基于多任务的数据分析方法、装置及终端设备

技术领域

本申请属于人工智能技术领域，尤其涉及基于多任务的数据分析方法、装置及终端设备。

背景技术

现有的处理模型在进行数据分析和结果输出时，为了提高输出结果的准确性，往往会开启多个并行分析任务，由各个分析任务独立对待处理数据进行分析并得到对应的分析结果后，再由处理模型对所有分析结果进行综合分析，并选取出其中一个最优结果作为最终的输出结果。

多分析任务并行数据分析虽然可以提高最终输出结果的准确性，但各个分析任务的分析原理、依赖的资源以及数据传输情况等因素的不同，会直接导致最终各个分析任务耗时存在较大差异，从而使得处理模型的数据分析耗时较长，效率较低。

发明内容

有鉴于此，本申请实施例提供了基于多任务的数据分析方法、装置及终端设备，可以解决人工智能领域中，处理模型进行多分析任务数据分析时耗时长效率较低的问题。

本申请实施例的第一方面提供了一种基于多任务的数据分析方法，包括：

在获取待处理数据后，触发多个并行的分析任务，所述分析任务用于对所述待处理数据进行分析；

获取第一分析任务生成的第一结果，并根据预设策略判断是否需要等待第二分析任务生成分析结果，其中所述第一分析任务为所述多个并行的分析任务中已生成分析结果的分析任务，所述第二分析任务为所述多个并行的分析任务中尚未生成分析结果的分析任务；

若根据预设策略判定不需要等待所述第二分析任务生成分析结果，则对所述第一结果进行优先级排序，并将优先级最高的结果作为所述待处理数据对应的输出结果。

本申请实施例会预先设置一个策略，用于评估尚未生成分析结果的分析任务是否值得被等待。在触发了多个并行分析任务之后，每次获取到分析任务生成的真实分析结果时，都会使用预设策略判断是否需要等待未生成分析结果的分析任务。若判断结果为不需要等待，此时本申请实施例会直接对真实分析结果进行优先级排序，并将其中优先级最高的真实分析结果作为最终输出结果。在本申请实施例中，可以根据预设策略来选择性地舍弃对一些分析任务的等待，从而减少了对并行任务等待的总时长，提高了多分析任务进行数据分析时的数据分析效率。

在第一方面的第一种可能的实现方式中，所述预设策略判断是否需要等待所述第二分析任务生成分析结果的过程，包括：

若所述第二分析任务中不包含第三分析任务，则判定为不需要等待所述第二分析任务生成分析结果，其中，所述第三分析任务是所述第二分析任务中未带有预设标签的分析任务，所述预设标签为对所述第二分析任务进行结果预测后，当所述第二分析任务对应的预测结果的优先级低于至少一个所述第一结果的优先级时，对该第二分析任务添加的标签。

本申请实施例可以实现对未生成分析结果是否需要舍弃的自动识别，并确定出无需等待的情况，进而极大地减少了对舍弃任务的等待时长，提高了数据分析的效率。

在第一方面的第二种可能的实现方式中，所述预设策略判断是否需要等待所述第二分析任务生成分析结果的过程，包括：

获取对所述第二分析任务进行结果预测得到的第二结果；

对所述第二结果和所述第一结果进行优先级排序，得到对应的排序结果；

若所述排序结果中优先级最高的结果为所述第一结果，则判定为不需要等待所述第二分析任务生成分析结果。

本申请实施例可以在真实结果为最高优先级结果时，直接结束对剩余分析任务的等待，极大地缩短了等待耗时。

在第一方面的上述各种可能的实现方式基础上，在第一方面的第三种可能的实现方式中，所述预测结果和所述第二结果，均为所述第二分析任务对应的所有分析结果中优先级最高的分析结果。

本申请实施例中，将优先级最高的分析结果作为预测结果，可以保证对舍弃任务筛选的准确可靠。

在第一方面的第一种可能的实现方式基础上，在第一方面的第四种可能的实现方式中，所述获取第一分析任务生成的第一结果，并根据预设策略判断是否需要等待第二分析任务生成分析结果，包括：

若获取到所述第一分析任务生成的所述第一结果，且生成所述第一结果的所述第一分析任务未带有所述预设标签，则执行所述根据预设策略判断是否需要等待第二分析任务生成分析结果的操作。

本申请实施例通过仅对非舍弃任务进行响应，触发预设策略，可以减少对终端设备处理器资源的占用。

在第一方面的第一种可能的实现方式基础上，在第一方面的第五种可能的实现方式中，还包括：

若所述第二分析任务对应的所述预测结果的优先级低于至少一个所述第一结果的优先级，向该第二分析任务发送终止指令，所述终止指令用于指示分析任务停止对所述待处理数据的分析。

在本申请实施例中，通过向筛选出的舍弃任务发送终止指令，使得舍弃任务不会返回任何分析结果，进而使得终端设备无需对舍弃任务对应的分析结果进行处理，可以减少对终端设备处理器资源的占用。

在第一方面的上述各种可能的实现方式基础上，在第一方面的第六种可能的实现方式中，所述对所述第二结果和所述第一结果进行优先级排序，包括：

对所述第二结果和由第四分析任务生成的所述第一结果进行优先级排序，其中所述第四分析任务为所述第一分析任务中未带有所述预设标签的分析任务。

在本申请实施例中，仅对预测结果和非舍弃任务生成的真实结果进行优先级排序，可以减少对终端设备处理器资源的占用。

在第一方面的上述各种可能的实现方式基础上，在第一方面的第七种可能的实现方式中，所述对所述第一结果进行优先级排序，并将优先级最高的结果作为所述待处理数据对应的输出结果，包括：

对第四分析任务生成的所述第一结果进行优先级排序，并将优先级最高的结果作为所述待处理数据对应的输出结果，其中所述第四分析任务为所述第一分析任务中未带有所述预设标签的分析任务。

在本申请实施例中，仅对非舍弃任务生成的真实结果进行优先级排序，并进行输出结果筛选，可以减少对终端设备处理器资源的占用。

本申请实施例的第二方面提供了一种基于多任务的数据分析方法，包括：

在获取待处理数据后，触发并行的至少一个第一分析任务和至少一个第二分析任务，所述第一分析任务和所述第二分析任务均用于对所述待处理数据进行分析；

若获取到所有所述第一分析任务生成的第一结果，获取第三分析任务生成的第二结果，并根据预设策略判断是否需要等待第四分析任务生成分析结果，其中第三分析任务为所述至少一个第二分析任务中已生成分析结果的分析任务，所述第四分析任务为所述至少一个第二分析任务中尚未生成分析结果的分析任务；

若根据预设策略判定不需要等待所述第四分析任务生成分析结果，则对所述第一结果和所述第二结果进行优先级排序，并将优先级最高的结果作为所述待处理数据对应的输出结果。

本申请实施例会预先设置一个策略，用于评估尚未生成分析结果的分析任务是否值得被等待。同时为了防止重要程度较高的分析任务被舍弃，以及给终端设备带来过多的工作负荷，本申请实施例会将分析任务划分为必须要等待的第一分析任务，以及需要根据预设策略判断是否等待的第二分析任务。触发了多个并行第一分析任务和第二分析任务之后，在每次获取到第二分析任务生成的真实分析结果时，本申请实施例都会使用预设策略判断是否需要等待未生成分析结果的第二分析任务。若判断结果为不需要等待，此时本申请实施例会直接对真实分析结果进行优先级排序，并将其中优先级最高的真实分析结果作为最终输出结果。因此，本申请实施例可以根据预设策略来选择性地舍弃对一些分析任务的等待，从而减少了对并行任务等待的总时长，提高了多分析任务进行数据分析时的数据分析效率。

在第二方面的第一种可能的实现方式中，所述预设策略判断是否需要等待所述第四分析任务生成分析结果的过程，包括：

若所述第四分析任务中不包含第五分析任务，则判定为不需要等待所述第四分析任务生成分析结果，其中，所述第五分析任务是所述第四分析任务中未带有预设标签的分析任务，所述预设标签为对所述第四分析任务进行结果预测后，当所述第四分析任务对应的预测结果的优先级低于至少一个所述第一结果或者所述第二结果的优先级时，对该第四分析任务添加的标签。

本申请实施例可以实现对未生成分析结果是否需要舍弃的自动识别，并确定出无需等待的情况，进而极大地减少了对舍弃任务的等待时长，提高了数据分析的效率。

在第二方面的第二种可能的实现方式中，所述预设策略判断是否需要等待所述第四分析任务生成分析结果的过程，包括：

获取对所述第四分析任务进行结果预测得到的第三结果；

对所述第一结果、所述第二结果和所述第三结果进行优先级排序，得到对应的排序结果；

若所述排序结果中优先级最高的结果为所述第一结果或所述第二结果，则判定为不需要等待所述第二分析任务生成分析结果。

本申请实施例可以在真实结果为最高优先级结果时，直接结束对剩余分析任务的等待，极大地缩短了等待耗时。

在第二方面的上述各种可能的实现方式基础上，在第二方面的第三种可能的实现方式中，所述预测结果和所述第三结果，均为所述第四分析任务对应的所有分析结果中优先级最高的分析结果。

本申请实施例中，将优先级最高的分析结果作为预测结果，可以保证对舍弃任务筛选的准确可靠。

在第二方面的第一种可能的实现方式基础上，在第二方面的第四种可能的实现方式中，获取第三分析任务生成的第二结果，并根据预设策略判断是否需要等待第四分析任务生成分析结果，包括：

若获取到所述第三分析任务生成的所述第二结果，且生成所述第二结果的所述第三分析任务未带有所述预设标签，则执行所述根据预设策略判断是否需要等待第四分析任务生成分析结果的操作。

本申请实施例通过仅对非舍弃任务进行响应，触发预设策略，可以减少对终端设备处理器资源的占用。

在第二方面的第一种可能的实现方式基础上，在第二方面的第五种可能的实现方式中，还包括：

若所述第四分析任务对应的预测结果的优先级低于至少一个所述第一结果或者所述第二结果的优先级，向该第四分析任务发送终止指令，所述终止指令用于指示分析任务停止对所述待处理数据的分析。

在本申请实施例中，通过向筛选出的舍弃任务发送终止指令，使得舍弃任务不会返回任何分析结果，进而使得终端设备无需对舍弃任务对应的分析结果进行处理，可以减少对终端设备处理器资源的占用。

在第二方面的上述各种可能的实现方式基础上，在第二方面的第六种可能的实现方式中，所述对所述第一结果、所述第二结果和所述第三结果进行优先级排序，包括：

对所述第一结果、所述第三结果以及由第六分析任务生成的所述第二结果进行优先级排序，其中所述第六任务为所述第三分析任务中未带有所述预设标签的分析任务。

在本申请实施例中，仅对预测结果和非舍弃任务生成的真实结果进行优先级排序，可以减少对终端设备处理器资源的占用。

在第二方面的上述各种可能的实现方式基础上，在第二方面的第七种可能的实现方式中，所述对所述第一结果和所述第二结果进行优先级排序，并将优先级最高的结果作为所述待处理数据对应的输出结果，包括：

对所述第一结果和由第六分析任务生成的所述第二结果进行优先级排序，并将优先级最高的结果作为所述待处理数据对应的输出结果，其中所述第六任务为所述第三分析任务中未带有所述预设标签的分析任务。

在本申请实施例中，仅对非舍弃任务生成的真实结果进行优先级排序，并进行输出结果筛选，可以减少对终端设备处理器资源的占用。

本申请实施例的第三方面提供了一种基于多任务的数据分析装置，包括：

任务触发模块，用于在获取待处理数据后，触发多个并行的分析任务，分析任务用于对待处理数据进行分析；

等待判断模块，用于获取第一分析任务生成的第一结果，并根据预设策略判断是否需要等待第二分析任务生成分析结果，其中第一分析任务为多个并行的分析任务中已生成分析结果的分析任务，第二分析任务为多个并行的分析任务中尚未生成分析结果的分析任务；

结果确定模块，用于若根据预设策略判定不需要等待第二分析任务生成分析结果，则对第一结果进行优先级排序，并将优先级最高的结果作为待处理数据对应的输出结果。

本申请实施例的第四方面提供了一种基于多任务的数据分析装置，包括：

任务触发模块，用于在获取待处理数据后，触发并行的至少一个第一分析任务和至少一个第二分析任务，第一分析任务和第二分析任务均用于对待处理数据进行分析；

等待判断模块，用于若获取到所有第一分析任务生成的第一结果，获取第三分析任务生成的第二结果，并根据预设策略判断是否需要等待第四分析任务生成分析结果，其中第三分析任务为至少一个第二分析任务中已生成分析结果的分析任务，第四分析任务为至少一个第二分析任务中尚未生成分析结果的分析任务；

结果确定模块，用于若根据预设策略判定不需要等待第四分析任务生成分析结果，则对第一结果和第二结果进行优先级排序，并将优先级最高的结果作为待处理数据对应的输出结果。

本申请实施例的第五方面提供了一种终端设备，所述终端设备包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面或第二方面中任一项所述基于多任务的数据分析方法的步骤。

本申请实施例的第六方面提供了一种计算机可读存储介质，包括：存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述第一方面或第二方面中任一项所述基于多任务的数据分析方法的步骤。

本申请实施例第七方面提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面或第二方面中任一项所述基于多任务的数据分析方法。

可以理解的是，上述第二方面至第七方面的有益效果可以参见上述第一方面或第二方面中的相关描述，在此不再赘述。

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性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请一实施例提供的基于多任务的数据分析方法的实现流程示意图；

图2是本申请一实施例提供的基于多任务的数据分析方法的实现流程示意图；

图3是本申请一实施例提供的基于多任务的数据分析方法的实现流程示意图；

图4是本申请一实施例提供的基于多任务的数据分析方法的实现流程示意图；

图5是本申请一实施例提供的基于多任务的数据分析方法的实现流程示意图；

图6是本申请一实施例提供的基于多任务的数据分析方法的实现流程示意图；

图7是本申请一实施例提供的基于多任务的数据分析方法的实现流程示意图；

图8是本申请一实施例提供的应用场景示意图；

图9是本申请一实施例提供的基于多任务的数据分析装置的结构示意图；

图10是本申请一实施例提供的基于多任务的数据分析装置的结构示意图；

图11是本申请实施例提供的终端设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。

为了便于理解本申请，此处先对本申请实施例进行简要说明：

现有的处理模型在进行多任务的并行数据分析时，都是先等待所有的并行分析任务均生成对应的分析结果，再对所有的分析结果统一进行优先级排序，最后将其中优先级最高的分析结果作为最终的输出结果。例如，在用于人机对话的处理模型中。当获取到用户对话内容时，会将该对话内容作为待处理数据同步开启多个对话分析任务，并会在获取到所有对话分析任务的分析结果之后进行分析结果优先级排序，最后将优先级最高的分析结果作为输出结果进行用户对话响应的后续分析。

现有的多分析任务并行数据分析虽然可以提高最终输出结果的准确性，但实际应用中发现，由于并行分析任务的分析原理、依赖的资源以及数据传输情况等因素可能会存在一定的差异，从而使得不同的分析任务之间最终生成分析结果的耗时也会存在一定的差异。例如，当多分析任务中既有由终端设备自身负责的分析任务又有由第三方设备负责的分析任务时。对于第三方设备负责的分析任务而言，其耗时较长的两部分为：数据网络传输耗时以及数据分析耗时。而实际应用中发现，在大部分情况下数据网络传输耗时都会大于实际的数据分析耗时，因此实际情况中由第三方设备负责的分析任务耗时往往会大于由终端设备自身负责的分析任务耗时。对于处理模型而言，其进行数据分析的总时长等于最长的分析任务耗时，因此现有的多分析任务并行数据分析方法会直接导致处理模型的数据分析耗时较长，效率较低。

虽然多分析任务并行数据分析可以提高最终输出结果的准确性，但实际应用中发现，一方面，每个分析任务对提升最终输出结果准确性的帮助还是会存在一定的差异。在不同场景下，这个差异既可能体现在分析任务本身的重要性，也可能体现在分析任务生成的分析结果对最终输出结果的影响程度。对于对提升最终输出结果准确性的帮助较弱甚至没有帮助的分析任务，若持续等待这些分析任务，实际意义较小且会极大地增加任务等待耗时，因此这些分析任务的等待价值较小。另一方面，对于很多场景而言，处理模型最终输出结果的准确性和实时性(即数据分析的耗时)都是非常重要两个性能指标指标。例如在一些实时人机对话的场景之中，若不能及时应答用户对话，即使最终应答结果非常准确，此时也失去了意义。因此在这些实时性要求较高场景之中，为了满足缩短等待耗时以实时性的需求，一些耗时较长的分析任务以及一些对提升最终输出结果准确性的帮助较弱的任务，都是等待价值较小的任务。正是基于上述原理，本申请实施例会预先设置一个策略，用于评估尚未生成分析结果的分析任务是否值得被等待。触发了多个并行分析任务之后，在每次获取到分析任务生成的真实分析结果时，本申请实施例都会使用预设策略判断是否需要等待未生成分析结果的分析任务。若判断结果为不需要等待，此时本申请实施例会直接对真实分析结果进行优先级排序，并将其中优先级最高的真实分析结果作为最终输出结果。因此，本申请实施例可以根据预设策略来选择性地舍弃对一些分析任务的等待，从而减少了对并行任务等待的总时长，提高了多分析任务进行数据分析时数据分析的效率。

同时，本申请实施例中基于多任务的数据分析方法的执行主体为，安装有处理模型，且可以实现本申请实施例中的多并行分析任务触发和分析结果输出等操作的终端设备。其中，终端设备的具体设备类型此处不予限定，需根据实际的应用场景确定，如可以为移动终端、电脑和服务器等设备。

图1示出了本申请实施例一提供的基于多任务的数据分析方法的实现流程图，详述如下：

S101，在获取待处理数据后，触发多个并行的分析任务，分析任务用于对待处理数据进行分析。

其中，待处理数据的数据内容和数据类型等情况需根据实际应用场景确定，此处不予限定。例如当将本申请实施例应用至人机对话的场景中，以实现对用户对话内容的响应时，此时待处理数据可以是用户对话内容，如用户提问的“今天天气怎么样”。又例如将本申请实施例应用至用户商品推送，以实现对用户喜爱商品的个性化推送时，此时待处理数据就可以是用户的个人信息和一些历史消费记录等，如用户的性别、年龄和近半年的历史购买记录。

同时在不同应用场景之下，实际所需使用到的分析任务种类和数量也可能存在一定的差异，具体可由技术人员根据实际需求选取或设定，此处不予限定。例如，在人机对话的场景之中，理论上分析任务数量和最终分析结果的准确度之间为正相关关系，因此技术人员可以根据不同的准确度需求，设置不同数量的并行分析任务。同时，分析任务的分析原理不同，使得不同分析任务之间各自擅长的分析角度可能会存在一定的差异，如有些分析任务擅长连续对话分析，有些分析任务则擅长单次对话分析。因此为了提升分析结果的全面性，进而提升最终输出结果的准确度，技术人员同样可以根据实际场景需求设置实际触发的分析任务种类。

另外，在不同的应用场景之下，分析任务的执行方可能会存在一定的差异，使得对应的分析任务触发方式和分析结果的获取操作也可能会存在一定的差异。例如，对于终端设备自身负责的分析任务而言，其执行方就是终端设备自身。对应的，此时触发分析任务就是指终端设备自身开始执行对应的分析任务，获取操作就是指获取终端设备自身生成的分析结果。而对于一些由第三方设备负责的分析任务而言，其执行方就是第三方设备。对应的，此时触发分析任务就是指将待处理数据发生给对应的第三方设备，以告知第三方设备对接收到的待处理数据进行分析，获取操作就是指接收第三方设备返回的分析结果。因此，本申请实施例不对具体的分析任务触发方式进行限定，需根据实际的分析任务情况确定。

在上述说明的基础上，本申请实施例在获取到待处理数据时，会触发对应的多个并行分析任务，以使得各个分析任务独立对待处理数据进行数据分析。

S102，获取第一分析任务生成的第一结果，并根据预设策略判断是否需要等待第二分析任务生成分析结果，其中第一分析任务为多个并行的分析任务中已生成分析结果的分析任务，第二分析任务为多个并行的分析任务中尚未生成分析结果的分析任务。

在本申请实施例中，将所有已生成分析结果的分析任务统一命名为第一分析任务，并将所有还未生成分析结果的分析任务统一命名为第二分析任务。第一结果即为已生成的真实分析结果(以下简称真实结果)。由上述说明可知，实际应用中，不同的分析任务其对应等待的价值可能会存在较大的差异。为了减少分析任务等待的总时长提升数据分析的效率，本申请实施例会预先设置一个可以评估未生成分析结果的分析任务是否具有被等待价值的策略。在此基础上，每次获取到新的真实结果时，本申请实施例都会利用该预设策略来对未生成分析结果的分析任务进行分析评估，判断是否需要继续等待这些分析任务生成分析结果。其中，预设策略具体使用的分析方法此处不予限定，可由技术人员自行选取或设定。

在一些可选实施例中，为了满足高实时性要求的场景需求，可以设置一个最长等待时长。将预设策略设置为判断当前已等待的总时长是否达到该最长等待时长；若达到，则判定为不需要等待未生成分析结果的分析任务；若未达到则判定为继续等待未生成分析结果的分析任务。

在另一些可选实施例中，也可以预先设置一个比例阈值，并将预设策略设置为计算已生成分析结果的分析任务总数与触发的总分析任务数的比值，再判断该比值与比例阈值的大小关系；若该比值小于比例阈值，继续等待未生成分析结果的分析任务；若该比值大于或等于比例阈值，则判定不需要等待未生成分析结果的分析任务。

在又一些可选实施例中，亦可以设置为对各个未生成分析结果的分析任务进行对最终输出结果重要程度的分析评估。在各个未生成分析结果的分析任务重要程度均较低的时候，判定为不需要等待未生成分析结果的分析任务；在存在重要程度较高的未生成分析结果的分析任务的时候，则判定为继续等待未生成分析结果的分析任务。例如，可以先对未生成分析结果的分析任务进行结果预测，以得到其最有可能输出的分析结果。再将预测的分析结果与真实结果进行优先级比较，评估是否会对最终输出结果造成影响，以判断这些未生成分析结果的分析任务的重要程度。或者也可以预先对各个分析任务进行重要程度的标记，再直接读取各个未生成分析结果的分析任务的重要程度即可。

同时，根据分析任务执行方的不同，本申请实施例中“获取到新的真实结果”，并执行预设策略的情况可以分为两种：

情况a、对于终端设备自身执行的分析任务而言，此时获取到新的真实结果，就是指终端设备自身完成了分析任务并生成了新的真实结果。

情况b、对于第三方设备执行的分析任务，此时获取到新的真实结果，就是在第三方设备生成新的真实结果并发送给终端设备后，由终端设备接收到第三方设备发送的新的真实结果。

S103，若根据预设策略判定不需要等待第二分析任务生成分析结果，则对第一结果进行优先级排序，并将优先级最高的结果作为待处理数据对应的输出结果。

当预设策略最终判定结果为无需等待未生成分析结果的分析任务时，本申请实施例会直接对已有的真实结果进行优先级排序，并将其中优先级最高的结果作为待处理数据对应的最终输出结果。

其中应当说明地，本申请实施例是运行于处理模型之中的方法流程，考虑到实际应用中分析结果优先级排序可能非常复杂，特别是一些实时性较强的场景之中，优先级高低本身就是实时变动的。例如在对用户的商品推荐场景中，用户对商品的喜好本身就是会发生变化的，因此各个商品对应的优先级高低本身就是实时变动的。为了应对这些场景下的优先级排序需求，实际应用中往往会设置一个独立的排序模型或功能模块来进行分析结果的优先级排序操作。因此本申请实施例不对分析结果的排序方式进行限定，包括但不限于如：由处理模型在进行数据分析时直接进行排序，或者处理模型与独立的排序模型或功能模块进行协作，由处理模型将第一结果输出至该排序模型或功能模块进行优先级排序，并返回给处理模型。

同时应当说明地，本申请实施例中输出结果的输出对象需根据实际应用情况确定，以满足实际应用需求，包括但不限于如：1、处理模型自身的其他功能模块或者处理层。2、与处理模型协作的其他模型。3、除作为执行主体的终端设备以外的其他设备。4、直接由终端设备向用户进行输出，例如进行语音播报。

虽然多分析任务并行数据分析可以提高最终输出结果的准确性，但实际应用中发现，一方面，每个分析任务对提升最终输出结果准确性的帮助还是会存在一定的差异。在不同场景下，这个差异既可能体现在分析任务本身的重要性，也可能体现在分析任务生成的分析结果对最终输出结果的影响程度。对于对提升最终输出结果准确性的帮助较弱甚至没有帮助的分析任务，若持续等待这些分析任务，实际意义较小且会极大地增加任务等待耗时，因此这些分析任务的等待价值较小。另一方面，对于很多场景而言，处理模型最终输出结果的准确性和实时性(即数据分析的耗时)都是非常重要两个性能指标指标。例如在一些实时人机对话的场景之中，若不能及时应答用户对话，即使最终应答结果非常准确，此时也失去了意义。因此在这些实时性要求较高场景之中，为了满足缩短等待耗时以实时性的需求，一些耗时较长的分析任务以及一些对提升最终输出结果准确性的帮助较弱的任务，都是等待价值较小的任务。正是基于上述原理，本申请实施例会预先设置一个策略，用于评估尚未生成分析结果的分析任务是否值得被等待。触发了多个并行分析任务之后，在每次获取到分析任务生成的真实分析结果时，本申请实施例都会使用预设策略判断是否需要等待未生成分析结果的分析任务。若判断结果为不需要等待，此时本申请实施例会直接对真实分析结果进行优先级排序，并将其中优先级最高的真实分析结果作为最终输出结果。因此，本申请实施例可以根据预设策略来选择性地舍弃对一些分析任务的等待，从而减少了对并行任务等待的总时长，提高了多分析任务进行数据分析时数据分析的效率。

作为图1所示实施例中预设策略进行判断的一种具体实现方式，如图2所示，在本申请实施例中，基于多任务的数据分析方法具体包括：

S101，在获取待处理数据后，触发多个并行的分析任务，分析任务用于对待处理数据进行分析。

此处可参考图1所示实施例中对S101的说明，不予赘述。

S201，获取第一分析任务生成的第一结果，并获取对第二分析任务进行结果预测得到的第二结果。

其中，对“获取第一分析任务生成的第一结果”的说明，可参考图1所示实施例中对S102的相关说明，此处不予赘述。第二结果即为对未生成分析结果的分析任务最终生成的分析结果进行预测后，得到的预测分析结果(以下简称预测结果)。

实际情况中，多任务数据分析仅会选取一个优先级最高的分析结果作为最终输出结果，虽然每个分析任务可能生成的分析结果可能有很多，但最终也只会生成一个确定的分析结果来参与最终输出结果的优先级排序。在此基础上，在终端设备已获取到一个或多个真实结果的情况下，对于单个未生成分析结果的分析任务而言，其可能会存在两种情况：

情况1、该分析任务最终生成的分析结果的优先级高于已有的所有真实结果，此时说明该分析任务有可能会影响最终输出结果。

情况2、该分析任务最终生成的分析结果的优先级不高于已有的所有真实结果，即存在优先级更高的真实结果，此时该分析任务不会影响最终输出结果。

当分析任务属于情况2时，说明在已有的真实结果的基础上，无论是否等待该分析任务的分析结果，都不会对最终的输出结果造成影响。正是基于这一原理，为了减少总的任务等待耗时，在每次有分析任务生成真实结果时，本申请实施例会根据预设策略来对各个未生成分析结果的分析任务进行结果预测，以作为后续判断是否需要等待分析任务的参考数据。其中，本申请实施例不对结果预测的方法进行限定，可由技术人员根据实际需求来进行选取或者设定。

作为本申请的一个可选实施例，为了保障预测结果的可信度，在本申请实施例中结果预测方法包含两种可选的类型：

类型a、对分析任务对应的所有可能分析结果进行优先级排序，并将其中优先级最高的分析结果作为预测结果。

此时对于单个分析任务而言，生成的预测结果就是其自身所有可能的分析结果进行优先级排序后，选取出的优先级最高的分析结果。此处的优先级排序规则与对分析结果进行最终优先级排序的规则相同，以保障预测结果的可靠性。

类型b、对分析任务进行分析，将其最可能生成的分析结果作为预测结果。

此时对于单个分析任务而言，生成的预测结果就是该分析任务此次数据分析中最有可能输出的分析结果。其中最可能生成结果的具体分析方法此处不予限定，可由技术人员自行选取或设定。例如在一些实施例中，可以根据分析任务历史生成分析结果的记录来进行分析预测。在另一些实施例中，也可以根据与分析任务相似的其他任务的历史生成分析结果记录来进行分析预测。

在本申请实施例中，可以选取上述任意一种类型的方法作为实际使用的结果预测方法。

S202，对第二结果和第一结果进行优先级排序，得到对应的排序结果。

在获取到所有未生成分析结果的分析任务对应的预测结果之后，本申请实施例会将这些预测结果和已有的所有真实结果进行一同进行优先级排序，得到各个预测结果和真实结果分别对应的优先级数据。

对应于S201中的两种可能情况，本申请实施例中预测结果和已有真实结果的优先级之间，也会存在两种情况：

情况1'：存在预测结果的优先级高于所有真实结果，此时亦可以分为两种细化的子情况：

a、每个预测结果优先级都高于所有真实结果。例如假设共有6个分析结果，其对应的优先级从高到低依次为：预测结果A、预测结果B、预测结果C、真实结果D、真实结果E和真实结果F。此时说明，在已有的真实结果的基础上，每个未生成分析结果的分析任务都有可能会影响最终的输出结果。

b、存在部分预测结果优先级高于所有真实结果，同时部分预测结果优先级低于一个或多个真实结果。例如假设共有6个分析结果，其对应的优先级从高到低依次为：预测结果A、真实结果D、预测结果B、真实结果E、真实结果F和预测结果C。此时对于优先级高于所有真实结果的预测结果，例如上例中的预测结果A，其对应的分析任务最终生成的分析结果是有可能会影响最终的输出结果的。而对于优先级低于一个或多个真实结果的预测结果而言，如上例中的预测结果B和预测结果C，由于有优先级更高的真实结果，因此其对应的分析任务最终生成的分析结果优先级较低，在已有的真实结果的基础上，这些分析任务是无法影响最终的输出结果。

情况2'：不存在预测结果的优先级高于所有真实结果，即排序结果中优先级最高的分析结果是一个真实结果。参考上述子情况b，此时对于各个预测结果而言，均存在优先级更高的真实结果，因此各个预测结果对应的分析任务，其最终生成的分析结果的优先级不会是最高的，即不会影响最终的输出结果。

为了应对上述情况2'，作为本申请的一个实施例，在S202得到排序结果之后，本申请实施例包括：

S206，若排序结果中优先级最高的结果为第一结果，则判定为不需要等待第二分析任务生成分析结果。将优先级最高的结果作为待处理数据对应的输出结果。

由上述对情况2'的说明可知，当排序结果中优先级最高的结果为一个真实结果时，说明对于所有未生成分析结果的分析任务而言，其最终生成的分析结果的优先级都必然低于该优先级最高的真实结果，即都不会影响最终的输出结果。因此对于情况2'，本申请实施例中会直接判定为无需等待未生成分析结果的分析任务。其中应当说明地，由于S202中已经得到了对所有真实结果的排序结果，因此若将本申请实施例与图1所示实施例进行结合，此时S103可以不进行二次优先级排序，而是直接将S202中优先级最高的真实结果直接作为最终待处理数据的输出结果。

在本申请实施例中，当确定出对当前已有的真实结果和预测得到的预测结果一同排序后，优先级最高的结果为真实结果时，会直接放弃对所有未生成分析结果的分析任务的等待，并将优先级最高的真实结果直接作为最终的输出结果。相比现有技术中全分析任务的等待而言，本申请实施例通过预测结果加优先级排序筛选，可以快速确定出对最终输出结果无影响的分析任务，通过舍弃对这些分析任务的分析结果等待，可以节约大量的等待耗时，进而提高处理模型在进行多分析任务数据分析时的效率。

为了应对上述情况1'，作为本申请的一个实施例，在S202得到排序结果之后，本申请实施例包括：

S203，若排序结果中优先级最高的结果为第二结果，从第三分析任务中筛选出目标结果对应的目标任务，对目标任务添加预设标签。第三分析任务是第二分析任务中未带有预设标签的分析任务，目标结果为第二结果中优先级低于至少一个第一结果的优先级的结果。

由上述对情况1'的说明可知，当优先级最高的结果为预测结果时，一方面说明未生成分析结果的分析任务之中，存在可能影响最终输出结果的分析任务。另一方面由上述对情况1'中子情况b的说明可知，若有预测结果优先级低于一个或多个真实结果，说明未生成分析结果的分析任务之中，存在一些不会影响最终输出结果可以直接舍弃等待的分析任务(以下简称舍弃任务)。在本申请实施例中，将所有未生成分析结果的分析任务划分为舍弃任务和非舍弃任务两种，并将所有舍弃任务统一命名为第三分析任务。

由于未生成分析结果的分析任务之中存在可能影响最终输出结果的分析任务，因此理论上本申请实施例还需要继续等待这些分析任务生成实际的分析结果。但由上述分析可知，对舍弃任务的持续等待，并不会提高最终输出结果的准确性，反而会增加总的等待时长。因此为了缩短等待时长，本申请实施例中会在排序结果为情况1'时，会从未生成分析结果的分析任务之中筛选出预测结果优先级低于一个或多个真实结果优先级的目标任务(目标任务即为暂未添加预设标签的舍弃任务)，同时对这些目标任务添加一个预设标签，以帮助处理模型区分出舍弃任务和非舍弃任务，并进行对应的等待操作。其中，预设标签的具体数据类型和添加方式，此处不予限定，可由技术人员自行设定。

其中应当说明地，若实际操作中处理模型遇到的是情况1'中子情况a，此时所有的未生成分析结果的分析任务均为非舍弃任务，因此对应的S203中“从第三分析任务中筛选出目标结果对应的目标任务”的操作可以不筛选出任何目标任务。

作为S203从第三分析任务中筛选出目标任务的一种可选实施方式，本申请实施例，包括：

遍历各个第三分析任务对应的第二结果在排序结果中的位置，根据得到的位置筛选出目标结果对应的目标任务。

或者，根据排序结果从第二结果中筛选出目标结果，并从第三分析任务中筛选出目标结果对应的目标任务。

具体可由技术人员选取其中任意一种方式来进行目标任务的筛选，此处不予限定。

作为本申请的一个可选实施例，为了进一步地缩短对分析任务的等待时长，在S203的基础上，终端设备可以对优先级高于所有真实结果的预测结果对应的非舍弃任务，分配更多的处理器资源。同时，还可以设置为优先级越高分配的资源越多。通过对非舍弃任务分配更多的处理器资源进行任务处理，可以提升非舍弃任务的处理效率，进而缩短对非舍弃任务的等待时长，提高数据分析效率。

S204，若第二分析任务中不包含第三分析任务，则判定为不需要等待第二分析任务生成分析结果。

由上述说明可知，本申请实施例中触发的所有并行分析任务，可划分为已生成真实结果的分析任务，以及未生成分析结果的舍弃任务和非舍弃任务。在实现对舍弃任务的筛选和预设标签添加的基础上，本申请实施例会在S202的排序结果为上述情况1'时，查找触发的所有分析任务中是否还存在非舍弃任务。当不存在非舍弃任务时，即说明当前只剩下了已生成真实结果的分析任务以及舍弃任务，此时本申请实施例会直接判定为不需要继续等待，进而结束对舍弃任务的等待。

作为本申请的一个实施例，当多个并行分析任务中仍包含第三分析任务时，则判定为需要等待第二分析任务生成分析结果，此时只需要返回S201的操作即可。

S205，对第一结果进行优先级排序，并将优先级最高的结果作为待处理数据对应的输出结果。

在S204结束等待之后，本申请实施例会对已有的所有真实结果进行优先级排序，进而确定出优先级最高的最终输出结果。其中，具体的排序和输出原理说明可参考上述对S103的说明内容，此处不予赘述。

作为本申请的一个可选实施例，由上述说明可知舍弃任务最终是否会生成分析结果以及具体会生成什么分析结果，都不影响最终的输出结果，因此可以无需等待舍弃任务生成分析结果。但上述本申请实施例中仅仅只是对舍弃任务进行了标记，并没有影响舍弃任务本身的执行，因此理论上在后续等待非舍弃任务生成分析结果的过程中，仍有可能会获取到舍弃任务生成的真实结果。对于舍弃任务的真实结果而言，理论上无论其是否参与S202和S103中的优先级排序，都不会影响最终的输出结果。因此，在本申请实施例中，S202和S103中进行优先级排序的真实结果，既可以包含舍弃任务的真实结果也可以不包含舍弃任务的真实结果，具体可由技术人员自行设定。其中，若设置为不包含舍弃任务的真实结果，此时则需要对参与优先级排序的真实结果进行筛选，剔除其中舍弃任务对应的真实结果。

本申请实施例中，在每次有分析结果生成新的真实分析结果时，都会对未生成分析结果的分析任务进行结果预测，再将真实结果和预测结果进行同一排序，并根据排序结果来判断是否有无需等待的舍弃任务，以及是否仍需等待非舍弃任务。对于还有非舍弃任务的情况，本申请实施例会对未标记的舍弃任务进行添加预设标签以进行标记，并会持续等待非舍弃任务生成对应的分析结果。对于已经没有非舍弃任务的情况，则直接结束等待，并将真实结果中优先级最高的结果作为最终输出结果。本申请实施例可以实现对未生成分析结果是否需要舍弃的自动识别，并确定出无需等待的情况，进而极大地减少了对舍弃任务的等待时长，提高了数据分析的效率。

同时，实际应用中发现，许多场景下处理模型在进行分析任务设置的时候，都会将一些较为重要的核心任务选取在终端设备自身执行，以保证数据的安全性和稳定性，而将一些重要性较低的分析任务交由合作方的第三方设备进行处理。由于网络时延等问题，导致实际处理模型在等待分析任务时，耗时最长的往往是一些相对重要性较低的分析任务。而实践证明，通过本申请实施例中对预测结果的分析并评估对应的分析任务对最终输出结果的影响，可以有效地将由第三方设备负责的重要性较低的分析任务标记为舍弃任务，进而极大地减小等待耗时。

由图2所示实施例的说明可知，本申请实施例会根据预测结果的优先级高低筛选出对最终输出结果没有影响的舍弃任务，并放弃对舍弃任务分析结果的等待。但图2所示实施例中仅仅只是对舍弃任务进行了标记，并没有影响舍弃任务本身的执行，因此理论上在后续等待非舍弃任务生成分析结果的过程中，仍有可能会获取到舍弃任务生成的真实结果。因此图1所示实施例的S102步骤中，获取到的新的真实结果也有可能是舍弃任务生成的真实结果。

对于S102获取到舍弃任务生成的真实结果的情况。由于此时已生成的真实结果(除舍弃任务的真实结果以外)和非舍弃任务对应的预测结果情况并不会发送变化。因此即使此时直接触发预设策略，后续的结果预测和排序筛选等操作，也仍需要继续对所有的非舍弃任务进行等待，且不会对最终输出结果造成任何影响。因此，为了节约终端设备的处理器资源，参考图3，在本申请实施例中，S102中对预设策略的触发操作可以被替换为：

S301，若获取到第一分析任务生成的第一结果，且生成第一结果的第一分析任务未带有预设标签，则执行根据预设策略判断是否需要等待第二分析任务生成分析结果的操作。

在本申请实施例中，即使获取到了新生成的真实结果也不会直接进行预设策略的触发，而是会判断生成该新真实结果的分析任务是否为带有预设标签的舍弃任务。同时仅会在生成该新真实结果的分析任务不带有预设标签，即不为舍弃任务时，才触发执行后续的预设策略，从而避免了对舍弃任务生成的真实结果的响应，节约了终端设备处理器资源。

由上述实施例说明可知，图2所示实施例中仅仅只是对舍弃任务进行了标记，并没有影响舍弃任务本身的执行。因此理论上在后续等待非舍弃任务生成分析结果的过程中，仍有可能会获取到舍弃任务生成的真实结果，导致图1所示实施例和图2所示实施例可能会对舍弃任务的真实结果进行响应，从而造成终端设备的资源浪费。为了避免造成终端设备的资源浪费，在图2所示实施例的基础上，参考图4，在S203之后，本申请实施例还包括：

S401，向目标任务发送终止指令，终止指令用于指示分析任务停止对待处理数据的分析。

本申请实施例在S203筛选出需要添加预设标签的舍弃任务之后，会向这些舍弃任务发送一个终止指令，以终止这些舍弃任务。其中，由与本申请实施例中，舍弃任务的执行方既可能是终端设备自身也可能是第三方设备执行的任务，因此对应的，终止指令的发送对象和发送方式等也需要根据实际舍弃任务执行方情况确定，具体可由技术人员根据实际设定，此处不予限定。

在本申请实施例中，通过发送终止指令的方式，可以直接将每次筛选出来的舍弃任务都终止掉，使得S102中不会再获取到舍弃任务生成的真实结果，进而使得图2所示实施例中，不会出现因响应舍弃任务生成的真实结果而导致的处理器资源浪费的情况，节约了终端设备处理器资源。

由上述实施例说明可知，图2所示实施例中仅仅只是对舍弃任务进行了标记，并没有影响舍弃任务本身的执行，因此理论上在后续等待非舍弃任务生成分析结果的过程中，仍有可能会获取到舍弃任务生成的真实结果。因此，在S202进行真实结果和预测结果的优先级排序时，以及在S103在进行真实结果优先级排序时，真实结果中亦有可能存在舍弃任务生成的真实结果。由于舍弃任务生成的真实结果理论上不会对最终输出结果造成影响，因此对其进行优先级排序会造成终端设备处理器资源的浪费。为了避免终端设备处理器资源浪费，在上述各个本申请实施例的基础上，参考图5，S202的操作可以被替换为：

S501，对第二结果和由第四分析任务生成的第一结果进行优先级排序，其中第四分析任务为第一分析任务中未带有预设标签的分析任务。

在本申请实施例中，将已生成分析结果的分析任务中，所有不为舍弃任务的分析任务统一命名为第四分析任务。同时，本申请实施例在进行S202的优先级排序时，仅会对预测结果和这些不为舍弃任务的分析任务生成的真实结果进行排序，并得到对应的排序结果，从而减少了优先级排序的工作量，节约了终端设备的处理器资源。

同时，作为本申请的一个可选实施例，在上述各个本申请实施例的基础上，参考图6，对S103的操作可以被替换为：

S601，对第四分析任务生成的第一结果进行优先级排序，并将优先级最高的结果作为待处理数据对应的输出结果，其中第四分析任务为第一分析任务中未带有预设标签的分析任务。

在本申请实施例中，将已生成分析结果的分析任务中，所有不为舍弃任务的分析任务统一命名为第四分析任务。本申请实施例在进行S103的优先级排序时，仅会对这些不为舍弃任务的分析任务生成的真实结果进行排序，并将其中优先级最高的真实结果作为最终输出结果，从而减少了优先级排序的工作量，节约了终端设备的处理器资源。

图7示出了本申请实施例一提供的基于多任务的数据分析方法的实现流程图，详述如下：

S701，在获取待处理数据后，触发并行的至少一个第一分析任务和至少一个第二分析任务，第一分析任务和第二分析任务均用于对待处理数据进行分析。

其中，S701具体的操作细节和原理等，基本与图1所示实施例中S101步骤相同，因此可参考对S101的说明，此处不予赘述。

与S101的不同之处在于，考虑到实际情况中，即使同为并行的分析任务，不同分析任务之间的重要程度和数据分析耗时，也会存在较大的差异。因此，图1所示实施例中虽然可以实现对是否需要继续等待的识别，并实现等候时长的缩短，但无差别的对待每个并行分析任务，一方面，极有可能会将一些较为重要的分析任务给舍弃掉；另一方面，由于每次获取到新的真实结果时都会触发一次预设策略进行处理，这会直接导致终端设备增加大量工作负荷，特别是对于一些原本耗时就比较短分析任务而言，每次的预设策略判断实际作用较小，但会增加大量的工作负荷。

为了减小对终端设备带来的工作负荷，同时避免一些较为重要的分析任务被舍弃掉。在本申请实施例中，会预先将分析任务划分为必须要等待的第一分析任务，和需要利用预设策略进行等待判断的第二分析任务。其中，具体的划分规则此处不予限定，可由技术人员根据实际需求进行标记。例如，在一些实施例中，可由技术人员根据实际场景下各个分析任务的重要程度来进行区分，将重要程度高于某一阈值的分析任务标记为第一分析任务。同时还可以根据实际情况中各个分析任务的数据分析耗时情况，来筛选出一些耗时较短的分析任务，并一并标记为第一分析任务。

S702，若获取到所有第一分析任务生成的第一结果，获取第三分析任务生成的第二结果，并根据预设策略判断是否需要等待第四分析任务生成分析结果，其中第三分析任务为至少一个第二分析任务中已生成分析结果的分析任务，第四分析任务为至少一个第二分析任务中尚未生成分析结果的分析任务。

在本申请实施例中，将第二分析任务中，所有已生成分析结果的分析任务统一命名为第三分析任务，所有还未生成分析结果的分析任务统一命名为第四分析任务。第一结果即为第一分析任务已生成的真实分析结果(以下简称真实结果)。第二结果即为第二分析任务以生成的真实结果。

其中，S702具体的操作细节和原理等，基本与图1所示实施例中S102步骤相同，因此可参考对S102的说明，此处不予赘述。

与S102不同之处在于，本申请实施例不会在每次获取到新的分析结果时都触发预设策略，而是会先等待第一分析任务全部生成真实结果。在第一任务全部生成了真实结果的基础上，在每次获取到第二分析任务生成的分析结果时，才会触发预设策略。

S703，若根据预设策略判定不需要等待第四分析任务生成分析结果，则对第一结果和第二结果进行优先级排序，并将优先级最高的结果作为待处理数据对应的输出结果。

其中，S703具体的操作细节和原理等，基本与图1所示实施例中S103步骤相同，因此可参考对S103的说明，此处不予赘述。与S103的不同之处在于，在本申请实施例中，真实结果包含第一结果和第二结果两部分，因此在进行最终优先级排序时，需要同时对这两部分一同进行排序，以保障最终输出结果的准确性。

虽然多分析任务并行数据分析可以提高最终输出结果的准确性，但实际应用中发现，一方面，每个分析任务对提升最终输出结果准确性的帮助还是会存在一定的差异。在不同场景下，这个差异既可能体现在分析任务本身的重要性，也可能体现在分析任务生成的分析结果对最终输出结果的影响程度。对于对提升最终输出结果准确性的帮助较弱甚至没有帮助的分析任务，若持续等待这些分析任务，实际意义较小且会极大地增加任务等待耗时，因此这些分析任务的等待价值较小。另一方面，对于很多场景而言，处理模型最终输出结果的准确性和实时性(即数据分析的耗时)都是非常重要两个性能指标指标。例如在一些实时人机对话的场景之中，若不能及时应答用户对话，即使最终应答结果非常准确，此时也失去了意义。因此在这些实时性要求较高场景之中，为了满足缩短等待耗时以实时性的需求，一些耗时较长的分析任务以及一些对提升最终输出结果准确性的帮助较弱的任务，都是等待价值较小的任务。

正是基于上述原理，本申请实施例会预先设置一个策略，用于评估尚未生成分析结果的分析任务是否值得被等待。同时为了防止重要程度较高的分析任务被舍弃，以及给终端设备带来过多的工作负荷，本申请实施例会将分析任务划分为必须要等待的第一分析任务，以及需要根据预设策略判断是否等待的第二分析任务。触发了多个并行第一分析任务和第二分析任务之后，在每次获取到第二分析任务生成的真实分析结果时，本申请实施例都会使用预设策略判断是否需要等待未生成分析结果的第二分析任务。若判断结果为不需要等待，此时本申请实施例会直接对真实分析结果进行优先级排序，并将其中优先级最高的真实分析结果作为最终输出结果。因此，本申请实施例可以根据预设策略来选择性地舍弃对一些分析任务的等待，从而减少了对并行任务等待的总时长，提高了多分析任务进行数据分析时数据分析的效率。

作为图7所示实施例中预设策略进行判断的一种具体实现方式，在本申请实施例中，S702中预设策略进行判断的过程，具体包括：

获取对第四分析任务进行结果预测得到的第三结果。

对第一结果、第二结果和第三结果进行优先级排序，得到对应的排序结果。

若排序结果中优先级最高的结果为第一结果或第二结果，则判定为不需要等待第二分析任务生成分析结果。

若排序结果中优先级最高的结果为第三结果，从第五分析任务中筛选出目标结果对应的目标任务，对目标任务添加预设标签。第五分析任务是第四分析任务中未带有预设标签的分析任务，目标结果为第三结果中优先级低于至少一个第一结果或第二结果的优先级的结果。其中，第三结果即为预测结果，为第四分析任务对应的所有分析结果中优先级最高的分析结果。

若多个并行的分析任务中不包含第五分析任务，则判定为不需要等待第四分析任务生成分析结果的过程。

若多个并行的分析任务中包含第五分析任务，则判定为需要等待第四分析任务生成分析结果的过程，并返回执行702的操作。

其中，本申请实施例具体的操作细节和原理等，基本与图2所示实施例相同，因此可参考对图2所示实施例的说明，此处不予赘述。

本申请实施例中，在第一分析任务全部完成的基础上，每次第二分析任务有分析结果生成新的真实分析结果时，都会对未生成分析结果的分析任务进行结果预测，再将真实结果和预测结果进行同一排序，并根据排序结果来判断是否有无需等待的舍弃任务，以及是否仍需等待非舍弃任务。对于还有非舍弃任务的情况，本申请实施例会对未标记的舍弃任务进行添加预设标签以进行标记，并会持续等待非舍弃任务生成对应的分析结果。对于已经没有非舍弃任务的情况，则直接结束等待，并将真实结果中优先级最高的结果作为最终输出结果。本申请实施例可以实现对未生成分析结果是否需要舍弃的自动识别，并确定出无需等待的情况，进而极大地减少了对舍弃任务的等待时长，提高了数据分析的效率。

同时，实际应用中发现，许多场景下处理模型在进行分析任务设置的时候，都会将一些较为重要的核心任务选取在终端设备自身执行，以保证数据的安全性和稳定性，而将一些重要性较低的分析任务交由合作方的第三方设备进行处理。由于网络时延等问题，导致实际处理模型在等待分析任务时，耗时最长的往往是一些相对重要性较低的分析任务。而实践证明，通过本申请实施例中对预测结果的分析并评估对应的分析任务对最终输出结果的影响，可以有效地将由第三方设备负责的重要性较低的分析任务标记为舍弃任务，进而极大地减小等待耗时。

作为本申请的一个可选实施例，S702对预设策略的触发操作可以被替换为：

若获取到第三分析任务生成的第二结果，且生成第二结果的第三分析任务未带有预设标签，则执行根据预设策略判断是否需要等待第四分析任务生成分析结果的操作。

其中，本申请实施例具体的操作细节和原理等，基本与图3所示实施例相同，因此可参考对图3所示实施例的说明，此处不予赘述。

在本申请实施例中，即使获取到了新生成的真实结果也不会直接进行预设策略的触发，而是会判断生成该新真实结果的分析任务是否为带有预设标签的舍弃任务。同时仅会在生成该新真实结果的分析任务不带有预设标签，即不为舍弃任务时，才触发执行后续的预设策略，从而避免了对舍弃任务生成的真实结果的响应，节约了终端设备处理器资源。

作为本申请的一个可选实施例，在上述实施例从第五分析任务中筛选出目标结果对应的目标任务之后，本申请实施例，还包括：

向目标任务发送终止指令，终止指令用于指示目标任务停止对待处理数据的分析。

其中，本申请实施例具体的操作细节和原理等，基本与图4所示实施例相同，因此可参考对图4所示实施例的说明，此处不予赘述。

在本申请实施例中，通过发送终止指令的方式，可以直接将每次筛选出来的舍弃任务都终止掉，使得S702中不会再获取到舍弃任务生成的真实结果，进而使得图7所示实施例中，不会出现因响应舍弃任务生成的真实结果而导致的处理器资源浪费的情况，节约了终端设备处理器资源。

作为本申请的一个可选实施例，在上述实施例中，对第一结果、第二结果和第三结果进行优先级排序，得到对应的排序结果的操作，可以被替换为：

对第一结果、第三结果以及由第六分析任务生成的第二结果进行优先级排序，其中第六任务为第三分析任务中未带有预设标签的分析任务。

其中，本申请实施例具体的操作细节和原理等，基本与图5所示实施例相同，因此可参考对图5所示实施例的说明，此处不予赘述。

在本申请实施例中，将已生成分析结果的分析任务中，所有不为舍弃任务的分析任务统一命名为第四分析任务。同时，本申请实施例在进行优先级排序时，仅会对预测结果和这些不为舍弃任务的分析任务生成的真实结果进行排序，并得到对应的排序结果，从而减少了优先级排序的工作量，节约了终端设备的处理器资源。

同时，作为本申请的一个可选实施例，在上述各个本申请实施例的基础上，对S703的操作可以被替换为：

对第一结果和由第六分析任务生成的第二结果进行优先级排序，并将优先级最高的结果作为待处理数据对应的输出结果，其中第六任务为第三分析任务中未带有预设标签的分析任务。

其中，本申请实施例具体的操作细节和原理等，基本与图6所示实施例相同，因此可参考对图6所示实施例的说明，此处不予赘述。

在本申请实施例中，将已生成分析结果的分析任务中，所有不为舍弃任务的分析任务统一命名为第四分析任务。本申请实施例在进行S703的优先级排序时，仅会对这些不为舍弃任务的分析任务生成的真实结果进行排序，并将其中优先级最高的真实结果作为最终输出结果，从而减少了优先级排序的工作量，节约了终端设备的处理器资源。

作为本申请的一个具体实施例，参考图8，将上述图2所示实施例应用至人机自然语言对话模型中，以实现对用户对话内容的及时准确响应。

在本申请实施例中，假设待处理数据为用户输入的对话内容“今天天气怎么样？”，共包括：三方语言处理1、三方语言处理2、问答分析、系统技能发现、层级化分类器、技能搜索和多轮发现7个并行分析任务，用基于用户对话内容的技能发现，输出对象为人机自然语言对话模型中的后续执行层，并由执行层控制输出系统应答，完成连续会话。其中，三方语言处理1和三方语言处理2，均为由第三方设备负责的自然语言处理(Natural LanguageProcessing，NLP)任务，其余分析任务均为人机自然语言对话模型自行负责的任务。

在本申请实施例中，对用户对话内容进行响应的操作如下：

获取待处理数据，触发并行的三方语言处理1、三方语言处理2、问答分析、系统技能发现、层级化分类器、技能搜索和多轮发现。

等待分析任务生成真实结果或者接收到第三方设备返回的真实结果。

若有新的真实结果生成或者返回，对当前未生成分析结果的分析任务中不带有预设标签的非舍弃任务，进行结果预测，得到对应的预测结果。其中，结果预测的方法为：将非舍弃任务对应的所有可能分析结果进行优先级排序，并将其中优先级最高的结果作为对应的预测结果。

对所有的真实结果和预测结果进行优先级排序。

若排序结果中优先级最高的结果为真实结果，则直接将该优先级最高的真实结果作为输出结果，输出至执行层，并由执行层根据输出结果进行会话应答。

若排序结果中优先级最高的结果为预测结果，查找出优先级低于至少一个真实结果的预测结果，并通过添加预设标签的方式，将查找出的预测结果对应的非舍弃任务标记为舍弃任务。

判断当前未生成分析结果的分析任务中，是否还有不带有预设标签的非舍弃任务。

若没有非舍弃任务，则对当前已有的真实结果进行优先级排序，并将优先级最高的真实结果作为输出结果，输出至执行层，并由执行层根据输出结果进行会话应答。

若还有非舍弃任务，则返回执行等待分析任务生成真实结果或者接收到第三方设备返回的真实结果的操作。

其中，优先级排序的具体方法此处不予限定，可由技术人员根据实际选取或设定。考虑到人机自然语言对话过程中，分析结果优先级排序的情况本身就非常复杂，因此优选地可以预先设置好一个排序模块，本申请实施例在需要进行优先级排序时，只需要将待排序的分析结果输入至该排序模块即可。其中实际利用的排序方法，包括但不限于如各种机器学习排序，如Lamdda mart机器学习排序和Learning to Rank机器学习排序。

在实际应用中发现，通过本申请实施例的方法，可以节约大量的分析任务等待时长。且由于实际应用中发现，人机自然语言对话模型自身负责的问答分析、系统技能发现、层级化分类器、技能搜索和多轮发现的分析任务，其生成分析结果的速度远快于第三方设备返回分析结果的速度(第三方设备情况不可靠，且有网络时延)。同时人机自然语言对话模型自身负责的分析任务，其生成的分析结果的优先级往往更高(实际应用中倾向于将重要任务交由模型自身负责)。因此实际在将本申请实施例应用至真实的人机自然语言对话模型时，往往可以节约60％以上的等待耗时，极大地提高了人机自然语言对话模型对用户对话内容分析的效率。

同理，亦可将上述图7所示实施例及其他相关方法实施例应用至人机自然语言对话模型中，以实现对用户对话内容的及时准确响应。此时仅需要区分出必须等待的分析任务和需要根据预设策略判断是否等待的分析任务，并进行对应的区分处理即可。例如，可以将问答分析、系统技能发现、层级化分类器、技能搜索和多轮发现均划分为必须等待的第一分析任务，将三方语言处理1和三方语言处理2划分为需要根据预设策略判断是否等待的第二分析任务，并进行对应的处理即可。具体的原理说明可参考图7所示实施例、图8所示实施例及其他相关方法实施例，此处不予赘述。

对应于上文图1至图6所示实施例以及其他相关实施例的方法，图9示出了本申请实施例提供的基于多任务的数据分析装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。图9示例的基于多任务的数据分析装置可以是前述实施例一提供的基于多任务的数据分析方法的执行主体。

参照图9，该基于多任务的数据分析装置包括：

任务触发模块91，用于在获取待处理数据时，触发多个并行的分析任务，分析任务用于对待处理数据进行分析。

等待判断模块92，用于获取第一分析任务生成的第一结果，并根据预设策略判断是否需要等待第二分析任务生成分析结果，其中第一分析任务为多个并行的分析任务中已生成分析结果的分析任务，第二分析任务为多个并行的分析任务中尚未生成分析结果的分析任务。

结果确定模块93，用于若根据预设策略判定不需要等待第二分析任务生成分析结果，则对第一结果进行优先级排序，并将优先级最高的结果作为待处理数据对应的输出结果。

进一步地，等待判断模块92，包括：

判定模块，用于若所述第四分析任务中不包含第五分析任务，则判定为不需要等待所述第四分析任务生成分析结果，其中，所述第五分析任务是所述第四分析任务中未带有预设标签的分析任务，所述预设标签为对所述第四分析任务进行结果预测后，当所述第四分析任务对应的预测结果的优先级低于至少一个所述第一结果或者所述第二结果的优先级时，对该第四分析任务添加的标签。

进一步地，等待判断模块92，包括：

结果预测模块，用于获取对第二分析任务进行结果预测得到的第二结果。

排序模块，用于对第二结果和第一结果进行优先级排序，得到对应的排序结果。

判定模块，用于若排序结果中优先级最高的结果为第一结果，则判定为不需要等待第二分析任务生成分析结果。

进一步地，结果预测模块中，预测结果为第二分析任务对应的所有分析结果中优先级最高的分析结果。

进一步地，等待判断模块92，包括：

等待判断子模块，用于若获取到第一分析任务生成的第一结果，且生成第一结果的第一分析任务未带有预设标签，则执行根据预设策略判断是否需要等待第二分析任务生成分析结果的操作。

进一步地，等待判断模块92，还包括：

终止模块，若所述第二分析任务对应的所述预测结果的优先级低于至少一个所述第一结果的优先级，向该第二分析任务发送终止指令，所述终止指令用于指示分析任务停止对所述待处理数据的分析。

进一步地，排序模块，包括：

排序子模块，用于对第二结果和由第四分析任务生成的第一结果进行优先级排序，其中第四分析任务为第一分析任务中未带有预设标签的分析任务。

进一步地，结果确定模块93，包括：

结果确定子模块，用于对第四分析任务生成的第一结果进行优先级排序，并将优先级最高的结果作为待处理数据对应的输出结果，其中第四分析任务为第一分析任务中未带有预设标签的分析任务。

本申请实施例提供的基于多任务的数据分析装置中各模块实现各自功能的过程，具体可参考前述图1至图6所示实施例以及其他相关实施例的描述，此处不再赘述。

对应于上文图7所示实施例以及其他相关实施例的方法，图10示出了本申请实施例提供的基于多任务的数据分析装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。图10示例的基于多任务的数据分析装置可以是前述实施例一提供的基于多任务的数据分析方法的执行主体。

参照图10，该基于多任务的数据分析装置包括：

任务触发模块1001，用于在获取待处理数据时，触发并行的至少一个第一分析任务和至少一个第二分析任务，第一分析任务和第二分析任务均用于对待处理数据进行分析。

等待判断模块1002，用于若获取到所有第一分析任务生成的第一结果，获取第三分析任务生成的第二结果，并根据预设策略判断是否需要等待第四分析任务生成分析结果，其中第三分析任务为至少一个第二分析任务中已生成分析结果的分析任务，第四分析任务为至少一个第二分析任务中尚未生成分析结果的分析任务。

结果确定模块1003，用于若根据预设策略判定不需要等待第四分析任务生成分析结果，则对第一结果和第二结果进行优先级排序，并将优先级最高的结果作为待处理数据对应的输出结果。

进一步地，等待判断模块1002，包括：

标记模块，用于若所述第四分析任务中不包含第五分析任务，则判定为不需要等待所述第四分析任务生成分析结果，其中，所述第五分析任务是所述第四分析任务中未带有预设标签的分析任务，所述预设标签为对所述第四分析任务进行结果预测后，当所述第四分析任务对应的预测结果的优先级低于至少一个所述第一结果或者所述第二结果的优先级时，对该第四分析任务添加的标签。

进一步地，等待判断模块1002，包括：

结果预测模块，用于获取对第四分析任务进行结果预测得到的第三结果。

排序模块，用于对第一结果、第二结果和第三结果进行优先级排序，得到对应的排序结果。

判定模块，用于若排序结果中优先级最高的结果为第一结果或第二结果，则判定为不需要等待第二分析任务生成分析结果。

进一步地，结果预测模块中，预测结果为第四分析任务对应的所有分析结果中优先级最高的分析结果。

进一步地，等待判断模块1002，包括：

等待判断子模块，用于若获取到第三分析任务生成的第二结果，且生成第二结果的第三分析任务未带有预设标签，则执行根据预设策略判断是否需要等待第四分析任务生成分析结果的操作。

进一步地，等待判断模块1002，还包括：

终止模块，用于若所述第四分析任务对应的预测结果的优先级低于至少一个所述第一结果或者所述第二结果的优先级，向该第四分析任务发送终止指令，所述终止指令用于指示分析任务停止对所述待处理数据的分析。

进一步地，排序模块，包括：

排序子模块，用于对第一结果、第三结果以及由第六分析任务生成的第二结果进行优先级排序，其中第六任务为第三分析任务中未带有预设标签的分析任务。

进一步地，结果确定模块1003，包括：

结果确定子模块，用于对第一结果和由第六分析任务生成的第二结果进行优先级排序，并将优先级最高的结果作为待处理数据对应的输出结果，其中第六任务为第三分析任务中未带有预设标签的分析任务。

本申请实施例提供的基于多任务的数据分析装置中各模块实现各自功能的过程，具体可参考前述图7所示实施例以及其他相关方法实施例的描述，此处不再赘述。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。还应理解的是，虽然术语“第一”、“第二”等在文本中在一些本申请实施例中用来描述各种元素，但是这些元素不应该受到这些术语的限制。这些术语只是用来将一个元素与另一元素区分开。例如，第一分析任务可以被命名为第二分析任务，并且类似地，第二分析任务可以被命名为第一分析任务，而不背离各种所描述的实施例的范围。第一分析任务和第二分析任务都是分析任务，但是它们不是同一分析任务。

在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

本申请实施例提供的基于多任务的数据分析方法可以应用于手机、平板电脑、可穿戴设备、车载设备、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本、个人数字助理(personal digital assistant，PDA)等终端设备上，本申请实施例对终端设备的具体类型不作任何限制。

例如，所述终端设备可以是WLAN中的站点(STAION，ST)，可以是蜂窝电话、无绳电话、会话启动协议(Session InitiationProtocol，SIP)电话、无线本地环路(WirelessLocal Loop，WLL)站、个人数字处理(Personal Digital Assistant，PDA)设备、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、车载设备、车联网终端、电脑、膝上型计算机、手持式通信设备、手持式计算设备、卫星无线设备、无线调制解调器卡、电视机顶盒(set top box，STB)、用户驻地设备(customer premise equipment，CPE)和/或用于在无线系统上进行通信的其它设备以及下一代通信系统，例如，5G网络中的移动终端或者未来演进的公共陆地移动网络(Public Land Mobile Network，PLMN)网络中的移动终端等。

作为示例而非限定，当所述终端设备为可穿戴设备时，该可穿戴设备还可以是应用穿戴式技术对日常穿戴进行智能化设计、开发出可以穿戴的设备的总称，如眼镜、手套、手表、服饰及鞋等。可穿戴设备即直接穿在身上，或是整合到用户的衣服或配件的一种便携式设备。可穿戴设备不仅仅是一种硬件设备，更是通过软件支持以及数据交互、云端交互来实现强大的功能。广义穿戴式智能设备包括功能全、尺寸大、可不依赖智能手机实现完整或者部分的功能，如智能手表或智能眼镜等，以及只专注于某一类应用功能，需要和其它设备如智能手机配合使用，如各类进行体征监测的智能手环、智能首饰等。

图11是本申请一实施例提供的终端设备的结构示意图。如图11所示，该实施例的终端设备11包括：至少一个处理器110(图11中仅示出一个)、存储器111，所述存储器111中存储有可在所述处理器110上运行的计算机程序112。所述处理器110执行所述计算机程序112时实现上述各个基于多任务的数据分析方法实施例中的步骤，例如图1所示的步骤101至103，或者图11所示的步骤1101至1103。或者，所述处理器110执行所述计算机程序112时实现上述各装置实施例中各模块/单元的功能，例如图9所示模块61至63或者图10所示的模块1001至1003的功能。

所述终端设备11可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器110、存储器111。本领域技术人员可以理解，图11仅仅是终端设备11的示例，并不构成对终端设备11的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入发送设备、网络接入设备、总线等。

所称处理器110可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器111在一些实施例中可以是所述终端设备11的内部存储单元，例如终端设备11的硬盘或内存。所述存储器111也可以是所述终端设备11的外部存储设备，例如所述终端设备11上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器111还可以既包括所述终端设备11的内部存储单元也包括外部存储设备。所述存储器111用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器111还可以用于暂时地存储已经发送或者将要发送的数据。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。

本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、电载波信号、电信信号以及软件分发介质等。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使对应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。