佛学知识甄别方法、装置、设备及存储介质

摘要

本发明涉及大数据技术领域，公开了一种佛学知识甄别方法、装置、设备及存储介质，应用于智慧教育领域，用于基于交叉检验过的佛学知识图谱对佛学知识进行归类和评分，并从情感和观点层面进行文本的筛选，从而更好地梳理佛学体系，甄别出基础有效的佛学知识。佛学知识甄别方法包括：获取初始文本数据，初始文本数据为佛学原始语料；调用预置的模型对初始文本数据进行筛选，生成过滤后的文本数据；调用预置的分析模型和观点知识库对过滤后的文本数据进行分析，得到符合要求的文本数据；基于预置的佛学知识图谱和预置的多意图识别模型，对符合要求的文本数据进行分类，生成最终数据。

说明书

技术领域

本发明涉及知识关系构建领域，尤其涉及一种佛学知识甄别方法、装置、设备及存储介质。

背景技术

在互联网数据爆发的时代，对基本知识的甄别检测显得尤为重要，能让人更加接近真相的信息是有益的信息，反之，让人远离真相的信息是有害信息，按照这个标准，大多数媒体广告信息是无益的。而佛学知识由于其内容的特殊性，需要单独处理，认知偏见以及错误的佛学知识会误导信佛之人，甚至导致严重的社会问题和信众的心理问题，因此，一方面要认识到便捷高速的网络对推动佛学知识的传播起到了巨大的作用，另一方面，对网络佛学知识的甄别检测也是一道必不可少的关卡。

现有方案主要是通过佛学知识库对佛学知识进行基本的过滤，基于词频和词语筛选技术去除无效信息。

然而，在现有的技术中，佛学知识库匮乏，无法对佛学知识进行系统的评估甄别，并且无法从情感和观点层面进行文本的筛选。

发明内容

本发明提供了一种佛学知识甄别方法、装置、设备及存储介质，用于基于交叉检验过的佛学知识图谱对佛学知识进行归类和评分，并从情感和观点层面进行文本的筛选，从而更好地梳理佛学体系，甄别出基础有效的佛学知识。

本发明第一方面提供了一种佛学知识甄别方法，包括：获取初始文本数据，所述初始文本数据为佛学原始语料；调用预置的模型对所述初始文本数据进行筛选，生成过滤后的文本数据；调用预置的分析模型和观点知识库对所述过滤后的文本数据进行分析，得到符合要求的文本数据；基于预置的佛学知识图谱和预置的多意图识别模型，对所述符合要求的文本数据进行分类，生成最终数据。

可选的，在本发明第一方面的第一种实现方式中，所述调用预置的模型对所述初始文本数据进行筛选，生成过滤后的文本数据包括：调用预置的文本审核模型读取所述初始文本数据；对所述初始文本数据进行筛选，得到有效信息和敏感信息，所述敏感信息包括佛学领域禁忌话术；将所述敏感信息删除，生成过滤后的文本数据。

可选的，在本发明第一方面的第二种实现方式中，所述调用预置的分析模型和观点知识库对所述过滤后的文本数据进行分析，得到符合要求的文本数据包括：调用预置的情感分析模型和预置的观点抽取模型，对所述过滤后的文本数据进行分析，得到第一分析文本数据；基于预置的观点知识库，对所述过滤后的文本数据进行分析，删除冗余文本数据，得到第二分析文本数据，所述冗余文本数据包括未经验证的主观观点；将所述第一分析文本数据和所述第二分析文本数据合并，生成符合要求的文本数据。

可选的，在本发明第一方面的第三种实现方式中，所述调用预置的情感分析模型和预置的观点抽取模型，对所述过滤后的文本数据进行分析，得到第一分析文本数据包括：调用预置的情感分析模型和预置的观点抽取模型读取所述过滤后的文本数据；对所述过滤后的文本数据中的情感和观点进行分析，判断所述过滤后的文本数据中是否存在预置的关键词，所述预置的关键词包含偏激情绪，若存在，则对所述过滤后的文本数据进行筛选，删除与所述预置的关键词匹配的数据，生成第一分析文本数据，若不存在，则直接生成第一分析文本数据。

可选的，在本发明第一方面的第四种实现方式中，所述基于预置的佛学知识图谱和预置的多意图识别模型，对所述符合要求的文本数据进行分类，生成最终数据包括：调用预置的佛学知识图谱，将所述符合要求的文本数据按照佛学垂直领域进行所属派别和宗的分类，得到中间分类结果；基于预置的多意图识别模型，对所述中间分类结果按照预置的类别进行分类，生成最终数据，所述预置的类别包括佛经原文型、故事型、道理论述型和论例并举型。

可选的，在本发明第一方面的第五种实现方式中，在所述获取初始文本数据之前，所述方法还包括：构建预置的佛学知识图谱。

可选的，在本发明第一方面的第六种实现方式中，所述构建预置的佛学知识图谱包括：从佛学网站获取佛学知识，所述佛学知识包括佛学文章和佛学问答；对所述佛学知识进行整合和交叉验证，生成基础佛学知识图谱；将所述基础佛学知识图谱和现有佛学知识图谱结合，利用图形数据库存储佛学关系，生成预置的佛学知识图谱。

本发明第二方面提供了一种佛学知识甄别装置，包括：获取模块，用于获取初始文本数据，所述初始文本数据为佛学原始语料；筛选模块，用于调用预置的模型对所述初始文本数据进行筛选，生成过滤后的文本数据；分析模块，用于调用预置的分析模型和观点知识库对所述过滤后的文本数据进行分析，得到符合要求的文本数据；分类模块，用于基于预置的佛学知识图谱和预置的多意图识别模型，对所述符合要求的文本数据进行分类，生成最终数据。

可选的，在本发明第二方面的第一种实现方式中，所述筛选模块包括：读取单元，用于调用预置的文本审核模型读取所述初始文本数据；筛选单元，用于对所述初始文本数据进行筛选，得到有效信息和敏感信息，所述敏感信息包括佛学领域禁忌话术；删除单元，用于将所述敏感信息删除，生成过滤后的文本数据。

可选的，在本发明第二方面的第二种实现方式中，所述分析模块包括：第一分析单元，用于调用预置的情感分析模型和预置的观点抽取模型，对所述过滤后的文本数据进行分析，得到第一分析文本数据；第二分析单元，用于基于预置的观点知识库，对所述过滤后的文本数据进行分析，删除冗余文本数据，得到第二分析文本数据，所述冗余文本数据包括未经验证的主观观点；合并单元，用于将所述第一分析文本数据和所述第二分析文本数据合并，生成符合要求的文本数据。

可选的，在本发明第二方面的第三种实现方式中，所述第一分析单元具体用于：调用预置的情感分析模型和预置的观点抽取模型读取所述过滤后的文本数据；对所述过滤后的文本数据中的情感和观点进行分析，判断所述过滤后的文本数据中是否存在预置的关键词，所述预置的关键词包含偏激情绪，若存在，则对所述过滤后的文本数据进行筛选，删除与所述预置的关键词匹配的数据，生成第一分析文本数据，若不存在，则直接生成第一分析文本数据。

可选的，在本发明第二方面的第四种实现方式中，所述分类模块包括：第一分类单元，用于调用预置的佛学知识图谱，将所述符合要求的文本数据按照佛学垂直领域进行所属派别和宗的分类，得到中间分类结果；第二分类单元，用于基于预置的多意图识别模型，对所述中间分类结果按照预置的类别进行分类，生成最终数据，所述预置的类别包括佛经原文型、故事型、道理论述型和论例并举型。

可选的，在本发明第二方面的第五种实现方式中，所述佛学知识甄别装置还包括：构建模块，用于构建预置的佛学知识图谱。

可选的，在本发明第二方面的第六种实现方式中，所述构建模块具体用于：从佛学网站获取佛学知识，所述佛学知识包括佛学文章和佛学问答；对所述佛学知识进行整合和交叉验证，生成基础佛学知识图谱；将所述基础佛学知识图谱和现有佛学知识图谱结合，利用图形数据库存储佛学关系，生成预置的佛学知识图谱。

本发明第三方面提供了一种佛学知识甄别设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述佛学知识甄别设备执行上述的佛学知识甄别方法。

本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的佛学知识甄别方法。

本发明提供的技术方案中，获取初始文本数据，所述初始文本数据为佛学原始语料；调用预置的模型对所述初始文本数据进行筛选，生成过滤后的文本数据；调用预置的分析模型和观点知识库对所述过滤后的文本数据进行分析，得到符合要求的文本数据；基于预置的佛学知识图谱和预置的多意图识别模型，对所述符合要求的文本数据进行分类，生成最终数据。本发明实施例中，基于交叉检验过的佛学知识图谱对佛学知识进行归类和评分，并从情感和观点层面进行文本的筛选，从而更好地梳理佛学体系，甄别出基础有效的佛学知识。

附图说明

图1为本发明实施例中佛学知识甄别方法的一个实施例示意图；

图2为本发明实施例中佛学知识甄别方法的另一个实施例示意图；

图3为本发明实施例中佛学知识甄别装置的一个实施例示意图；

图4为本发明实施例中佛学知识甄别装置的另一个实施例示意图；

图5为本发明实施例中佛学知识甄别设备的一个实施例示意图。

具体实施方式

本发明实施例提供了一种佛学知识甄别方法、装置、设备及存储介质，用于基于交叉检验过的佛学知识图谱对佛学知识进行归类和评分，并从情感和观点层面进行文本的筛选，从而更好地梳理佛学体系，甄别出基础有效的佛学知识。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中佛学知识甄别方法的一个实施例包括：

101、获取初始文本数据，初始文本数据为佛学原始语料。

服务器获取初始文本数据，初始文本数据为佛学原始语料。其中，佛学原始语料从佛学网站获取，包括光明网和弘善网等，获取的佛学原始语料中包含常规意义上的有害知识和非佛学知识，需要进行进一步甄别。

可以理解的是，本发明的执行主体可以为佛学知识甄别装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。

102、调用预置的模型对初始文本数据进行筛选，生成过滤后的文本数据。

服务器调用预置的模型对初始文本数据进行筛选，生成过滤后的文本数据。具体的，服务器调用预置的文本审核模型读取初始文本数据；服务器对初始文本数据进行筛选，得到有效信息和敏感信息，敏感信息包括佛学领域禁忌话术；服务器将敏感信息删除，生成过滤后的文本数据。

在模型训练时，可结合语言表征BERT模型等预训练的先进模型，基于预置的佛学知识图谱和佛学语料库，使用增量的佛学数据进行文本审核模型的微调训练，由于佛学词汇中有很多非常见字符，因此需要对词库进行额外补充，保证词汇都能被模型正确的识别。数据的筛选方法主要包括递归特征消除法(recursive feature elimination，RFE)，RFE通过递归的方式，不断减少特征集的规模来选择需要的特征，首先给每一个特征指定一个权重，采用预置的预测模型在这些原始的特征上进行训练，在获取到特征的权重值后，对这些权重值取绝对值，把最小绝对值剔除掉，重复以上算法循环递归直至剩余的特征数量达到所需的特征数量。敏感信息主要指文本中出现的广告、灌水等敏感信息以及佛学领域禁忌话术等。

103、调用预置的分析模型和观点知识库对过滤后的文本数据进行分析，得到符合要求的文本数据。

服务器调用预置的分析模型和观点知识库对过滤后的文本数据进行分析，得到符合要求的文本数据。具体的，服务器调用预置的情感分析模型和预置的观点抽取模型，对过滤后的文本数据进行分析，得到第一分析文本数据；服务器基于预置的观点知识库，对过滤后的文本数据进行分析，删除冗余文本数据，得到第二分析文本数据，冗余文本数据包括未经验证的主观观点；服务器将第一分析文本数据和第二分析文本数据合并，生成符合要求的文本数据。

在模型训练时，可结合语言表征BERT模型等预训练的先进模型，基于预置的佛学知识图谱和佛学语料库，使用增量的佛学数据进行情感分析模型和观点抽取模型的微调训练。预置的情感分析模型和预置的观点抽取模型用于分析过滤后的文本数据中是否存在偏激情绪，包括过激、有失中肯或是超出大众的理解接受范围，无法为大众所接受和认同的思想、主张或言论等，预置的观点知识库用于分析文本中是否存在偏见、未经验证和存在争议的主观观点，以及会误导信众的佛学观点。预置的观点知识库的建立需要使用到专家知识，这部分数据先从佛学网站上进行获取并进行交叉验证，梳理出最终的观点知识库。

104、基于预置的佛学知识图谱和预置的多意图识别模型，对符合要求的文本数据进行分类，生成最终数据。

服务器基于预置的佛学知识图谱和预置的多意图识别模型，对符合要求的文本数据进行分类，生成最终数据。具体的，服务器调用预置的佛学知识图谱，将符合要求的文本数据按照佛学垂直领域进行所属派别和宗的分类，得到中间分类结果；服务器基于预置的多意图识别模型，对中间分类结果按照预置的类别进行分类，生成最终数据，预置的类别包括佛经原文型、故事型、道理论述型和论例并举型。

预置的佛学知识图谱的构建过程包括：从佛学网站获取佛学知识，佛学知识包括佛学文章和佛学问答；对佛学知识进行整合和交叉验证，生成基础佛学知识图谱；将基础佛学知识图谱和现有佛学知识图谱结合，利用图形数据库存储佛学关系，生成预置的佛学知识图谱。佛教的宗派主要分为八大类，包括：三论宗、瑜伽宗、天台宗、贤首宗、禅宗、净土宗、律宗和密宗。在模型训练时，可结合语言表征BERT模型等预训练的先进模型，基于预置的佛学知识图谱和佛学语料库，使用增量的佛学数据进行多意图识别模型的微调训练，预置的类别包括佛经原文型、故事型、道理论述型和论例并举型，例如，《观音经》、《金刚般若波罗蜜经》和《妙法莲华经》等属于佛经原文型，《九色鹿》、《六牙白象》等属于故事型。

本发明实施例中，基于交叉检验过的佛学知识图谱对佛学知识进行归类和评分，并从情感和观点层面进行文本的筛选，从而更好地梳理佛学体系，甄别出基础有效的佛学知识。本方案可应用于智慧教育领域中，从而推动智慧城市的建设。

请参阅图2，本发明实施例中佛学知识甄别方法的另一个实施例包括：

201、获取初始文本数据，初始文本数据为佛学原始语料。

服务器获取初始文本数据，初始文本数据为佛学原始语料。其中，佛学原始语料从佛学网站获取，包括光明网和弘善网等，获取的佛学原始语料中包含常规意义上的有害知识和非佛学知识，需要进行进一步甄别。

可以理解的是，本发明的执行主体可以为佛学知识甄别装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。

202、调用预置的模型对初始文本数据进行筛选，生成过滤后的文本数据。

服务器调用预置的模型对初始文本数据进行筛选，生成过滤后的文本数据。具体的，服务器调用预置的文本审核模型读取初始文本数据；服务器对初始文本数据进行筛选，得到有效信息和敏感信息，敏感信息包括佛学领域禁忌话术；服务器将敏感信息删除，生成过滤后的文本数据。

在模型训练时，可结合语言表征BERT模型等预训练的先进模型，基于预置的佛学知识图谱和佛学语料库，使用增量的佛学数据进行文本审核模型的微调训练，由于佛学词汇中有很多非常见字符，因此需要对词库进行额外补充，保证词汇都能被模型正确的识别。数据的筛选方法主要包括递归特征消除法(recursive feature elimination，RFE)，RFE通过递归的方式，不断减少特征集的规模来选择需要的特征，首先给每一个特征指定一个权重，采用预置的预测模型在这些原始的特征上进行训练，在获取到特征的权重值后，对这些权重值取绝对值，把最小绝对值剔除掉，重复以上算法循环递归直至剩余的特征数量达到所需的特征数量。敏感信息主要指文本中出现的广告、灌水等敏感信息以及佛学领域禁忌话术等。

203、调用预置的情感分析模型和预置的观点抽取模型，对过滤后的文本数据进行分析，得到第一分析文本数据。

服务器调用预置的情感分析模型和预置的观点抽取模型，对过滤后的文本数据进行分析，得到第一分析文本数据。具体的，服务器调用预置的情感分析模型和预置的观点抽取模型读取过滤后的文本数据；服务器对过滤后的文本数据中的情感和观点进行分析，判断过滤后的文本数据中是否存在预置的关键词，预置的关键词包含偏激情绪，若存在，则对过滤后的文本数据进行筛选，删除与预置的关键词匹配的数据，生成第一分析文本数据，若不存在，则直接生成第一分析文本数据。

预置的关键词包括“愤怒”、“急躁”和“嫉妒”等，基于预置的情感分析模型和预置的观点抽取模型，将过滤后的文本数据与预置的关键词进行匹配，删除与预置的关键词匹配的数据。

204、基于预置的观点知识库，对过滤后的文本数据进行分析，删除冗余文本数据，得到第二分析文本数据，冗余文本数据包括未经验证的主观观点。

服务器基于预置的观点知识库，对过滤后的文本数据进行分析，删除冗余文本数据，得到第二分析文本数据，冗余文本数据包括未经验证的主观观点。

预置的观点知识库用于分析文本中是否存在偏见、未经验证和存在争议的主观观点，以及会误导信众的佛学观点。预置的观点知识库的建立需要使用到专家知识，这部分数据先从佛学网站上进行获取并进行交叉验证，梳理出最终的观点知识库。

205、将第一分析文本数据和第二分析文本数据合并，生成符合要求的文本数据。

服务器将第一分析文本数据和第二分析文本数据合并，生成符合要求的文本数据。文本数据合并指将第一分析文本数据和第二分析文本数据直接进行整合，数据整合是指把在不同数据源的数据收集、整理、清洗，转换后加载到一个新的数据源。

206、基于预置的佛学知识图谱和预置的多意图识别模型，对符合要求的文本数据进行分类，生成最终数据。

服务器基于预置的佛学知识图谱和预置的多意图识别模型，对符合要求的文本数据进行分类，生成最终数据。具体的，服务器调用预置的佛学知识图谱，将符合要求的文本数据按照佛学垂直领域进行所属派别和宗的分类，得到中间分类结果；服务器基于预置的多意图识别模型，对中间分类结果按照预置的类别进行分类，生成最终数据，预置的类别包括佛经原文型、故事型、道理论述型和论例并举型。

预置的佛学知识图谱的构建过程包括：从佛学网站获取佛学知识，佛学知识包括佛学文章和佛学问答；对佛学知识进行整合和交叉验证，生成基础佛学知识图谱；将基础佛学知识图谱和现有佛学知识图谱结合，利用图形数据库存储佛学关系，生成预置的佛学知识图谱。佛教的宗派主要分为八大类，包括：三论宗、瑜伽宗、天台宗、贤首宗、禅宗、净土宗、律宗和密宗。在模型训练时，可结合语言表征BERT模型等预训练的先进模型，基于预置的佛学知识图谱和佛学语料库，使用增量的佛学数据进行多意图识别模型的微调训练，预置的类别包括佛经原文型、故事型、道理论述型和论例并举型，例如，《观音经》、《金刚般若波罗蜜经》和《妙法莲华经》等属于佛经原文型，《九色鹿》、《六牙白象》等属于故事型。

本发明实施例中，基于交叉检验过的佛学知识图谱对佛学知识进行归类和评分，并从情感和观点层面进行文本的筛选，从而更好地梳理佛学体系，甄别出基础有效的佛学知识。本方案可应用于智慧教育领域中，从而推动智慧城市的建设。

上面对本发明实施例中佛学知识甄别方法进行了描述，下面对本发明实施例中佛学知识甄别装置进行描述，请参阅图3，本发明实施例中佛学知识甄别装置的一个实施例包括：

获取模块301，用于获取初始文本数据，初始文本数据为佛学原始语料；

筛选模块302，用于调用预置的模型对初始文本数据进行筛选，生成过滤后的文本数据；

分析模块303，用于调用预置的分析模型和观点知识库对过滤后的文本数据进行分析，得到符合要求的文本数据；

分类模块304，用于基于预置的佛学知识图谱和预置的多意图识别模型，对符合要求的文本数据进行分类，生成最终数据。

本发明实施例中，基于交叉检验过的佛学知识图谱对佛学知识进行归类和评分，并从情感和观点层面进行文本的筛选，从而更好地梳理佛学体系，甄别出基础有效的佛学知识。本方案可应用于智慧教育领域中，从而推动智慧城市的建设。

请参阅图4，本发明实施例中佛学知识甄别装置的另一个实施例包括：

获取模块301，用于获取初始文本数据，初始文本数据为佛学原始语料；

筛选模块302，用于调用预置的模型对初始文本数据进行筛选，生成过滤后的文本数据；

分析模块303，用于调用预置的分析模型和观点知识库对过滤后的文本数据进行分析，得到符合要求的文本数据；

分类模块304，用于基于预置的佛学知识图谱和预置的多意图识别模型，对符合要求的文本数据进行分类，生成最终数据。

可选的，筛选模块302包括：

读取单元3021，用于调用预置的文本审核模型读取初始文本数据；

筛选单元3022，用于对初始文本数据进行筛选，得到有效信息和敏感信息，敏感信息包括佛学领域禁忌话术；

删除单元3033，用于将敏感信息删除，生成过滤后的文本数据。

可选的，分析模块303包括：

第一分析单元3031，用于调用预置的情感分析模型和预置的观点抽取模型，对过滤后的文本数据进行分析，得到第一分析文本数据；

第二分析单元3032，用于基于预置的观点知识库，对过滤后的文本数据进行分析，删除冗余文本数据，得到第二分析文本数据，冗余文本数据包括未经验证的主观观点；

合并单元3033，用于将第一分析文本数据和第二分析文本数据合并，生成符合要求的文本数据。

可选的，第一分析单元3031具体用于：

调用预置的情感分析模型和预置的观点抽取模型读取过滤后的文本数据；对过滤后的文本数据中的情感和观点进行分析，判断过滤后的文本数据中是否存在预置的关键词，预置的关键词包含偏激情绪，若存在，则对过滤后的文本数据进行筛选，删除与预置的关键词匹配的数据，生成第一分析文本数据，若不存在，则直接生成第一分析文本数据。

可选的，分类模块304包括：

第一分类单元3041，用于调用预置的佛学知识图谱，将符合要求的文本数据按照佛学垂直领域进行所属派别和宗的分类，得到中间分类结果；

第二分类单元3042，用于基于预置的多意图识别模型，对中间分类结果按照预置的类别进行分类，生成最终数据，预置的类别包括佛经原文型、故事型、道理论述型和论例并举型。

可选的，佛学知识甄别装置还包括：

构建模块305，用于构建预置的佛学知识图谱。

可选的，构建模块305具体用于：

从佛学网站获取佛学知识，佛学知识包括佛学文章和佛学问答；对佛学知识进行整合和交叉验证，生成基础佛学知识图谱；将基础佛学知识图谱和现有佛学知识图谱结合，利用图形数据库存储佛学关系，生成预置的佛学知识图谱。

本发明实施例中，基于交叉检验过的佛学知识图谱对佛学知识进行归类和评分，并从情感和观点层面进行文本的筛选，从而更好地梳理佛学体系，甄别出基础有效的佛学知识。本方案可应用于智慧教育领域中，从而推动智慧城市的建设。

上面图3和图4从模块化功能实体的角度对本发明实施例中的佛学知识甄别装置进行详细描述，下面从硬件处理的角度对本发明实施例中佛学知识甄别设备进行详细描述。

图5是本发明实施例提供的一种佛学知识甄别设备的结构示意图，该佛学知识甄别设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)510(例如，一个或一个以上处理器)和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对佛学知识甄别设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在佛学知识甄别设备500上执行存储介质530中的一系列指令操作。

佛学知识甄别设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图5示出的佛学知识甄别设备结构并不构成对佛学知识甄别设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

本发明还提供一种佛学知识甄别设备，所述计算机设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述佛学知识甄别方法的步骤。

本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述佛学知识甄别方法的步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品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方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，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，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。