一种需求数据处理方法、装置、介质以及电子设备

技术领域

本申请涉及大数据、自然语言处理和深度学习技术领域，尤其涉及一种需求数据处理方法、装置、介质以及电子设备。

背景技术

在产品设计过程中，用户需求处理是非常重要的环节，用户需求呈现纷乱复杂的特点，将纷乱复杂的用户需求准确高效地关联到具体产品功能是用户需求处理的一项重要内容。

相关技术一般采用人工方式，基于经验对用户需求进行处理，将用户需求对应到具体产品功能上，然而基于人工的用户需求处理方式存在处理效率低，处理成本高的问题。

发明内容

本申请提供了一种需求数据处理方法、装置、介质以及电子设备，可以将用户需求自动关联到产品功能，从而达到提高需求处理效率，降低需求处理成本的目的。

根据本申请的第一方面，提供了需求数据处理方法，所述方法包括：

获取待处理的用户需求数据，并对所述用户需求数据进行语义识别得到需求描述特征；

将所述需求描述特征输入产品匹配模型，通过所述产品匹配模型从候选产品中为所述用户需求数据确定目标产品；

其中，所述产品匹配模型基于用户需求数据与产品功能数据预先训练得到；所述目标产品的功能描述特征与所述需求描述特征相匹配；所述功能描述特征通过对产品功能数据进行语义识别得到。

根据本申请的第二方面，提供了需求数据处理装置，所述装置包括：

需求特征确定模块，用于获取待处理的用户需求数据，并对所述用户需求数据进行语义识别得到需求描述特征；

目标产品确定模块，用于将所述需求描述特征输入产品匹配模型，通过所述产品匹配模型从候选产品中为所述用户需求数据确定目标产品；

其中，所述产品匹配模型基于用户需求数据与产品功能数据预先训练得到；所述目标产品的功能描述特征与所述需求描述特征相匹配；所述功能描述特征通过对产品功能数据进行语义识别得到。

根据本发明的第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例所述的应急调度方法。

根据本发明的第四方面，本申请实施例提供了一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例所述的应急调度方法。

本申请实施例的技术方案，通过对待处理的用户需求数据进行语义识别,得到需求描述特征，将需求描述特征输入产品匹配模型，通过产品匹配模型从候选产品中为用户需求数据确定目标产品，实现了将用户需求自动关联到产品功能，提高了需求处理的自动化程度，提高了需求处理效率，降低了需求处理成本。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请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

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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是根据实施例一提供的需求数据处理方法的流程图；

图2是根据实施例二提供的需求数据处理方法的流程图；

图3是本申请实施例三提供的需求数据处理装置的结构示意图；

图4是本申请实施例四提供的一种电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“目标”以及“候选”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例一

图1是根据实施例一提供的需求数据处理方法的流程图，本实施例可适用于对用户需求数据进行处理，将用户需求关联到产品功能的情况，该方法可以由需求数据处理装置来执行，该需求数据处理装置可以采用硬件和/或软件的形式实现，并可集成于运行此系统的电子设备中。

如图1所示，该方法包括：

S110、获取待处理的用户需求数据，并对所述用户需求数据进行语义识别得到需求描述特征。

其中，待处理的用户需求数据是指需要与具体产品功能进行关联的用户需求数据。可选的，用户需求数据为文本数据。

利用语义分析算法对用户需求数据进行语义识别，从用户需求数据中提取需求描述特征。需求描述特征是指用户需求数据中产品功能相关的描述。示例性的，需求描述特征可以是经过向量化的，且与产品功能相关的关键词序列。需求描述特征可以用于确定产品功能特征。

S120、将所述需求描述特征输入产品匹配模型，通过所述产品匹配模型从候选产品中为所述用户需求数据确定目标产品；其中，所述产品匹配模型基于用户需求数据与产品功能数据预先训练得到；所述目标产品的功能描述特征与所述需求描述特征相匹配；所述功能描述特征通过对产品功能数据进行语义识别得到。

可选的，产品匹配模型为基于深度学习技术构建的神经网络模型。利用用户需求数据和产品功能数据对产品匹配模型进行预先训练，具体的，利用从用户需求数据提取到的需求描述特征，以及从产品功能数据提取到的功能描述特征，对产品匹配模型进行预先训练。

可以使得产品匹配模型学习到需求描述特征与功能描述特征之间的特征对应关系。

将需求描述特征作为产品匹配模型的输入数据，输入产品匹配模型。通过产品匹配模型基于学习到的特征对应关系，从候选产品中为用户需求数据确定目标产品。

目标产品在候选产品中产生，目标产品的功能描述与用户需求数据的需求描述特征相匹配。不同候选产品以产品标识进行区分。示例性的，产品标识可以是产品名称或者产品编号。可选的，将产品匹配模型输入需求描述特征，产品匹配模型输出目标产品的产品标识。

可以理解的是，产品设计是创造性比较高的工作，产品设计的各个环节多由经验丰富的设计人员来承担，产品设计过程存在自动化程度较低的痛点，提高产品设计过程中各个设计环节自动化程度，尤其是用户需求处理的自动化程度，对于降低产品设计成本，提高产品设计效率，提高产品对于市场的响应速度具有重要意义。

本申请实施例的技术方案，通过对待处理的用户需求数据进行语义识别,得到需求描述特征，将需求描述特征输入产品匹配模型，通过产品匹配模型从候选产品中为用户需求数据确定目标产品，实现了将用户需求自动关联到产品功能，提高了需求处理的自动化程度，提高了需求处理效率，降低了需求处理成本。

在一个可选的实施例中，将所述需求描述特征输入产品匹配模型，通过所述产品匹配模型从候选产品中为所述用户需求数据确定目标产品，包括：将所述需求描述特征输入产品匹配模型，通过所述产品匹配模型确定候选产品的匹配置信度；根据所述匹配置信度，从所述候选产品中确定目标产品。

其中，匹配置信度是指候选产品的功能描述特征与需求描述特征之间的匹配程度。

每款候选产品均存在对应的匹配置信度，匹配置信度由产品匹配模型输出。匹配置信度用于从候选产品中确定为用户需求数据确定目标产品。

一般来说，匹配置信度与功能描述特征和需求描述特征之间的匹配程度成正比，也就是说，匹配置信度约大，功能描述特征和需求描述特征越匹配。

上述技术方案，通过产品匹配模型确定候选产品的匹配置信度，量化了候选产品的功能描述特征与用户需求数据的需求描述特征之间的匹配程度。为从候选产品中为用户需求数据确定目标产品提供了数据支持，基于匹配置信度为用户需求数据确定相匹配的目标产品，保证了用户需求数据处理的准确性。

在一个可选的实施例中，对所述用户需求数据进行语义识别得到需求描述特征，包括：对所述用户需求数据进行分词处理，得到需求描述序列；将所述需求描述序列输入预先训练的语义分析模型，通过所述语义分析模型对所述需求描述序列进行向量化得到需求描述特征。

其中，语义分析模型用于对需求描述序列向量化。语义分析模型基于用户需求数据预先训练得到。其中，用于训练语义分析模型的用户需求数据可以从行业需求文档以及维基百科词条中获取。在利用用户需求数据训练产品匹配模型之前，对用户需求数据进行预处理，示例性的，可以对用户需求数据进行格式转换，如将用户需求数据转换为UTF-8编码格式。其中，UTF-8(8位元，Universal Character Set/Unicode TransformationFormat)是针对Unicode的一种可变长度字符编码。对用户需求数据的预处理还可以包括去重处理等。可选的，利用预处理后的用户需求数据对语义分析模型进行训练。示例性的，语义分析模型可以是基于CBow算法或者Skip-gram算法构建的。

可选的，用户需求数据为文本数据。对用户需求数据进行分词处理，从用户需求数据中提取产品功能相关的描述得到需求描述序列。将需求描书序列输入预先训练的语义分析模型。通过语义分析模型对需求描述序列进行向量化得到需求描述特征。

需求描述序列经过语义分析模型向量化以后，得到需求描述特征。需求描述特征可以作为产品匹配模型的输入数据，通过产品匹配模型为用户需求数据确定目标产品。

上述技术方案，提供了一种切实可行的需求描述特征确定方法，通过预先训练的语义分析模型将需求描述序列转换为需求描述特征，为通过产品匹配模型基于需求描述特征为用户需求数据确定目标产品提供了数据支持。

在一个可选的实施例中，所述产品匹配模型通过如下方式训练得到：获取已有产品的用户需求数据以及产品功能数据；分别对所述用户需求数据和所述产品功能数据进行语义识别，得到需求描述特征和所述功能描述特征；根据所述需求描述特征确定所述产品匹配模型的样本数据，并根据所述功能描述特征确定所述样本数据的标签数据；基于所述样本数据和所述标签数据确定所述产品匹配模型的训练样本，利用所述训练样本对所述产品匹配模型进行有监督训练。

其中，已有产品是指已经开发完成，产品功能已经确定的产品。已有产品存在对应的用户需求数据和产品功能数据。示例性的，已有产品的用户需求数据可以是设计已有产品的过程中参考的用户需求文档。已有产品的产品功能数据可以是已有产品的产品开发文档。进一步的，已有产品的用户需求数据可以包括初始用户需求和最终用户需求；相应的，已有产品的产品功能数据可以包括设计产品功能和实际产品功能。

对已有产品的用户需求数据进行语义识别，并对已有产品的产品功能数据进行语义识别。得到用户需求数据对应的需求描述特征和产品功能数据对应的功能描述特征。可选的，对已有产品的用户需求数据进行分词处理，得到需求描述序列，将需求描述序列输入预先训练的语义分析模型，通过语义分析模型对需求描述序列进行向量化得到需求描述特征；对已有产品的产品功能数据进行分词处理，得到功能描述序列，将功能描述序列输入预先训练的语义分析模型，通过语义分析模型对功能描述序列进行向量化得到功能描述特征。

根据需求描述特征所属产品，以及功能描述特征所属产品，确定需求描述特征与功能描述特征之间的特征对应关系。根据需求描述特征确定产品匹配模型的样本数据，根据功能描述特征确定产品匹配模型的标签数据。基于需求描述特征与功能描述特征之间的特征对应关系，确定样本数据的标签数据。

利用样本数据和标签数据构建产品匹配模型的训练样本，利用训练样本对产品匹配模型进行有监督训练。

上述技术方案，提供了一种切实可行的产品匹配模型的模型训练方法，为基于产品匹配模型为用户需求数据确定目标产品提供了技术支持。

在一个可选的实施例中，在通过所述产品匹配模型从候选产品中为所述用户需求数据确定目标产品之后，所述方法还包括；确定所述目标产品对应的产品功能数据；对所述目标产品对应的产品功能数据进行语义识别得到功能描述特征；基于所述需求描述特征和所述目标产品对应的功能描述特征构建新的训练样本，基于所述新的训练样本对所述产品匹配模型的训练样本进行更新。

目标产品具有确定的产品功能数据。确定目标产品对应的产品功能数据，对目标产品的产品功能数据进行语义识别得到功能描述特征。目标产品为由产品匹配模型确定，目标产品与待处理的用户需求数据相匹配。目标产品对应的功能描述特征和待处理的用户需求数据对应的需求描述特征相互匹配，满足产品匹配模型学习到的特征对应关系。基于需求描述特征和目标产品对应的功能描述特征构建新的训练样本，利用新的训练样本对产品匹配模型的训练样本进行更新。其中，用于构建新的训练样本的需求描述特征与待处理的用户需求数据相对应。可选的，利用更新后的训练样本重新训练产品匹配模型。

上述技术方案，通过根据待处理的用户需求数据对应的需求描述特征，以及目标产品对应的功能描述特征构建新的训练样本，扩充了产品匹配模型的训练样本，为保证产品匹配模型的模型性能，提供了数据支持。

实施例二

图2是根据实施例二提供的需求数据处理方法的流程图。本实施例在上述实施例的基础上进行进一步地优化，具体的，在“通过所述产品匹配模型从候选产品中为所述用户需求数据确定目标产品”之后，追加了操作“根据所述目标产品的产品标识，获取所述目标产品的产品功能数据；将所述待处理的用户需求数据与所述产品功能数据进行匹配，根据匹配结果确定所述产品匹配模型的性能指标”。

如图2所示，该方法包括：

S210、获取待处理的用户需求数据，并对所述用户需求数据进行语义识别得到需求描述特征。

S220、将所述需求描述特征输入产品匹配模型，通过所述产品匹配模型从候选产品中为所述用户需求数据确定目标产品；其中，所述产品匹配模型基于用户需求数据与产品功能数据预先训练得到；所述目标产品的功能描述特征与所述需求描述特征相匹配；所述功能描述特征通过对产品功能数据进行语义识别得到。

将待处理的需求描述特征输入产品匹配模型，通过产品匹配模型输出目标产品的产品标识。

S230、根据所述目标产品的产品标识，获取所述目标产品的产品功能数据。

其中，产品标识用于区分不同产品，不同产品的标识不同。根据目标产品的产品标识，获取目标产品的产品功能数据。其中，目标产品的产品功能数据是指目标产品的实际产品功能，也就是，目标产品实际实现的产品功能。

S240、将所述待处理的用户需求数据与所述产品功能数据进行匹配，根据匹配结果确定所述产品匹配模型的性能指标。

将待处理的用户需求数据与产品功能数据进行匹配得到匹配结果，实际上是，对待处理的用户需求数据与目标产品的匹配程度进行复核。

匹配结果用于确定产品匹配模型的性能指标，匹配结果包括：匹配成功和匹配失败。可选的，根据匹配结果为匹配成功的目标产品数量与参与匹配的目标产品总数之间的比值，确定产品匹配模型的性能指标。其中，性能指标用于衡量产品匹配模型的学习能力。目标产品是由产品匹配模型基于学习到的特征对应关系从候选产品中确定的，目标产品是否与待处理的用户需求数据相匹配，与产品匹配模型的学习能力密切相关。目标产品具有确定的产品功能数据，将目标产品的产品功能数据与待处理的用户需求数据进行匹配，可以对待处理的用户需求数据与目标产品的匹配程度进行复核，以达到衡量产品匹配模型学习能力的目的。

本申请技术方案，通过产品匹配模型为待处理的用户需求数据确定目标产品，然后将目标产品的产品功能数据与待处理的用户需求数据进行匹配，根据匹配结果确定产品匹配模型的性能指标，量化了产品匹配模型的模型性能，便于对产品匹配模型的模型性能进行监控。

在一个可选的实施例中，在根据匹配结果确定所述产品匹配模型的性能指标之后，所述方法还包括：对所述产品匹配模型的性能指标进行监控；若所述性能指标低于预设阈值，则对所述产品匹配模型进行重新训练。

性能指标用于量化产品匹配模型的模型性能，随着业务场景变更，产品匹配模型可能不再适用新的业务场景，基于性能指标可以对产品匹配模型的模型性能进行监控。

将产品匹配模型的性能指标与预设阈值进行比较，根据性能指标与预设阈值之间的相对关系确定是否对产品匹配模型进行重新训练。具体的，若性能指标低于预设阈值，则对产品匹配模型进行重新训练；相对的，若性能指标高于预设阈值，则无需对产品匹配模型进行重新训练。其中，预设阈值用于衡量是否重新训练产品匹配模型，预设阈值根据实际业务需求确定，在这里不作限定。示例性的，预设阈值可以是80％。

上述技术方案，基于产品匹配模型的性能指标对产品匹配模型的模型性能进行监控，基于性能指标与预设阈值之间的相对关系，确定是否重新训练产品匹配模型，有利于及时发现产品匹配模型性能下降的情况，有利于提高产品匹配模型的可靠性。

实施例三

图3是本申请实施例三提供的需求数据处理装置的结构示意图，本实施例可适用于对用户需求数据进行处理，将用户需求关联到产品功能的情况。所述装置可由软件和/或硬件实现，并可集成于智能终端等电子设备中。

如图3所示，该装置可以包括：需求特征确定模块310和目标产品确定模块320。

需求特征确定模块310，用于获取待处理的用户需求数据，并对所述用户需求数据进行语义识别得到需求描述特征；

目标产品确定模块320，用于将所述需求描述特征输入产品匹配模型，通过所述产品匹配模型从候选产品中为所述用户需求数据确定目标产品；

其中，所述产品匹配模型基于用户需求数据与产品功能数据预先训练得到；所述目标产品的功能描述特征与所述需求描述特征相匹配；所述功能描述特征通过对产品功能数据进行语义识别得到。

本申请实施例的技术方案，通过对待处理的用户需求数据进行语义识别,得到需求描述特征，将需求描述特征输入产品匹配模型，通过产品匹配模型从候选产品中为用户需求数据确定目标产品，实现了将用户需求自动关联到产品功能，提高了需求处理的自动化程度，提高了需求处理效率，降低了需求处理成本。

可选的，所述产品匹配模型通过如下方式训练得到：获取已有产品的用户需求数据以及产品功能数据；分别对所述用户需求数据和所述产品功能数据进行语义识别，得到需求描述特征和所述功能描述特征；根据所述需求描述特征确定所述产品匹配模型的样本数据，并根据所述功能描述特征确定所述样本数据的标签数据；基于所述样本数据和所述标签数据确定所述产品匹配模型的训练样本，利用所述训练样本对所述产品匹配模型进行有监督训练。

可选的，需求特征确定模块310，包括：分词处理子模块，用于对所述用户需求数据进行分词处理，得到需求描述序列；向量化子模块，用于将所述需求描述序列输入预先训练的语义分析模型，通过所述语义分析模型对所述需求描述序列进行向量化得到需求描述特征。

可选的，目标产品确定模块320，包括：匹配置信度确定子模块，用于将所述需求描述特征输入产品匹配模型，通过所述产品匹配模型确定候选产品的匹配置信度；目标产品确定子模块，用于根据所述匹配置信度，从所述候选产品中确定目标产品。

可选的，所述装置还包括：功能数据获取模块，用于在通过所述产品匹配模型从候选产品中为所述用户需求数据确定目标产品之后，根据所述目标产品的产品标识，获取所述目标产品的产品功能数据；性能指标确定模块，用于将所述待处理的用户需求数据与所述产品功能数据进行匹配，根据匹配结果确定所述产品匹配模型的性能指标。

可选的，所述装置还包括：产品数据确定模块，用于在通过所述产品匹配模型从候选产品中为所述用户需求数据确定目标产品之后，确定所述目标产品对应的产品功能数据；语义识别模块，用于对所述目标产品对应的产品功能数据进行语义识别得到功能描述特征；样本更新模块，用于基于所述需求描述特征和所述目标产品对应的功能描述特征构建新的训练样本，基于所述新的训练样本对所述产品匹配模型的训练样本进行更新。

可选的，所述装置还包括：指标监控模块，用于在根据匹配结果确定所述产品匹配模型的性能指标之后对所述产品匹配模型的性能指标进行监控；模型重训模块，用于若所述性能指标低于预设阈值，则对所述产品匹配模型进行重新训练。

发明实施例所提供的需求数据处理装置可执行本申请任意实施例所提供的需求数据处理方法，具备执行需求数据处理方法相应的性能模块和有益效果。

本公开的技术方案中，所涉及的用户信息的收集、存储、使用、加工、传输、提供和公开等，均符合相关法律法规的规定，且不违背公序良俗。

实施例四

图4示出了可以用来实施的实施例的电子设备410的结构示意图。电子设备410包括至少一个处理器411，以及与至少一个处理器411通信连接的存储器，如只读存储器(ROM)412、随机访问存储器(RAM)413等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器411可以根据存储在只读存储器(ROM)412中的计算机程序或者从存储单元418加载到随机访问存储器(RAM)413中的计算机程序，来执行各种适当的动作和处理。在RAM413中，还可存储电子设备410操作所需的各种程序和数据。处理器411、ROM 412以及RAM413通过总线414彼此相连。输入/输出(I/O)接口415也连接至总线414。

电子设备410中的多个部件连接至I/O接口415，包括：输入单元416，例如键盘、鼠标等；输出单元417，例如各种类型的显示器、扬声器等；存储单元418，例如磁盘、光盘等；以及通信单元419，例如网卡、调制解调器、无线通信收发机等。通信单元419允许电子设备410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。

处理器411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。处理器411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处理器、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。处理器411执行上文所描述的各个方法和处理，例如需求数据处理方法。

在一些实施例中，需求数据处理方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元418。在一些实施例中，计算机程序的部分或者全部可以经由ROM 412和/或通信单元419而被载入和/或安装到电子设备410上。当计算机程序加载到RAM 413并由处理器411执行时，可以执行上文描述的需求数据处理方法的一个或多个步骤。备选地，在其他实施例中，处理器411可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行需求数据处理方法。

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)、复杂可编程逻辑设备(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。

用于实施本申请的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。

在本申请的上下文中，计算机可读存储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计算机程序。计算机可读存储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。备选地，计算机可读存储介质可以是机器可读信号介质。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，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：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电子设备。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，作为数据处理服务器)、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)、区块链网络和互联网。

计算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，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

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，本申请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，只要能够实现本申请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，并不构成对本申请保护范围的限制。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。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。