【技術(shù)領(lǐng)域】

本發(fā)明涉及計算機(jī)應(yīng)用技術(shù)領(lǐng)域，尤其涉及一種基于人工智能的文章分類方法及裝置、設(shè)備與可讀介質(zhì)。

背景技術(shù)：

人工智能(artificialintelligence；ai)，是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能是計算機(jī)科學(xué)的一個分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。

隨著網(wǎng)絡(luò)科技的發(fā)展，網(wǎng)絡(luò)上的電子多媒體使用越來越普及。為了有效地對網(wǎng)絡(luò)上的各種新聞資訊進(jìn)行有效地管理，通?？梢詫⑿侣勝Y訊分為不同的主題類別。

現(xiàn)有技術(shù)中通過建立層級的主題分類體系，來對新聞資訊的文章的主題類別進(jìn)行管理。例如新聞資訊可以被分為“娛樂”、“體育”、“教育”等等主題類別。在這個基礎(chǔ)上，還可以進(jìn)一步細(xì)分，比如“體育”可以分為“足球”，“籃球”，“羽毛球”等。這樣，在為用戶展示文章時可以進(jìn)行分類展示，用戶也可以按照主題分類體系中的主題類別選擇自己感興趣的主題類別進(jìn)行閱讀。為了有效地對網(wǎng)絡(luò)中的新聞資訊的文章進(jìn)行有效地分類，現(xiàn)有技術(shù)中多采用人工標(biāo)識的方法來為文章進(jìn)行分類。例如具體可以在文章發(fā)布之前，由網(wǎng)站工作人員根據(jù)新聞資訊的文章的標(biāo)題，主觀對該文章進(jìn)行分類，并打上對應(yīng)主題類別的標(biāo)簽。

但是，現(xiàn)有技術(shù)中由工作人員根據(jù)新聞資訊的文章的標(biāo)題，主觀對該文章進(jìn)行分類，不僅費(fèi)時費(fèi)力，而且對文章分類的準(zhǔn)確性也非常差。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供了一種基于人工智能的文章分類方法及裝置、設(shè)備與可讀介質(zhì)，用于提高對文章分類的準(zhǔn)確性。

本發(fā)明提供一種基于人工智能的文章分類方法，所述方法包括：

獲取目標(biāo)文章的文本；

對所述目標(biāo)文章的文本進(jìn)行至少兩種不同分詞粒度的分詞處理，得到各所述分詞粒度對應(yīng)的分詞；

根據(jù)所述目標(biāo)文章的各所述分詞粒度對應(yīng)的分詞和在目標(biāo)分類體系中預(yù)先訓(xùn)練的各層級的打分標(biāo)簽?zāi)Ｐ?，預(yù)測所述目標(biāo)文章與各所述層級上的各個主題類別的相似度；

根據(jù)所述目標(biāo)文章與各所述層級上的各個主題類別的相似度以及預(yù)設(shè)的相似度閾值，對所述目標(biāo)文章在各所述層級上進(jìn)行分類。

進(jìn)一步可選地，如上所述的方法中，根據(jù)所述目標(biāo)文章與各所述層級上的各個主題類別的相似度以及預(yù)設(shè)的相似度閾值，對所述目標(biāo)文章在各所述層級上進(jìn)行分類之后，所述方法還包括：

校驗(yàn)所述目標(biāo)文章在各所述層級上的分類。

進(jìn)一步可選地，如上所述的方法中，校驗(yàn)所述目標(biāo)文章在各所述層級上的分類，具體包括如下至少一種：

檢測所述目標(biāo)文章的各所述層級的分類是否沖突；若沖突，取消所述目標(biāo)文章在下游層級的分類；

若所述目標(biāo)文章的特定層級的分類為特定主題類別時，檢測所述目標(biāo)文章中的特定關(guān)鍵詞的出現(xiàn)頻率是否達(dá)到預(yù)設(shè)頻率閾值，若未達(dá)到，取消所述目標(biāo)文章在所述特定層級的所述特定主題類別的分類；和

若所述目標(biāo)文章的特定層級的分類為特定主題類別時，檢測所述目標(biāo)文章中是否出現(xiàn)特定關(guān)鍵詞，若出現(xiàn)，取消所述目標(biāo)文章在所述特定層級的所述特定主題類別的分類。

進(jìn)一步可選地，如上所述的方法中，根據(jù)所述目標(biāo)文章的各所述分詞粒度對應(yīng)的分詞和在目標(biāo)分類體系中預(yù)先訓(xùn)練的各層級的打分標(biāo)簽?zāi)Ｐ?，預(yù)測所述目標(biāo)文章與各所述層級上的各個主題類別的相似度之前，所述方法還包括：

從各資訊網(wǎng)站抓取數(shù)個訓(xùn)練語料，各所述訓(xùn)練語料包括訓(xùn)練文章和所述訓(xùn)練文章在對應(yīng)的所述資訊網(wǎng)站中的原分類；

將各所述訓(xùn)練語料中的所述訓(xùn)練文章在對應(yīng)的所述資訊網(wǎng)站中的原分類映射為所述目標(biāo)分類體系中的主題類別；

對各所述訓(xùn)練語料的文本進(jìn)行至少兩種不同分詞粒度的分詞處理，得到數(shù)個正例的訓(xùn)練數(shù)據(jù)；

根據(jù)所述數(shù)個正例的訓(xùn)練數(shù)據(jù)，構(gòu)造各所述正例的訓(xùn)練數(shù)據(jù)中的訓(xùn)練語料在各所述層級上的多個不相干的主題類別，生成數(shù)個負(fù)例的訓(xùn)練數(shù)據(jù)；

使用所述數(shù)個正例的訓(xùn)練數(shù)據(jù)和所述數(shù)個負(fù)例的訓(xùn)練數(shù)據(jù)，訓(xùn)練各層級的所述打分標(biāo)簽?zāi)Ｐ汀?/p>

本發(fā)明還提供一種基于人工智能的文章分類裝置，所述裝置包括：

獲取模塊，用于獲取目標(biāo)文章的文本；

分詞模塊，用于對所述目標(biāo)文章的文本進(jìn)行至少兩種不同分詞粒度的分詞處理，得到各所述分詞粒度對應(yīng)的分詞；

預(yù)測模塊，用于根據(jù)所述目標(biāo)文章的各所述分詞粒度對應(yīng)的分詞和在目標(biāo)分類體系中預(yù)先訓(xùn)練的各層級的打分標(biāo)簽?zāi)Ｐ?，預(yù)測所述目標(biāo)文章與各所述層級上的各個主題類別的相似度；

分類模塊，用于根據(jù)所述目標(biāo)文章與各所述層級上的各個主題類別的相似度以及預(yù)設(shè)的相似度閾值，對所述目標(biāo)文章在各所述層級上進(jìn)行分類。

進(jìn)一步可選地，如上所述的裝置中，還包括：

校驗(yàn)?zāi)K，用于校驗(yàn)所述目標(biāo)文章在各所述層級上的分類。

進(jìn)一步可選地，如上所述的裝置中，

所述校驗(yàn)?zāi)K，具體用于執(zhí)行如下至少一種：

檢測所述目標(biāo)文章的各所述層級的分類是否沖突；若沖突，取消所述目標(biāo)文章在下游層級的分類；

若所述目標(biāo)文章的特定層級的分類為特定主題類別時，檢測所述目標(biāo)文章中的特定關(guān)鍵詞的出現(xiàn)頻率是否達(dá)到預(yù)設(shè)頻率閾值，若未達(dá)到，取消所述目標(biāo)文章在所述特定層級的所述特定主題類別的分類；和

若所述目標(biāo)文章的特定層級的分類為特定主題類別時，檢測所述目標(biāo)文章中是否出現(xiàn)特定關(guān)鍵詞，若出現(xiàn)，取消所述目標(biāo)文章在所述特定層級的所述特定主題類別的分類。

進(jìn)一步可選地，如上所述的裝置中，還包括：

抓取模塊，用于從各資訊網(wǎng)站抓取數(shù)個訓(xùn)練語料，各所述訓(xùn)練語料包括訓(xùn)練文章和所述訓(xùn)練文章在對應(yīng)的所述資訊網(wǎng)站中的原分類；

映射模塊，用于將各所述訓(xùn)練語料中的所述訓(xùn)練文章在對應(yīng)的所述資訊網(wǎng)站中的原分類映射為所述目標(biāo)分類體系中的主題類別，

正例生成模塊，用于對各所述訓(xùn)練語料的文本進(jìn)行至少兩種不同分詞粒度的分詞處理，得到數(shù)個正例的訓(xùn)練數(shù)據(jù)；

負(fù)例生成模塊，用于根據(jù)所述數(shù)個正例的訓(xùn)練數(shù)據(jù)，構(gòu)造各所述正例的訓(xùn)練數(shù)據(jù)中的訓(xùn)練語料在各所述層級上的多個不相干的主題類別，生成數(shù)個負(fù)例的訓(xùn)練數(shù)據(jù)；

訓(xùn)練模塊，用于使用所述數(shù)個正例的訓(xùn)練數(shù)據(jù)和所述數(shù)個負(fù)例的訓(xùn)練數(shù)據(jù)，訓(xùn)練各層級的所述打分標(biāo)簽?zāi)Ｐ汀?/p>

本發(fā)明還提供一種計算機(jī)設(shè)備，所述設(shè)備包括：

一個或多個處理器；

存儲器，用于存儲一個或多個程序，

當(dāng)所述一個或多個程序被所述一個或多個處理器執(zhí)行，使得所述一個或多個處理器實(shí)現(xiàn)如上所述的基于人工智能的文章分類方法。

本發(fā)明還提供一種計算機(jī)可讀介質(zhì)，其上存儲有計算機(jī)程序，該程序被處理器執(zhí)行時實(shí)現(xiàn)如上所述的基于人工智能的文章分類方法。

本發(fā)明的基于人工智能的文章分類方法及裝置、設(shè)備與可讀介質(zhì)，通過獲取目標(biāo)文章的文本；對目標(biāo)文章的文本進(jìn)行至少兩種不同分詞粒度的分詞處理，得到各分詞粒度對應(yīng)的分詞；根據(jù)目標(biāo)文章的各分詞粒度對應(yīng)的分詞和在目標(biāo)分類體系中預(yù)先訓(xùn)練的各層級的打分標(biāo)簽?zāi)Ｐ?，預(yù)測目標(biāo)文章與各層級上的各個主題類別的相似度；根據(jù)目標(biāo)文章與各層級上的各個主題類別的相似度以及預(yù)設(shè)的相似度閾值，對目標(biāo)文章在各層級上進(jìn)行分類。本發(fā)明的技術(shù)方案，通過獲取目標(biāo)文章的文本進(jìn)行至少兩種不同分詞粒度的分詞，可以使得預(yù)測目標(biāo)文章與各層級上的各個主題類別的相似度時，輸入至打分標(biāo)簽?zāi)Ｐ椭械脑撃繕?biāo)文章的信息量非常豐富，從而能夠準(zhǔn)確預(yù)測出目標(biāo)文章與各層級上的各個主題類別的相似度；進(jìn)而能夠非常準(zhǔn)確地對該目標(biāo)文章在該層級上進(jìn)行分類。因此，本發(fā)明的技術(shù)方案，不僅對文章進(jìn)行分類的準(zhǔn)確性較高，而且能夠自動地實(shí)現(xiàn)對文章進(jìn)行分類，省時、省力，對文章分類的效率非常高。

【附圖說明】

圖1為本發(fā)明的基于人工智能的文章分類方法實(shí)施例的流程圖。

圖2為本發(fā)明的基于人工智能的文章分類裝置實(shí)施例一的結(jié)構(gòu)圖。

圖3為本發(fā)明的基于人工智能的文章分類裝置實(shí)施例二的結(jié)構(gòu)圖。

圖4為本發(fā)明的計算機(jī)設(shè)備實(shí)施例的結(jié)構(gòu)圖。

圖5為本發(fā)明提供的一種計算機(jī)設(shè)備的示例圖。

【具體實(shí)施方式】

為了使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面結(jié)合附圖和具體實(shí)施例對本發(fā)明進(jìn)行詳細(xì)描述。

圖1為本發(fā)明的基于人工智能的文章分類方法實(shí)施例的流程圖。如圖1所示，本實(shí)施例的基于人工智能的文章分類方法，具體可以包括如下步驟：

100、獲取目標(biāo)文章的文本；

本發(fā)明的基于人工智能的文章分類方法的執(zhí)行主體為基于人工智能的文章分類裝置，該基于人工智能的文章分類裝置可以為一電子的實(shí)體裝置，也可以為采用軟件集成的裝置。

本實(shí)施例中的目標(biāo)文章為網(wǎng)絡(luò)上的新聞資訊對應(yīng)的文章，為了對網(wǎng)絡(luò)上的新聞資訊進(jìn)行有效地管理，每一個新聞資訊發(fā)布之后，均需要將該新聞資訊的文章作為目標(biāo)文章，采用本實(shí)施例的基于人工智能的文章分類方法對該新聞資訊對應(yīng)的文章進(jìn)行分類。

101、對目標(biāo)文章的文本進(jìn)行至少兩種不同分詞粒度的分詞處理，得到各分詞粒度對應(yīng)的分詞；

本實(shí)施例中，需要對目標(biāo)文章的文本進(jìn)行至少兩種不同分詞粒度的分詞處理，例如至少兩種不同的分詞粒度可以包括基本粒度、混版粒度等不同的分詞粒度。本實(shí)施例中通過對目標(biāo)文章的文本進(jìn)行至少兩種不同分詞粒度的分詞處理，以獲取該目標(biāo)文章的文本各種粒度的分詞信息，以更加準(zhǔn)確地對目標(biāo)文章的文本進(jìn)行分類。

需要說明的是，目標(biāo)文章的文本不僅包括標(biāo)題還包括正文。本實(shí)施例中，在對目標(biāo)文章的文本按照每一種分詞粒度進(jìn)行分詞時，可以按照該種分詞粒度分別對目標(biāo)文章的標(biāo)題和正文進(jìn)行分詞，得到該分詞粒度下、該目標(biāo)文章對應(yīng)的標(biāo)題的分詞和該目標(biāo)文章對應(yīng)的正文的分詞。

102、根據(jù)目標(biāo)文章的各分詞粒度對應(yīng)的分詞和在目標(biāo)分類體系中預(yù)先訓(xùn)練的各層級的打分標(biāo)簽?zāi)Ｐ停A(yù)測目標(biāo)文章與各層級上的各個主題類別的相似度；

本實(shí)施例的目標(biāo)分類體系為本實(shí)施例中對目標(biāo)文章進(jìn)行分類的依據(jù)。網(wǎng)站為了管理文章，可以預(yù)先定義好該目標(biāo)分類體系中包括幾層主題類別，以及每一層所包括的主題類別。本實(shí)施例中，對于目標(biāo)分類體系中的每一層級還預(yù)先訓(xùn)練有對應(yīng)的打分標(biāo)簽?zāi)Ｐ停恳粚蛹壍拇蚍謽?biāo)簽?zāi)Ｐ椭锌梢灶A(yù)先訓(xùn)練有目標(biāo)分類體系中該層級的各個主題類別的一維向量。該打分標(biāo)簽?zāi)Ｐ驮陬A(yù)測目標(biāo)文章與各層級上的各個主題類別的相似度的時候，可以將各分詞粒度對應(yīng)的分詞輸入至該打分標(biāo)簽?zāi)Ｐ?，然后打分?biāo)簽?zāi)Ｐ捅憧梢愿鶕?jù)內(nèi)部預(yù)先訓(xùn)練好的該層級的各個主題類別的一維向量，分別預(yù)測出該目標(biāo)文章與該層級上的各個主題類別的相似度。其中輸入該打分標(biāo)簽?zāi)Ｐ偷母鞣衷~粒度對應(yīng)的分詞具體可以采用詞向量的形式輸入，而每個詞對應(yīng)的詞向量也可以通過預(yù)先訓(xùn)練確定。比如相同語義的詞，對應(yīng)的詞向量的相似度應(yīng)該是比較高，如果詞向量的相似度不高，可以調(diào)整詞向量中的數(shù)值，使得兩個詞向量的相似度朝向升高的方向改變。同理，如不同語義的詞，對應(yīng)的詞向量的相似度應(yīng)該是比較低，如果詞向量的相似度較高，可以調(diào)整詞向量的數(shù)值，使得兩個詞向量的相似度朝向降低的方向改變。通過不斷訓(xùn)練和調(diào)整，可以確定每個詞的詞表。

在向該打分標(biāo)簽?zāi)Ｐ洼斎敫鞣衷~粒度對應(yīng)的分詞時，可以將各分詞粒度、以及目標(biāo)文章的標(biāo)題和正文的分詞分域輸入。例如對于采用兩種分詞粒度對目標(biāo)文章的標(biāo)題和正文進(jìn)行分詞時，對應(yīng)輸入的分詞可以分為如下四個域：(分詞粒度1對應(yīng)的標(biāo)題分詞)、(分詞粒度1對應(yīng)的正文分詞)、(分詞粒度2對應(yīng)的標(biāo)題分詞)以及(分詞粒度2對應(yīng)的正文分詞)。然后打分標(biāo)簽?zāi)Ｐ透鶕?jù)輸入的各種分詞粒度的分詞，來準(zhǔn)確預(yù)測該目標(biāo)文章與該層級上的各個主題類別的相似度。實(shí)際應(yīng)用中，在對目標(biāo)文章進(jìn)行分詞時，選擇的分詞粒度的種類越多，各種大小信息量的分詞越豐富，雖然計算過程會略有復(fù)雜，但是打分標(biāo)簽?zāi)Ｐ皖A(yù)測的該目標(biāo)文章與該層級上的各個主題類別的相似度越準(zhǔn)確。

本實(shí)施例的打分標(biāo)簽?zāi)Ｐ涂梢圆捎迷~袋(bag-of-words；bow)模型或者卷積神經(jīng)網(wǎng)絡(luò)(convolutionalneuralnetwork；cnn)模型的架構(gòu)進(jìn)行訓(xùn)練得到。

103、根據(jù)目標(biāo)文章與各層級上的各個主題類別的相似度以及預(yù)設(shè)的相似度閾值，對目標(biāo)文章在各層級上進(jìn)行分類。

對于目標(biāo)分類體系中的每一個層級，打分標(biāo)簽?zāi)Ｐ皖A(yù)測的是目標(biāo)文章與該層級上的各個主題類別的相似度。即目標(biāo)分類體系中該層級包括有多少個主題類別，該層級的打分標(biāo)簽?zāi)Ｐ捅憧梢暂敵龆嗌賯€相似度，分別為該目標(biāo)文章與該層級上的各個主題類的相似度。然后可以判斷該層級的打分標(biāo)簽?zāi)Ｐ洼敵龅母鱾€相似度與相似度閾值的大小關(guān)系，若目標(biāo)文章與該層級的某個主題類別的相似度大于或者等于預(yù)設(shè)的相似度閾值，此時該目標(biāo)文章在該層級上可以分配至該主題類別中；否則若目標(biāo)文章與該層級的某個主題類別的相似度小于預(yù)設(shè)的相似度閾值，此時該目標(biāo)文章在該層級上不可以分至該主題類別中。本實(shí)施例中，具體可以通過為該目標(biāo)文章打上主題類別的標(biāo)簽，以標(biāo)識該目標(biāo)文章在該層級上分配至該主題類別中。

采用本實(shí)施例的技術(shù)方案，目標(biāo)文章在目標(biāo)分類體系中可以被分至多個主題類別中，也有可能不會分配至任一主題類別中。

而且可選地，本實(shí)施例的目標(biāo)分類體系中所有層級的所有主題類別的預(yù)設(shè)的相似度閾值可以相同；也可以每一層級的所有主題類別的預(yù)設(shè)的相似度閾值相同，不同層級的主題類別對應(yīng)的預(yù)設(shè)的相似度閾值不相同；或者各個主題類別的預(yù)設(shè)的相似度閾值也可以均不相同。或者也可以僅對較為特殊的主題類別設(shè)置較大或者較小的預(yù)設(shè)的相似度閾值，其它主題類別設(shè)置相同的預(yù)設(shè)的相似度閾值。例如，對容易分錯的主題類別的預(yù)設(shè)的相似度閾值進(jìn)行獨(dú)立控制，加大預(yù)設(shè)的相似度閾值。比如主題類別為“搞笑”比較難以分類，那么只有當(dāng)打分標(biāo)簽?zāi)Ｐ皖A(yù)測到目標(biāo)文章與該主題類別的相似度閾值足夠高時，目標(biāo)文章才會被分到這個主題類別。

本實(shí)施例的基于人工智能的文章分類方法，通過獲取目標(biāo)文章的文本；對目標(biāo)文章的文本進(jìn)行至少兩種不同分詞粒度的分詞處理，得到各分詞粒度對應(yīng)的分詞；根據(jù)目標(biāo)文章的各分詞粒度對應(yīng)的分詞和在目標(biāo)分類體系中預(yù)先訓(xùn)練的各層級的打分標(biāo)簽?zāi)Ｐ?，預(yù)測目標(biāo)文章與各層級上的各個主題類別的相似度；根據(jù)目標(biāo)文章與各層級上的各個主題類別的相似度以及預(yù)設(shè)的相似度閾值，對目標(biāo)文章在各層級上進(jìn)行分類。本實(shí)施例的技術(shù)方案，通過獲取目標(biāo)文章的文本進(jìn)行至少兩種不同分詞粒度的分詞，可以使得預(yù)測目標(biāo)文章與各層級上的各個主題類別的相似度時，輸入至打分標(biāo)簽?zāi)Ｐ椭械脑撃繕?biāo)文章的信息量非常豐富，從而能夠準(zhǔn)確預(yù)測出目標(biāo)文章與各層級上的各個主題類別的相似度；進(jìn)而能夠非常準(zhǔn)確地對該目標(biāo)文章在該層級上進(jìn)行分類。因此，本實(shí)施例的技術(shù)方案，不僅對文章進(jìn)行分類的準(zhǔn)確性較高，而且能夠自動地實(shí)現(xiàn)對文章進(jìn)行分類，省時、省力，對文章分類的效率非常高。

進(jìn)一步可選地，在上述實(shí)施例的技術(shù)方案的基礎(chǔ)上，步驟103“根據(jù)目標(biāo)文章與各層級上的各個主題類別的相似度以及預(yù)設(shè)的相似度閾值，對目標(biāo)文章在各層級上進(jìn)行分類”之后，所述方法還包括：校驗(yàn)?zāi)繕?biāo)文章在各層級上的分類。

本實(shí)施例中，在對目標(biāo)文章在各層上進(jìn)行分類之后，還可以進(jìn)一步校驗(yàn)?zāi)繕?biāo)文章在各層級上的分類，以進(jìn)一步提高對目標(biāo)文章分類的準(zhǔn)確性。

例如，校驗(yàn)?zāi)繕?biāo)文章在各層級上的分類，具體可以包括如下至少一種方式：

(a1)檢測目標(biāo)文章的各層級的分類是否沖突；若沖突，取消目標(biāo)文章在下游層級的分類；否則，若不沖突，則暫不執(zhí)行任何操作。

本實(shí)施例的基于人工智能的文章分類裝置，可以進(jìn)一步檢測目標(biāo)文章在各層級的分類對應(yīng)的主題類別的相關(guān)性，若上下兩層級的主題類別完全不相關(guān)，可以認(rèn)為上下兩層的主題類別相沖突。此時可以保留上游層級的主題類別的分類，而取消該目標(biāo)文章在下游層級的主題類別的分類。

例如，若某目標(biāo)文章在一級分類中打上了“娛樂”的標(biāo)簽，即表示在第一層被分配至主題類別為“娛樂”的分類中；而位于該“娛樂”之下的二級分類中打上了“籃球”的標(biāo)簽，即表示在第二層被分配至主題類別為“籃球”的分類中；此時，可以保留一級分類中的主題類別為“娛樂”的分類，而一級分類之下的二級分類中取消主題類別為“籃球”的分類。

(a2)若目標(biāo)文章的特定層級的分類為特定主題類別時，檢測目標(biāo)文章中的特定關(guān)鍵詞的出現(xiàn)頻率是否達(dá)到預(yù)設(shè)頻率閾值，若未達(dá)到，取消目標(biāo)文章在特定層級的所述特定主題類別的分類；若達(dá)到，暫不執(zhí)行任何操作；和

(a3)若目標(biāo)文章的特定層級的分類為特定主題類別時，檢測目標(biāo)文章中是否出現(xiàn)特定關(guān)鍵詞，若出現(xiàn)，取消目標(biāo)文章在特定層級的特定主題類別的分類；否則，暫不執(zhí)行任何操作。

本實(shí)施例還可以針對某些特征主題類別的要求對目標(biāo)文章的分類進(jìn)行校驗(yàn)。例如，可以采用正則表達(dá)式進(jìn)行匹配，符合某一要求才屬于某個主題類別，或者符合某一要求就一定不屬于某個主題類別。例如，根據(jù)上述步驟(a2)的校驗(yàn)方式，若二級分類的主題類別為“電影”的條件，可以要求目標(biāo)文章中出現(xiàn)關(guān)鍵詞“電影”必須出現(xiàn)預(yù)設(shè)頻率閾值以上的次數(shù)，如二次以上。這樣，可以對所有二級分類的主題類別為“電影”的目標(biāo)文章進(jìn)行檢測，若目標(biāo)文章中該特定關(guān)鍵詞“電影”的出現(xiàn)頻率未達(dá)到預(yù)設(shè)頻率閾值，此時可以直接取消該目標(biāo)文章在二級分類中的主題類別為“電影”的分類。

再例如，根據(jù)上述步驟(a3)的校驗(yàn)方式，若目標(biāo)文章的二級分類的主題類別為“熊貓”時，檢測目標(biāo)文章中是否出現(xiàn)特定關(guān)鍵詞“直播”，若出現(xiàn)，則取消目標(biāo)文章在二級分類的主題類別為“熊貓”的分類。

實(shí)際應(yīng)用中，上述(a1)、(a2)和(a3)三種校驗(yàn)?zāi)繕?biāo)文章在各層級上的分類的方式，可以互相配合來使用。而且，通過上述校驗(yàn)，可以進(jìn)一步提高目標(biāo)文章分類的準(zhǔn)確性。

進(jìn)一步可選地，在上述實(shí)施例的技術(shù)方案的基礎(chǔ)上，在步驟102“根據(jù)目標(biāo)文章的各分詞粒度對應(yīng)的分詞和在目標(biāo)分類體系中預(yù)先訓(xùn)練的各層級的打分標(biāo)簽?zāi)Ｐ?，獲取目標(biāo)文章與各層級上的各個主題類別的相似度”之前，還可以包括如下步驟：

(b1)從各資訊網(wǎng)站抓取數(shù)個訓(xùn)練語料，各訓(xùn)練語料包括訓(xùn)練文章和訓(xùn)練文章在對應(yīng)的資訊網(wǎng)站中的原分類；

本實(shí)施例中，訓(xùn)練語料的獲取具體可以從各門戶網(wǎng)站等資訊網(wǎng)站抓取，抓取的訓(xùn)練語料可以包括新聞資訊的文章的標(biāo)題和正文，必要時還可以抓取該文章的統(tǒng)一資源定位符(uniformresourcelocator；url)，以便于可以根據(jù)url對抓取的信息進(jìn)行清洗。另外，在每一個資訊網(wǎng)站中的每一文章中還標(biāo)識有該文章在該資訊網(wǎng)站的分類體系中的分類，因此，在抓取該文章作為訓(xùn)練語料時，還需要抓取該文章在該資訊網(wǎng)站中的分類，此處稱為原分類。例如，若從新浪新聞中抓取教育類目下的新聞文章作為訓(xùn)練語料時，抓取的該文章的原分類為“教育”。

(b2)將各訓(xùn)練語料中的訓(xùn)練文章在對應(yīng)的資訊網(wǎng)站中的原分類映射為目標(biāo)分類體系中的主題類別；

由于不同的資訊網(wǎng)站的分類體系的主題類別的劃分以及類別的定義并不相同，為了將訓(xùn)練語料能夠在本實(shí)施例的目標(biāo)分類體系中進(jìn)行訓(xùn)練，因此，本實(shí)施例中，需要將各訓(xùn)練語料中的訓(xùn)練文章在對應(yīng)的資訊網(wǎng)站中的原分類映射為目標(biāo)分類體系中的分類。在映射時，盡量保證原分類的名稱和目標(biāo)分類體系中的主題類別的名稱相同。如果目標(biāo)分類體系中不存在與原分類名稱相同的主題名稱，此時還可以對原分類以及目標(biāo)分類體系中的每一個主題類別進(jìn)行語義分析，獲取與原分類語義相同的主題類別，將原分類映射在目標(biāo)體系下與該原分類語義相同的主題類別。還可以根據(jù)原分類和目標(biāo)分類體系中的每一個主題類別所包括的范圍，來將原分類映射至目標(biāo)分類體系下的某一主題類別中。例如，目標(biāo)分類體系下設(shè)置一級類別包含人文類，而不包括歷史類，那么可以將來源中歷史類的資訊映射到認(rèn)為類這一主題類別中。

進(jìn)一步可選地，在上述步驟(b1)之后，步驟(b2)之前，還可以人工采樣評估某個來源在各個類別上的準(zhǔn)確，例如人工手動地從某資訊網(wǎng)站選擇10篇文章，發(fā)現(xiàn)8篇的類別標(biāo)識的都不準(zhǔn)確。此時可以根據(jù)url，舍棄從該資訊網(wǎng)站的抓取的所有訓(xùn)練語料資源。

進(jìn)一步可選地，本實(shí)施例中，還可以對各訓(xùn)練語料進(jìn)行清洗。例如對內(nèi)容或者標(biāo)題缺失的劣質(zhì)訓(xùn)練語料，以及由于定義不同造成的錯誤分類資源進(jìn)行過濾。比如在原分類為房產(chǎn)，但是主題和內(nèi)容都是“棚戶改造”的訓(xùn)練語料；在做映射時，該訓(xùn)練語料被映射到目標(biāo)分類體系下的主題類別為“房產(chǎn)”的分類中，此時在對訓(xùn)練語料清洗時，可以對具有關(guān)鍵詞“棚戶改造”的資訊進(jìn)行過濾。

(b3)對各訓(xùn)練語料的文本進(jìn)行至少兩種不同分詞粒度的分詞處理，得到數(shù)個正例的訓(xùn)練數(shù)據(jù)；

例如，具體可以按照步驟101的方式對各訓(xùn)練語料進(jìn)行至少兩種不同分詞粒度的分詞處理，得到數(shù)個正例的訓(xùn)練數(shù)據(jù)。正例的訓(xùn)練數(shù)據(jù)即為正確的訓(xùn)練數(shù)據(jù)版本。每個訓(xùn)練數(shù)據(jù)中可以包括訓(xùn)練語料對應(yīng)的至少兩種分詞粒度的分詞，該訓(xùn)練數(shù)據(jù)在該目標(biāo)分類體系中主題類別以及該訓(xùn)練數(shù)據(jù)為正例。

(b4)根據(jù)數(shù)個正例的訓(xùn)練數(shù)據(jù)，構(gòu)造各正例的訓(xùn)練數(shù)據(jù)中的訓(xùn)練語料在各層級上的多個不相干的主題類別，生成數(shù)個負(fù)例的訓(xùn)練數(shù)據(jù)；

在訓(xùn)練打分標(biāo)簽?zāi)Ｐ偷臅r候，不僅需要正例，還需要負(fù)例，因此，本實(shí)施例中還需要根據(jù)各正例的訓(xùn)練數(shù)據(jù)，構(gòu)造各訓(xùn)練數(shù)據(jù)中訓(xùn)練語料在各層級上的多個不相干的主題類別，從而生成負(fù)例的訓(xùn)練數(shù)據(jù)；負(fù)例的訓(xùn)練數(shù)據(jù)即為錯誤的訓(xùn)練數(shù)據(jù)版本。對于每一個正例的訓(xùn)練數(shù)據(jù)，可以生成對應(yīng)三個或者四個負(fù)例的訓(xùn)練數(shù)據(jù)，具體數(shù)量可以根據(jù)實(shí)際需求來設(shè)置。同理每個訓(xùn)練數(shù)據(jù)中可以包括訓(xùn)練語料對應(yīng)的至少兩種分詞粒度的分詞，該訓(xùn)練數(shù)據(jù)在該目標(biāo)分類體系中構(gòu)造的主題類別以及該訓(xùn)練數(shù)據(jù)為負(fù)例。

(b4)使用數(shù)個正例的訓(xùn)練數(shù)據(jù)和數(shù)個負(fù)例的訓(xùn)練數(shù)據(jù)，訓(xùn)練打分標(biāo)簽?zāi)Ｐ汀?/p>

本實(shí)施例的各層級的打分標(biāo)簽?zāi)Ｐ椭性O(shè)置有該層級的所有主題類別對應(yīng)的一維向量。在訓(xùn)練之前，對于該層級的所有主題類別的一維向量可以隨機(jī)預(yù)設(shè)初始值。然后開始訓(xùn)練時，先向打分標(biāo)簽?zāi)Ｐ洼斎胍粋€訓(xùn)練數(shù)據(jù)，輸入時，訓(xùn)練數(shù)據(jù)中的訓(xùn)練語料對應(yīng)的至少兩種分詞粒度的分詞同樣可以分域輸入；且輸入時，具體可以采用詞向量表示每一個分詞，詞向量的表示方式可以參考上述相關(guān)實(shí)施例的記載。然后打分標(biāo)簽?zāi)Ｐ透鶕?jù)該輸入的訓(xùn)練數(shù)據(jù)的信息，預(yù)測該訓(xùn)練數(shù)據(jù)與該層級的每一個主題類別的相似度。例如若該訓(xùn)練數(shù)據(jù)為正例時，可以判斷該訓(xùn)練數(shù)據(jù)與正例中確定的主題類別的相似度是否達(dá)到預(yù)設(shè)相似度閾值，若未達(dá)到，調(diào)整該主題類別對應(yīng)的一維向量以及打分標(biāo)簽?zāi)Ｐ偷膮?shù)，使得輸出的該訓(xùn)練數(shù)據(jù)與正例中確定的主題類別的相似度朝向增大的方向變化；若該訓(xùn)練數(shù)據(jù)為負(fù)例時，可以判斷該訓(xùn)練數(shù)據(jù)與負(fù)例中確定的主題類別的相似度是否小于預(yù)設(shè)相似度閾值，若未小于，調(diào)整該主題類別對應(yīng)的一維向量以及打分標(biāo)簽?zāi)Ｐ偷膮?shù)，使得輸出的該訓(xùn)練數(shù)據(jù)與輔例中確定的主題類別的相似度朝向較小的方向變化；經(jīng)過無數(shù)條訓(xùn)練數(shù)據(jù)的訓(xùn)練，可以使得訓(xùn)練的打分標(biāo)簽?zāi)Ｐ湍軌驕?zhǔn)確預(yù)測出目標(biāo)文章與該層級上的各個主題類別的相似度。此時打分標(biāo)簽?zāi)Ｐ偷膮?shù)和其中的該層級的各主題類別的一維向量確定，對應(yīng)的打分標(biāo)簽?zāi)Ｐ痛_定。

上述實(shí)施例的基于人工智能的文章分類方法，通過獲取目標(biāo)文章的文本進(jìn)行至少兩種不同分詞粒度的分詞，可以使得預(yù)測目標(biāo)文章與各層級上的各個主題類別的相似度時，輸入至打分標(biāo)簽?zāi)Ｐ椭械脑撃繕?biāo)文章的信息量非常豐富，從而能夠準(zhǔn)確預(yù)測出目標(biāo)文章與各層級上的各個主題類別的相似度；進(jìn)而能夠非常準(zhǔn)確地對該目標(biāo)文章在該層級上進(jìn)行分類。因此，上述實(shí)施例的技術(shù)方案，不僅對文章進(jìn)行分類的準(zhǔn)確性較高，而且能夠自動地實(shí)現(xiàn)對文章進(jìn)行分類，省時、省力，對文章分類的效率非常高。

圖2為本發(fā)明的基于人工智能的文章分類裝置實(shí)施例一的結(jié)構(gòu)圖。如圖2所示，本實(shí)施例的基于人工智能的文章分類裝置，具體可以包括：獲取模塊10、分詞模塊11和預(yù)測模塊12和分類模塊13。

其中獲取模塊10用于獲取目標(biāo)文章的文本；分詞模塊11用于對獲取模塊10獲取的目標(biāo)文章的文本進(jìn)行至少兩種不同分詞粒度的分詞處理，得到各分詞粒度對應(yīng)的分詞；預(yù)測模塊12用于根據(jù)分詞模塊11獲取的目標(biāo)文章的各分詞粒度對應(yīng)的分詞和在目標(biāo)分類體系中預(yù)先訓(xùn)練的各層級的打分標(biāo)簽?zāi)Ｐ?，預(yù)測目標(biāo)文章與各層級上的各個主題類別的相似度；分類模塊13用于根據(jù)預(yù)測模塊12預(yù)測的目標(biāo)文章與各層級上的各個主題類別的相似度以及預(yù)設(shè)的相似度閾值，對目標(biāo)文章在各所述層級上進(jìn)行分類。

本實(shí)施例的基于人工智能的文章分類裝置，通過采用上述模塊實(shí)現(xiàn)文章分類的實(shí)現(xiàn)原理以及技術(shù)效果與上述相關(guān)方法實(shí)施例的實(shí)現(xiàn)相同，詳細(xì)可以參考上述相關(guān)方法實(shí)施例的記載，在此不再贅述。

圖3為本發(fā)明的基于人工智能的文章分類裝置實(shí)施例二的結(jié)構(gòu)圖。如圖3所示，本實(shí)施例的基于人工智能的文章分類裝置，在上述圖2所示實(shí)施例的技術(shù)方案的基礎(chǔ)上，進(jìn)一還可以包括如下技術(shù)方案。

如圖3所示，本實(shí)施例的基于人工智能的文章分類裝置還包括：校驗(yàn)?zāi)K14。

該校驗(yàn)?zāi)K14用于校驗(yàn)分類模塊13得到的目標(biāo)文章在各層級上的分類。

進(jìn)一步可選地，本實(shí)施例的基于人工智能的文章分類裝置中，該校驗(yàn)?zāi)K14具體用于執(zhí)行如下至少一種：

檢測目標(biāo)文章的各層級的分類是否沖突；若沖突，取消目標(biāo)文章在下游層級的分類；

若目標(biāo)文章的特定層級的分類為特定主題類別時，檢測目標(biāo)文章中的特定關(guān)鍵詞的出現(xiàn)頻率是否達(dá)到預(yù)設(shè)頻率閾值，若未達(dá)到，取消目標(biāo)文章在特定層級的特定主題類別的分類；和

若目標(biāo)文章的特定層級的分類為特定主題類別時，檢測目標(biāo)文章中是否出現(xiàn)特定關(guān)鍵詞，若出現(xiàn)，取消目標(biāo)文章在所述特定層級的特定主題類別的分類。

進(jìn)一步可選地，本實(shí)施例的基于人工智能的文章分類裝置中，還包括：

抓取模塊15用于從各資訊網(wǎng)站抓取數(shù)個訓(xùn)練語料，各訓(xùn)練語料包括訓(xùn)練文章和訓(xùn)練文章在對應(yīng)的資訊網(wǎng)站中的原分類；

映射模塊16用于將抓取模塊15抓取的各訓(xùn)練語料中的訓(xùn)練文章在對應(yīng)的資訊網(wǎng)站中的原分類映射為目標(biāo)分類體系中的主題類別，

正例生成模塊17用于對映射模塊16處理后的各訓(xùn)練語料的文本進(jìn)行至少兩種不同分詞粒度的分詞處理，得到數(shù)個正例的訓(xùn)練數(shù)據(jù)；

負(fù)例生成模塊18用于根據(jù)正例生成模塊17獲取的數(shù)個正例的訓(xùn)練數(shù)據(jù)，構(gòu)造各正例的訓(xùn)練數(shù)據(jù)中的訓(xùn)練語料在各層級上的多個不相干的主題類別，生成數(shù)個負(fù)例的訓(xùn)練數(shù)據(jù)；

訓(xùn)練模塊19用于使用正例生成模塊17生成的數(shù)個正例的訓(xùn)練數(shù)據(jù)和負(fù)例生成模塊18生成的數(shù)個負(fù)例的訓(xùn)練數(shù)據(jù)，訓(xùn)練各層級的打分標(biāo)簽?zāi)Ｐ汀?/p>

對應(yīng)地，預(yù)測模塊12用于根據(jù)分詞模塊11獲取的目標(biāo)文章的各分詞粒度對應(yīng)的分詞和在目標(biāo)分類體系中訓(xùn)練模塊19預(yù)先訓(xùn)練的各層級的打分標(biāo)簽?zāi)Ｐ停A(yù)測目標(biāo)文章與各層級上的各個主題類別的相似度。

本實(shí)施例的基于人工智能的文章分類裝置，通過采用上述模塊實(shí)現(xiàn)文章分類的實(shí)現(xiàn)原理以及技術(shù)效果與上述相關(guān)方法實(shí)施例的實(shí)現(xiàn)相同，詳細(xì)可以參考上述相關(guān)方法實(shí)施例的記載，在此不再贅述。

圖4為本發(fā)明的計算機(jī)設(shè)備實(shí)施例的結(jié)構(gòu)圖。如圖4所示，本實(shí)施例的計算機(jī)設(shè)備，包括：一個或多個處理器30，以及存儲器40，存儲器40用于存儲一個或多個程序，當(dāng)存儲器40中存儲的一個或多個程序被一個或多個處理器30執(zhí)行，使得一個或多個處理器30實(shí)現(xiàn)如上實(shí)施例的基于人工智能的文章分類方法。圖4所示實(shí)施例中以包括多個處理器30為例。

例如，圖5為本發(fā)明提供的一種計算機(jī)設(shè)備的示例圖。圖5示出了適于用來實(shí)現(xiàn)本發(fā)明實(shí)施方式的示例性計算機(jī)設(shè)備12a的框圖。圖5顯示的計算機(jī)設(shè)備12a僅僅是一個示例，不應(yīng)對本發(fā)明實(shí)施例的功能和使用范圍帶來任何限制。

如圖5所示，計算機(jī)設(shè)備12a以通用計算設(shè)備的形式表現(xiàn)。計算機(jī)設(shè)備12a的組件可以包括但不限于：一個或者多個處理器16a，系統(tǒng)存儲器28a，連接不同系統(tǒng)組件(包括系統(tǒng)存儲器28a和處理器16a)的總線18a。

總線18a表示幾類總線結(jié)構(gòu)中的一種或多種，包括存儲器總線或者存儲器控制器，外圍總線，圖形加速端口，處理器或者使用多種總線結(jié)構(gòu)中的任意總線結(jié)構(gòu)的局域總線。舉例來說，這些體系結(jié)構(gòu)包括但不限于工業(yè)標(biāo)準(zhǔn)體系結(jié)構(gòu)(isa)總線，微通道體系結(jié)構(gòu)(mac)總線，增強(qiáng)型isa總線、視頻電子標(biāo)準(zhǔn)協(xié)會(vesa)局域總線以及外圍組件互連(pci)總線。

計算機(jī)設(shè)備12a典型地包括多種計算機(jī)系統(tǒng)可讀介質(zhì)。這些介質(zhì)可以是任何能夠被計算機(jī)設(shè)備12a訪問的可用介質(zhì)，包括易失性和非易失性介質(zhì)，可移動的和不可移動的介質(zhì)。

系統(tǒng)存儲器28a可以包括易失性存儲器形式的計算機(jī)系統(tǒng)可讀介質(zhì)，例如隨機(jī)存取存儲器(ram)30a和/或高速緩存存儲器32a。計算機(jī)設(shè)備12a可以進(jìn)一步包括其它可移動/不可移動的、易失性/非易失性計算機(jī)系統(tǒng)存儲介質(zhì)。僅作為舉例，存儲系統(tǒng)34a可以用于讀寫不可移動的、非易失性磁介質(zhì)(圖5未顯示，通常稱為“硬盤驅(qū)動器”)。盡管圖5中未示出，可以提供用于對可移動非易失性磁盤(例如“軟盤”)讀寫的磁盤驅(qū)動器，以及對可移動非易失性光盤(例如cd-rom,dvd-rom或者其它光介質(zhì))讀寫的光盤驅(qū)動器。在這些情況下，每個驅(qū)動器可以通過一個或者多個數(shù)據(jù)介質(zhì)接口與總線18a相連。系統(tǒng)存儲器28a可以包括至少一個程序產(chǎn)品，該程序產(chǎn)品具有一組(例如至少一個)程序模塊，這些程序模塊被配置以執(zhí)行本發(fā)明上述圖1-圖3各實(shí)施例的功能。

具有一組(至少一個)程序模塊42a的程序/實(shí)用工具40a，可以存儲在例如系統(tǒng)存儲器28a中，這樣的程序模塊42a包括——但不限于——操作系統(tǒng)、一個或者多個應(yīng)用程序、其它程序模塊以及程序數(shù)據(jù)，這些示例中的每一個或某種組合中可能包括網(wǎng)絡(luò)環(huán)境的實(shí)現(xiàn)。程序模塊42a通常執(zhí)行本發(fā)明所描述的上述圖1-圖3各實(shí)施例中的功能和/或方法。

計算機(jī)設(shè)備12a也可以與一個或多個外部設(shè)備14a(例如鍵盤、指向設(shè)備、顯示器24a等)通信，還可與一個或者多個使得用戶能與該計算機(jī)設(shè)備12a交互的設(shè)備通信，和/或與使得該計算機(jī)設(shè)備12a能與一個或多個其它計算設(shè)備進(jìn)行通信的任何設(shè)備(例如網(wǎng)卡，調(diào)制解調(diào)器等等)通信。這種通信可以通過輸入/輸出(i/o)接口22a進(jìn)行。并且，計算機(jī)設(shè)備12a還可以通過網(wǎng)絡(luò)適配器20a與一個或者多個網(wǎng)絡(luò)(例如局域網(wǎng)(lan)，廣域網(wǎng)(wan)和/或公共網(wǎng)絡(luò)，例如因特網(wǎng))通信。如圖所示，網(wǎng)絡(luò)適配器20a通過總線18a與計算機(jī)設(shè)備12a的其它模塊通信。應(yīng)當(dāng)明白，盡管圖中未示出，可以結(jié)合計算機(jī)設(shè)備12a使用其它硬件和/或軟件模塊，包括但不限于：微代碼、設(shè)備驅(qū)動器、冗余處理器、外部磁盤驅(qū)動陣列、raid系統(tǒng)、磁帶驅(qū)動器以及數(shù)據(jù)備份存儲系統(tǒng)等。

處理器16a通過運(yùn)行存儲在系統(tǒng)存儲器28a中的程序，從而執(zhí)行各種功能應(yīng)用以及數(shù)據(jù)處理，例如實(shí)現(xiàn)上述實(shí)施例所示的基于人工智能的文章分類方法。

本發(fā)明還提供一種計算機(jī)可讀介質(zhì)，其上存儲有計算機(jī)程序，該程序被處理器執(zhí)行時實(shí)現(xiàn)如上述實(shí)施例所示的基于人工智能的文章分類方法。

本實(shí)施例的計算機(jī)可讀介質(zhì)可以包括上述圖5所示實(shí)施例中的系統(tǒng)存儲器28a中的ram30a、和/或高速緩存存儲器32a、和/或存儲系統(tǒng)34a。

隨著科技的發(fā)展，計算機(jī)程序的傳播途徑不再受限于有形介質(zhì)，還可以直接從網(wǎng)絡(luò)下載，或者采用其他方式獲取。因此，本實(shí)施例中的計算機(jī)可讀介質(zhì)不僅可以包括有形的介質(zhì)，還可以包括無形的介質(zhì)。

本實(shí)施例的計算機(jī)可讀介質(zhì)可以采用一個或多個計算機(jī)可讀的介質(zhì)的任意組合。計算機(jī)可讀介質(zhì)可以是計算機(jī)可讀信號介質(zhì)或者計算機(jī)可讀存儲介質(zhì)。計算機(jī)可讀存儲介質(zhì)例如可以是——但不限于——電、磁、光、電磁、紅外線、或半導(dǎo)體的系統(tǒng)、裝置或器件，或者任意以上的組合。計算機(jī)可讀存儲介質(zhì)的更具體的例子(非窮舉的列表)包括：具有一個或多個導(dǎo)線的電連接、便攜式計算機(jī)磁盤、硬盤、隨機(jī)存取存儲器(ram)、只讀存儲器(rom)、可擦式可編程只讀存儲器(eprom或閃存)、光纖、便攜式緊湊磁盤只讀存儲器(cd-rom)、光存儲器件、磁存儲器件、或者上述的任意合適的組合。在本文件中，計算機(jī)可讀存儲介質(zhì)可以是任何包含或存儲程序的有形介質(zhì)，該程序可以被指令執(zhí)行系統(tǒng)、裝置或者器件使用或者與其結(jié)合使用。

計算機(jī)可讀的信號介質(zhì)可以包括在基帶中或者作為載波一部分傳播的數(shù)據(jù)信號，其中承載了計算機(jī)可讀的程序代碼。這種傳播的數(shù)據(jù)信號可以采用多種形式，包括——但不限于——電磁信號、光信號或上述的任意合適的組合。計算機(jī)可讀的信號介質(zhì)還可以是計算機(jī)可讀存儲介質(zhì)以外的任何計算機(jī)可讀介質(zhì)，該計算機(jī)可讀介質(zhì)可以發(fā)送、傳播或者傳輸用于由指令執(zhí)行系統(tǒng)、裝置或者器件使用或者與其結(jié)合使用的程序。

計算機(jī)可讀介質(zhì)上包含的程序代碼可以用任何適當(dāng)?shù)慕橘|(zhì)傳輸，包括——但不限于——無線、電線、光纜、rf等等，或者上述的任意合適的組合。

可以以一種或多種程序設(shè)計語言或其組合來編寫用于執(zhí)行本發(fā)明操作的計算機(jī)程序代碼，所述程序設(shè)計語言包括面向?qū)ο蟮某绦蛟O(shè)計語言—諸如java、smalltalk、c++，還包括常規(guī)的過程式程序設(shè)計語言—諸如”c”語言或類似的程序設(shè)計語言。程序代碼可以完全地在用戶計算機(jī)上執(zhí)行、部分地在用戶計算機(jī)上執(zhí)行、作為一個獨(dú)立的軟件包執(zhí)行、部分在用戶計算機(jī)上部分在遠(yuǎn)程計算機(jī)上執(zhí)行、或者完全在遠(yuǎn)程計算機(jī)或服務(wù)器上執(zhí)行。在涉及遠(yuǎn)程計算機(jī)的情形中，遠(yuǎn)程計算機(jī)可以通過任意種類的網(wǎng)絡(luò)——包括局域網(wǎng)(lan)或廣域網(wǎng)(wan)—連接到用戶計算機(jī)，或者，可以連接到外部計算機(jī)(例如利用因特網(wǎng)服務(wù)提供商來通過因特網(wǎng)連接)。

在本發(fā)明所提供的幾個實(shí)施例中，應(yīng)該理解到，所揭露的系統(tǒng)，裝置和方法，可以通過其它的方式實(shí)現(xiàn)。例如，以上所描述的裝置實(shí)施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時可以有另外的劃分方式。

所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡(luò)單元上。可以根據(jù)實(shí)際的需要選擇其中的部分或者全部單元來實(shí)現(xiàn)本實(shí)施例方案的目的。

另外，在本發(fā)明各個實(shí)施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨(dú)物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用硬件加軟件功能單元的形式實(shí)現(xiàn)。

上述以軟件功能單元的形式實(shí)現(xiàn)的集成的單元，可以存儲在一個計算機(jī)可讀取存儲介質(zhì)中。上述軟件功能單元存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計算機(jī)設(shè)備(可以是個人計算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)或處理器(processor)執(zhí)行本發(fā)明各個實(shí)施例所述方法的部分步驟。而前述的存儲介質(zhì)包括：u盤、移動硬盤、只讀存儲器(read-onlymemory，rom)、隨機(jī)存取存儲器(randomaccessmemory，ram)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明保護(hù)的范圍之內(nèi)。