一种生态系统的发布数据检测方法和装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种生态系统的发布数据检测方法和装置。

背景技术

随着网络的普及，越来越多的人通过网络进行交流，给人们的生活带来便利的同时，也存在很多安全隐患。社交平台上用户的言论相对自由，恶意账号会利用网络环境发布并向目标用户推送一些风险信息，损害用户利益。相关技术中，通过人工手动审核汇总来检测平台发布数据，检测效率低下，覆盖范围较小，无法保证数据检测的准确性与全面性，人工成本极高。

发明内容

本发明的一个目的在于提供一种生态系统的发布数据检测方法，通过训练的生态系统检测模型进行发布数据自动化检测，提高检测效率和覆盖范围，能够保证数据检测的准确性和全面性，节约人工成本。本发明的另一个目的在于提供一种生态系统的发布数据检测装置。本发明的再一个目的在于提供一种计算机可读介质。本发明的还一个目的在于提供一种计算机设备。

为了达到以上目的，本发明一方面公开了一种生态系统的发布数据检测方法，包括：

获取待检测任务，待检测任务包括待检测发布数据；

通过预设的分配策略，将待检测任务分配至对应的目标检测线程；

通过目标检测线程，按照预先构建的生态系统检测模型对待检测发布数据进行检测，得到检测结果。

优选的，获取待检测任务，包括：

获取目标位置信息；

根据目标位置信息和预设的配置半径，生成待检测位置范围；

根据待检测位置范围，获取在待检测位置范围内的各用户接收到的待检测发布数据；

根据待检测发布数据，生成待检测任务。

优选的，通过预设的分配策略，将待检测任务分配至对应的目标检测线程，包括：

获取全量检测线程的线上状态；

筛选出处于在线状态的候选检测线程；

通过分配策略，从筛选出的候选检测线程中确定出目标检测线程；

将待检测任务分配至目标检测线程。

优选的，在通过目标检测线程，按照预先构建的生态系统检测模型对待检测发布数据进行检测，得到检测结果之后，还包括：

按照时间间隔获取历史检测任务；

统计历史检测任务的总数量和检测结果为异常数据的异常任务数量；

根据总数量和异常任务数量，对生态系统进行状态评估，得到生态系统的状态结果。

优选的，方法还包括：

通过历史检测任务，对生态系统检测模型进行更新，得到更新后的生态系统检测模型。

优选的，方法还包括：

获取训练任务，训练任务包括训练位置范围和位于训练位置范围内的模拟数据；

通过模拟数据，对深度学习算法进行训练，构建生态系统检测模型。

优选的，通过模拟数据，对深度学习算法进行训练，构建生态系统检测模型，包括：

通过深度学习算法，对模拟数据进行初步检测，得到初始结果；

将模拟数据和初始结果发送至审核用户终端，以供审核用户终端返回审核结果；

根据审核结果和初始结果，对深度学习算法进行迭代训练，构建生态系统检测模型。

优选的，在通过模拟数据，对深度学习算法进行训练，构建生态系统检测模型之后，还包括：

获取测试任务数据，测试任务数据对应有实际任务结果；

通过生态系统检测模型，对测试任务数据进行检测，得到测试结果；

根据测试结果和实际任务结果，绘制检测质量波动曲线。

本发明还公开了一种生态系统的发布数据检测装置，包括：

待检测任务获取单元，用于获取待检测任务，待检测任务包括待检测发布数据；

任务分配单元，用于通过预设的分配策略，将待检测任务分配至对应的目标检测线程；

发布数据检测单元，用于通过目标检测线程，按照预先构建的生态系统检测模型对待检测发布数据进行检测，得到检测结果。

优选的，待检测任务获取单元，具体用于获取目标位置信息；根据目标位置信息和预设的配置半径，生成待检测位置范围；根据待检测位置范围，获取在待检测位置范围内的各用户接收到的待检测发布数据；根据待检测发布数据，生成待检测任务。

优选的，任务分配单元，具体用于获取全量检测线程的线上状态；筛选出处于在线状态的候选检测线程；通过分配策略，从筛选出的候选检测线程中确定出目标检测线程；将待检测任务分配至目标检测线程。

优选的，装置还包括：

历史检测任务获取单元，用于按照时间间隔获取历史检测任务；

统计单元，用于统计历史检测任务的总数量和检测结果为异常数据的异常任务数量；

状态评估单元，用于根据总数量和异常任务数量，对生态系统进行状态评估，得到生态系统的状态结果。

优选的，装置还包括：

模型更新单元，用于通过历史检测任务，对生态系统检测模型进行更新，得到更新后的生态系统检测模型。

优选的，装置还包括：

训练任务获取单元，用于获取训练任务，训练任务包括训练位置范围和位于训练位置范围内的模拟数据；

模型训练单元，用于通过模拟数据，对深度学习算法进行训练，构建生态系统检测模型。

优选的，模型训练单元，具体用于通过深度学习算法，对模拟数据进行初步检测，得到初始结果；将模拟数据和初始结果发送至审核用户终端，以供审核用户终端返回审核结果；根据审核结果和初始结果，对深度学习算法进行迭代训练，构建生态系统检测模型。

优选的，装置还包括：

测试任务数据获取单元，用于获取测试任务数据，测试任务数据对应有实际任务结果；

测试数据检测单元，用于通过生态系统检测模型，对测试任务数据进行检测，得到测试结果；

曲线绘制单元，用于根据测试结果和实际任务结果，绘制检测质量波动曲线。

本发明还公开了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述方法。

本发明还公开了一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，所述处理器执行所述程序时实现如上所述方法。

本发明还公开了一种计算机程序产品，包括计算机程序/指令，计算机程序/指令被处理器执行时实现如上所述方法。

本发明获取待检测任务，待检测任务包括待检测发布数据；通过预设的分配策略，将待检测任务分配至对应的目标检测线程；通过目标检测线程，按照预先构建的生态系统检测模型对待检测发布数据进行检测，得到检测结果，通过训练的生态系统检测模型进行发布数据自动化检测，提高检测效率和覆盖范围，能够保证数据检测的准确性和全面性，节约人工成本。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。

图1为本发明实施例提供的一种生态系统的发布数据检测方法的流程图；

图2为本发明实施例提供的又一种生态系统的发布数据检测方法的流程图；

图3为本发明实施例提供的一种生态系统的发布数据检测装置的结构示意图；

图4为本发明实施例提供的一种计算机设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，本申请公开的一种生态系统的发布数据检测方法和装置可用于人工智能技术领域，也可用于除人工智能技术领域之外的任意领域，本申请公开的一种生态系统的发布数据检测方法和装置的应用领域不做限定。

下面以生态系统的发布数据检测装置作为执行主体为例，说明本发明实施例提供的生态系统的发布数据检测方法的实现过程。可理解的是，本发明实施例提供的生态系统的发布数据检测方法的执行主体包括但不限于生态系统的发布数据检测装置。

图1为本发明实施例提供的一种生态系统的发布数据检测方法的流程图，如图1所示，该方法包括：

步骤101、获取待检测任务，待检测任务包括待检测发布数据。

步骤102、通过预设的分配策略，将待检测任务分配至对应的目标检测线程。

步骤103、通过目标检测线程，按照预先构建的生态系统检测模型对待检测发布数据进行检测，得到检测结果。

本发明实施例提供的技术方案中，获取待检测任务，待检测任务包括待检测发布数据；通过预设的分配策略，将待检测任务分配至对应的目标检测线程；通过目标检测线程，按照预先构建的生态系统检测模型对待检测发布数据进行检测，得到检测结果，通过训练的生态系统检测模型进行发布数据自动化检测，提高检测效率和覆盖范围，能够保证数据检测的准确性和全面性，节约人工成本。

图2为本发明实施例提供的又一种生态系统的发布数据检测方法的流程图，如图2所示，该方法包括：

步骤201、获取训练任务，训练任务包括训练位置范围和位于训练位置范围内的模拟数据。

本发明实施例中，各步骤由生态系统的发布数据检测装置执行。

本发明实施例中，训练任务包括但不限于训练位置范围和位于训练位置范围内的模拟数据，其中，训练位置范围是以输入的地理位置坐标为中心点，以设置的审核长度为半径，圈定一个圆形的检测范围，该检测范围为训练位置范围。其中，审核长度可以根据实际需求进行设置，本发明实施例对此不做限定。

具体地，训练者在平台上训练位置范围的设置界面点击新增按钮，后台跳转至训练位置范围的新增页面，新增页面包括多个新增字段，新增字段包括但不限于坐标名称、关键字、省、城市、经纬度和地点，新增页面还包括地图。其中，坐标名称为训练者自定义的用来表示坐标简略信息的名称；关键字用于搜索位置。用户手动输入坐标名称和关键字，地图根据关键字进行地点搜索，将搜索出的地点以列表进行表示；用户根据列表中显示的地点选取指定的地理位置坐标；根据选取的地理位置坐标，自动填充新增字段中的省、城市、经纬度和地点。进一步地，确定训练位置范围后，在训练位置范围的设置界面点击上线按钮，表示训练位置范围已确定。

本发明实施例中，训练位置范围内的模拟数据是在训练位置范围内模拟用户发布的虚拟数据。具体地，训练者在平台上创建训练任务的界面点击发布按钮，后台跳转至创建训练任务的发布页面，发布页面包括多个任务字段，任务字段包括但不限于任务名称、测试场景、样本类型、测试类型、风险等级、预期结果、自定义标签、测试文本和测试图像。其中，任务名称表示任务目的；测试场景是针对线上业务场景构建的虚拟场景，包括但不限于发表动态信息、发表评论、更新文本资料或者更新头像；样本类型包括白样本和黑样本，白样本为审核通过的数据，黑样本为不能发布的数据；测试类型为人工或机器，人工测试类型为审核员手动审核，机器测试类型为模型自动化检测；风险等级为数据的风险程度；预期结果为审核数据正常或审核数据异常；自定义标签为用于展示的对任务的自定义描述；测试文本为需要审核的文本内容；测试图像包括图片或视频，为需要审核的图片或视频内容。进一步地，确定训练任务后，在创建训练任务的发布页面点提交按钮，表示训练任务已创建。

值得说明的是，通过对象-关系型数据库(PostgreSQL)存储已审核通过数据作为白样本，创建任务可自动填充需要的内容。

值得说明的是，训练任务支持图文、音频、视频内容发布，自定义场景，支持检测审核供应商，支持人工和算法检测评估。

步骤202、通过模拟数据，对深度学习算法进行训练，构建生态系统检测模型。

本发明实施例中，步骤202具体包括：

步骤2021、通过深度学习算法，对模拟数据进行初步检测，得到初始结果。

本发明实施例中，预先设置有数据发布规则，数据发布规则规定了不能发布的数据特征，数据特征包括但不限于敏感词和/或敏感图像特征。

具体地，将模拟数据输入深度学习算法进行初步检测，检测模拟数据是否包括敏感词和/或敏感图像特征，若包括，表明模拟数据为不能发布的异常数据，生成异常数据的初始结果；若不包括，表明模拟数据为可以发布的正常数据，生成正常数据的初始结果。

步骤2022、将模拟数据和初始结果发送至审核用户终端，以供审核用户终端返回审核结果。

本发明实施例中，将模拟数据和初始结果发送至审核用户终端，由审核人员对模拟数据进行人工审核，并通过审核用户终端返回审核结果。其中，审核结果包括征程数据或异常数据。

步骤2023、根据审核结果和初始结果，对深度学习算法进行迭代训练，构建生态系统检测模型。

本发明实施例中，若审核结果与初始结果一致，保持模型参数不变，继续对深度学习算法进行迭代训练，直至符合预设的模型精度条件，构建生态系统检测模型；若审核结果与初始结果不同，调整模型参数，对深度学习算法进行迭代训练，直至符合预设的模型精度条件，构建生态系统检测模型。

进一步地，获取测试任务数据，测试任务数据对应有实际任务结果；通过生态系统检测模型，对测试任务数据进行检测，得到测试结果；根据测试结果和实际任务结果，绘制检测质量波动曲线。

具体地，将测试任务数据输入生态系统检测模型，输出测试结果。若测试结果为正常数据，实际任务结果为异常数据，则该条测试任务数据为漏放数据；若测试结果为异常数据，实际任务结果为正常数据，则该条测试任务数据为误伤数据。将漏放数据的数量除以测试任务数据总数量，得到漏放率；将误伤数据的数量除以测试任务数据总数量，得到误伤率。以时间(天)为横轴，漏放率或误伤率为纵轴，绘制检测质量波动曲线，若漏放率或误伤率高于预设的比例阈值，表明模型精度较差；若漏放率或误伤率低于预设的比例阈值，表明模型精度较好。其中，比例阈值可以根据实际情况进行设置，作为一种可选方案，比例阈值为指定时间段内漏放率或误伤率的平均值。

步骤203、获取目标位置信息。

本发明实施例中，目标位置信息是管理员输入的地理位置坐标。具体地，管理员在平台上目标位置信息的设置界面点击新增按钮，后台跳转至新增页面，新增页面包括多个新增字段，新增字段包括但不限于坐标名称、关键字、省、城市、经纬度和地点，新增页面还包括地图。其中，坐标名称为管理员自定义的用来表示坐标简略信息的名称；关键字用于搜索位置。管理员手动输入坐标名称和关键字，地图根据关键字进行地点搜索，将搜索出的地点以列表进行表示；管理员根据列表中显示的地点选取指定的地理位置坐标；根据选取的地理位置坐标，自动填充新增字段中的省、城市、经纬度和地点。进一步地，确定目标位置信息后，在目标位置信息的设置界面点击上线按钮，表示目标位置信息已确定。

步骤204、根据目标位置信息和预设的配置半径，生成待检测位置范围。

本发明实施例中，配置半径可以根据实际需求进行设置，本发明实施例对此不做限定。

具体地，以目标位置信息为中心点，预设的配置半径为半径，圈定一个圆形的检测范围，该检测范围为待检测位置范围。

步骤205、根据待检测位置范围，获取在待检测位置范围内的各用户接收到的待检测发布数据。

本发明实施例中，用户向平台授权获取用户位置，平台可以通过用户位置获取到在待检测位置范围内的各用户接收到的待检测发布数据。

步骤206、根据待检测发布数据，生成待检测任务。

本发明实施例中，为每个待检测任务分配一个唯一标识码，一个标识码唯一标识一个待检测任务。待检测任务包括但不限于待检测发布数据。

步骤207、通过预设的分配策略，将待检测任务分配至对应的目标检测线程。

本发明实施例中，步骤207具体包括：

步骤2071、获取全量检测线程的线上状态。

本发明实施例中，检测线程的线上状态包括在线状态或离线状态，只有处于在线状态的检测线程能够实现数据检测功能，处于离线状态的检测线程无法进行数据检测。

步骤2072、筛选出处于在线状态的候选检测线程。

具体地，从全量检测线程中筛选出处于在线状态的检测线程，将筛选出的检测线程确定为候选检测线程。

步骤2073、通过分配策略，从筛选出的候选检测线程中确定出目标检测线程。

本发明实施例中，分配策略可以根据实际需求进行设置，本发明实施例对此不做限定。作为一种可选方案，分配策略可以是将候选检测线程的检测类型与待检测发布数据的数据类型进行匹配，将匹配一致的候选检测线程确定为目标检测线程，例如：检测类型和数据类型均为图像；例如，检测类型和数据类型均为文字。作为另一种可选方案，分配策略为随机分配，即：从候选检测线程中随机确定出目标检测线程。

步骤2074、将待检测任务分配至目标检测线程。

本发明实施例中，将待检测任务分配至目标检测线程，以供目标检测线程对待检测任务进行自动检测，无需分配至其他目标线程，节约系统资源和人力成本。

作为另一种可选方案，将待检测任务分配至指定的在线审核人员进行人工审核，分配任务过程中，将待检测任务的唯一标识码与在线审核人员的审核工作流进行绑定，无需为每个审核人员分配相同的任务，节约系统资源。

步骤208、通过目标检测线程，按照预先构建的生态系统检测模型对待检测发布数据进行检测，得到检测结果。

具体地，目标检测线程通过生态系统检测模型对待检测发布数据进行检测，检测待检测发布数据是否包括敏感词和/或敏感图像特征，若包括，表明待检测发布数据为不能发布的异常数据，生成异常数据的检测结果；若不包括，表明待检测发布数据为可以发布的正常数据，生成正常数据的检测结果。

进一步地，若检测结果为异常，召回该发布数据。其中，召回方式包括但不限于撤回发布数据、最大程度减少发布数据的曝光度。

步骤209、按照时间间隔获取历史检测任务。

本发明实施例中，时间间隔可以根据实际需求进行设置，本发明实施例对此不做限定。历史检测任务为从上一次时间间隔开始到当前时间为止执行的所有检测任务。

进一步地，通过历史检测任务，对生态系统检测模型进行更新，得到更新后的生态系统检测模型。具体地，将历史检测任务输入生态系统检测模型进行迭代更新，对模型参数进行进一步调优，生成更新后的生态系统检测模型。

本发明实施例中，定时通过实际执行的检测任务对生态系统检测模型进行更新，能够保证模型精度较高，从而提高检测结果的准确率。

步骤210、统计历史检测任务的总数量和检测结果为异常数据的异常任务数量。

本发明实施例中，每个历史检测任务对应有检测结果，检测结果包括正常数据或异常数据；筛选并统计出检测结果为异常数据的异常任务数量，同时统计出历史检测任务的总数量。

步骤211、根据总数量和异常任务数量，对生态系统进行状态评估，得到生态系统的状态结果。

具体地，将异常任务数量除以总数量，得到生态系统的数据异常率；判断数据异常率是否大于预设的系统异常阈值，若是，表明该生态系统的环境质量较差，确定出生态系统的状态结果为生态环境质量异常；若否，表明该生态系统的环境质量较优，确定出生态系统的状态结果为生态环境质量正常。

本发明实施例中，定时对生态系统质量进行状态评估，实时监测生态系统的状态，确保生态系统的稳定性和安全性。

值得说明的是，本申请中技术方案中对数据的获取、存储、使用、处理等均符合法律法规的相关规定。本申请实施例中的用户信息均是通过合法合规途径获得，并且对用户信息的获取、存储、使用、处理等经过客户授权同意的。

本发明实施例提供的生态系统的发布数据检测方法的技术方案中，获取待检测任务，待检测任务包括待检测发布数据；通过预设的分配策略，将待检测任务分配至对应的目标检测线程；通过目标检测线程，按照预先构建的生态系统检测模型对待检测发布数据进行检测，得到检测结果，通过训练的生态系统检测模型进行发布数据自动化检测，提高检测效率和覆盖范围，能够保证数据检测的准确性和全面性，节约人工成本。

图3为本发明实施例提供的一种生态系统的发布数据检测装置的结构示意图，该装置用于执行上述生态系统的发布数据检测方法，如图3所示，该装置包括：待检测任务获取单元11、任务分配单元12和发布数据检测单元13。

待检测任务获取单元11用于获取待检测任务，待检测任务包括待检测发布数据。

任务分配单元12用于通过预设的分配策略，将待检测任务分配至对应的目标检测线程。

发布数据检测单元13用于通过目标检测线程，按照预先构建的生态系统检测模型对待检测发布数据进行检测，得到检测结果。

本发明实施例中，待检测任务获取单元11具体用于获取目标位置信息；根据目标位置信息和预设的配置半径，生成待检测位置范围；根据待检测位置范围，获取在待检测位置范围内的各用户接收到的待检测发布数据；根据待检测发布数据，生成待检测任务。

本发明实施例中，任务分配单元12具体用于获取全量检测线程的线上状态；筛选出处于在线状态的候选检测线程；通过分配策略，从筛选出的候选检测线程中确定出目标检测线程；将待检测任务分配至目标检测线程。

本发明实施例中，装置还包括：历史检测任务获取单元14、统计单元15和状态评估单元16。

历史检测任务获取单元14用于按照时间间隔获取历史检测任务。

统计单元15用于统计历史检测任务的总数量和检测结果为异常数据的异常任务数量。

状态评估单元16用于根据总数量和异常任务数量，对生态系统进行状态评估，得到生态系统的状态结果。

本发明实施例中，装置还包括：模型更新单元17。

模型更新单元17用于通过历史检测任务，对生态系统检测模型进行更新，得到更新后的生态系统检测模型。

本发明实施例中，装置还包括：训练任务获取单元18和模型训练单元19。

训练任务获取单元18用于获取训练任务，训练任务包括训练位置范围和位于训练位置范围内的模拟数据。

模型训练单元19用于通过模拟数据，对深度学习算法进行训练，构建生态系统检测模型。

本发明实施例中，模型训练单元19具体用于通过深度学习算法，对模拟数据进行初步检测，得到初始结果；将模拟数据和初始结果发送至审核用户终端，以供审核用户终端返回审核结果；根据审核结果和初始结果，对深度学习算法进行迭代训练，构建生态系统检测模型。

本发明实施例中，装置还包括：测试任务数据获取单元20、测试数据检测单元21和曲线绘制单元22。

测试任务数据获取单元20用于获取测试任务数据，测试任务数据对应有实际任务结果。

测试数据检测单元21用于通过生态系统检测模型，对测试任务数据进行检测，得到测试结果。

曲线绘制单元22用于根据测试结果和实际任务结果，绘制检测质量波动曲线。

本发明实施例的方案中，获取待检测任务，待检测任务包括待检测发布数据；通过预设的分配策略，将待检测任务分配至对应的目标检测线程；通过目标检测线程，按照预先构建的生态系统检测模型对待检测发布数据进行检测，得到检测结果，通过训练的生态系统检测模型进行发布数据自动化检测，提高检测效率和覆盖范围，能够保证数据检测的准确性和全面性，节约人工成本。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机设备，具体的，计算机设备例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

本发明实施例提供了一种计算机设备，包括存储器和处理器，存储器用于存储包括程序指令的信息，处理器用于控制程序指令的执行，程序指令被处理器加载并执行时实现上述生态系统的发布数据检测方法的实施例的各步骤，具体描述可参见上述生态系统的发布数据检测方法的实施例。

下面参考图4，其示出了适于用来实现本申请实施例的计算机设备600的结构示意图。

如图4所示，计算机设备600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的工作和处理。在RAM603中，还存储有计算机设备600操作所需的各种程序和数据。CPU601、ROM602、以及RAM603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。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶反馈器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡，调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装如存储部分608。

特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包括用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。