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和精神。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。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103可以为手机、电脑以及平板等电子设备，终端设备101、102、103可以安装有用于进行在线会议的软件，用户可以通过该软件进行多人会议，并且该软件可以具有智能会议纪要生成功能。在用户选择开启智能会议纪要生成功能时，终端设备101、102、103可以将参加会议的各个用户的语音转化为文本形式的初始会议信息，并将该初始会议信息通过网络104发送给服务器105，以使服务器105返回相对应的会议纪要。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于车载电脑、车载平板、车辆控制设备等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如，服务器105可以获取终端设备101、102、103通过网络104传输的初始会议信息，并对初始会议信息进行过滤，得到目标会议信息，再基于目标会议信息和信息分类模型，确定会议要点信息和会议非要点信息，基于会议要点信息和会议非要点信息生成会议纪要，并将会议纪要返回给终端设备101、102、103。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本公开实施例所提供的用于生成会议纪要的方法可以由终端设备101、102、103执行，也可以由服务器105执行，用于生成会议纪要的装置可以设置于终端设备101、102、103中，也可以设置于服务器105中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本公开的用于生成会议纪要的方法的一个实施例的流程200。本实施例的用于生成会议纪要的方法，包括以下步骤：

步骤201，获取初始会议信息。

在本实施例中，执行主体(如图1中的终端设备101、102、103或者服务器105)可以获取会议中所产生的会议信息。其中，会议信息可以为文本、音频、视频等各类形式的用于描述会议内容的信息。这里的会议可以为基于线上会议软件进行的线上会议，也可以为线下会议，本实施例对此不做限定。优选的，执行主体在会议过程中，基于语音转文字技术，将会议过程中各个参会人员的发言语音转换为对应的文本信息，得到初始会议信息。此时的初始会议信息为文本形式的用于描述会议内容的信息。又或者，执行主体也可以直接将会议过程中的音频或者视频等形式作为初始会议信息，再对这些会议信息确定相应的分类信息，生成会议纪要。

步骤202，对初始会议信息进行过滤，得到目标会议信息。

在本实施例中，执行主体所采集的初始会议信息由于是基于会议过程中的原始会议内容生成的信息，其包含了各个参会人员的讨论情况，而在各个参会人员进行会议讨论的过程中，往往会使用较为口语化的语言。因此，执行主体在获取初始会议信息之后，可以对初始会议信息进行过滤，过滤掉这些口语化的语言。这些口语化的语言可以包括但不限于口语中的语气词、重复发音的词、说错的词等，本实施例对此不做限定。执行主体可以采用现有的语音识别技术，对这些词进行处理，如从初始会议信息中过滤掉这些词，用以得到符合书面用语的目标会议信息。

在本实施例的一些可选的实现方式中，对初始会议信息进行过滤，得到目标会议信息可以包括：从初始会议信息中去除口语化的语言，得到去除处理后的初始会议信息；对去除处理后的初始会议信息进行语义分析，将不符合书面用语的词语进行替换，并将不符合书面用语的语序进行调整，得到目标会议信息。采用这种可选的实现方式，执行主体可以通过词语过滤、词语替换、语序调整等手段，将口语化的初始会议信息转换为符合书面用语的目标会议信息。通过对更符合书面用语的目标会议信息进行信息分类，生成会议纪要，能够进一步提高生成的会议纪要的精准度。

步骤203，基于目标会议信息和预设的信息分类模型，确定目标会议信息的分类信息；分类信息至少包括会议要点信息和会议非要点信息。

在本实施例中，预设的信息分类模型用于对目标会议信息进行分类，得到目标会议信息的分类信息，也即是，得到目标会议信息中的会议要点信息和会议非要点信息。其中，会议要点信息指的是会议中的关键信息，会议非要点信息指的是会议中的普通信息。会议要点信息可以包括但不限于会议待办、会议结论等，会议待办指的是会议中决定在后续所要完成的待办事项，会议结论是对会议的结论性的说明。会议非要点信息可以为目标会议信息中除会议要点信息之外的其他所有信息，也可以为对这些其他所有信息进行进一步的筛选所得到的信息，本实施例对此不做限定。

进一步的，执行主体在得到目标会议信息之后，可以将目标会议信息输入预设的信息分类模型，以使预设的信息分类模型输出与目标会议信息中各个语句对应的类别。执行主体可以将属于会议要点类别的语句进行汇总，得到会议要点信息，并将属于会议非要点的语句进行汇总，得到会议非要点信息。

步骤204，基于会议要点信息和会议非要点信息，生成会议纪要。

在本实施例中，执行主体在确定得到会议要点信息和会议非要点信息之后，可以直接将会议要点信息输出为会议纪要，也可以将会议要点信息和会议非要点信息共同输出为会议纪要，本实施例对此不做限定。

在本实施例的一些可选的实现方式中，基于会议要点信息和会议非要点信息，生成会议纪要可以包括：获取目标会议纪要模板，其中，目标会议纪要模板中包括会议要点区域和会议非要点区域；将会议要点信息填入会议纪要模板中的会议要点区域，以及将会议非要点信息填入会议纪要模板中的会议非要点区域，得到会议纪要。采用这种方式可以采用个性化的会议纪要模板，将会议要点信息和会议非要点信息填入模板中相应位置，提高了会议纪要的显示多样性。

继续参见图3，其示出了根据本公开的用于生成会议纪要的方法的一个应用场景的示意图。在图3的应用场景中，各个参会人员可以进行线上会议，在进行线上会议的应用软件中，可以显示有会议视频画面301，参会人员可以在会议视频画面301中控制显示共享桌面或者人脸画面等信息。并且在参会人员进行会议讨论的过程中，执行主体可以实时在会议信息显示区域302显示各个参会人员A、B、C所进行讨论的文本内容。其中，执行主体可以获取参会人员的语音信息，并将语音信息转换为文本信息，实时输出在会议信息显示区域302。可选的，执行主体还可以对文本信息进行过滤，实现在会议信息显示区域302的输出内容同步更新过滤后的文本信息。这里的具体过滤方式可以参照对初始会议信息进行过滤得到目标会议信息的方式，在此不再赘述。之后，执行主体可以将过滤得到的文本信息确定为预设的信息分类模型的输入数据，得到预设的信息分类模型输出的对文本信息的分类信息，也即是，文本信息中每个文本语句对应的类别，类别包括会议结论、会议待办和会议非要点。执行主体可以基于分类信息，将文本信息中各个类别的语句进行汇总，生成会议纪要303。会议纪要303中包括会议结论对应的文本语句集合、会议待办对应的文本语句集合以及会议非要点对应的文本语句集合。

本公开上述实施例提供的用于生成会议纪要的方法，通过对初始会议信息进行过滤得到目标会议信息，再基于目标会议信息和预设的信息分类模型，确定目标会议信息的分类信息，基于分类信息中的会议要点信息和会议非要点信息生成会议纪要，能够实现会议纪要的自动化生成，从而提高了生成会议纪要的生成效率。

继续参见图4，其示出了根据本公开的用于生成会议纪要的方法的另一个实施例的流程400。如图4所示，本实施例的用于生成会议纪要的方法可以包括以下步骤：

步骤401，基于预设的预训练任务，对预训练模型进行预训练，得到训练完成的目标预训练模型。

在本实施例中，执行主体可以预先设置需要对预训练模型进行训练的预训练任务。其中，预训练任务用于训练对指定信息中的关键信息的识别。关键信息可以包括但不限于指定信息中的关键主体、关键客体、关键动作等，本实施例对此不做限定。举例来说，预训练任务可以为预先设定的语句集合，语句集合中的每个语句包含着主体、动作、客体，将预训练任务中的每个语句作为预训练模型的输入数据，训练预训练模型输出该语句对应的主体、动作、客体，此时训练完成的目标预训练模型能够较为精准地识别每个语句对应的主体、动作、客体。

在本实施例的一些可选的实现方式中，基于预设的预训练任务，对预训练模型进行预训练，得到训练完成的目标预训练模型可以包括：确定与预训练任务对应的任务输入数据和任务标注数据；将任务输入数据输入预训练模型，以使预训练模型输出与任务输入数据对应的关键信息识别结果；基于关键信息识别结果和任务标注数据，不断调整预训练模型的模型参数，得到训练完成的目标预训练模型。

在本实现方式中，预训练任务可以对应着多个预先设定的语句，执行主体可以将这多个预先设定的语句确定为预训练任务对应的任务输入数据。并且每个预先设定的语句可以预先标注该语句的主体、动作、客体。也即是，这些预先标注的主体、动作、客体即为预训练任务对应的任务标注数据。之后，执行主体可以将任务输入数据输入预训练模型，以使预训练模型对任务输入数据中的关键信息进行识别，也即是，识别每个语句对应的主体、动作、客体。之后，执行主体可以获取预训练模型输出的与任务输入数据对应的关键信息识别结果，再基于关键信息识别结果和任务标注数据代入损失函数，基于关键信息识别结果和任务标注数据之间的差异，不断调整预训练模型的模型参数，以使关键信息识别结果不断逼近任务标注数据，使得损失函数收敛，得到训练完成的目标预训练模型。

步骤402，获取样本信息。

在本实施例中，样本信息包括历史会议记录中的会议信息，例如会议信息可以为将历史会议中参会者的语音转换得到的文本形式的会议记录。

步骤403，基于预设的信息条件，确定样本信息中的样本非要点信息和样本要点信息。

在本实施例中，预设的信息条件用于对样本信息进行粗略筛选，对样本信息中的各个类别进行初步筛选，初步确定样本信息中为样本非要点的信息。具体的，预设的信息条件可以包括但不限于出现指定关键词、长度小于指定长度阈值、长度大于指定阈值等，本实施例中对此不做限定。这里的指定关键词为预先设定的非要点信息常出现的关键词。并且由于长度较短通常不为样本要点，因此，将长度小于指定长度阈值的信息确定为样本非要点信息。并且由于长度较长通常也不适合作为样本要点，因此，将长度大于指定长度阈值的信息确定为样本非要点信息。进一步可选的，在基于预设的信息条件对样本信息进行粗略筛选之后，执行主体可以将粗略筛选的样本非要点信息进行标记，并将粗略筛选的样本要点信息输出给用户，接收用户对粗略筛选的样本要点信息的进一步标注，将用户标注为样本要点信息的信息确定为最终的样本要点信息，以及将用户标注为样本非要点信息的信息确定为最终的样本非要点信息。

步骤404，响应于确定样本非要点信息和样本要点信息之间的信息数量差值大于预设的阈值，对样本信息进行重采样。

在本实施例中，由于通常实际中会议信息中非要点的信息的数量大于要点的信息的数量，因此存在着样本不均衡的问题。执行主体在得到样本非要点信息和样本要点信息之后，可以进一步确定样本非要点信息和样本要点信息之间的信息数量差值，这里的数量差值可以为文本语句的数量差值。在样本非要点信息和样本要点信息之间的信息数量差值大于预设的阈值的情况下，需要对样本信息进行重采样，用以实现样本均衡。重采样处理可以采用现有技术中各类重采样技术，本实施例对此不做限定。具体的，执行主体可以在重采样之后进一步判断样本非要点信息和样本要点信息之间的信息数量差值，如果信息数量差值大于预设的阈值，可以继续重采样过程，直至信息数量差值小于或者等于预设的阈值。另一种可选的，执行主体也可以计算样本非要点信息和样本要点信息之间的比值，并预先设定与比值对应的阈值，如果比值大于比值对应的阈值，则对样本信息进行重采样。其中，重采样处理可以包括但不限于降低样本非要点信息的数量、提高样本要点信息的数量处理等，本实施例对此不做限定。

步骤405，基于样本非要点信息和样本要点信息，确定样本标注数据。

在本实施例中，样本标注数据可以为样本信息中每个信息对应的标注数据，标注数据为要点或者非要点。这里的要点和非要点可以进一步细分为更细致的分类，如要点包括待办和结论，本实施例对此不做限定。执行主体可以基于样本非要点信息和样本要点信息，添加相应的类别标记，生成样本标注数据。

步骤406，基于样本信息和样本标注数据，对目标预训练模型进行训练，以使目标预训练模型输出与样本信息对应的样本分类，并基于样本分类、样本标注数据和预设的损失函数，调整目标预训练模型的模型参数，直至预设的损失函数收敛，得到预设的信息分类模型。

在本实施例中，样本分类包括样本要点和样本非要点；以及，损失函数中样本要点对应的权重大于样本非要点对应的权重。执行主体可以将样本信息输入目标预训练模型，得到目标预训练模型输出的样本信息中属于样本要点的信息以及样本信息中属于非样本要点的信息，也即是，与样本信息对应的样本分类。之后，执行主体可以将与样本信息对应的样本分类和样本标注数据代入预设的损失函数，不断调整目标预训练模型的模型参数，直至预设的损失函数收敛，得到上述预设的信息分类模型。

步骤407，响应于确定初始会议信息的信息类别不为目标会议类别，获取初始会议信息。

在本实施例中，目标会议类别为不适合进行要点、非要点分类的会议，例如，目标会议类别可以为面试。执行主体可以基于信息分析技术，确定初始会议信息的信息类别，在信息类别不为目标会议类别时，再获取初始会议信息。

需要说明的是，在模型训练阶段，所获取的样本信息对应的历史会议记录也可以是不为目标会议类别的历史会议记录。

步骤408，对初始会议信息中的语气词进行过滤，得到过滤后的初始会议信息。

在本实施例中，执行主体可以在获取初始会议信息之后，过滤初始会议信息中的语气词。可选的，执行主体可以预先设置待过滤语气词表，通过将初始会议信息与待过滤语气词表进行匹配，可以过滤掉初始会议信息中与待过滤语气词表相匹配的语气词，得到过滤后的初始会议信息。待过滤语气词表的设置可以基于人工设置和历史会议记录挖掘共同确定。在进行历史会议记录挖掘确定待过滤语气词时，可以统计历史会议记录中作为独立语句的语气词的出现频次，以及统计历史会议记录中作为非独立语句的语气词的出现频次，再对出现频次高的语气词进行进一步的挖掘。

步骤409，对过滤后的初始会议信息中的重复词进行过滤，得到目标会议信息。

在本实施例中，执行主体可以基于现有的文本识别技术，确定过滤后的初始会议信息中的重复词，去除这些重复词，实现重复词的过滤，得到目标会议信息。

在本实施例的一些可选的实现方式中，对过滤后的初始会议信息中的重复词进行过滤，得到目标会议信息可以包括：确定过滤后的初始会议信息中的有意义重复词；对过滤后的初始会议信息中除有意义重复词之外的重复词进行过滤，得到目标会议信息。

在本实现方式中，执行主体可以预先设置重复词白名单，重复词白名单为有意义重复词的集合，有意义重复词可以为“看看”、“考虑考虑”等词语。在进行重复词过滤时，可以先确定出过滤后的初始会议信息中与重复词白名单中的重复词匹配的词语，也即是，确定出有意义重复词。之后，执行主体可以不去除有意义重复词，将非有意义重复词的词语进行去除，得到目标会议信息。其中，重复词白名单的设定可以基于对书面化的文本记录进行语料挖掘，确定经常出现的符合规范的有意义重复词，添加至重复词白名单。

步骤410，基于目标会议信息和预设的信息分类模型，确定目标会议信息的分类信息；分类信息至少包括会议要点信息和会议非要点信息。

在本实施例中，通过上述模型训练步骤训练得到的信息分类模型，能够基于输入的目标会议信息，输出相应的分类信息。分类信息为对目标会议信息中各个信息的分类结果，也即是，输出目标会议信息中属于要点的会议要点信息以及目标会议信息中属于非要点的会议非要点信息。

步骤411，基于会议要点信息和会议非要点信息，生成会议纪要。

在本实施例中，对于步骤411的详细描述请参照对于步骤204的详细描述，在此不再赘述。

本公开的上述实施例提供的用于生成会议纪要的方法，还可以对初始会议信息进行语气词过滤和重复词过滤，能够得到更准确的目标会议信息。并且在重复词过滤时，考虑到有意义重复词的去除，从而提高重复词过滤的精准度。此外，在信息分类模型的训练过程中，能够基于预设的预训练任务辅助模型的训练，提高模型对于关键信息的识别能力。以及，在样本信息类别确定时，可以先基于预设的信息条件进行粗略筛选，基于粗略筛选和人工标注得到样本分类，能够提高样本分类的精准度。并且，针对样本不均衡问题，可以对样本进行重采样，实现了样本均衡。以及，对于不适合确定要点、非要点的会议类别，可以直接过滤，不进行要点与非要点的分类，进一步提高了分类的可靠性。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种用于生成会议纪要的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于终端设备、服务器等电子设备中。

如图5所示，本实施例的用于生成会议纪要的装置500包括：信息获取单元501、信息过滤单元502、信息分类单元503和会议纪要生成单元504。

信息获取单元501，被配置成获取初始会议信息。

信息过滤单元502，被配置成对初始会议信息进行过滤，得到目标会议信息。

信息分类单元503，被配置成基于目标会议信息和预设的信息分类模型，确定目标会议信息的分类信息；分类信息至少包括会议要点信息和会议非要点信息。

会议纪要生成单元504，被配置成基于会议要点信息和会议非要点信息，生成会议纪要。

在本实施例的一些可选的实现方式中，信息过滤单元502进一步被配置成：对初始会议信息中的语气词进行过滤，得到过滤后的初始会议信息；对过滤后的初始会议信息中的重复词进行过滤，得到目标会议信息。

在本实施例的一些可选的实现方式中，上述装置还包括：模型训练单元，被配置成基于预设的预训练任务，对预训练模型进行预训练，得到训练完成的目标预训练模型；基于样本信息和样本标注数据，对目标预训练模型进行训练，以使目标预训练模型输出与样本信息对应的样本分类，并基于样本分类、样本标注数据和预设的损失函数，调整目标预训练模型的模型参数，直至预设的损失函数收敛，得到预设的信息分类模型。

在本实施例的一些可选的实现方式中，上述装置还包括：样本获取单元，被配置成获取样本信息；基于预设的信息条件，确定样本信息中的样本非要点信息和样本要点信息；基于样本非要点信息和样本要点信息，确定样本标注数据。

在本实施例的一些可选的实现方式中，样本获取单元进一步被配置成：响应于确定样本非要点信息和样本要点信息之间的信息数量差值大于预设的阈值，对样本信息进行重采样。

在本实施例的一些可选的实现方式中，样本分类包括样本要点和样本非要点；以及，损失函数中样本要点对应的权重大于样本非要点对应的权重。

在本实施例的一些可选的实现方式中，模型训练单元进一步被配置成：确定与预训练任务对应的任务输入数据和任务标注数据；将任务输入数据输入预训练模型，以使预训练模型输出与任务输入数据对应的关键信息识别结果；基于关键信息识别结果和任务标注数据，不断调整预训练模型的模型参数，得到训练完成的目标预训练模型。

在本实施例的一些可选的实现方式中，信息获取单元501进一步被配置成：响应于确定初始会议信息的信息类别不为目标会议类别，获取初始会议信息。

应当理解，用于生成会议纪要的装置500中记载的单元501至单元504分别与参考图2中描述的方法中的各个步骤相对应。由此，上文针对用车载通话的方法描述的操作和特征同样适用于装置500及其中包含的单元，在此不再赘述。

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，个人数字处理、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RAM603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，例如用于生成会议纪要的方法。例如，在一些实施例中，用于生成会议纪要的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用于生成会议纪要的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)而被配置为执行用于生成会议纪要的方法。

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、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，本发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，均应包含在本公开保护范围之内。