述方法应用于数据分析服务器，用以在根据确定出的目标云办公互动终端的办公需求分析情况之后向所述目标云办公互动终端进行办公应用推广，所述方法包括：

获取待分析办公任务数据，并将所述待分析办公任务数据输入至关键进程解析模型中；

通过所述关键进程解析模型对所述待分析办公任务数据进行办公进程解析，以获取与所述待分析办公任务数据对应的办公进程；

根据所述办公进程从所述待分析办公任务数据中获取对应的话题反馈信息，并根据所述办公进程和所述话题反馈信息生成任务需求描述，以根据所述任务需求描述确定所述目标云办公互动终端的办公需求分析情况。

可选的，所述关键进程解析模型包括任务筛选模型单元和解析模型单元；所述通过所述关键进程解析模型对所述待分析办公任务数据进行办公进程解析，以获取与所述待分析办公任务数据对应的办公进程，包括：

将所述待分析办公任务数据输入至所述任务筛选模型单元进行数据筛选处理和办公进程统计处理，以获取与所述待分析办公任务数据对应的办公进程描述；

将所述办公进程描述输入至所述解析模型单元进行办公进程解析，以获取办公协作情况的协作记录信息；

根据第一预设办公记录信息和所述办公协作情况的协作记录信息确定与所述待分析办公任务数据对应的办公进程。

可选的，所述任务筛选模型单元包括办公资源识别层、办公进程分类层和统计层；所述将所述待分析办公任务数据输入至所述任务筛选模型单元进行数据筛选处理和办公进程统计处理，以获取与所述待分析办公任务数据对应的办公进程描述，包括：

通过所述办公资源识别层将所述待分析办公任务数据中的各个办公操作节点数据识别为节点资源描述；

通过所述办公进程分类层对所述待分析办公任务数据进行办公进程解析，并对获取的各个进程解析结果对应的办公进程标签进行项目需求分析，以获取办公进程需求分析结果；

通过所述统计层对各所述办公操作节点数据对应的节点资源描述和办公进程需求分析结果进行统计，以获取与各所述办公操作节点数据对应的办公主题统计信息；

根据所述待分析办公任务数据中所有办公操作节点数据对应的办公主题统计信息确定与所述待分析办公任务数据对应的办公进程描述。

可选的，所述关键进程解析模型基于专题办公任务指示集和专题任务评估信息训练得到，所述专题办公任务指示集为正向极性专题指示的数量和反向极性专题指示的数量不一致的办公任务指示集；所述专题任务评估信息根据办公进程指示更新情况和关键办公进程指示确定，其中，所述关键办公进程指示为所述专题办公任务指示集中各办公任务指示对应的关键办公进程指示，所述办公进程指示更新情况为利用所述关键进程解析模型获取的所述办公任务指示对应的办公进程指示更新情况，所述专题任务评估信息包括第一评估议题、第二评估议题和更新时段信息，所述方法还包括：

获取所述专题办公任务指示集以及与所述专题办公任务指示集中各办公任务指示对应的关键办公进程指示；

根据所述专题办公任务指示集和所述关键办公进程指示对待训练关键进程解析模型进行训练，以获取所述关键进程解析模型。

可选的，所述办公任务指示集包括多个办公任务指示，所述待训练关键进程解析模型包括待训练任务筛选模型单元和待训练解析模型单元；所述根据所述办公任务指示集和所述关键办公进程指示对待训练关键进程解析模型进行训练，以获取所述关键进程解析模型，包括：

通过所述待训练任务筛选模型单元对各所述办公任务指示进行数据筛选处理和办公进程统计处理，以获取与各所述办公任务指示对应的办公进程描述指示；

通过所述待训练解析模型单元对所述办公进程描述指示进行办公进程解析，以获取办公进程指示更新情况；

根据各所述办公任务指示对应的办公进程指示更新情况和关键办公进程指示确定所述专题任务评估信息，并根据所述专题任务评估信息调整所述待训练关键进程解析模型的模型性能指标，直至所述专题任务评估信息的任务评估误差小于设定误差或完成设定次数的训练。

可选的，所述根据各所述办公任务指示对应的办公进程指示更新情况和关键办公进程指示确定所述专题任务评估信息，包括：

根据各所述办公任务指示对应的办公进程指示更新情况、所述关键办公进程指示中的办公进程干扰值和第二预设办公记录信息确定第一模型性能指标；

根据所述第一模型性能指标的延时办公进程确定第二模型性能指标；

根据所述第二模型性能指标、所述办公进程指示更新情况、所述办公进程干扰值、正向极性专题指示的指示新颖性参数、指示习惯性参数和所述更新时段信息生成所述专题任务评估信息。

可选的，所述根据所述第二模型性能指标、所述办公进程指示更新情况、所述办公进程干扰值、正向极性专题指示的指示新颖性参数、指示习惯性参数和所述更新时段信息生成所述专题任务评估信息，包括：

根据所述第二模型性能指标、所述办公进程指示更新情况、所述办公进程干扰值和所述正向极性专题指示的指示新颖性参数生成所述第一评估议题；

根据所述第二模型性能指标、所述办公进程指示更新情况、所述办公进程干扰值、所述正向极性专题指示的指示新颖性参数和所述指示习惯性参数生成所述第二评估议题；

根据所述第一评估议题、所述第二评估议题和所述更新时段信息生成所述专题任务评估信息。

可选的，根据所述办公进程从所述待分析办公任务数据中获取对应的话题反馈信息，包括：

根据所述办公进程对应的任务分配策略获取待分析办公任务数据对应的第一办公任务数据和第二办公任务数据，所述第一办公任务数据包括所述待分析办公任务数据中不包含办公任务管理标签的交互型任务数据，所述第二办公任务数据包括所述待分析办公任务数据中包含办公任务管理标签的交互型任务数据；

对所述第一办公任务数据进行操作偏好描述提取，得到所述第一办公任务数据对应的非显性偏好描述；对所述第二办公任务数据进行操作偏好描述提取，得到所述第二办公任务数据对应的显性偏好描述；

对所述显性偏好描述和所述非显性偏好描述进行基于操作热度的描述拼接，得到所述待分析办公任务数据对应的任务话题描述；对所述任务话题描述进行任务话题分组，得到所述待分析办公任务数据对应的分组结果；在所述分组结果满足预设的话题反馈检测条件的情况下，通过所述分组结果所指示的分组标签从所述待分析办公任务数据中获取与所述分组标签匹配的办公任务数据作为所述话题反馈信息；

其中，所述根据所述办公进程对应的任务分配策略获取待分析办公任务数据对应的第一办公任务数据和第二办公任务数据，包括：

根据所述办公进程对应的任务分配策略，对所述待分析办公任务数据进行办公任务交互检测，得到所述待分析办公任务数据中不包含办公任务管理标签的第一交互型任务数据，将所述待分析办公任务数据中的所述第一交互型任务数据进行针对任务事件类别的数据统计处理，作为所述第一办公任务数据；根据所述第一交互型任务数据，获取所述待分析办公任务数据中包含办公任务管理标签的第二办公任务记录数据，将所述待分析办公任务数据中的所述第二办公任务记录数据进行针对任务事件类别的数据统计处理，作为所述第二办公任务数据；

其中，所述对所述第一办公任务数据进行操作偏好描述提取，得到所述第一办公任务数据对应的非显性偏好描述，包括：

调用预设偏好描述提取网络中的第一操作偏好描述解析层，对所述第一办公任务数据进行操作偏好描述提取，得到所述第一办公任务数据对应的非显性偏好描述；

其中，所述对所述第二办公任务数据进行操作偏好描述提取，得到所述第二办公任务数据对应的显性偏好描述，包括：

调用所述预设偏好描述提取网络中的第二操作偏好描述解析层，对所述第二办公任务数据进行操作偏好描述提取，得到所述第二办公任务数据对应的显性偏好描述；

其中，所述对所述显性偏好描述和所述非显性偏好描述进行基于操作热度的描述拼接，得到所述待分析办公任务数据对应的任务话题描述，包括：

调用所述预设偏好描述提取网络中的偏好描述拼接层，对所述显性偏好描述和所述非显性偏好描述进行基于操作热度的描述拼接，得到所述待分析办公任务数据对应的任务话题描述；

其中，所述对所述任务话题描述进行任务话题分组，得到所述待分析办公任务数据对应的分组结果，包括：

调用所述预设偏好描述提取网络中的偏好描述分组层，对所述任务话题描述进行任务话题分组，得到所述待分析办公任务数据对应的分组结果；

其中，在所述分组结果满足预设的话题反馈检测条件的情况下，通过所述分组结果所指示的分组标签从所述待分析办公任务数据中获取与所述分组标签匹配的办公任务数据作为所述话题反馈信息，包括：

获取所述分组结果的关键任务话题关联信息；对所述关键任务话题关联信息中的多个任务话题关联信息的话题关联元素分别进行活跃评论状态解析和冷门访问状态解析，得到活跃评论状态对应的解析结果和冷门评论状态对应的解析结果；

通过预设的热门话题信息优化方式，对所述活跃评论状态对应的解析结果进行热门话题信息优化处理，得到包括有活跃评论状态的热门任务话题关联信息集；通过预设的冷门话题信息优化方式，对所述冷门评论状态对应的解析结果进行冷门话题信息优化处理，得到包括有冷门评论状态的冷门任务话题关联信息集；

基于所述热门任务话题关联信息集和所述冷门任务话题关联信息集进行话题反馈热度分析，得到所述关键任务话题关联信息中与目标行为状态相匹配的话题热度检测指标；所述目标行为状态包括活跃评论状态和冷门评论状态中的至少一种；

根据所述话题热度检测指标对所述关键任务话题关联信息进行话题热度检测，得到话题热度检测结果，如果所述热度检测结果表征所述关键任务话题关联信息对应于话题反馈热门状态，则通过所述分组结果所指示的分组标签对应的从活跃评论状态所述待分析办公任务数据中获取与所述活跃评论状态匹配的办公任务数据作为所述话题反馈信息。

可选的，根据所述办公进程和所述话题反馈信息生成任务需求描述，以根据所述任务需求描述确定所述目标云办公互动终端的办公需求分析情况，包括：

根据所述办公进程对应的办公任务类别信息获取所述话题反馈信息中的积极反馈数据和消极反馈数据；基于所述话题反馈信息中的积极反馈数据和消极反馈数据之间的反馈热度变化，对所述话题反馈信息中的积极反馈数据和消极反馈数据进行办公需求分析，得到需求内容分析结果；

将办公需求分析存在异常的消极反馈数据确定为待匹配消极反馈数据，根据所述需求内容分析结果中的消极反馈数据与所述待匹配消极反馈数据之间的相似度，确定与所述待匹配消极反馈数据相匹配的办公需求特征；对与所述待匹配消极反馈数据相匹配的办公需求特征和所述待匹配消极反馈数据进行办公需求分析，得到关键需求分析结果；根据所述关键需求分析结果和所述需求内容分析结果，确定所述话题反馈信息中的任务需求描述和所述任务需求描述对应的话题内容分布；其中，所述话题内容分布包括所述任务需求描述对应的不同的办公响应偏好；

根据所述任务需求办公记录信息及其对应的话题内容分布，采用预设的需求分析算法对所述目标云办公互动终端进行办公需求挖掘分析，得到所述办公需求分析情况；其中，所述预设的需求分析算法包括：决策树算法、规则归纳算法、基于范例学习算法、判别算法或聚类分析算法。

本申请实施例之二提供一种数据分析服务器，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应用于大数据云办公的数据分析方法和/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应用于大数据云办公的数据分析装置的框图；

图3是根据本发明的一些实施例所示的一种示例性应用于大数据云办公的数据分析系统的框图，以及

图4是根据本发明的一些实施例所示的一种示例性数据分析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，在对办公任务进行办公需求分析情况的过程中，会出现办公需求分析情况不准确的问题，究其原因，是没有考虑办公任务的不同办公进程以及不同办公进程下对应的话题反馈信息之间的差异，同时，在获取话题反馈信息时，还可能会引入较多的干扰信息，这样在确定任务需求描述时，是会影响任务需求描述的特征解析度的。

针对上述问题，发明人针对性地提出了应用于大数据云办公的数据分析方法及数据分析服务器，通过对待分析办公任务数据进行办公进程的解析，同时考虑不同办公进程下的话题反馈信息之间的差异，进而确保获取到的话题反馈信息具有较低的噪声占比，这样可以实现精准的办公需求分析，从而实现后续针对性的办公应用推广，减少大量粗糙的办公应用推广带来的互联网资源的浪费。

首先，对应用于大数据云办公的数据分析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应用于大数据云办公的数据分析方法和/或过程的流程图，应用于大数据云办公的数据分析方法可以应用于数据分析服务器，用以在根据确定出的目标云办公互动终端的办公需求分析情况之后向所述目标云办公互动终端进行办公应用推广，进一步地，该方法可以包括以下步骤S11-步骤S13所描述的技术方案。

步骤S11，获取待分析办公任务数据，并将所述待分析办公任务数据输入至关键进程解析模型中。

在本实施例中，待分析办公任务数据可以从目标云办公互动终端中获取。其中，数据分析服务器在从目标云办公互动终端中获取待分析办公任务数据之前，会首先取得目标云办公互动终端的授权，并且数据分析服务器不会参与到目标云办公互动终端的办公任务中，这样能够保证不同云办公互动终端之间在进行办公任务交互时的互相独立性。也即，数据分析服务器仅用于对云办公互动终端的办公任务数据进行办公需求分析。进一步地，待分析办公任务数据包括目标云办公互动终端在进行办公任务时的各类数据，在此不一一列举。

在本实施例中，数据分析服务器可以是云服务平台，云办公互动终端的可以是智能电子设备，包括但不限于智能手机、平板电脑和笔记本电脑。进一步地，待分析办公任务数据可以是目标云办公互动终端的实时办公任务数据。

在本实施例中，关键进程解析模型可以是预先训练完成的卷积神经模型，其训练过程的模型性能调整过程可以根据实际任务需求进行调整，例如，预先选择对应的训练集进行训练，又例如，对网络模型的收敛条件进行预先设置。可以理解，关键进程解析模型用于对待分析办公任务数据进行专题的、实时的办公进程解析，以确保后续在进行办公需求分析时的时效性，避免办公需求分析出现滞后而导致办公需求分析结果存在偏差的问题。

进一步地，本发明实施例还提供了针对关键进程解析模型的训练过程，其中，所述关键进程解析模型基于专题办公任务指示集和专题任务评估信息训练得到，所述专题办公任务指示集为正向极性专题指示的数量和反向极性专题指示的数量不一致的办公任务指示集；所述专题任务评估信息根据办公进程指示更新情况和关键办公进程指示确定。

更进一步地，所述关键办公进程指示为所述专题办公任务指示集中各办公任务指示对应的关键办公进程指示，所述办公进程指示更新情况为利用所述关键进程解析模型获取的所述办公任务指示对应的办公进程指示更新情况，所述专题任务评估信息包括第一评估议题、第二评估议题和更新时段信息。

基于上述内容，在步骤S11之前，还可以预先对关键进程解析模型进行训练，关于关键进程解析模型的训练过程以下步骤a和步骤b。

步骤a，获取所述专题办公任务指示集以及与所述专题办公任务指示集中各办公任务指示对应的关键办公进程指示。

步骤b，根据所述专题办公任务指示集和所述关键办公进程指示对待训练关键进程解析模型进行训练，以获取所述关键进程解析模型。

在上述内容的基础上，所述办公任务指示集包括多个办公任务指示，所述待训练关键进程解析模型包括待训练任务筛选模型单元和待训练解析模型单元，步骤b还可以通过以下方式实现：通过所述待训练任务筛选模型单元对各所述办公任务指示进行数据筛选处理和办公进程统计处理，以获取与各所述办公任务指示对应的办公进程描述指示；通过所述待训练解析模型单元对所述办公进程描述指示进行办公进程解析，以获取办公进程指示更新情况；根据各所述办公任务指示对应的办公进程指示更新情况和关键办公进程指示确定所述专题任务评估信息，并根据所述专题任务评估信息调整所述待训练关键进程解析模型的模型性能指标，直至所述专题任务评估信息的任务评估误差小于设定误差或完成设定次数的训练。

在本实施例中，办公进程指示更新情况可以通过列表的形式进行记录，也可以通过图像曲线的形式进行记录在此不作限定，任务评估误差用于表征专题任务评估信息在评估过程中的任务评估的误差情况。办公任务指示可以表征办公任务的合理性、实时性、合法性等层面的信息，在此不作赘述。

在上述内容的基础上，所述根据各所述办公任务指示对应的办公进程指示更新情况和关键办公进程指示确定所述专题任务评估信息，包括：根据各所述办公任务指示对应的办公进程指示更新情况、所述关键办公进程指示中的办公进程干扰值和第二预设办公记录信息确定第一模型性能指标；根据所述第一模型性能指标的延时办公进程确定第二模型性能指标；根据所述第二模型性能指标、所述办公进程指示更新情况、所述办公进程干扰值、正向极性专题指示的指示新颖性参数、指示习惯性参数和所述更新时段信息生成所述专题任务评估信息。

在本实施例中，模型性能指标可以理解为模型网络的网络参数，指示新颖性参数（时效性或者更新程度）可以是新颖性权重，指示习惯性参数可以是不同指标在不同时段的操作习惯，办公进程干扰值可以用于表征不同办公进程对其他办公进程的干扰。

进一步地，所述根据所述第二模型性能指标、所述办公进程指示更新情况、所述办公进程干扰值、正向极性专题指示的指示新颖性参数、指示习惯性参数和所述更新时段信息生成所述专题任务评估信息，包括：根据所述第二模型性能指标、所述办公进程指示更新情况、所述办公进程干扰值和所述正向极性专题指示的指示新颖性参数生成所述第一评估议题；根据所述第二模型性能指标、所述办公进程指示更新情况、所述办公进程干扰值、所述正向极性专题指示的指示新颖性参数和所述指示习惯性参数生成所述第二评估议题；根据所述第一评估议题、所述第二评估议题和所述更新时段信息生成所述专题任务评估信息。

在本实施例中，评估议题可以是关注较多的办公任务对应的议题，评估议题中记录了远程在线任务的相关办公维度信息，比如对象信息、地域信息、接入方式信息、办公软件更新信息，在此不做赘述。

可以理解的是，通过实施上述步骤a和步骤b所描述的内容，能够预先实现对关键进程解析模型的训练，从而确保关键进程解析模型的运行稳定性、泛化能力和解析准确率。

步骤S12，通过所述关键进程解析模型对所述待分析办公任务数据进行办公进程解析，以获取与所述待分析办公任务数据对应的办公进程。

在本实施例中，与待分析办公任务数据对应的办公进程有多个，例如办公进程1（办公任务中的图文操作进程）、办公进程2（办公任务中的优化操作进程）或者办公进程3（办公任务备份进程）等，在此不作限定，可以理解，不同的办公进程下，话题反馈信息可能不同，通过对待分析任务数据进行不同办公进程的解析，能够尽可能将不同的话题反馈信息区分开，从而全面地实现任务需求描述的分析和挖掘。

在本实施例中，所述关键进程解析模型包括任务筛选模型单元和解析模型单元，任务筛选模型单元和解析模型单元可以是关键进程解析模型中的功能性网络层，进一步地，步骤S2可以通过以下步骤实现：将所述待分析办公任务数据输入至所述任务筛选模型单元进行数据筛选处理和办公进程统计处理，以获取与所述待分析办公任务数据对应的办公进程描述；将所述办公进程描述输入至所述解析模型单元进行办公进程解析，以获取办公协作情况的协作记录信息；根据第一预设办公记录信息和所述办公协作情况的协作记录信息确定与所述待分析办公任务数据对应的办公进程。

在本实施例中，办公进程描述可以是按照办公先后顺序筛选形成的描述，协作记录信息是以协作方式所记录的用于描述办公协作情况的信息，通过采用协助方式对办公进程信息进行记录，能够确保办公协作情况的可追溯性，第一预设办公记录信息可以是根据历史办公进程确定的。如此设计，通过任务筛选模型单元和解析模型单元之间的互相配合，能够精准且完整地确定出待分析办公任务数据对应的不同办公进程。

可以理解，所述任务筛选模型单元还可以包括对应多个存在逻辑连续性的功能层，例如，所述任务筛选模型单元还可以包括办公资源识别层、办公进程分类层和统计层等，基于此，上述内容所描述的所述将所述待分析办公任务数据输入至所述任务筛选模型单元进行数据筛选处理和办公进程统计处理，以获取与所述待分析办公任务数据对应的办公进程描述，包括：通过所述办公资源识别层将所述待分析办公任务数据中的各个办公操作节点数据识别为节点资源描述；通过所述办公进程分类层对所述待分析办公任务数据进行办公进程解析，并对获取的各个进程解析结果对应的办公进程标签进行项目需求分析，以获取办公进程需求分析结果；通过所述统计层对各所述办公操作节点数据对应的节点资源描述和办公进程需求分析结果进行统计，以获取与各所述办公操作节点数据对应的办公主题统计信息；根据所述待分析办公任务数据中所有办公操作节点数据对应的办公主题统计信息确定与所述待分析办公任务数据对应的办公进程描述。

在上述内容中，办公进程标签用于区分不同的办公进程。在实际实施时，通过对办公操作节点数据进行筛选，然后并行地进行待分析办公任务数据的办公进程解析，进而获取对应的办公进程需求分析结果，这样可以进一步确定出办公主题统计信息，其中，办公主题统计信息可以是基于Kmeans聚类算法实现的。如此设计，能够确保办公进程描述互相之间的独立性。

步骤S13，根据所述办公进程从所述待分析办公任务数据中获取对应的话题反馈信息，并根据所述办公进程和所述话题反馈信息生成任务需求描述，以根据所述任务需求描述确定所述目标云办公互动终端的办公需求分析情况。

在本实施例中，话题反馈信息可以是从待分析办公任务数据提取出关键的话题信息，并通过文字或者图像的形式进行展示，在实际实施过程中发明人发现，精准地提取话题反馈信息对于生成任务需求描述以及后续的任务需求分析而言是至关重要的，为实现这一目的，根据所述办公进程从所述待分析办公任务数据中获取对应的话题反馈信息，可以包括以下步骤S131-步骤S133所描述的内容。

步骤S131，根据所述办公进程对应的任务分配策略获取待分析办公任务数据对应的第一办公任务数据和第二办公任务数据，所述第一办公任务数据包括所述待分析办公任务数据中不包含办公任务管理标签的交互型任务数据，所述第二办公任务数据包括所述待分析办公任务数据中包含办公任务管理标签的交互型任务数据。在本实施例中，办公任务管理标签可以用于对不同的办公任务行为进行区分，例如“D”可以表示已完成的办公任务，“S”可以表示未完成的办公任务，“C”可以表示待分配的办公任务，进一步地，办公任务管理标签还可以通过其他方式进行表示，在此不作限定，交互型任务数据用于表征任务数据之间存在互相传输和使用行为。

在本实施例中，根据所述办公进程对应的任务分配策略获取待分析办公任务数据对应的第一办公任务数据和第二办公任务数据进一步包括：根据所述办公进程对应的任务分配策略，对所述待分析办公任务数据进行办公任务交互检测，得到所述待分析办公任务数据中不包含办公任务管理标签的第一交互型任务数据，将所述待分析办公任务数据中的所述第一交互型任务数据进行针对任务事件类别的数据统计处理，作为所述第一办公任务数据；根据所述第一交互型任务数据，获取所述待分析办公任务数据中包含办公任务管理标签的第二办公任务记录数据，将所述待分析办公任务数据中的所述第二办公任务记录数据进行针对任务事件类别的数据统计处理，作为所述第二办公任务数据。

步骤S132，对所述第一办公任务数据进行操作偏好描述提取，得到所述第一办公任务数据对应的非显性偏好描述；对所述第二办公任务数据进行操作偏好描述提取，得到所述第二办公任务数据对应的显性偏好描述。在本实施例中，操作偏好描述提取操作可以是根据偏好描述的热度进行任务数据提取的操作，非显性偏好描述可以理解为用户的隐性偏好描述，例如用于系统分析的偏好描述，而显性偏好描述则可以理解为用户显性偏好描述。

在本实施例中，所述对所述第一办公任务数据进行操作偏好描述提取，得到所述第一办公任务数据对应的非显性偏好描述，包括：调用预设偏好描述提取网络中的第一操作偏好描述解析层，对所述第一办公任务数据进行操作偏好描述提取，得到所述第一办公任务数据对应的非显性偏好描述。所述对所述第二办公任务数据进行操作偏好描述提取，得到所述第二办公任务数据对应的显性偏好描述，包括：调用所述预设偏好描述提取网络中的第二操作偏好描述解析层，对所述第二办公任务数据进行操作偏好描述提取，得到所述第二办公任务数据对应的显性偏好描述。

步骤S133，对所述显性偏好描述和所述非显性偏好描述进行基于操作热度的描述拼接，得到所述待分析办公任务数据对应的任务话题描述；对所述任务话题描述进行任务话题分组，得到所述待分析办公任务数据对应的分组结果；在所述分组结果满足预设的话题反馈检测条件的情况下，通过所述分组结果所指示的分组标签从所述待分析办公任务数据中获取与所述分组标签匹配的办公任务数据作为所述话题反馈信息。在本实施例中，操作热度能够从一定程度上反映任务话题的相关信息，如此设计，基于上述步骤S131-步骤S133，能够精准地提取话题反馈信息，从而为后续任务需求描述的生成以及后续的需求分析而言提供准确的数据基础。

在本实施例中，所述对所述显性偏好描述和所述非显性偏好描述进行基于操作热度的描述拼接，得到所述待分析办公任务数据对应的任务话题描述，包括：调用所述预设偏好描述提取网络中的偏好描述拼接层，对所述显性偏好描述和所述非显性偏好描述进行基于操作热度的描述拼接，得到所述待分析办公任务数据对应的任务话题描述。

在本实施例中，步骤S133所描述的在所述分组结果满足预设的话题反馈检测条件的情况下，通过所述分组结果所指示的分组标签从所述待分析办公任务数据中获取与所述分组标签匹配的办公任务数据作为所述话题反馈信息，进一步地可以包括以下步骤S1331-步骤S1334所描述的内容。

步骤S1331，获取所述分组结果的关键任务话题关联信息；对所述关键任务话题关联信息中的多个任务话题关联信息的话题关联元素分别进行活跃评论状态解析和冷门访问状态解析，得到活跃评论状态对应的解析结果和冷门评论状态对应的解析结果。

步骤S1332，通过预设的热门话题信息优化方式，对所述活跃评论状态对应的解析结果进行热门话题信息优化处理，得到包括有活跃评论状态的热门任务话题关联信息集；通过预设的冷门话题信息优化方式，对所述冷门评论状态对应的解析结果进行冷门话题信息优化处理，得到包括有冷门评论状态的冷门任务话题关联信息集。

在本实施例中，预设的热门话题信息优化方式可以是预先根据热门话题制定的优化方式，热门话题可以理解为在任务讨论中出现次数较多的话题，而冷门话题则可以理解为在任务讨论中出现次数较少的话题，可以理解，热门任务话题关联信息集与冷门任务话题关联信息集也是相对的。

步骤S1333，基于所述热门任务话题关联信息集和所述冷门任务话题关联信息集进行话题反馈热度分析，得到所述关键任务话题关联信息中与目标行为状态相匹配的话题热度检测指标；所述目标行为状态包括活跃评论状态和冷门评论状态中的至少一种。

在本实施例中，话题热度检测指标用于对关键任务话题关联信息进行话题热度检测，从而实现对话题反馈信息的精准获取。

步骤S1334，根据所述话题热度检测指标对所述关键任务话题关联信息进行话题热度检测，得到话题热度检测结果，如果所述热度检测结果表征所述关键任务话题关联信息对应于话题反馈热门状态，则通过所述分组结果所指示的分组标签对应的从活跃评论状态所述待分析办公任务数据中获取与所述活跃评论状态匹配的办公任务数据作为所述话题反馈信息。

在本实施例中，在从待分析办公任务数据中获取话题反馈信息时是考虑了话题热度的，这样能够确保获取到的话题反馈信息具有较高的话题热度，也即为后续的任务需求分析提供准确的数据基础，尽可能避免获取到相对冷门的话题反馈信息，从而避免造成后续的任务需求分析的偏差。

进一步地，为了快速、灵活地确定目标云办公互动终端的办公需求分析情况，步骤S13中所描述的根据所述办公进程和所述话题反馈信息生成任务需求描述，以根据所述任务需求描述确定所述目标云办公互动终端的办公需求分析情况，可以包括以下内容：根据所述办公进程对应的办公任务类别信息获取所述话题反馈信息中的积极反馈数据和消极反馈数据；基于所述话题反馈信息中的积极反馈数据和消极反馈数据之间的反馈热度变化，对所述话题反馈信息中的积极反馈数据和消极反馈数据进行办公需求分析，得到需求内容分析结果；将办公需求分析存在异常的消极反馈数据确定为待匹配消极反馈数据，根据所述需求内容分析结果中的消极反馈数据与所述待匹配消极反馈数据之间的相似度，确定与所述待匹配消极反馈数据相匹配的办公需求特征；对与所述待匹配消极反馈数据相匹配的办公需求特征和所述待匹配消极反馈数据进行办公需求分析，得到关键需求分析结果；根据所述关键需求分析结果和所述需求内容分析结果，确定所述话题反馈信息中的任务需求描述和所述任务需求描述对应的话题内容分布；其中，所述话题内容分布包括所述任务需求描述对应的不同的办公响应偏好；根据所述任务需求办公记录信息及其对应的话题内容分布，采用预设的需求分析算法对所述目标云办公互动终端进行办公需求挖掘分析，得到所述办公需求分析情况。

在本实施例中，可替换地，获取所述话题反馈信息中的积极反馈数据和消极反馈数据进一步包括：获取所述话题反馈信息中的至少两个积极反馈内容描述和至少两个消极反馈内容描述；获取所述至少两个积极反馈内容描述之间的显性关联性和积极反馈内容描述的办公用户差异信息，获取所述至少两个消极反馈内容描述之间的隐性关联性和消极反馈内容描述的办公用户差异信息；根据所述显性关联性和所述积极反馈内容描述的办公用户差异信息，对所述至少两个积极反馈内容描述进行描述统计，得到所述话题反馈信息中的积极反馈数据；一个积极反馈数据包括至少一个积极反馈内容描述；根据所述隐性关联性和所述消极反馈内容描述的办公用户差异信息，对所述至少两个消极反馈内容描述进行描述统计，得到所述话题反馈信息中的消极反馈数据；一个消极反馈数据包括至少一个消极反馈内容描述。

在本实施例中，可替换地，所述基于所述话题反馈信息中的积极反馈数据和消极反馈数据之间的反馈热度变化，对所述话题反馈信息中的积极反馈数据和消极反馈数据进行办公需求分析，得到需求内容分析结果，包括：将所述话题反馈信息中的消极反馈数据确定为专题消极反馈数据，将所述话题反馈信息中的积极反馈数据确定为专题积极反馈数据；所述专题消极反馈数据中的消极反馈内容描述是从针对所述话题反馈信息的操作函数调用记录中所确定的；获取所述操作函数调用记录中的积极反馈内容描述；将所述操作函数调用记录中的积极反馈内容描述与所述专题积极反馈数据中的积极反馈内容描述之间的内容描述关联性，确定为所述专题消极反馈数据与所述专题积极反馈数据之间的所述反馈热度变化；当所述反馈热度变化对应的变化率大于或等于预设变化率阈值时，对所述专题消极反馈数据和所述专题积极反馈数据进行办公需求分析，得到所述需求内容分析结果。如此设计，能够确保需求内容分析结果的完整性和实时性。

在本实施例中，可替换地，所述待匹配消极反馈数据包括所述话题反馈信息中的第一消极反馈内容描述；所述需求内容分析结果的数量为至少两个；每个需求内容分析结果中的消极反馈数据分别包括所述话题反馈信息中的第二消极反馈内容描述；所述根据所述需求内容分析结果中的消极反馈数据与所述待匹配消极反馈数据之间的相似度，确定与所述待匹配消极反馈数据相匹配的办公需求特征，包括：根据所述第一消极反馈内容描述，获取所述待匹配消极反馈数据的第一负面数据特征；根据所述每个需求内容分析结果包括的第二消极反馈内容描述，分别获取所述每个需求内容分析结果中的消极反馈数据的第二负面数据特征；获取所述第一负面数据特征分别与所述每个需求内容分析结果对应的第二负面数据特征之间的数据比较结果；根据所述每个需求内容分析结果所属的数据比较结果，确定所述每个需求内容分析结果中的消极反馈数据分别与所述待匹配消极反馈数据之间的相似度；当目标需求内容分析结果的数量大于第一预设数量值且小于或等于第二预设数量值时，将所述目标需求内容分析结果中的积极反馈数据所包含的办公需求特征，确定为与所述待匹配消极反馈数据相匹配的办公需求特征；所述目标需求内容分析结果，指所属的相似度大于或等于预设流行度阈值的需求内容分析结果。

在上述内容的基础上，进一步地，所述第一消极反馈内容描述的内容描述数量为至少两个；所述根据所述第一消极反馈内容描述，获取所述待匹配消极反馈数据的第一负面数据特征，包括：获取至少两个第一消极反馈内容描述中的每个第一消极反馈内容描述分别对应的内容描述异常特征；根据所述每个第一消极反馈内容描述分别对应的内容描述异常特征，获取所述至少两个第一消极反馈内容描述对应的第一关键异常特征；将所述第一关键异常特征，确定为所述第一负面数据特征。

在本实施例中，所述预设的需求分析算法包括：决策树算法、规则归纳算法、基于范例学习算法、判别算法或聚类分析算法。此外，还可以包括统计算法和神经网络算法。进一步地，统计算法可以包括回归分析（多元回归、自动回归等）、判别分析（贝叶斯判别等）。进一步地，聚类分析算法可以包括系统聚类和专题聚类等。在实际应用过程中，上述的挖掘算法可以组合使用，在此不作限定。

在上述步骤S11-步骤S13的基础上，还可以包括以下步骤S13所描述的内容。步骤S14，根据所述办公需求分析情况确定所述目标云办公互动终端的任务推广策略并按照所述任务推广策略进行办公应用推广。

在本实施例中，任务推广策略可以包括办公应用的待推广应用类别和推广时段，如此设计，能够尽可能确保办公应用推广的效率，避免重复推广而占用过多的互联网资源。

综上所述，本发明实施例所提供的上述应用于大数据云办公的数据分析方法及数据分析服务器，能够基于预先训练好的关键进程解析模型对待分析办公任务数据进行办公进程解析，从而基于不同的办公进程获取对应的话题反馈信息，进一步生成任务需求描述，以便确定目标云办公互动终端的办公需求分析情况。如此，能够考虑不同办公进程下的话题反馈信息之间的差异，进而确保获取到的话题反馈信息具有较低的噪声占比以及较高的话题热度，这样可以实现精准的办公任务需求分析，从而实现后续针对性的办公应用推广，减少大量粗糙的办公应用推广带来的互联网资源的浪费。

对于上述步骤S11-步骤S14，可以通过如下总结进行描述：将获取到的待分析办公任务数据输入至关键进程解析模型中得到对应的办公进程，根据所述办公进程实现对目标云办公互动终端的办公需求挖掘分析以得到办公需求分析情况，根据所述办公需求分析情况确定所述目标云办公互动终端的任务推广策略并按照所述任务推广策略进行办公应用推广；其中，所述目标云办公互动终端对应于所述待分析办公任务数据。

进一步地，将获取到的待分析办公任务数据输入至关键进程解析模型中得到对应的办公进程，根据所述办公进程实现对目标云办公互动终端的办公需求挖掘分析以得到办公需求分析情况，可以包括：获取待分析办公任务数据，并将所述待分析办公任务数据输入至关键进程解析模型中；通过所述关键进程解析模型对所述待分析办公任务数据进行办公进程解析，以获取与所述待分析办公任务数据对应的办公进程；根据所述办公进程从所述待分析办公任务数据中获取对应的话题反馈信息，并根据所述办公进程和所述话题反馈信息生成任务需求描述，以根据所述任务需求描述确定所述目标云办公互动终端的办公需求分析情况。

应当理解，上述总结的进一步描述可以参阅对步骤S11-步骤S14的说明，在此不作赘述。

其次，针对上述应用于大数据云办公的数据分析方法，本发明实施例还提出了一种示例性的应用于大数据云办公的数据分析装置，如图2所示，应用于大数据云办公的数据分析装置200可以包括以下的功能模块。

数据获取模块210，用于获取待分析办公任务数据，并将所述待分析办公任务数据输入至关键进程解析模型中。

进程解析模块220，用于通过所述关键进程解析模型对所述待分析办公任务数据进行办公进程解析，以获取与所述待分析办公任务数据对应的办公进程。

需求分析模块230，用于根据所述办公进程从所述待分析办公任务数据中获取对应的话题反馈信息，并根据所述办公进程和所述话题反馈信息生成任务需求描述，以根据所述任务需求描述确定所述目标云办公互动终端的办公需求分析情况。

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，也即基于应用于大数据云办公的数据分析系统，请结合参阅图3，基于应用于大数据云办公的数据分析系统30可以包括数据分析服务器10和云办公互动终端20。其中，数据分析服务器10和云办公互动终端20通信用以实施上述方法，进一步地，基于应用于大数据云办公的数据分析系统30的功能性描述如下。

一种应用于大数据云办公的数据分析系统，包括互相通信的数据分析服务器和云办公互动终端，所述数据分析服务器用于：获取待分析办公任务数据，并将所述待分析办公任务数据输入至关键进程解析模型中；通过所述关键进程解析模型对所述待分析办公任务数据进行办公进程解析，以获取与所述待分析办公任务数据对应的办公进程；根据所述办公进程从所述待分析办公任务数据中获取对应的话题反馈信息，并根据所述办公进程和所述话题反馈信息生成任务需求描述，以根据所述任务需求描述确定所述目标云办公互动终端的办公需求分析情况，根据所述办公需求分析情况确定所述目标云办公互动终端的任务推广策略并按照所述任务推广策略进行办公应用推广。

进一步地，请结合参阅图4，数据分析服务器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，数据分析服务器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。