用于处理技能信息的方法、模型训练方法及装置与流程

1.本公开涉及人工智能技术领域，具体为机器学习技术领域。


背景技术：

2.目前，对于不同的岗位，需要考察与各个岗位相对应的技能信息，从而选择适配各个岗位的候选人。
3.然而，现在对于技能信息的考察均依赖于人工经验，从而导致技能考察较为主观，精准度较差。


技术实现要素：

4.本公开提供了一种用于处理技能信息的方法、模型训练方法及装置。
5.根据本公开的一方面，提供了一种用于处理技能信息的方法，包括：获取待考察信息；基于待考察信息和预先训练完成的技能词生成模型，确定至少一个技能词；输出至少一个技能词。
6.根据本公开的另一方面，提供了一种模型训练方法，包括：获取样本待考察信息和考察结果标注数据；基于预设的技能词图、样本待考察信息和待训练模型，确定至少一个样本技能词；基于至少一个样本技能词和考察结果标注数据，对待训练模型进行训练，得到训练完成的技能词生成模型。
7.根据本公开的另一方面，提供了一种用于处理技能信息的装置，包括：信息获取单元，被配置成获取待考察信息；技能词确定单元，被配置成基于待考察信息和预先训练完成的技能词生成模型，确定至少一个技能词；技能词输出单元，被配置成输出至少一个技能词。
8.根据本公开的另一方面，提供了一种模型训练装置，包括：样本获取单元，被配置成获取样本待考察信息和考察结果标注数据；样本技能词确定单元，被配置成基于预设的技能词图、样本待考察信息和待训练模型，确定至少一个样本技能词；模型训练单元，被配置成基于至少一个样本技能词和考察结果标注数据，对待训练模型进行训练，得到训练完成的技能词生成模型。
9.根据本公开的另一方面，提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上任意一项用于处理技能信息的方法或者模型训练方法。
10.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行如上任意一项用于处理技能信息的方法或者模型训练方法。
11.根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如上任意一项用于处理技能信息的方法或者模型训练方法。
12.根据本公开的技术，提供一种用于处理技能信息的方法，可以基于技能词进行技
能信息的考察，能够提高技能考察精准度。
13.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开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
14.附图用于更好地理解本方案，不构成对本公开的限定。其中：
15.图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
16.图2是根据本公开的用于处理技能信息的方法的一个实施例的流程图；
17.图3是根据本公开的用于处理技能信息的方法的一个应用场景的示意图；
18.图4是根据本公开的模型训练方法的一个实施例的流程图；
19.图5是根据本公开的模型训练方法的另一个实施例的流程图；
20.图6是根据本公开的用于处理技能信息的装置的一个实施例的结构示意图；
21.图7是根据本公开的模型训练装置的一个实施例的结构示意图；
22.图8是用来实现本公开实施例的用于处理技能信息的方法或者模型训练方法的电子设备的框图。
具体实施方式
23.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。
24.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。
25.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。
26.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。其中，终端设备101、102、103可以获取需要进行考察的对象信息、岗位信息等待考察信息，并通过网络104将待考察信息发送给服务器105，以使服务器105返回相对应的至少一个技能词，输出至少一个技能词，以使用户基于至少一个技能词进行技能考察。并且，在模型训练阶段，终端设备101、102、103可以获取样本待考察信息和考察结果标注数据，并将样本待考察信息和考察结果标注数据通过网络104发送给服务器105，以使服务器105基于这些数据进行模型训练，并返回训练完成的技能词生成模型。
27.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，可以是各个电子设备，包括但不限于手机、电脑、平板等等。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。
28.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发送的待考察信息，并基于预先训练完成的技能词生成模型确定与待考察信
息相对应的至少一个标签词，并将至少一个标签词通过网络104返回给终端设备101、102、103。又或者，在模型训练阶段，服务器105还可以接收终端设备101、102、103发送的样本待考察信息、考察结果标注数据，并基于预设的技能词图、样本待考察信息和考察结果标注数据，对待训练模型进行训练，得到训练完成的技能词生成模型。
29.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。
30.需要说明的是，本公开实施例所提供的用于处理技能信息的方法或者模型训练方法可以由终端设备101、102、103执行，也可以由服务器105执行，用于处理技能信息的装置或者模型训练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。
31.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。
32.继续参考图2，示出了根据本公开的用于处理技能信息的方法的一个实施例的流程200。本实施例的用于处理技能信息的方法，包括以下步骤：
33.步骤201，获取待考察信息。
34.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)可以在需要进行技能考察的情况下，获取与技能考察相关的待考察信息。其中，待考察信息可以包括但不限于待考察岗位信息、待考察对象信息、待考察对象的历史考察结果信息等，本实施例中对此不做限定。并且，执行主体可以从预先存储的本地数据中获取待考察信息，也可以基于预先建立连接的电子设备，获取待考察信息。
35.在本实施例的一些可选的实现方式中，待考察信息包括待考察岗位信息和待考察对象信息。其中，待考察岗位信息为需要考察的岗位信息，例如岗位要求信息。待考察对象信息为需要考察的应聘对象的信息，例如应聘对象简历信息。
36.步骤202，基于待考察信息和预先训练完成的技能词生成模型，确定至少一个技能词。
37.在本实施例中，预先训练完成的技能词生成模型用于确定与待考察信息相匹配的至少一个技能词，以使招聘对象可以基于至少一个技能词对应聘对象进行技能考察。
38.其中，预先训练完成的技能词生成模型可以基于历史考察数据以及历史考察数据对应的技能词图确定得到，历史考察数据可以包括历史待考察信息以及历史待考察信息对应的考察结果。
39.步骤203，输出至少一个技能词。
40.在本实施例中，执行主体可以输出至少一个技能词，以使招聘对象按照至少一个技能词对应聘对象进行招聘考察。可选的，执行主体可以向招聘对象的绑定电子设备输出至少一个技能词。
41.在本实施例的一些可选的实现方式中，输出至少一个技能词，包括：基于至少一个技能词和招聘对象信息，确定目标招聘对象；向目标招聘对象发送至少一个技能词，以使目标招聘对象基于至少一个技能词对待考察对象进行技能考察。
42.在本实现方式中，执行主体在确定得到至少一个技能词之后，可以获取招聘对象
信息。其中，招聘对象信息可以为各个招聘对象对应的对象信息。可选的，对象信息可以包括对象标签。执行主体能够将至少一个技能词和各个招聘对象的对象信息进行匹配，得到各个招聘对象与至少一个技能词的匹配度，选取匹配度最高的招聘对象，作为目标招聘对象。并将至少一个技能词发送给目标招聘对象的绑定电子设备，以使目标招聘对象基于至少一个技能词对待考察对象进行技能考察。
43.并且，对于每个技能词，执行主体可以基于该技能词和招聘对象信息，确定与该技能词匹配度最高的目标招聘对象，向该目标招聘对象发送该技能词，以使该目标招聘对象考察待考察对象的该技能词对应的技能。也即是，执行主体可以针对不同的技能词，选取不同的招聘对象进行招聘考察，提高多技能词的考察效果。
44.继续参见图3，其示出了根据本公开的用于处理技能信息的方法的一个应用场景的示意图。在图3的应用场景中，执行主体可以获取待考察信息301，其中，待考察信息301包括待考察岗位信息和待考察对象信息。执行主体将待考察信息301输入技能词生成模型302，得到技能词生成模型302输出的技能词303，其中，技能词303可以包括但不限于技能词a、技能词b、技能词c。之后，执行主体可以将技能词303发送给目标招聘对象304。这里的目标招聘对象304可以为一个对象，也可以为多个对象，本实施例对此不做限定。
45.本公开上述实施例提供的用于处理技能信息的方法，可以基于预先训练完成的技能词生成模型，确定与待考察信息对应的技能词，并基于技能词进行技能信息的考察，能够提高技能考察精准度。
46.继续参见图4，其示出了根据本公开的模型训练方法的一个实施例的流程400。如图4所示，本实施例的模型训练方法可以包括以下步骤：
47.步骤401，获取样本待考察信息和考察结果标注数据。
48.在本实施例中，样本待考察信息可以为历史考察数据中的待考察岗位信息和待考察对象信息，考察结果标注数据可以为历史考察数据中与待考察岗位信息、待考察对象信息相匹配的考察结果信息，例如历史面试结果信息。
49.步骤402，基于预设的技能词图、样本待考察信息和待训练模型，确定至少一个样本技能词。
50.在本实施例中，预设的技能词图包括多个技能词以及各个技能词之间的关联关系。执行主体可以基于预设的技能词图和样本待考察信息，确定待训练模型输出的至少一个样本技能词。
51.其中，执行主体可以将预设的技能词图和样本待考察信息均输入待训练模型，以使待训练模型从预设的技能词图中确定与样本待考察信息相匹配的至少一个样本技能词。
52.步骤403，基于至少一个样本技能词和考察结果标注数据，对待训练模型进行训练，得到训练完成的技能词生成模型。
53.在本实施例中，执行主体可以基于考察结果标注数据与上述的至少一个样本技能词之间的匹配程度，响应于确定匹配程度较低，调整待训练模型的模型参数，重复迭代，直至待训练模型输出的至少一个样本词与考察结果标注数据之间的匹配程度较高，满足预设的收敛条件，得到训练完成的技能词生成模型。
54.这里的训练完成的技能词生成模型可以应用于图1描述的用于处理技能信息的方法，能够基于待考察信息确定相匹配的技能词。
55.本公开的上述实施例提供的模型训练方法，还可以利用预设的技能词图，以及历史考察数据中的样本待考察信息和考察结果标注数据，对待训练模型进行训练，得到训练完成的技能词生成模型，实现匹配待考察信息的技能词的生成。
56.继续参见图5，其示出了根据本公开的模型训练方法的另一个实施例的流程500。如图5所示，本实施例的模型训练方法可以包括以下步骤：
57.步骤501，获取样本待考察信息和考察结果标注数据。
58.在本实施例中，样本待考察信息包括待考察岗位样本信息和待考察对象样本信息。其中，待考察岗位样本信息为历史考察的岗位信息，例如历史岗位要求信息。待考察对象样本信息为历史考察的应聘对象的信息，例如历史应聘对象简历信息。考察结果标注数据可以为历史考察的面试结果信息，对应着历史考察的相应岗位信息、相应对象信息。
59.其中，对于步骤501的详细描述请参照对于步骤401的详细描述，在此不再赘述。
60.步骤502，基于样本待考察信息和考察结果标注数据，确定技能词图。
61.在本实施例中，执行主体可以从样本待考察信息和考察结果标注数据中提取各个技能词，并基于各个技能词在样本待考察信息和考察结果标注数据中的出现位置，建立各个技能词之间的关联关系，得到技能词图。
62.在本实施例的一些可选的实现方式中，基于样本待考察信息，确定技能词图，包括：从样本待考察信息和考察结果标注数据中，确定各个候选技能词；基于各个候选技能词、样本待考察信息和考察结果标注数据，确定各个候选技能词之间的连接信息；基于各个候选技能词和各个候选技能词之间的连接信息，确定技能词图。
63.在本实现方式中，执行主体可以对样本考察信息和考察结果标注数据进行文本分析，从中提取各个候选技能词。可选的，执行主体可以采用循环神经网络、注意力机制以及复制机制相结合的方式，从样本考察信息和考察结果标注数据中提取候选技能词。其中，复制机制用于对超出词表外的词直接复制，注意力机制用于更关注关键文本进行注意力资源调度。通过将循环神经网络、注意力机制以及复制机制相结合的方式，能够提高候选技能词的确定精准度。
64.之后，执行主体可以基于各个候选技能词、样本待考察信息和考察结果标注数据，确定各个候选技能词之间的连接信息。可选的，执行主体可以基于各个候选技能词在每个信息中的位置以及每个信息之间的关联关系，确定各个候选技能词之间的连接信息。其中，信息指的是样本待考察信息和考察结果标注数据中的历史数据的待考察岗位信息、待考察对象信息和考察结果标注数据。
65.在本实施例的另一些可选的实现方式中，基于各个候选技能词、样本待考察信息和考察结果标注数据，确定各个候选技能词之间的连接信息，包括：基于样本待考察信息和考察结果标注数据，确定至少一组样本数据元组；对于每组样本数据元组，确定该样本数据元组中的候选技能词之间的连接信息；基于各组样本数据元组中候选技能词之间的连接信息，确定各个候选技能词之间的连接信息。
66.在本实现方式中，样本待考察信息中可以包括多个历史考察数据中的待考察岗位信息和待考察对象信息，考察结果标注数据中可以包括多个历史考察数据中的历史面试结果信息。执行主体可以从样本待考察信息和考察结果标注数据中确定至少一组样本数据元组，对于每组样本数据元组，该样本数据元组包括具有对应关系的待考察岗位信息、待考察
对象信息以及历史面试结果信息。
67.对于每组样本数据元组，确定该样本数据元组中的候选技能词之间的连接信息可以包括：对于每组样本数据元组中的每个信息，利用预设的滑动窗口遍历该信息，基于该信息中同处于预设的滑动窗口的技能词，建立该信息内部的候选技能词之间的连接信息；以及，对于处于同一样本数据元组的各个信息，对各个信息中的候选技能词，建立跨信息文本的候选技能词之间的连接关系。基于各个样本数据元组中的信息内部的候选技能词之间的连接关系、跨信息文本的候选技能词之间的连接关系，生成预设的技能词图。其中，信息为待考察岗位信息、待考察对象信息以及历史面试结果信息。
68.步骤503，将预设的技能词图和样本待考察信息输入待训练模型。
69.在本实施例中，执行主体可以将上述的技能词图和样本待考察信息输入待训练模型，以使待训练模型输出至少一个样本技能词。
70.步骤504，基于预设的技能词图，确定标签表征信息。
71.在本实施例中，执行主体可以利用预设的技能词图，得到标签表征信息。其中，标签表征信息用于表征各个技能词。
72.步骤505，基于预设的技能词图和样本待考察信息，确定主题表征信息。
73.在本实施例中，执行主体可以将预设的技能词图映射到预设的多维空间，得到技能词图对应的映射数据。以及将样本待考察信息映射到预设的多维空间，得到样本待考察信息对应的映射数据。之后，执行主体可以将技能词图对应的映射数据与样本待考察信息对应的映射数据进行整合处理，得到主题表征信息。其中，主题表征信息用于表征预设的技能词图和样本待考察信息对应的文本主题。
74.在本实施例的一些可选的实现方式中，还可以执行以下步骤：利用多层感知器，将技能词图对应的映射数据与样本待考察信息对应的映射数据进行数据处理，得到整合数据，输出整合数据，用于基于整合数据进行后续数据分析处理。
75.步骤506，基于标签表征信息和主题表征信息，确定至少一个样本技能词。
76.在本实施例中，执行护体可以基于对标签表征信息和主题表征信息进行匹配，确定至少一个样本技能词。这里的样本技能词可以为标签表征信息中的技能词。
77.步骤507，基于至少一个样本技能词和考察结果标注数据，对待训练模型进行训练，得到训练完成的技能词生成模型。
78.在本实施例中，技能词生成模型可以为贝叶斯隐变量模型，也可以为其他现有技术中的机器学习模型，本实施例对此不做限定。其中，对于步骤507的详细描述请参照对于步骤403的详细描述，在此不再赘述。
79.本公开的上述实施例提供的模型训练方法，还可以从样本待考察信息和考察结果标注数据中提取技能词，并确定与样本待考察信息和考察结果标注数据中提取技能词对应的各个样本数据元组，基于每个样本数据元组的各个信息内部以及各个信息之间的关联，确定技能词之间的关联关系，得到技能词图，利用技能词图辅助模型训练，能够提高模型精准度。以及，利用主题表征信息和标签表征信息进行样本技能词的确定，能够提高样本技能词的确定精准度。
80.进一步参考图6，作为对上述各图所示方法的实现，本公开提供了一种用于处理技能信息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。
81.如图6所示，本实施例的用于处理技能信息的装置600包括：信息获取单元601、技能词确定单元602和技能词输出单元603。
82.信息获取单元601，被配置成获取待考察信息。
83.技能词确定单元602，被配置成基于待考察信息和预先训练完成的技能词生成模型，确定至少一个技能词。
84.技能词输出单元603，被配置成输出至少一个技能词。
85.在本实施例的一些可选的实现方式中，待考察信息包括待考察岗位信息和待考察对象信息。
86.在本实施例的一些可选的实现方式中，技能词输出单元603进一步被配置成：基于至少一个技能词和招聘对象信息，确定目标招聘对象；向目标招聘对象发送至少一个技能词，以使目标招聘对象基于至少一个技能词对待考察对象进行技能考察。
87.应当理解，用于处理技能信息的装置600中记载的单元601至单元603分别与参考图2中描述的方法中的各个步骤相对应。由此，上文针对用于处理技能信息的方法描述的操作和特征同样适用于装置600及其中包含的单元，在此不再赘述。
88.进一步参考图7，作为对上述各图所示方法的实现，本公开提供了一种模型训练装置的一个实施例，该装置实施例与图4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。
89.如图7所示，本实施例的模型训练装置700包括：样本获取单元701、样本技能词确定单元702和模型训练单元703。
90.状态获取单元701，被配置成获取样本待考察信息和考察结果标注数据。
91.样本技能词确定单元702，被配置成基于预设的技能词图、样本待考察信息和待训练模型，确定至少一个样本技能词。
92.模型训练单元703，被配置成基于至少一个样本技能词和考察结果标注数据，对待训练模型进行训练，得到训练完成的技能词生成模型。
93.在本实施例的一些可选的实现方式中，还包括：技能词图确定单元，被配置成基于样本待考察信息和考察结果标注数据，确定技能词图。
94.在本实施例的一些可选的实现方式中，技能词图确定单元进一步被配置成：从样本待考察信息和考察结果标注数据中，确定各个候选技能词；基于各个候选技能词、样本待考察信息和考察结果标注数据，确定各个候选技能词之间的连接信息；基于各个候选技能词和各个候选技能词之间的连接信息，确定技能词图。
95.在本实施例的一些可选的实现方式中，技能词图确定单元进一步被配置成：基于样本待考察信息和考察结果标注数据，确定至少一组样本数据元组；对于每组样本数据元组，确定该样本数据元组中的候选技能词之间的连接信息；基于各组样本数据元组中候选技能词之间的连接信息，确定各个候选技能词之间的连接信息。
96.在本实施例的一些可选的实现方式中，样本待考察信息包括待考察岗位样本信息和待考察对象样本信息。
97.在本实施例的一些可选的实现方式中，样本技能词确定单元702进一步被配置成：将预设的技能词图和样本待考察信息输入待训练模型；基于预设的技能词图，确定标签表
征信息；基于预设的技能词图和样本待考察信息，确定主题表征信息；基于标签表征信息和主题表征信息，确定至少一个样本技能词。
98.应当理解，模型训练装置700中记载的单元701至单元703分别与参考图4中描述的方法中的各个步骤相对应。由此，上文针对模型训练方法描述的操作和特征同样适用于装置700及其中包含的单元，在此不再赘述。
99.本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
100.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。
101.图8示出了可以用来实施本公开的实施例的示例电子设备800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。
102.如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(rom)802中的计算机程序或者从存储单元808加载到随机访问存储器(ram)803中的计算机程序，来执行各种适当的动作和处理。在ram803中，还可存储设备800操作所需的各种程序和数据。计算单元801、rom 802以及ram 803通过总线804彼此相连。输入/输出(i/o)接口805也连接至总线804。
103.设备800中的多个部件连接至i/o接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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。
104.计算单元801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801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801执行上文所描述的各个方法和处理，例如用于处理技能信息的方法或者模型训练方法。例如，在一些实施例中，用于处理技能信息的方法或者模型训练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808。在一些实施例中，计算机程序的部分或者全部可以经由rom 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到ram 803并由计算单元801执行时，可以执行上文描述的用于处理技能信息的方法或者模型训练方法的一个或多个步骤。备选地，在其他实施例中，计算单元801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处理技能信息的方法或者模型训练方法。
105.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。
106.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。
107.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。
108.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。
109.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。
110.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。
111.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。
112.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。