基于人工智能的广告标题改写方法、装置、服务器及介质与流程

专利检索2022-05-10  5



1.本技术涉及人工智能技术领域,尤其涉及一种基于人工智能的广告标题改写方法、装置、服务器及介质。


背景技术:

2.互联网广告,是指通过网站、网页、互联网应用程序等互联网媒介,以文字、图片、音频、视频或者其他形式,直接或者间接地推广商品或者服务的商业广告。实践中,互联网广告的广告标题对吸引用户点击并发生转化起着十分重要作用。广告标题是广告创意的重要组成部分,好的标题能够打动消费者内心并能让消费者产生共鸣,从而提高点击率和转化率。
3.相关技术中,通常需要对广告标题进行改写。然而由人工对广告标题进行改写,效率较低,无法满足实际改写需求。


技术实现要素:

4.有鉴于此,本技术实施例提供了一种基于人工智能的广告标题改写方法、装置、服务器及介质,以解决相关技术中,由人工对广告标题进行改写,效率较低,无法满足实际改写需求的问题。
5.本技术实施例的第一方面提供了一种基于人工智能的广告标题改写方法,包括:
6.接收原广告标题,以及获取针对原广告标题的目标改写片段;
7.采用目标改写片段,对原广告标题进行改写,得到改写广告标题;
8.将改写广告标题和原广告标题输入至预先训练的语句通顺判别模型,得到用于指示改写广告标题是否通顺的通顺结果信息,其中,通顺结果信息包括通顺指示信息和非通顺指示信息;
9.响应于通顺结果信息指示改写广告标题通顺,输出所得到的通顺结果信息及对应的改写广告标题。
10.进一步地,获取针对原广告标题的目标改写片段,包括:
11.获取以及呈现与原广告标题的类型相匹配的多个候选改写片段;
12.响应于检测到用户选取操作,提取用户选取操作所选取的候选改写片段,将所提取的候选改写片段确定为目标改写片段。
13.进一步地,方法还包括:
14.获取样本广告标题,基于样本广告标题中的分隔标识,对样本广告标题进行拆分,得到多个广告片段及各广告片段在样本广告标题中的位置信息;
15.对各广告片段中的各字符进行符号转换操作,将符号转换后的广告片段替换样本广告标题中的相应广告片段,得到第一模拟广告标题,将相应广告片段、第一模拟广告标题和通顺指示信息组合生成针对相应广告片段的正训练样本,并存入训练样本集,其中,训练样本集用于对初始的语句通顺判别模型进行训练。
16.进一步地,方法还包括:
17.从预先存储的候选片段集中选取候选片段,对所选取的候选片段中的各字符进行符号转换操作;
18.将符号转换后的候选片段替换样本广告标题中的相应广告片段,得到第二模拟广告标题;
19.将所选取的候选片段、第二模拟广告标题、非通顺指示信息组合生成针对相应广告片段的负训练样本,并存入训练样本集。
20.进一步地,符号转换操作,包括以下任一项:
21.将各字符转换成目标字典中的对应字符;
22.将各字符转换成目标字典中的预设文本遮盖符号。
23.进一步地,若目标改写片段对应有改写位置信息,则采用目标改写片段,对原广告标题进行改写,得到改写广告标题,包括:
24.在原广告标题中的、改写位置信息指示的位置处插入目标改写片段,得到改写广告标题。
25.进一步地,将改写广告标题和原广告标题输入至预先训练的语句通顺判别模型,包括:
26.对改写广告标题中的、原广告标题部分的各字符进行符号转换操作,得到符号转换后的改写广告标题;
27.将符号转换后的改写广告标题和原广告标题输入至预先训练的语句通顺判别模型。
28.本技术实施例的第二方面提供了一种基于人工智能的广告标题改写装置,包括:
29.标题接收单元,用于接收原广告标题,以及获取针对原广告标题的目标改写片段;
30.标题改写单元,用于采用目标改写片段,对原广告标题进行改写,得到改写广告标题;
31.信息判别单元,用于将改写广告标题和原广告标题输入至预先训练的语句通顺判别模型,得到用于指示改写广告标题是否通顺的通顺结果信息,其中,通顺结果信息包括通顺指示信息和非通顺指示信息;
32.信息输出单元,用于响应于通顺结果信息指示改写广告标题通顺,输出所得到的通顺结果信息及对应的改写广告标题。
33.本技术实施例的第三方面提供了一种服务器,包括存储器、处理器以及存储在存储器中并可在服务器上运行的计算机程序,处理器执行计算机程序时实现第一方面提供的基于人工智能的广告标题改写方法的各步骤。
34.本技术实施例的第四方面提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现第一方面提供的基于人工智能的广告标题改写方法的各步骤。
35.实施本技术实施例提供的一种基于人工智能的广告标题改写方法、装置、服务器及介质具有以下有益效果:采用目标改写片段对原广告标题进行改写,得到改写广告标题,通过将改写广告标题和原广告标题输入预先训练的语句通顺判别模型,确定改写广告标题是否通顺,从而将通顺的改写广告标题输出。可以实现自动对广告标题进行改写,有助于提
高对广告标题进行改写的效率。
附图说明
36.为了更清楚地说明本技术实施例中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
37.图1是本技术实施例提供的一种基于人工智能的广告标题改写方法的实现流程图;
38.图2是本技术实施例提供的一种基于人工智能的广告标题改写装置的结构框图;
39.图3是本技术实施例提供的一种服务器的结构框图。
具体实施方式
40.为了使本技术的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本技术进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本技术,并不用于限定本技术。
41.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(artificial intelligence,ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
42.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
43.本技术实施例中,基于人工智能技术,以实现对广告标题进行改写。
44.本技术实施例所涉及的基于人工智能的广告标题改写方法,可以由服务器执行。基于人工智能的广告标题改写方法由服务器执行时,执行主体为服务器。
45.需要指出的是,上述服务器可以包括但不限于服务器、手机、平板或可穿戴智能设备等。另外,上述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network,cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
46.请参阅图1,图1示出了本技术实施例提供的一种基于人工智能的广告标题改写方法的实现流程图,包括:
47.步骤101,接收原广告标题,以及获取针对原广告标题的目标改写片段。
48.其中,原广告标题通常是用户输入的待改写的广告标题。
49.其中,目标改写片段通常是用于对原广告标题进行改写的文字片段。作为示例,目标改写片段可以为“太不可思议了”、“多年老品牌”等。
50.这里,执行主体可以接收用户输入的原广告标题,然后,获取针对该原广告标题的目标改写片段。
51.作为一个示例,上述执行主体可以从预先存储的改写片段集中随机获取若干改写片段,作为目标改写片段。其中,改写片段集中的改写片段通常为文字片段。如,其中一改写片段可以为“太不可思议了”。
52.作为另一个示例,上述执行主体也可以从预先存储的改写片段集中选取与原广告标题的类型相匹配的改写片段,作为目标改写片段。其中,原广告标题的类型可以包括但不限于母婴类型、体育类型等。
53.步骤102,采用目标改写片段,对原广告标题进行改写,得到改写广告标题。
54.这里,上述执行主体可以采用目标改写片段,直接对原广告标题进行改写。作为示例,上述执行主体可以将目标改写片段插入原广告标题的末端,实现对原广告标题进行改写,得到上述改写广告标题。
55.步骤103,将改写广告标题和原广告标题输入至预先训练的语句通顺判别模型,得到用于指示改写广告标题是否通顺的通顺结果信息。
56.其中,上述通顺结果信息可以包括通顺指示信息和非通顺指示信息。通顺指示信息通常是用于指示通顺的信息。非通顺指示信息通常是用于指示不通顺的信息。作为示例,通顺指示信息可以为“1”,用于指示通顺。非通顺指示信息可以为“0”用于指示不通顺。本实施例对通顺指示信息和非通顺指示信息的具体实现形式不做具体限定。
57.其中,语句通顺判别模型可以用于表征改写广告标题和原广告标题与通顺结果信息之间的对应关系。
58.实践中,语句通顺判别模型可以是基于训练样本,利用机器学习方法,对初始模型(例如卷积神经网络(convolutional neural network,cnn)、残差网络(resnet)等)进行训练后得到的模型。实际应用中,语句通顺判别模型的初始模型通常为双向编码器表征模型(bidirectional encoder representations from transformers,bert)。
59.这里,上述执行主体可以将改写广告标题和原广告标题一同作为语句通顺判别模型的输入,以得到用于指示改写广告标题是否通顺的通顺结果信息。
60.步骤104,响应于通顺结果信息指示改写广告标题通顺,输出所得到的通顺结果信息及对应的改写广告标题。
61.这里,若通顺结果信息指示改写广告标题通顺,则上述执行主体可以将语句通顺的改写广告标题输出及通顺结果信息输出。
62.本实施例提供的广告标题改写方法,采用目标改写片段对原广告标题进行改写,得到改写广告标题,通过将改写广告标题和原广告标题输入预先训练的语句通顺判别模型,确定改写广告标题是否通顺,从而将通顺的改写广告标题输出。可以实现自动对广告标题进行改写,有助于提高对广告标题进行改写的效率。
63.在本实施例的一些可选的实现方式中,上述获取针对原广告标题的目标改写片段,可以包括:
64.首先,获取以及呈现与原广告标题的类型相匹配的多个候选改写片段。
65.这里,上述执行主体可以从预先存储的改写片段集中选取与原广告标题的类型相匹配的改写片段,作为候选改写片段。其中,原广告标题的类型可以包括但不限于母婴类型、体育类型等。上述改写片段集中的改写片段通常为文字片段。如,其中一改写片段可以为“真的很划算”。在获取到候选改写片段后,可以将所获取的候选改写片段进行呈现,这
样,用户可以通过用户终端直观地查看候选改写片段。实际应用中,上述执行主体可以将与原广告标题的类型相匹配的多个候选改写片段,以列表的形式呈现给用户。
66.然后,响应于检测到用户选取操作,提取用户选取操作所选取的候选改写片段,将所提取的候选改写片段确定为目标改写片段。
67.其中,用户选取操作可以是用于选取候选改写片段的操作。如,可以是点击候选改写片段的操作,也可以是在所需选取的多个候选改写片段上划过的操作。
68.这里,上述执行主体可以通过用户终端检测到用户选取操作,然后得到用户选取操作所选取的候选改写片段。所选取的候选改写片段即为目标改写片段,目标改写片段可以用于对原广告标题进行改写。
69.需要指出的是,选取与原广告标题的类型匹配的目标改写片段对原广告标题进行改写,可以实现对原广告标题进行准确有效改写。
70.在本实施例的一些可选的实现方式中,上述基于人工智能的广告标题改写方法还可以包括如下步骤。
71.步骤一,获取样本广告标题,基于样本广告标题中的分隔标识,对样本广告标题进行拆分,得到多个广告片段及各广告片段在样本广告标题中的位置信息。
72.这里,上述执行主体可以从本地或者从通信连接的其它设备获取样本广告标题。实践中,样本广告标题的数目通常有多个。每个样本广告标题通常是大众认可度高的广告标题,如,可以是点击率排名靠前的广告标题。
73.其中,上述分隔标识通常是用于将一个文字与另一个文字分隔开的符号。作为示例,分隔标识可以是逗号,也可以是感叹号、问号、空格等。
74.这里,针对每个样本广告标题,上述执行主体可以以分隔标识为分隔,将样本广告标题拆分成多个广告片段。另外,上述执行主体可以以分隔标识为分隔,提取每个广告片段在样本广告标题中的位置信息。位置信息所指示的位置可以为第一个分隔标识之前,也可以为在第一个分隔标识与第二个分隔标识之间等。
75.举例来说,若样本广告标题为“0费率还免费秒到,智能大pos免费领”,则可以拆分得到两个广告片段,分别为“0费率还免费秒到”和“智能大pos免费领”。上述举例中,分隔标识为逗号。
76.步骤二,对各广告片段中的各字符进行符号转换操作,将符号转换后的广告片段替换样本广告标题中的相应广告片段,得到第一模拟广告标题,将相应广告片段、第一模拟广告标题和通顺指示信息组合生成针对相应广告片段的正训练样本,并存入训练样本集。
77.其中,训练样本集用于对初始的语句通顺判别模型进行训练。
78.其中,上述符号转换操作通常是对各字符进行转换的操作。
79.实践中,上述符号转换操作,可以包括但不限于以下第一项和第二项中的任一项。
80.第一项,将各字符转换成目标字典中的对应字符。举例来说,可以将字符“费”转换成“1”。其中,目标字典通常用于描述一个字符与另一个字符之间的对应关系。实践中,若语句通顺判别模型的初始模型通常为bert模型,则目标字典通常为bert模型自带的用于描述一个字符与另一个字符之间的对应关系的字典。
81.第二项,将各字符转换成目标字典中的预设文本遮盖符号。这里,预设文本遮盖符号通常是预先设定的用于遮盖文本内容的符号。实践中,若语句通顺判别模型的初始模型
通常为bert模型,则预设文本遮盖符号通常为“[mask]”。
[0082]
实际应用中,通常采用上述第二项对各字符进行符号转换操作。
[0083]
需要指出的是,采用模型自带的字符替换样本广告标题中的广告片段,得到第一模拟广告标题,然后,在训练样本中同时包括相应广告片段和第一模拟广告标题,可以使得模型有针对性地对被替换的部分进行训练,从而实现更快地训练得到改写更准确的语句通顺判别模型。另外,采用模型自带的文本遮盖符号替换样本广告标题中的广告片段,得到第一模拟广告标题时,由基于该第一模拟广告标题生成的训练样本可以进一步促进更快地训练得到改写更准确的语句通顺判别模型。
[0084]
举例来说,若样本广告标题为“0费率还免费秒到,智能大pos免费领”。采用上述第二项对各字符进行符号转换操作时,针对样本广告标题中的广告片段“0费率还免费秒到”,对该广告片段中各字符进行符号转换操作,可以得到符号转换后的广告片段为:
[0085]
[mask][mask][mask][mask][mask][mask][mask][mask]。
[0086]
然后,将符号转换后的广告片段替换样本广告标题中的该广告片段,可以得到第一模拟广告标题为:
[0087]
[mask][mask][mask][mask][mask][mask][mask][mask],智能大pos免费领。
[0088]
此时,得到的正训练样本可以包括以下三者:其一,0费率还免费秒到。其二,[mask][mask][mask][mask][mask][mask][mask][mask],智能大pos免费领。其三,通顺指示信息。
[0089]
本实施例可以得到用于对初始的语句通顺判别模型进行训练的训练样本集。
[0090]
在一些可选的实现方式中,上述基于人工智能的广告标题改写方法,还可以包括如下步骤:首先,从预先存储的候选片段集中选取候选片段,对所选取的候选片段中的各字符进行符号转换操作。然后,将符号转换后的候选片段替换样本广告标题中的相应广告片段,得到第二模拟广告标题。最后,将所选取的候选片段、第二模拟广告标题、非通顺指示信息组合生成针对相应广告片段的负训练样本,并存入训练样本集。
[0091]
其中,上述预先存储的候选片段集可以由样本广告标题所包括的广告片段组合得到。作为示例,若有两个样本广告标题,分别为甲和乙,其中,甲中包括3个广告片段,分别为a、b、c,乙中包括2个广告片段,分别为d、e,则候选片段集可以为{a,b,c,d,e}。需要指出的是,从候选片段集中选取的候选片段通常与当前广告片段相异。
[0092]
这里,上述执行主体可以针对每个广告片段,选取一个候选片段,以及得到对应的一个第二模拟广告标题,然后,将所选取的候选片段、第二模拟广告标题、非通顺指示信息组合生成针对该广告片段的负训练样本。
[0093]
举例来说,若样本广告标题为“0费率还免费秒到,智能大pos免费领”。采用上述第二项对各字符进行符号转换操作时,针对样本广告标题中的广告片段“0费率还免费秒到”,若所选取的候选片段为“太划算了”,则上述执行主体对该候选片段中各字符进行符号转换操作后,可以得到符号转换后的候选片段为:[mask][mask][mask][mask]。
[0094]
然后,将符号转换后的候选片段替换样本广告标题中的广告片段,可以得到第二模拟广告标题为:[mask][mask][mask][mask],智能大pos免费领。
[0095]
此时,得到的负训练样本可以包括以下三者:其一,0费率还免费秒到。其二,[mask][mask][mask][mask],智能大pos免费领。其三,非通顺指示信息。
[0096]
需要指出的是,一个样本广告标题可以生成多个训练样本,可以实现采用少量的优质的样本广告标题,生成大量训练样本,有助于提高训练样本生成效率。另外,针对同一广告片段,同时生成正训练样本和负训练样本,有助于提高训练后得到的语句通顺判别模型的准确率。另外,由于预设文本遮盖符号有助于引导模型有针对性地对遮盖部分进行判别训练,有助于提高训练得到的模型进行语句通顺判别的准确率。
[0097]
在各实施例的一些可选的实现方式中,若目标改写片段对应有改写位置信息,则采用目标改写片段,对原广告标题进行改写,得到改写广告标题,包括:在原广告标题中的、改写位置信息指示的位置处插入目标改写片段,得到改写广告标题。
[0098]
其中,改写位置信息通常是用于指示改写片段的插入位置的信息。作为示例,改写位置信息可以指示将目标改写片段插入在原广告标题的末尾,也可以指示将目标改写片段插入在原广告标题的第一个分隔标识之后。
[0099]
这里,在目标改写片段对应有改写位置信息时,上述执行主体可以将目标改写片段插入在原广告标题中的、改写位置信息指示的位置处。
[0100]
由于不同的改写片段,插入在待改写的广告标题中的不同位置,所起到的效果可能不相同。预先针对各改写片段设置改写位置信息,在对改写片段进行改写使用时,直接按照该改写片段对应的改写位置信息进行改写,有助于提高改写的效率和准确率。
[0101]
在一些可选的实现方式中,上述将改写广告标题和原广告标题输入至预先训练的语句通顺判别模型,包括:首先,对改写广告标题中的、原广告标题部分的各字符进行符号转换操作,得到符号转换后的改写广告标题。然后,将符号转换后的改写广告标题和原广告标题输入至预先训练的语句通顺判别模型。
[0102]
这里,对语句通顺判别模型进行训练所采用的训练样本为经过符号转换操作后得到的训练样本,在对该语句通顺判别模型进行应用时,同样采用经过符号转换操作得到的改写广告标题作为输入,有助于实现对改写广告标题的通顺情况进行更加准确地辨识。
[0103]
请参阅图2,图2是本技术实施例提供的一种基于人工智能的广告标题改写装置200的结构框图。本实施例中该基于人工智能的广告标题改写装置包括的各单元用于执行图1对应的实施例中的各步骤。具体请参阅图1以及图1所对应的实施例中的相关描述。为了便于说明,仅示出了与本实施例相关的部分。
[0104]
参见图2,基于人工智能的广告标题改写装置200包括:
[0105]
标题接收单元201,用于接收原广告标题,以及获取针对原广告标题的目标改写片段;
[0106]
标题改写单元202,用于采用目标改写片段,对原广告标题进行改写,得到改写广告标题;
[0107]
信息判别单元203,用于将改写广告标题和原广告标题输入至预先训练的语句通顺判别模型,得到用于指示改写广告标题是否通顺的通顺结果信息,其中,通顺结果信息包括通顺指示信息和非通顺指示信息;
[0108]
信息输出单元204,用于响应于通顺结果信息指示改写广告标题通顺,输出所得到的通顺结果信息及对应的改写广告标题。
[0109]
作为本技术一实施例,标题接收单元201,具体用于:获取以及呈现与原广告标题的类型相匹配的多个候选改写片段;响应于检测到用户选取操作,提取用户选取操作所选
取的候选改写片段,将所提取的候选改写片段确定为目标改写片段。
[0110]
作为本技术一实施例,装置还可以包括样本生成单元(图中未示出)。其中,样本生成单元用于:获取样本广告标题,基于样本广告标题中的分隔标识,对样本广告标题进行拆分,得到多个广告片段及各广告片段在样本广告标题中的位置信息;对各广告片段中的各字符进行符号转换操作,将符号转换后的广告片段替换样本广告标题中的相应广告片段,得到第一模拟广告标题,将相应广告片段、第一模拟广告标题和通顺指示信息组合生成针对相应广告片段的正训练样本,并存入训练样本集,其中,训练样本集用于对初始的语句通顺判别模型进行训练。
[0111]
作为本技术一实施例,样本生成单元具体还用于:从预先存储的候选片段集中选取候选片段,对所选取的候选片段中的各字符进行符号转换操作;将符号转换后的候选片段替换样本广告标题中的相应广告片段,得到第二模拟广告标题;将所选取的候选片段、第二模拟广告标题、非通顺指示信息组合生成针对相应广告片段的负训练样本,并存入训练样本集。
[0112]
作为本技术一实施例,符号转换操作,包括以下任一项:将各字符转换成目标字典中的对应字符;将各字符转换成目标字典中的预设文本遮盖符号。
[0113]
作为本技术一实施例,若目标改写片段对应有改写位置信息,则标题改写单元202,具体用于:在原广告标题中的、改写位置信息指示的位置处插入目标改写片段,得到改写广告标题。
[0114]
作为本技术一实施例,信息判别单元203,具体用于:对改写广告标题中的、原广告标题部分的各字符进行符号转换操作,得到符号转换后的改写广告标题;将符号转换后的改写广告标题和原广告标题输入至预先训练的语句通顺判别模型。
[0115]
本实施例提供的装置,采用目标改写片段对原广告标题进行改写,得到改写广告标题,通过将改写广告标题和原广告标题输入预先训练的语句通顺判别模型,确定改写广告标题是否通顺,从而将通顺的改写广告标题输出。可以实现自动对广告标题进行改写,有助于提高对广告标题进行改写的效率。
[0116]
应当理解的是,图2示出的基于人工智能的广告标题改写装置的结构框图中,各单元用于执行图1对应的实施例中的各步骤,而对于图1对应的实施例中的各步骤已在上述实施例中进行详细解释,具体请参阅图1以及图1所对应的实施例中的相关描述,此处不再赘述。
[0117]
图3是本技术另一实施例提供的一种服务器的结构框图。如图3所示,该实施例的服务器300包括:处理器301、存储器302以及存储在存储器302中并可在处理器301上运行的计算机程序303,例如基于人工智能的广告标题改写方法的程序。处理器301执行计算机程序303时实现上述各个基于人工智能的广告标题改写方法各实施例中的步骤,例如图1所示的步骤101至步骤104。或者,处理器301执行计算机程序303时实现上述图2对应的实施例中各单元的功能,例如,图2所示的单元201至204的功能,具体请参阅图2对应的实施例中的相关描述,此处不赘述。
[0118]
示例性的,计算机程序303可以被分割成一个或多个单元,一个或者多个单元被存储在存储器302中,并由处理器301执行,以完成本技术。一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序303在服务器300中的执
行过程。例如,计算机程序303可以被分割成标题接收单元,标题改写单元,信息判别单元,信息输出单元,各单元具体功能如上。
[0119]
服务器可以包括,但不仅限于,处理器301、存储器302。本领域技术人员可以理解,图3仅仅是服务器300的示例,并不构成对服务器300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,例如转台设备还可以包括输入输出设备、网络接入设备、总线等。
[0120]
所称处理器301可以是中央处理单元(central processing unit,cpu),还可以是其他通用处理器、数字信号处理器(digital signal processor,dsp)、专用集成电路(application specific integrated circuit,asic)、现成可编程门阵列(field

programmable gate array,fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0121]
存储器302可以是服务器300的内部存储单元,例如服务器300的硬盘或内存。存储器302也可以是服务器300的外部存储设备,例如服务器300上配备的插接式硬盘,智能存储卡(smart media card,smc),安全数字(secure digital,sd)卡,闪存卡(flash card)等。进一步地,存储器302还可以既包括服务器300的内部存储单元也包括外部存储设备。存储器302用于存储计算机程序以及转台设备所需的其他程序和数据。存储器302还可以用于暂时地存储已经输出或者将要输出的数据。
[0122]
另外,在本技术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存在,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,也可以采用软件功能单元的形式实现。
[0123]
集成的模块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存储介质中。其中,计算机可读存储介质可以是非易失性的,也可以是易失性的。基于这样的理解,本技术实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom,read

only memory)、随机存取存储器(ram,random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读存储介质不包括电载波信号和电信信号。
[0124]
以上实施例仅用以说明本技术的技术方案,而非对其限制;尽管参照前述实施例对本技术进行了详细的说明,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技术各实施例技术方案的精神和范围,均应包含在本技术的保护范围之内。
转载请注明原文地址:https://win.8miu.com/read-150343.html

最新回复(0)