诉讼预判的方法、装置、系统及计算机存储介质

摘要

本发明实施例公开了一种诉讼预判的方法、装置、系统及计算机存储介质。该方法包括：获取交易纠纷信息；计算所述交易纠纷信息的纠纷特征；至少根据所述纠纷特征，得到预测纠纷原因及预测纠纷结果；至少根据所述预测纠纷原因，得到预测诉讼事实及诉讼预判信息。根据本发明实施例，可以将电子商务在线纠纷解决平台和法律诉讼预判系统连接起来，实现对电子商务纠纷诉讼的预判，为买家和卖家提供有效的参考。

说明书

技术领域

本发明涉及电子商务技术领域，更具体地，涉及一种诉讼预判的方法、一种诉讼预判的装置、一种诉讼预判系统及计算机存储介质。

背景技术

各种电子商务平台每天产生数百万笔交易，涉及许多交易纠纷，这就产生了对电子商务交易争议的有效和高效的解决方案的需求。目前已存在电子商务在线纠纷解决平台，买家和卖家可以通过该电子商务在线纠纷解决平台在线解决一些交易纠纷。

发明人在对上述现有技术进行研究的过程中发现，当交易纠纷无法解决时，通常需要诉诸法律程序，因此，有必要提出一种基于电子商务在线纠纷解决平台的法律诉讼结果预测方法，以对电子商务诉讼案件的判决结果进行预测，为买家和卖家提供有效的参考。

发明内容

本发明实施例的一个目的是提供一种诉讼预判的新技术方案。

根据本发明实施例的第一方面，提供了一种诉讼预判的方法，所述方法包括：

获取交易纠纷信息；

计算所述交易纠纷信息的纠纷特征；

至少根据所述纠纷特征，得到预测纠纷原因及预测纠纷结果；

至少根据所述预测纠纷原因，得到预测诉讼事实及诉讼预判信息。

可选的，所述计算所述交易纠纷信息的纠纷特征，包括：

计算所述交易纠纷信息与法律知识图谱中节点的语义相似度；

将所述语义相似度作为所述交易纠纷信息的概率分布初始值；

基于所述概率分布初始值，计算所述法律知识图谱的有向无环图，得到所述交易纠纷信息在所述法律知识图谱上的要素分布概率；

将所述要素分布概率作为所述交易纠纷信息的所述纠纷特征。

可选的，所述交易纠纷信息包括：交易信息，买家信息以及卖家信息；

其中，所述交易信息至少包括价格信息、数量信息、商品信息和纠纷记录信息；

所述买家信息至少包括买家信用信息、买家投诉次数信息、买家投诉记录信息和买家等级信息；

所述卖家信息至少包括卖家信用信息、卖家等级信息、卖家投诉次数信息以及卖家被投诉记录信息。

可选的，所述计算所述交易纠纷信息的纠纷特征，包括：

根据所述交易信息，计算所述交易纠纷信息的交易特征；

根据所述买家信息，计算所述交易纠纷信息的买家特征；

根据所述卖家信息，计算所述交易纠纷信息的卖家特征。

可选的，所述至少根据所述纠纷特征，得到预测纠纷原因及预测纠纷结果，包括：

至少根据所述交易特征、所述买家特征以及所述卖家特征，计算得到所述预测纠纷原因及预测纠纷结果。

可选的，所述至少根据所述纠纷特征，得到预测纠纷原因及预测纠纷结果，包括：

将所述交易特征、所述买家特征以及所述卖家特征作为纠纷预测模型的输入，计算得到所述预测纠纷原因；

将所述交易特征、所述买家特征、所述卖家特征以及所述预测纠纷原因作为所述纠纷预测模型的输入，计算得到所述预测纠纷结果。

可选的，所述至少根据所述预测纠纷原因，得到预测诉讼事实及诉讼预判信息，包括：

将所述预测纠纷原因作为诉讼预测模型的输入，计算得到所述预测诉讼事实；

将所述预测诉讼事实及所述预测纠纷原因作为所述诉讼预测模型的输入，计算得到所述诉讼预判信息。

可选的，所述方法还包括：

向用户提供所述预测诉讼事实及所述诉讼预判信息。

根据本发明实施例的第二方面，还提供一种诉讼预判的方法，所述方法包括：

客户端获取用户输入的交易纠纷信息；

所述客户端向服务器发送诉讼预判请求，所述诉讼预判请求中至少包括所述交易纠纷信息；

所述服务器根据所述诉讼预判请求，得到对应于所述交易纠纷信息的预测诉讼事实及诉讼预判信息；

所述服务器将所述预测诉讼事实及所述诉讼预判信息发送至所述客户端；

所述客户端将接收到的所述诉讼预判信息发送至所述客户端进行展示。

根据本发明实施例第三方面，还提供一种诉讼预判的装置，所述装置包括：

获取模块，用于获取交易纠纷信息；

计算模块，用于计算所述交易纠纷信息的纠纷特征；

纠纷预测模块，用于至少根据所述纠纷特征，得到预测纠纷原因及预测纠纷结果；

诉讼预测模块，用于至少根据所述预测纠纷原因，得到预测诉讼事实及诉讼预判信息。

可选的，所述纠纷预测模块具体用于输出单个所述预测纠纷原因和单个所述预测纠纷结果；

所述诉讼预测模块具体用于输出多个所述预测诉讼事实以及多个所述诉讼预判信息。

所述交易纠纷信息包括：买家信息，卖家信息以及交易信息。

根据本发明实施例的第四方面，还提供一种诉讼结果预测系统，所述系统包括：

第一模块，所述第一模块用于对纠纷信息进行编码，所述纠纷信息包括买家信息、卖家信息和交易信息；

第二模块，所述第二模块与所述第一模块通信联接，所述第二模块用于得到预测纠纷原因和预测纠纷结果；

第三模块，所述第三模块与所述第一模块和所述第二模块通信联接，所述第三模块用于得到预测诉讼事实及诉讼预判信息。

可选的，所述第一模块对所述纠纷信息进行编码包括：对法律知识图谱LKG、离散信息、以及文本信息进行编码。

可选的，所述第二模块包括单标签分类器，所述第三模块包括多标签分类器。

可选的，经所述第一模块编码后的信息作为所述第二模块和第三模块的输入信息。

可选的，所述第二模块的输出信息作为所述第三模块的输入信息。

根据本发明实施例的第五方面，还提供一种诉讼预判的装置，包括：存储器和处理器；所述存储器用于存储指令，所述指令用于控制所述处理器进行操作，以执行如本发明实施例第一方面中任意一项所述的诉讼预判的方法。

根据本发明实施例的第五方面，提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序在被处理器执行时实现如本发明实施例的第一方面中任意一项所述的诉讼预判的方法。

本发明的一个有益效果在于，根据本发明实施例的方法、装置、系统及计算机存储介质，可以将电子商务在线纠纷解决平台和法律诉讼预判系统连接起来，实现对电子商务纠纷诉讼的预判，为买家和卖家提供有效的参考。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。

图1是显示可用于实现本发明实施例的电子设备1000的硬件配置的框图。

图2是根据本发明实施例一的诉讼预判的方法的流程示意图。

图3是实现本发明实施例的诉讼预判的方法的网络的结构示意图。

图4是根据本发明实施例的部分法律知识图谱的示意图。

图5是根据本发明实施例的诉讼预判的装置3000的结构示意图。

图6是根据本发明实施例的另一诉讼预判的装置的硬件结构示意图。

图7是根据本发明实施例的诉讼结果预测系统5000的结构示意图。

图8是根据本发明实施例二的诉讼预判的方法的流程示意图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

下面，参照附图描述根据本发明实施例的各个实施例和例子。

<硬件配置>

图1是显示可用于实现本发明实施例的电子设备1000的硬件配置的框图。

根据图1所示，本实施例的电子设备1000可以是便携式电脑、台式计算机、手机、平板电脑等。

如图1所示，电子设备1000可以包括处理器1010、存储器1020、接口装置1030、通信装置1040、显示装置1050、输入装置1060、扬声器1070、麦克风1080，等等。

其中，处理器1010可以是中央处理器CPU、微处理器MCU等。存储器1020例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。

接口装置1030例如包括USB接口、耳机接口等。

通信装置1040例如能够进行有线或无线通信。

显示装置1050例如是液晶显示屏、触摸显示屏等。

输入装置1060例如可以包括触摸屏、键盘等。用户可以通过扬声器1070和麦克风1080输入/输出语音信息。

该实施例中，电子设备1000的存储器1020用于存储指令，该指令用于控制处理器1010进行操作以至少执行根据本发明任意实施例的诉讼预判的方法。

本领域技术人员应当理解，尽管在图1中示出了电子设备1000的多个装置，但是，本发明可以仅涉及其中的部分装置，例如，电子设备1000只涉及存储器1020、处理器1010以及显示装置1050。

技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。

<诉讼预判方法>

<方法实施例一>

图2是根据本发明实施例一的诉讼预判的方法的流程示意图。该诉讼预判的方法具体可以由上述电子设备1000执行。

根据图2所示，本实施例的诉讼预判的方法可以包括如下步骤2100～步骤2400：

步骤2100、获取交易纠纷信息。

其中，该交易纠纷信息包括：交易信息，买家信息以及卖家信息。具体的，该交易信息至少包括价格信息、数量信息、商品信息和纠纷记录信息。该买家信息至少包括买家信用信息、买家投诉次数信息、买家投诉记录信息和买家等级信息。该卖家信息至少包括卖家信用信息、卖家等级信息、卖家投诉次数信息以及卖家被投诉记录信息。

步骤2200、计算该交易纠纷信息的纠纷特征。

电子设备1000在计算该交易纠纷信息的纠纷特征时，可以利用法律知识图谱计算得到该纠纷特征。如图3所示，电子设备1000计算该交易纠纷信息中的语义信息(wordembedding)与法律知识图谱中节点的语义相似度；将该语义相似度作为该交易纠纷信息的概率分布初始值。然后，电子设备1000基于该概率分布初始值，计算该法律知识图谱的有向无环图，从有向无环图的源节点(source node)传递至目标节点(target node)，传递机制例如可以是随机游走(random walk)的出入度传递方式。电子设备1000根据计算结果得到该交易纠纷信息在该法律知识图谱上的要素分布概率，并将该要素分布概率作为该交易纠纷信息的该纠纷特征。从而得到该交易纠纷信息的纠纷特征。

如图4所示，是法律知识图谱的一部分。其中，包括节点“虚假价格(falseprice)”、“虚假促销(false promotion)”、“商品问题(commodity problem)”、“其他虚假行为(other false behavior)”指向节点“虚假行为(tend to be false behavior)”；节点“虚假行为(tend to be false behavior)”和节点“原告是消费者(the plaintiff tendsto be a consumer)”均指向节点“倾向于欺诈/虚假行为(tend to be fraud)”。该电子设备1000可以基于该概率分布初始值，从节点“虚假价格(false price)”传递至节点“倾向于欺诈/虚假行为(tend to be fraud)”，计算出该交易纠纷信息在该法律知识图谱上的要素分布概率作为该交易纠纷信息的纠纷特征。

需要说明的是，该交易纠纷信息包括交易信息、买家信息以及卖家信息，相应的，如图3所示，电子设备1000在计算该交易纠纷信息的纠纷特征时，会分别根据该交易信息、该买家信息以及该卖家信息计算对应的特征。具体的，该电子设备1000根据该交易信息，计算该交易纠纷信息的交易特征(transaction embedding)；该电子设备1000根据该买家信息，计算该交易纠纷信息的买家特征(buyer embedding)；该电子设备1000根据该卖家信息，计算该交易纠纷信息的卖家特征(seller embedding)。

其中，该电子设备1000在计算交易特征、买家特征和卖家特征时，均使用上述利用法律知识图谱的计算方法，在此不再赘述。

步骤2300、至少根据该纠纷特征，得到预测纠纷原因及预测纠纷结果。

在上述步骤2200中，该电子设备1000计算得到的该交易特征、买家特征和卖家特征，相应的，本步骤中，该电子设备1000具体可以根据该交易特征、该买家特征以及该卖家特征，计算得到该预测纠纷原因及预测纠纷结果。

实际应用中，对纠纷原因和纠纷结果的预测是同时进行的，同时，预测纠纷原因还会作为预测纠纷结果的输入。具体的，如图3所示，该电子设备1000将该交易特征、该买家特征以及该卖家特征作为纠纷预测模型的输入，计算得到该预测纠纷原因(REASON)。该电子设备1000将该交易特征、该买家特征、该卖家特征以及该预测纠纷原因作为该纠纷预测模型的输入，计算得到该预测纠纷结果(REAULT)。

需要说明的是，预测纠纷原因和预测纠纷结果均是单标签分类任务，即，在多个纠纷原因中预测一个纠纷原因作为输出的该预测纠纷原因；在多个纠纷结果中预测一个纠纷结果作为输出的该预测纠纷结果。例如，预测纠纷结果可以是退货、退货退款或拒绝等。在此不一一列举。

步骤2400、至少根据该预测纠纷原因，得到预测诉讼事实及诉讼预判信息。

本步骤中，该电子设备1000根据上述步骤计算得到的预测纠纷原因作为诉讼预测模型的输入，计算得到该预测诉讼事实(FACT)；将该预测诉讼事实及该预测纠纷原因作为该诉讼预测模型的输入，计算得到该诉讼预判信息(JUDGMENT)。

实际应用中，该预测诉讼事实和诉讼预判信息均是多标签分类任务。即，在多个诉讼事实中预测多个诉讼事实作为输出的该预测诉讼事实；在多个诉讼结果中预测多个诉讼结果作为输出的该诉讼预判信息。

例如，该预测诉讼事实例如可以是历史诉讼信息、诉讼依据、相关法律法规等内容；该诉讼预判信息可以是诉讼成功的概率、诉讼后可能需要承担的责任，如退货退款、三倍赔偿、仅退款、仅退运费或平台承担连带责任等。在此不一一列举。

该电子设备1000通过一连串的多任务学习，利用电子商务在线纠纷解决平台的大量纠纷数据，学习到更多更准确的纠纷特征，再运用到诉讼预判中，使得诉讼预判更为准确。

进一步地，对于不满意电子商务纠纷解决结果且即将提起诉讼的用户(该用户可以是指买家，也可以是指卖家)，该电子设备1000还可以在得到该预测诉讼事实和诉讼预判信息后，向用户提供该预测诉讼事实及诉讼预判信息，以作为对用户诉讼行为的一种有效建议。

本实施例提供的诉讼预判的方法，电子设备通过获取交易纠纷信息；计算该交易纠纷信息的纠纷特征；至少根据该纠纷特征，得到预测纠纷原因及预测纠纷结果；并至少根据该预测纠纷原因，得到预测诉讼事实及诉讼预判信息。从而可以将电子商务在线纠纷解决平台和法律诉讼预判系统连接起来，实现对电子商务纠纷诉讼的预判，为买家和卖家提供有效的参考。

<方法实施例二>

图8是根据本发明实施例二的诉讼预判的方法的流程示意图。

如图8所示，本实施例的方法可以包括步骤8100～步骤8500：

在步骤8100，客户端获取用户输入的交易纠纷信息。

具体的，该客户端可以是卖家端、买家端或者第三方平台端，在此不作具体限定。用户可以在客户端上输入交易纠纷信息，例如，该交易纠纷信息可以包括纠纷信息、案情信息等。

在步骤8200，该客户端向服务器发送诉讼预判请求，该诉讼预判请求中至少包括该交易纠纷信息。

该客户端在接收到用户输入的交易纠纷信息后，根据该交易纠纷信息，向服务器请求诉讼预判，即，发出诉讼预判请求，以使服务器根据该诉讼预判请求，给出针对该纠纷预测得到的诉讼预判信息，如诉讼的成功概率等。

在步骤8300，该服务器根据该诉讼预判请求，得到对应于该交易纠纷信息的预测诉讼事实及诉讼预判信息。

服务器根据该诉讼预判请求，使用如图2中所示的诉讼预判方法得到对应于该交易纠纷信息的预测诉讼事实和诉讼预判信息。具体的预测方式可参照上述方法实施例中描述，在此不再赘述。

在步骤8400，该服务器将该预测诉讼事实及该诉讼预判信息发送至该客户端。

在步骤8500，该客户端将接收到的该诉讼预判信息发送至该客户端进行展示。

进一步地，客户端还可以向用户展示与该交易纠纷相关的历史诉讼信息、诉讼依据、诉讼结果及历史案件判决时所依据的法律法规等，在此不一一列举。

本实施例的诉讼预判的方法，用户通过客户端输入交易纠纷信息后，该客户端可以根据该交易纠纷信息向服务器发起诉讼预判请求，使得服务器根据该诉讼预判请求返回预测诉讼事实及诉讼预判信息。从而可以将电子商务在线纠纷解决平台和法律诉讼预判系统连接起来，实现对电子商务纠纷诉讼的预判，为买家和卖家提供有效的参考。

<装置实施例>

图5是根据本发明实施例的诉讼预判的装置3000的结构示意图。

根据图5所示，该诉讼预判的装置3000可以包括：获取模块3100、计算模块3200、纠纷预测模块3300和诉讼预测模块3400。

其中，该获取模块3100用于获取交易纠纷信息。

该计算模块3200用于计算该交易纠纷信息的纠纷特征。

该纠纷预测模块3300用于至少根据该纠纷特征，得到预测纠纷原因及预测纠纷结果。

该诉讼预测模块3400用于至少根据该预测纠纷原因，得到预测诉讼事实及诉讼预判信息。

其中，该计算模块3200具体用于计算该交易纠纷信息与法律知识图谱中节点的语义相似度；将该语义相似度作为该交易纠纷信息的概率分布初始值；基于该概率分布初始值，计算该法律知识图谱的有向无环图，得到该交易纠纷信息在该法律知识图谱上的要素分布概率；将该要素分布概率作为该交易纠纷信息的该纠纷特征。

该纠纷预测模块3300具体用于输出单个该预测纠纷原因和单个该预测纠纷结果；该诉讼预测模块3400具体用于输出多个该预测诉讼事实以及多个该诉讼预判信息。

具体的，该交易纠纷信息包括：交易信息，买家信息以及卖家信息；其中，该交易信息至少包括价格信息、数量信息、商品信息和纠纷记录信息；该买家信息至少包括买家信用信息、买家投诉次数信息、买家投诉记录信息和买家等级信息；该卖家信息至少包括卖家信用信息、卖家等级信息、卖家投诉次数信息以及卖家被投诉记录信息。

相应的，该计算模块3200具体用于根据该交易信息，计算该交易纠纷信息的交易特征；根据该买家信息，计算该交易纠纷信息的买家特征；根据该卖家信息，计算该交易纠纷信息的卖家特征。该纠纷预测模块3300用于至少根据该交易特征、该买家特征以及该卖家特征，计算得到该预测纠纷原因及预测纠纷结果。

具体的，该纠纷预测模块3300用于将该交易特征、该买家特征以及该卖家特征作为纠纷预测模型的输入，计算得到该预测纠纷原因；将该交易特征、该买家特征、该卖家特征以及该预测纠纷原因作为该纠纷预测模型的输入，计算得到该预测纠纷结果。

该诉讼预测模块3400具体用于将该预测纠纷原因作为诉讼预测模型的输入，计算得到该预测诉讼事实；将该预测诉讼事实及该预测纠纷原因作为该诉讼预测模型的输入，计算得到该诉讼预判信息。

图6是根据本发明实施例的另一诉讼预判的装置的硬件结构示意图。

根据图6所示，本实施例的诉讼预判的装置4000可以包括存储器4200和处理器4100。

存储器4200用于存储指令，该指令用于控制处理器4100进行操作以执行本发明任意实施例的诉讼预判的方法。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。

本实施例的诉讼预判的装置，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

<诉讼预判系统>

图7是根据本发明实施例的诉讼预判系统5000的结构示意图。

根据图7所示，该诉讼预判系统5000可以包括第一模块5100、第二模块5200以及第三模块5300。

其中，该第一模块5100用于对纠纷信息进行编码，所述纠纷信息包括买家信息、卖家信息和交易信息。

该第二模块5200与该第一模块5100通信联接，该第二模块5200用于得到预测纠纷原因和预测纠纷结果。

该第三模块5300与该第一模块5100和该第二模块5200通信联接，该第三模块5300用于得到预测诉讼事实及诉讼预判信息。

其中，该第一模块5100对所述纠纷信息进行编码包括：对法律知识图谱(LKG)、离散信息、以及文本信息进行编码。需要说明的是，该离散信息具体可以是图3中所示的discrete信息，即，在交易过程中的一些买家卖家的结构化数据，例如，买家信用、卖家信用等。该文本信息具体可以是图3中所示的text信息例如商品标题、商品评价、在交易过程中或维权纠纷中的对话记录等。

具体的，该第二模块5200包括单标签分类器；该第三模块5300包括多标签分类器。其中，该单标签分类器用于得到单个预测纠纷原因和单个预测纠纷结果。该多标签分类器具体用于得到多个该预测诉讼事实以及多个该诉讼预判信息。

在实际应用中，经该第一模块5100编码后的信息作为该第二模块5200和该第三模块5300的输入信息。该第二模块5200的输出信息作为该第三模块5300的输入信息。

本实施例的诉讼预判系统，可以实现对电子商务纠纷诉讼的预判，为买家和卖家提供有效的参考。

<计算机存储介质>

本实施例中，还提供一种计算机存储介质，其上存储有计算机程序，计算机程序在被处理器执行时实现如本发明任意实施例的诉讼预判的方法。

本领域技术人员应当理解，在电子技术领域中，可以通过软件、硬件以及软件和硬件结合的方式，将上述方法体现在产品中本领域技术人员很容易基于上面发明实施例的方法，产生一种信息处理装置，该信息处理装置包括用于执行根据上述实施例的信息处理方法中的各个操作的模块。

本领域技术人员公知的是，随着诸如大规模集成电路技术的电子信息技术的发展和软件硬件化的趋势，要明确划分计算机系统软、硬件界限已经显得比较困难了。因为，任何操作可以软件来实现，也可以由硬件来实现。任何指令的执行可以由硬件完成，同样也可以由软件来完成。对于某一机器功能采用硬件实现方案还是软件实现方案，取决于价格、速度、可靠性、存储容量、变更周期等非技术性因素。对于技术人员来说，软件实现方式和硬件实现方式是等同的。技术人员可以根据需要选择软件或硬件来实现上述方案。因此，这里不对具体的软件或硬件进行限制。

本发明可以是设备、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，该编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。

这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，该模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。