一种自然语言的生成方法、自然语言生成装置及电子设备与流程

本发明涉及自然语言处理技术领域，具体涉及一种自然语言的生成方法、自然语言生成装置及电子设备。

背景技术：

随着人工智能的发展，人机对话等智能系统的应用范围越来越广，对拟人化输出的需求，即对直接输出自然语言的需求越来越高。现有技术生成并输出自然语言的实现方案，包括有：1)通过预先定义的语言模型生成自然语句；2)通过人工定义的模板生成自然语句。

上述两类方法在实际应用过程中分别存在一定的问题。例如，第1种实现方案中，很难通过数学模型很好地表达自然语言的语法与逻辑关系，因此难以保证生成的语言的正确性；第2种基于人工模板的方案，通常只能应用于特定领域或单一用途，缺乏灵活性且需要大量的人工工作。

因此，亟需一种自然语言的生成方法，能够提高方案的实现灵活性，减少人工工作量，并能够提高语言生成结果的正确性。

技术实现要素：

本发明实施例要解决的技术问题是提供一种自然语言的生成方法、自然语言生成装置及电子设备，用以提高自然语句生成的灵活性，减少人工工作量，并提高语言生成结果的正确性。

为解决上述技术问题，本发明实施例提供的自然语言的生成方法，包括：

根据语料库中的语句，生成匹配预定义的输入模式的至少一个句式模板；

获得基于所述输入模式的输入语义，计算所述输入语义与句式模板之间的匹配度，选择出所述匹配度满足预定条件的至少一个候选句式模板；

根据所述输入语义和所述候选句式模板，生成自然语句。

其中，上述方法中，在生成匹配预定义的输入模式的至少一个句式模板的步骤之后，所述方法还包括：计算每两个句式模板之间的相似度；

在计算所述输入语义与句式模板之间的匹配度的过程中，根据当前计算匹配度的句式模板与其他句式模板之间的相似度，确定下一个计算所述匹配度的句式模块。

其中，上述方法中，所述计算每两个句式模板之间的相似度的步骤，包括：

根据以下公式，计算每两个句式模板之间的相似度sim(p1，p2)：

其中：

w表示子语义对应的词；p1、p2分别表示每两个句式模板中的第一句式模板和第二句式模板；s表示句式模板中的一个填充位置；t(p,s)表示语料库中能够填充在句式模板p的填充位置s中的词的集合；num(t())表示集合t()中词的数量；n表示t(p,s)中词的数量；θw表示词w的预设权重系数，x表示t(p,s)中的词，cos(w,x)表示词w与x的余弦相似度；

t(p1,s)∩t(p2,s)表示两个集合的交集，t(p1,s)∪t(p2,s)表示两个集合的并集；表示针对句式模板中的所有填充位置s对应的y值进行求和计算。

其中，上述方法中，所述计算所述输入语义与句式模板之间的匹配度的步骤，包括：

针对所述输入语义中的每个子语义，分别根据该子语义在句式模板中的填充位置，确定所述语料库中能够填充在该填充位置的词的第一集合；以及，根据该子语义与第一集合中的各个词之间的余弦相似度，计算得到该子语义与句式模板中对应填充位置的匹配因子，其中，所述匹配因子与所述余弦相似度正相关；

根据每个子语义与句式模板中对应填充位置的匹配因子，计算所述输入语义与句式模板之间的匹配度。

其中，上述方法中，所述根据所述输入语义和所述候选句式模板，生成自然语句的步骤，包括：

将所述输入语义和/或替换语义中的词，填充至所述候选句式模板中的对应位置，得到候选自然语句，其中，所述替换语义与所述输入语义的语义近似度高于预设阈值；

计算所述候选自然语句中的各个填充位置的子语义组成的填充语义，与对应的候选句式模板之间的匹配度，并根据所述匹配度，筛选出匹配度达到预定门限的自然语句。

本发明实施例还提供了一种自然语言生成装置，包括：

模板获得模块，用于根据语料库中的语句，生成匹配预定义的输入模式的至少一个句式模板；

模板选择模块，用于获得基于所述输入模式的输入语义，计算所述输入语义与句式模板之间的匹配度，选择出所述匹配度满足预定条件的至少一个候选句式模板；

语句生成模块，根据所述输入语义和所述候选句式模板，生成自然语句。

其中，上述装置还包括：

相似度计算模块，用于在所述模板获得模块生成匹配预定义的输入模式的至少一个句式模板之后，计算每两个句式模板之间的相似度；

所述模板选择模块，还用于在计算所述输入语义与句式模板之间的匹配度的过程中，根据当前计算匹配度的句式模板与其他句式模板之间的相似度，确定下一个计算所述匹配度的句式模块。

其中，上述装置中，所述相似度计算模块，具体用于：

根据以下公式，计算每两个句式模板之间的相似度sim(p1，p2)：

其中：

w表示子语义对应的词；p1、p2分别表示每两个句式模板中的第一句式模板和第二句式模板；s表示句式模板中的一个填充位置；t(p,s)表示语料库中能够填充在句式模板p的填充位置s中的词的集合；num(t())表示集合t()中词的数量；n表示t(p,s)中词的数量；θw表示词w的预设权重系数，x表示t(p,s)中的词，cos(w,x)表示词w与x的余弦相似度；

t(p1,s)∩t(p2,s)表示两个集合的交集，t(p1,s)∪t(p2,s)表示两个集合的并集；表示针对句式模板中的所有填充位置s对应的y值进行求和计算。

其中，上述装置中，所述模板选择模块，具体用于：

针对所述输入语义中的每个子语义，分别根据该子语义在句式模板中的填充位置，确定所述语料库中能够填充在该填充位置的词的第一集合；以及，根据该子语义与第一集合中的各个词之间的余弦相似度，计算得到该子语义与句式模板中对应填充位置的匹配因子，其中，所述匹配因子与所述余弦相似度正相关；

根据每个子语义与句式模板中对应填充位置的匹配因子，计算所述输入语义与句式模板之间的匹配度。

其中，上述装置中，所述语句生成模块，具体用于将所述输入语义和/或替换语义中的词，填充至所述候选句式模板中的对应位置，得到自然语句，其中，所述替换语义与所述输入语义的语义近似度高于预设阈值；以及，计算所述候选自然语句中的各个填充位置的子语义组成的填充语义，与对应的候选句式模板之间的匹配度，并根据所述匹配度，筛选出匹配度达到预定门限的自然语句。

本发明实施例还提供了一种人数统计的电子设备，包括：

处理器；

和存储器，所述存储器中存储有计算机程序指令，

其中，在所述计算机程序指令被所述处理器运行时，使得所述处理器执行以下步骤：

根据语料库中的语句，生成匹配预定义的输入模式的至少一个句式模板；

获得基于所述输入模式的输入语义，计算所述输入语义与句式模板之间的匹配度，选择出所述匹配度满足预定条件的至少一个候选句式模板；

根据所述输入语义和所述候选句式模板，生成自然语句。

与现有技术相比，本发明实施例提供的自然语言的生成方法、自然语言生成装置及电子设备，至少具有以下有益效果：本发明实施例直接从语料库中提取句式模板，保证了后续生成的自然语句的句式正确性，而且，句式模板的提取，只需要删除输入模式中预先定义的语句中的组成成分，避免了过多的人工工作。另外，本发明实施例基于输入语义与句式模板之间的匹配度，选择候选句式模板，提高了所生成自然语句的正确性，并且，本发明实施例还通过匹配度对生成的自然语句进行过滤，可以兼顾所获得的自然语句的正确性与多样性。

附图说明

图1为本发明实施例一提供的自然语言的生成方法的流程示意图；

图2为本发明实施例二提供的自然语言的生成方法的流程示意图；

图3为本发明实施例三提供的一种自然语言生成装置的结构示意图；

图4为本发明实施例三提供的另一自然语言生成装置的结构示意图；

图5为本发明实施例提供的电子设备的结构示意图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，在下面的描述中，提供诸如具体的配置和组件的特定细节仅仅是为了帮助全面理解本发明的实施例。因此，本领域技术人员应该清楚，可以对这里描述的实施例进行各种改变和修改而不脱离本发明的范围和精神。另外，为了清楚和简洁，省略了对已知功能和构造的描述。

应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。

在本发明的各种实施例中，应理解，下述各过程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，而不应对本发明实施例的实施过程构成任何限定。应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。在本申请所提供的实施例中，应理解，“与a相应的b”表示b与a相关联，根据a可以确定b。但还应理解，根据a确定b并不意味着仅仅根据a确定b，还可以根据a和/或其它信息确定b。

首先对本发明以下各个实施例中涉及的相关概念进行说明。

本发明实施例中，输入模式是指输入的词的分类，具体的，所述分类可以包括名词、动词、形容词、数词、量词、副词、代词、连词、介词、助词、语气词等，例如，输入模式为：输入一个名词和一个动词。所述输入模式还可以是输入的词在语法结构中的组成部分或承担的作用，具体的，所述组成部分可以是主语、谓语、宾语、定语、状语、补语等。也就是说，输入模式定义了输入的词在语句中的组成成分。

输入语义则是指输入的词或词向量(词的另一种表现形式)。由于一个输入语义中可能包括有多个词或词向量，本文中将输入语义中的各个词或词向量称作子语义，例如，输入语义为：“京东”和“一号店”时，“京东”和“一号店”的整体作为一个输入语义，“京东”和“一号店”各自分别为上述输入语义中的一个子语义。

句式模板则是语句中剔除了输入模式中定义的句子成分后所得到的模板。例如，对于语句“我们在商场里买衣服”，如果预定义的输入模板为主语和谓语，则从上述语句中删除主语“我们”和谓语“买”之后，得到的句式模板为：【主语】在商场里【谓语】衣服。其中【】中的部分即为输入模式中定义的组成成分在语句中的填充位置，该填充位置的成分被删除。后续在生成自然语句时，将符合上述输入模式的输入语义中的各个子语义填充在对应的填充位置，即可获得自然语言的语句(自然语句)。例如，输入语义为“王小姐”和“卖”，在填充至上述句式模板中后，即可得到一条语句：王小姐在商场里卖衣服。

下面将结合附图及具体实施例对本发明进行详细描述。

<实施例一>

如图1所示，本发明实施例一提供了一种自然语言的生成方法，该方法可以应用于人机对话系统或图像描述生成系统等环境中。请参照图1，该方法包括：

步骤11，根据语料库中的语句，生成匹配预定义的输入模式的至少一个句式模板。

本发明实施例由预设语料库中的语句，直接从该语句中删除所述输入模式中定义的语句中的组成成分，得到句式模板。在句式模板中，所删除的组成成分的位置处留空，作为填充位置，用于后续填充输入语义中对应的词。由于语料库中通常保存有大量的语句，可能有多个语句与上述输入模式相匹配，从而针对这些匹配的语句，可以提取出多个句式模板。

这里，所述输入模式可以是用户定义或确定的输入模式，也可以是系统生成的输入模式，例如，图像描述生成系统能够识别图像中的内容并用自然语言将其描述出来，此时输入模式可以是该系统识别图像中的内容后所生成的输入模式。

步骤12，获得基于所述输入模式的输入语义，计算所述输入语义与句式模板之间的匹配度，选择出所述匹配度满足预定条件的至少一个候选句式模板。

在步骤12中，计算输入语义与句式模板的匹配度，进而选择出匹配度满足预定条件的句式模板，作为候选句式模板。所述预定条件可以根据场景需要或计算量等因素来设置，例如，可以是匹配度超过预设数值门限的句式模板，还可以是匹配度最高的n个句式模板，这里n是一个正整数。类似的，输入语义可以是用户输入的语义，也可以是某个系统自行产生的语义，例如前文中提到的图像描述生成系统生成的语义。

在上述步骤12中，在计算输入语义与句式模板的匹配度时，具体可以按照以下方式进行计算：

步骤121，针对所述输入语义中的每个子语义，分别根据该子语义在句式模板中的填充位置，确定所述语料库中能够填充在该填充位置的词的第一集合；以及，根据该子语义与第一集合中的各个词之间的余弦相似度，计算得到该子语义与句式模板中对应填充位置的匹配因子，其中，所述匹配因子与所述余弦相似度正相关。

上述步骤121中，在确定所述语料库中能够填充在该填充位置的词的第一集合时，可以根据所述语料库中与所述句式模板匹配的语句在该填充位置的词，确定并得到第一集合中的词，然后计算该子语义与第一集合中的各个词之间的余弦相似度，一种优选的计算方式是计算子语义对应的词向量与第一集合中各个词对应的词向量之间的余弦相似度(余弦距离)，再根据该余弦相似度计算上述匹配因子，匹配因子与上述余弦相似度正相关，即余弦相似度越大，匹配因子的值越大，即两者越匹配；反之，余弦相似度越小，匹配因子的值越小，即两者越不匹配。下面提供匹配因子的一种计算方式，需要指出的是，本发明实施例并不局限于此。

上述公式(1)中，w表示子语义对应的词，s表示句式模板p中的一个填充位置，am(p,s,w)表示词w与句式模板p中的填充位置s的匹配因子，θw表示词w的预设权重系数，t(p,s)表示语料库中能够填充在句式模板p的填充位置s中的词的集合，n表示t(p,s)中词的数量，x表示t(p,s)中的词，cos(w,x)表示词w与x的余弦相似度。

步骤122，根据每个子语义与句式模板中对应填充位置的匹配因子，计算所述输入语义与句式模板之间的匹配度。

上述步骤122中，可以计算每个子语义与句式模板中对应填充位置的匹配因子的平均值，将该平均值作为所述输入语义与句式模板之间的匹配度，也可以计算所有子语义与句式模板中对应填充位置的匹配因子的和值，将该和值作为所述输入语义与句式模板之间的匹配度。

步骤13，根据所述输入语义和所述候选句式模板，生成自然语句。

在上述步骤13中，一种获得自然语句的方式是：在选出候选句式模板后，可以将输入语义中的词填充至候选句式模板中对应的填充位置，即得到自然语句。

为了获得自然语句的多样性，上述步骤13的一种实现方式为：确定若干与所述输入语义的语义近似度高于预设阈值的替换语义，然后，将所述输入语义和/或替换语义中的词，填充至所述候选句式模板中的对应位置，得到更多样式的自然语句，这里语义相似度可以根据词向量之间的余弦相似度进行计算。

为了平衡所得到的自然语句的正确性和多样性，上述步骤13中的一种实现方式为：将所述输入语义和/或替换语义中的词，填充至所述候选句式模板中的对应位置，得到候选自然语句；计算所述候选自然语句中的各个填充位置的子语义组成的填充语义，与对应的候选句式模板之间的匹配度，并根据所述匹配度，筛选出匹配度达到预定门限的自然语句。这里的匹配度的计算方式，可以参考上述步骤121～122的实现，此处不再赘述。

通过以上步骤，本发明实施例直接从语料库中提取句式模板，保证了后续生成的自然语句的句式正确性，而且，句式模板的提取，只需要删除输入模式中预先定义的语句中的组成成分，避免了过多的人工工作。另外，本发明实施例基于输入语义与句式模板之间的匹配度，选择候选句式模板，提高了所生成自然语句的正确性，并且，本发明实施例还通过匹配度对生成的自然语句进行过滤，可以兼顾所获得的自然语句的正确性与多样性。

<实施例二>

如图2所示，本发明实施例二提供的一种自然语言的生成方法，为了提高后续选择候选句式模板的效率，在获得句式模板之后，进一步计算每两个句式模板之间的相似度，进而利用句式模板间的相似度，提高后续候选句式模板的选择效率。请参照图2，该方法包括：

步骤21，根据语料库中的语句，生成匹配预定义的输入模式的至少一个句式模板。

这里，生成句式模板的具体实现可以参考实施例一，此处不再赘述。

步骤22，计算所述至少一个句式模板中每两个句式模板之间的相似度。

这里，在上述步骤22中，可以按照以下公式，计算每两个句式模板之间的相似度sim(p1，p2)：

其中：

上述公式中，w表示子语义对应的词，p1、p2分别表示每两个句式模板中的第一句式模板和第二句式模板；s表示句式模板中的一个填充位置；t(p,s)表示语料库中能够填充在句式模板p的填充位置s中的词的集合；num(t())表示集合t()中词的数量；am(p,s,w)表示词w与句式模板p中的填充位置s的匹配因子；n表示t(p,s)中词的数量；θw表示词w的预设权重系数，x表示t(p,s)中的词，cos(w,x)表示词w与x的余弦相似度；

t(p1,s)∩t(p2,s)表示两个集合的交集，t(p1,s)∪t(p2,s)表示两个集合的并集；表示针对句式模板中的所有填充位置s对应的y值进行求和计算。

步骤23，获得基于所述输入模式的输入语义，计算所述输入语义与句式模板之间的匹配度，选择出所述匹配度满足预定条件的至少一个候选句式模板，其中，在匹配度的计算过程中，根据句式模板间的相似度，确定下一个计算所述匹配度的句式模板。

这里，在上述步骤23中，在计算所述输入语义与句式模板之间的匹配度的过程中，根据当前计算匹配度的句式模板与其他句式模板之间的相似度，确定下一个计算所述匹配度的句式模块，以提高选择候选句式模板的效率。

例如，首先从步骤21中得到的所述至少一个句式模板中选择出一个句式模板，作为当前句式模板；然后，计算所述输入语义与当前句式模板之间的匹配度：如果匹配度未达到预设第一门限时，从所述至少一个句式模板中的剩余句式模板中选择出一个句式模板，作为下一个计算所述匹配度的句式模块；如果匹配度达到预设第一门限时，则根据句式模板之间的相似度，选择出与当前句式模板相似度超过预设第二门限的待计算句式模板，作为下一个计算所述匹配度的句式模块。当所述至少一个句式模板中的剩余句式模板的数量为0，或者，与所述输入语义匹配度达到预设阈值的句式模板的数量达到预定数量时，则可以结束匹配度的计算过程，并根据计算得到的所述输入语义与各个句式模板之间的匹配度，选择出满足所述预定条件的至少一个候选句式模板。

当然，上述举例仅为加速候选句式模板选择过程的一个示例，本发明实施例还可以基于句式模板之间的近似度，采用其他算法，来提高选择效率。

至于如何计算所述输入语义与句式模板之间的匹配度，则可以参考实施例一中的实现过程，此处不再赘述。

步骤24，根据所述输入语义和所述候选句式模板，生成自然语句。

这里，在步骤24中，首先，可以将所述输入语义和/或替换语义中的词，填充至所述候选句式模板中的对应位置，得到候选自然语句，其中，所述替换语义与所述输入语义的语义近似度高于预设阈值，替换语义中的子语义(词)可以从步骤21中的同一语料库中选取，也可以从其他语料库中选取，例如，从互联网语料库中选取，以提高后续生成的自然语句的多样性。然后，计算所述候选自然语句中的各个填充位置的子语义组成的填充语义，与对应的候选句式模板之间的匹配度，并根据所述匹配度，筛选出匹配度达到预定门限的自然语句。

<实施例三>

本实施例提供了用以实现上述各个实施例所述的自然语言的生成方法的装置，请参照图3，本发明实施例提供了自然语言生成装置30，包括：

模板获得模块31，用于根据语料库中的语句，生成匹配预定义的输入模式的至少一个句式模板；

模板选择模块32，用于获得基于所述输入模式的输入语义，计算所述输入语义与句式模板之间的匹配度，选择出所述匹配度满足预定条件的至少一个候选句式模板；

语句生成模块33，根据所述输入语义和所述候选句式模板，生成自然语句。

为提高候选句式模板的选择消息，如图4所示，本发明实施例的自然语言生成装置还可以包括：相似度计算模块34，用于在所述模板获得模块生成匹配预定义的输入模式的至少一个句式模板之后，计算每两个句式模板之间的相似度。此时，所述模板选择模块32，还用于在计算所述输入语义与句式模板之间的匹配度的过程中，根据当前计算匹配度的句式模板与其他句式模板之间的相似度，确定下一个计算所述匹配度的句式模块。

其中，所述模板选择模块32具体可以包括：第一选择子模块，用于从所述至少一个句式模板中选择出一个句式模板，作为当前句式模板；计算子模块，用于计算所述输入语义与当前句式模板之间的匹配度；第一处理子模块，用于当所述输入语义与当前句式模板之间的匹配度未达到预设第一门限时，从所述至少一个句式模板中的剩余句式模板中选择出一个句式模板，作为下一个计算所述匹配度的句式模块；第二处理子模块，用于当所述输入语义与当前句式模板之间的匹配度达到预设第一门限时，根据句式模板之间的相似度，选择出与当前句式模板相似度超过预设第二门限的待计算句式模板，作为下一个计算所述匹配度的句式模块。

所述相似度计算模块34，具体用于：

根据以下公式，计算每两个句式模板之间的相似度sim(p1，p2)：

其中：

w表示子语义对应的词；p1、p2分别表示每两个句式模板中的第一句式模板和第二句式模板；s表示句式模板中的一个填充位置；t(p,s)表示语料库中能够填充在句式模板p的填充位置s中的词的集合；num(t())表示集合t()中词的数量；n表示t(p,s)中词的数量；θw表示词w的预设权重系数，x表示t(p,s)中的词，cos(w,x)表示词w与x的余弦相似度；

t(p1,s)∩t(p2,s)表示两个集合的交集，t(p1,s)∪t(p2,s)表示两个集合的并集；表示针对句式模板中的所有填充位置s对应的y值进行求和计算。

这里，所述模板选择模块32，在计算输入语义与句式模板之间的匹配度时，具体用于：针对所述输入语义中的每个子语义，分别根据该子语义在句式模板中的填充位置，确定所述语料库中能够填充在该填充位置的词的第一集合；以及，根据该子语义与第一集合中的各个词之间的余弦相似度，计算得到该子语义与句式模板中对应填充位置的匹配因子，其中，所述匹配因子与所述余弦相似度正相关；然后，根据每个子语义与句式模板中对应填充位置的匹配因子，计算所述输入语义与句式模板之间的匹配度(如取匹配因子的均值或和值等)。

这里，所述语句生成模块33，具体用于将所述输入语义和/或替换语义中的词，填充至所述候选句式模板中的对应位置，得到自然语句，其中，所述替换语义与所述输入语义的语义近似度高于预设阈值；以及，计算所述候选自然语句中的各个填充位置的子语义组成的填充语义，与对应的候选句式模板之间的匹配度，并根据所述匹配度，筛选出匹配度达到预定门限的自然语句。

<实施例四>

请参照图5，本发明实施例还提供了一种人数统计的电子设备，可以实现本发明实施例图1或图2所示实施例的流程。所述电子设备可以是个人电脑(pc)，平板电脑以及各种智能设备(包括智能眼镜或智能手机)等。如图5所示，上述电子设备50可以包括：

处理器51；

和存储器，所述存储器中存储有计算机程序指令。具体的，所述存储器可以包括ram(随机存取存储器)52、rom(只读存储器)53。

其中，在所述计算机程序指令被所述处理器51运行时，使得所述处理器51执行以下步骤：

根据语料库中的语句，生成匹配预定义的输入模式的至少一个句式模板；

获得基于所述输入模式的输入语义，计算所述输入语义与句式模板之间的匹配度，选择出所述匹配度满足预定条件的至少一个候选句式模板；

根据所述输入语义和所述候选句式模板，生成自然语句。

请参照图5，本发明实施例提供的电子设备还可以包括硬盘54、输入设备55和显示设备56等部件。具体的，输入设备55可以是具有输入功能和/或接收功能的设备，如键盘、触摸屏、各种接口，以获取预定义的输入模式和输入语义。所述显示设备56可以是led显示面板或显示器，可以用于显示生成的自然语句等信息。

上述处理器51、ram52、rom53、硬盘54、输入设备55和显示设备56可以通过总线架构互连。总线架构可以是可以包括任意数量的互联的总线和桥。具体由处理器52代表的一个或者多个中央处理器(cpu)，以及由ram52和rom53代表的一个或者多个存储器的各种电路连接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其它电路连接在一起，这些都是本领域所公知的，因此本文不再对其进行详细描述。

上述输入设备55，用于将网络请求数据的样本输入并保存在硬盘54中。

上述ram52和rom53，用于存储系统运行所必须的程序和数据，以及处理器计算过程中的中间结果等数据。

在本申请所提供的上述各个实施例中，应该理解到，所揭露方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，在本发明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包括，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，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述收发方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，简称rom)、随机存取存储器(randomaccessmemory，简称ram)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。