业务节点训练、评估方法、装置及电子设备
技术领域
本说明书实施例涉及计算机技术领域,尤其涉及一种业务节点训练、评估方法、装置及电子设备。
背景技术
在业务往来场景中,通常会对业务节点进行评估,评估该业务节点的优劣或者安全风险。
发明内容
有鉴于此,本说明书实施例提供了一种提高业务节点评估精准度的业务节点训练、评估方法、装置及电子设备。
本说明书实施例采用下述技术方案:
本说明书实施例提供一种业务节点评估模型训练方法,包括:
利用不同业务节点的历史行为数据训练特征提炼模型,通过所述特征提炼模型提炼得到节点特征;
根据所述不同业务节点之间的依赖关系,按照每个业务节点汇总邻居业务节点的节点特征的方式,确定以目标业务节点为终点的不同业务节点之间的节点特征传播关系;
利用提炼得到的所述节点特征和所述节点特征传播关系进行训练,得到业务节点评估模型。
本说明书实施例还提供一种业务节点评估方法,包括:
采集不同业务节点的行为数据;
利用特征提炼模型从采集的行为数据中提炼节点特征,所述特征提炼模型为利用不同业务节点的历史行为数据训练得到的;
根据所述不同业务节点之间的依赖关系,按照每个业务节点汇总邻居业务节点的节点特征的方式,确定以目标业务节点为终点的不同业务节点之间的节点特征传播关系;
按照所述节点特征传播关系,利用业务节点评估模型对提炼得到的所述节点特征进行处理,得到所述目标业务节点的评估结果,所述业务节点评估模型为利用提炼得到的节点特征和节点特征传播关系进行训练得到的。
本说明书实施例还提供一种业务节点评估模型训练装置,包括:
第一训练模块,利用不同业务节点的历史行为数据训练特征提炼模型,通过所述特征提炼模型提炼得到节点特征;
确定模块,根据所述不同业务节点之间的依赖关系,按照每个业务节点汇总邻居业务节点的节点特征的方式,确定以目标业务节点为终点的不同业务节点之间的节点特征传播关系;
第二训练模块,利用提炼得到的所述节点特征和所述节点特征传播关系进行训练,得到业务节点评估模型。
本说明书实施例还提供一种业务节点评估装置,包括:
采集模块,采集不同业务节点的行为数据;
特征提炼模块,利用特征提炼模型从采集的行为数据中提炼节点特征,所述特征提炼模型为利用不同业务节点的历史行为数据训练得到的;
确定模块,根据所述不同业务节点之间的依赖关系,按照每个业务节点汇总邻居业务节点的节点特征的方式,确定以目标业务节点为终点的不同业务节点之间的节点特征传播关系;
评估模块,按照所述节点特征传播关系,利用业务节点评估模型对提炼得到的所述节点特征进行处理,得到所述目标业务节点的评估结果,所述业务节点评估模型为利用提炼得到的节点特征和节点特征传播关系进行训练得到的。
本说明书实施例还提供一种电子设备,包括:
至少一个存储器;
至少一个处理器;
其中,所述至少一个存储器中存储有程序,并被配置成由所述至少一个处理器执行以下步骤:
利用不同业务节点的历史行为数据训练特征提炼模型,通过所述特征提炼模型提炼得到节点特征;
根据所述不同业务节点之间的依赖关系,按照每个业务节点汇总邻居业务节点的节点特征的方式,确定以目标业务节点为终点的不同业务节点之间的节点特征传播关系;
利用提炼得到的所述节点特征和所述节点特征传播关系进行训练,得到业务节点评估模型。
本说明书实施例还提供一种电子设备,包括:
至少一个存储器;
至少一个处理器;
其中,所述至少一个存储器中存储有程序,并被配置成由所述至少一个处理器执行以下步骤:
采集不同业务节点的行为数据;
利用特征提炼模型从采集的行为数据中提炼节点特征,所述特征提炼模型为利用不同业务节点的历史行为数据训练得到的;
根据所述不同业务节点之间的依赖关系,按照每个业务节点汇总邻居业务节点的节点特征的方式,确定以目标业务节点为终点的不同业务节点之间的节点特征传播关系;
按照所述节点特征传播关系,利用业务节点评估模型对提炼得到的所述节点特征进行处理,得到所述目标业务节点的评估结果,所述业务节点评估模型为利用提炼得到的节点特征和节点特征传播关系进行训练得到的。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
利用不同业务节点的历史行为数据训练特征提炼模型,通过所述特征提炼模型提炼得到节点特征。根据所述不同业务节点之间的依赖关系,按照每个业务节点汇总邻居业务节点的节点特征的方式,确定以目标业务节点为终点的不同业务节点之间的节点特征传播关系,这样可以利用提炼得到的所述节点特征和所述节点特征传播关系进行训练,得到业务节点评估模型。
利用本说明书实施例记载的训练方案,可以将特征提炼模型和业务节点评估模型进行联合训练,并且邻居业务节点的节点特征传播给目标业务节点,目标业务节点的节点特征融合了自身的节点特征和邻居业务节点的节点特征,这样训练得到的针对目标业务节点的模型实际上融合了特征提炼模型和业务节点评估模型,提升目标业务节点评估模型的精确度。
附图说明
此处所说明的附图用来提供对本说明书实施例的进一步理解,构成本说明书实施例的一部分,本说明书的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本说明书实施例提出的一种业务节点评估模型训练方法的流程图;
图2为本说明书实施例提出的一种业务节点评估模型训练方法的流程图;
图3为本说明书实施例提出的一种业务节点评估模型训练方法的流程图;
图4为本说明书实施例提出的一种业务节点评估模型训练方法的一个应用实例的示意图;
图5为本说明书实施例提出的一种业务节点评估方法的流程图;
图6为本说明书实施例提出的一种业务节点评估模型训练装置的结构图;
图7为本说明书实施例提出的一种业务节点评估装置的结构图。
具体实施方式
对业务节点进行评估,可以使用两类特征,一类是从业务节点自身的节点特征来考虑,包括静态属性特征和动态行为特征,另一类从业务节点之间的依赖关系上来考虑,通过依赖关系来补充对这个业务节点的判断。
现有一种手段是,利用两个模型对节点特征和关系特征分别进行建模,之后利用梯度提升决策树GBDT(英文全称:Gradient Boosting Decision Tree)模型对节点特征进行打分,用一个团伙模型来发现一个高浓度团伙,再结合两个模型结果进行稽核防控。
还可以是,将节点特征和关系特征进行联动,具体地,基于人工设计将关系特征转换为变量,将节点特征和关系特征的变量一起放到GBDT模型中建模,例如将某个业务节点的度或聚类系数加入GBDT中一起训练。
另一种手段是使用模型嵌套方式,将节点特征的GBDT模型分值放在图中进行传播和汇总,再把这个汇总的分值整合其他特征作为后续模型的输入。
本说明书实施例提出了一种业务节点训练、评估方法、装置及电子设备,利用不同业务节点的历史行为数据训练特征提炼模型,通过所述特征提炼模型提炼得到节点特征。根据所述不同业务节点之间的依赖关系,按照每个业务节点汇总邻居业务节点的节点特征的方式,确定以目标业务节点为终点的不同业务节点之间的节点特征传播关系,这样可以利用提炼得到的所述节点特征和所述节点特征传播关系进行训练,得到业务节点评估模型。
利用本说明书实施例记载的训练方案,可以将特征提炼模型和业务节点评估模型进行联合训练,并且邻居业务节点的节点特征传播给目标业务节点,目标业务节点的节点特征融合了自身的节点特征和邻居业务节点的节点特征,这样训练得到的针对目标业务节点的模型实际上融合了特征提炼模型和业务节点评估模型,提升目标业务节点评估模型的精确度。
为使本申请的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书实施例提出的一种业务节点评估模型训练方法的流程图。
步骤101:利用不同业务节点的历史行为数据训练特征提炼模型,通过所述特征提炼模型提炼得到节点特征。
业务节点可以是账户或设备等提供业务服务的主体。历史行为数据可以是通过监控各业务节点的业务活动所采集的业务行为数据。
节点特征表征业务节点自身属性,可以包括属性特征和动态行为特征。属性特征可以是静态属性特征,如用户身份信息、地址信息、联系方式等等,在此不作具体限定。动态行为特征可以是业务节点在业务活动中的动态特征,例如业务频率特征、业务发生时间变化特征等等,在此不作具体限定。
在本说明书实施例中,通过所述特征提炼模型提炼得到节点特征,具体可以是,对历史行为数据中的具体业务特征进行分类、编码,得到节点特征。
在本说明书实施例中,利用不同业务节点的历史行为数据训练特征提炼模型,通过所述特征提炼模型提炼得到节点特征,可以包括:
若所述历史行为数据包含动态行为事件,则利用不同业务节点的历史行为数据训练长短期记忆LSTM(英文全称:long-short term memory)模型,通过LSTM模型提炼得到动态行为特征。
LSTM模型是一种特殊的RNN模型,能够处理和预测时间序列中间隔和延迟相对较长的重要事件。LSTM网络模型包括LSTM单元,LSTM单元设置有输入门、遗忘门和输出门,在每个时序步骤可以基于设置的输入门、遗忘门和输出门对输入数据进行处理。
在一种应用示例中,利用不同业务节点的历史行为数据训练LSTM模型,可以包括:
利用不同业务节点的历史行为数据训练LSTM模型,使得所述动态行为事件转换为嵌入特征,进而根据所述嵌入特征确定所述动态行为特征。该嵌入特征可以是特征向量。
因此,如果原始的历史行为数据的特征偏动态,则使用LSTM模型进行特征提炼,将隐层的embedding作为节点特征。
在本说明书实施例中,利用不同业务节点的历史行为数据训练特征提炼模型,通过所述特征提炼模型提炼得到节点特征,包括:
若所述历史行为数据包含属性特征,则利用不同业务节点的历史行为数据训练XGB(英文全称:eXtreme Gradient Boosting,简写XGB)模型,通过所述XGB模型提炼得到属性特征。
XGB模型是一种集成树模型,其本质是不同单个决策树的组合。而决策树是一种树形结构,又称为判定树,是运用于分类的一种树结构,其中的每个内部节点代表对某一属性的一次测试,每条边代表一个测试结果,叶节点代表某个类或类的分布。决策树的决策过程需要从决策树的根节点开始,待测数据与决策树中的特征节点进行比较,并按照比较结果选择选择下一比较分支,直到叶子节点作为最终的决策结果。
这样,如果原始的历史行为数据的特征偏静态,则使用XGB模型进行特征提炼,将叶子节点编号作为节点特征。
在具体应用中,特征提炼模型可以包括LSTM模型和XGB模型中的一种或两种的组合。
步骤103:根据所述不同业务节点之间的依赖关系,按照每个业务节点汇总邻居业务节点的节点特征的方式,确定以目标业务节点为终点的不同业务节点之间的节点特征传播关系。
不同业务节点之间的依赖关系可以是指,不同业务节点之间存在业务往来或业务数据依赖。具体地,业务节点之间存在交易关系、转账等,在此不作具体限定。
按照每个业务节点汇总邻居业务节点的节点特征的方式,确定以目标业务节点为终点的不同业务节点之间的节点特征传播关系,可以实现每个业务节点可以融合自身的节点特征以及邻居业务节点的节点特征,最终所有的节点特征向目标业务节点传播。
具体地,根据所述不同业务节点之间的依赖关系,按照每个业务节点汇总邻居业务节点的节点特征的方式,确定以目标业务节点为终点的不同业务节点之间的节点特征传播关系,可以包括:
在所述不同业务节点中,确定与目标业务节点之间具有至少一层依赖关系的业务节点,得到以所述目标业务节点为起点的关系数据;
按照所述关系数据中的每个业务节点汇总邻居业务节点的节点特征的方式,确定以目标业务节点为终点的不同业务节点之间的节点特征传播关系。
其中,与目标业务节点之间具有至少一层依赖关系,具体可以是,目标业务节点与其邻居业务节点之间具有直接的一层依赖关系,目标业务节点与邻居业务节点之外的其他业务节点之间通过邻居业务节点而具有间接依赖关系,或称两层或两层以上的依赖关系。
步骤105:利用提炼得到的所述节点特征和所述节点特征传播关系进行训练,得到业务节点评估模型。
从而,业务节点评估模型可用于对目标业务节点进行评估。利用步骤101-105训练得到的模型融合了特征提炼模型和业务节点评估模型,业务节点评估模型融合了目标业务节点自身的节点特征以及邻居业务节点的节点特征,可以提升业务节点评估模型的精确度。
需要说明的是,本说明书实施例记载的步骤101和步骤103之间的时序关系没有限定。
图2为本说明书实施例提出的一种业务节点评估模型训练方法的流程图。
步骤202与图1所示步骤101相同,步骤204与图1所示步骤103相同,在此不在详述。
步骤206:判断所述特征提炼模型的误差是否位于可接受范围内。
步骤208:若是,则利用提炼得到的所述节点特征和所述节点特征传播关系进行训练,得到业务节点评估模型;
若否,则返回步骤202。
在本说明书实施例中,可以先对特征提炼模型进行训练,直到特征提炼模型的误差位于可接受范围内。
其中,特征提炼模型的误差可以是指每次训练后的特征提炼模型的输出与实际值之间的误差。具体地,可以利用反向传播算法,根据特征提炼模型的误差调整特征提炼模型的参数,再返回步骤202。
在具体应用中,步骤202实际是迭代如下步骤:
利用前向传播算法,利用历史行为数据训练特征提炼模型;
当特征提炼模型的误差不位于可接受范围内时,利用反向传播算法,根据特征提炼模型的误差调整特征提炼模型的参数,直到所述特征提炼模型的误差位于可接受范围内。
图3为本说明书实施例提出的一种业务节点评估模型训练方法的流程图。
步骤301-305与图1所示步骤101-105分别相同,可以参考对应的步骤,在此不作赘述。
步骤307:利用反向传播算法,根据所述目标业务节点评估模型的误差调整所述业务节点评估模型的参数和所述特征提炼模型的参数;
返回步骤301,返回利用不同业务节点的历史行为数据训练特征提炼模型,通过所述特征提炼模型提炼得到节点特征。
这可以实现特征提炼模型和业务节点评估模型之间的联合训练。
图4为本说明书实施例提出的一种业务节点评估模型训练方法的一个应用实例的示意图。
步骤402:利用不同业务节点的历史行为数据训练XGB模型,对历史行为数据进行转换而得到节点特征,具体可以是对叶子节点进行编码。
图4中以两棵树为例,是利用历史行为数据训练XGBoost学习到的,在其他实施例中,还可以是其他数量的树。
其中,第一棵树有3个叶子结点,而第二棵树有2个叶子节点。对于一个输入样本点(历史行为数据)x,如果它在第一棵树最后落在其中的第二个叶子结点,而在第二棵树里最后落在其中的第一个叶子结点。那么通过XGBoost获得的新特征向量为[0,1,0,1,0],其中向量中的前三位对应第一棵树的3个叶子结点,后两位对应第二棵树的2个叶子结点。输入的历史行为数据通过增强的决策树进行转换,每个单独树的输出被视为稀疏线性分类器的分类输入特征,增强的决策树被证明是非常强大的特征转换。
步骤404:创建以所述目标业务节点为起点的关系数据构图。
如图示出了A、B、C、D、E、F四个业务节点,其中A作为目标业务节点,A与B、C、D之间分别具有直接的依赖关系,B与A、C之间具有直接的依赖关系,C与B、E、F之间具有直接的依赖关系。
步骤406:按照每个业务节点汇总邻居业务节点的节点特征的方式,将提炼得到的所述节点特征输入关系数据构图,得到所述节点特征和所述关系数据的融合图。
融合图中的箭头表示节点特征的传播方向。举例来说,对融合图中上方的传播路径,目标业务节点A的邻居业务节点为B、C、D,而B的邻居业务节点为A、C,这样A、C的节点特征传播给B,而B又将汇总的节点特征传播给A。同理地,C、D也将节点特征传播给A。由此可知,所有业务节点的节点特征都汇总到了目标业务节点A。
步骤408:将融合图输入图神经网络模型进行训练。
具体地,参考融合图所示,利用业务节点A、C的节点特征训练针对业务节点B的子神经网络模型m1;利用业务节点A、B、E、F的节点特征训练针对业务节点C的子神经网络模型m2;利用业务节点A的节点特征训练针对业务节点D的子神经网络模型m3。之后,m1、m2和m3的输出作为输入,训练针对目标业务节点A的子神经网络模型m0。
本说明书实施例中的业务节点评估模型为图神经网络模型,图神经网络模型可以包括呈图结构的子神经网络模型m1、m2、m3、m0。
其中,图神经网络模型的算法可以选择图卷积神经网络模型GCN,也可以是struct2vec等图神经网络算法,在此不作具体限定。
图5为本说明书实施例提出的一种业务节点评估方法的流程图。
步骤501:采集不同业务节点的行为数据;
步骤503:利用特征提炼模型从采集的行为数据中提炼节点特征,所述特征提炼模型为利用不同业务节点的历史行为数据训练得到的;
步骤505:根据所述不同业务节点之间的依赖关系,按照每个业务节点汇总邻居业务节点的节点特征的方式,确定以目标业务节点为终点的不同业务节点之间的节点特征传播关系;
步骤507:按照所述节点特征传播关系,利用业务节点评估模型对提炼得到的所述节点特征进行处理,得到所述目标业务节点的评估结果,业务节点评估模型为利用提炼得到的节点特征和节点特征传播关系进行训练得到的。
图6为本说明书实施例提出的一种业务节点评估模型训练装置的结构图。
本说明书实施例记载的业务节点评估模型训练装置可以包括:
第一训练模块601,利用不同业务节点的历史行为数据训练特征提炼模型,通过所述特征提炼模型提炼得到节点特征;
确定模块602,根据所述不同业务节点之间的依赖关系,按照每个业务节点汇总邻居业务节点的节点特征的方式,确定以目标业务节点为终点的不同业务节点之间的节点特征传播关系;
第二训练模块603,利用提炼得到的所述节点特征和所述节点特征传播关系进行训练,得到业务节点评估模型。
可选地,根据所述不同业务节点之间的依赖关系,按照每个业务节点汇总邻居业务节点的节点特征的方式,确定以目标业务节点为终点的不同业务节点之间的节点特征传播关系,包括:
在所述不同业务节点中,确定与目标业务节点之间具有至少一层依赖关系的业务节点,得到以所述目标业务节点为起点的关系数据;
按照所述关系数据中的每个业务节点汇总邻居业务节点的节点特征的方式,确定以目标业务节点为终点的不同业务节点之间的节点特征传播关系。
可选地,确定与目标业务节点之间具有至少一层依赖关系的业务节点,包括:
创建以所述目标业务节点为起点的关系数据构图;
按照所述关系数据中的每个业务节点汇总邻居业务节点的节点特征的方式,确定以目标业务节点为终点的不同业务节点之间的节点特征传播关系,包括:
按照每个业务节点汇总邻居业务节点的节点特征的方式,将提炼得到的所述节点特征输入关系数据构图,得到所述节点特征和所述关系数据的融合图;
利用提炼得到的所述节点特征和所述节点特征传播关系进行训练,得到业务节点评估模型,包括:
将所述融合图输入图神经网络模型进行训练。
利用本说明书实施例记载的装置,可以将特征提炼模型和业务节点评估模型进行联合训练,并且邻居业务节点的节点特征传播给目标业务节点,目标业务节点的节点特征融合了自身的节点特征和邻居业务节点的节点特征,这样训练得到的针对目标业务节点的模型实际上融合了特征提炼模型和业务节点评估模型,提升目标业务节点评估模型的精确度。
基于同一个发明构思,本说明书实施例还提供了一种电子设备,包括:
至少一个存储器;
至少一个处理器;
其中,所述至少一个存储器中存储有程序,并被配置成由所述至少一个处理器执行以下步骤:
利用不同业务节点的历史行为数据训练特征提炼模型,通过所述特征提炼模型提炼得到节点特征;
根据所述不同业务节点之间的依赖关系,按照每个业务节点汇总邻居业务节点的节点特征的方式,确定以目标业务节点为终点的不同业务节点之间的节点特征传播关系;
利用提炼得到的所述节点特征和所述节点特征传播关系进行训练,得到业务节点评估模型。
基于同一发明构思,本说明书实施例中还提供了一种计算机可读存储介质,包括与电子设备结合使用的程序,所述程序可被处理器执行以完成以下步骤:
利用不同业务节点的历史行为数据训练特征提炼模型,通过所述特征提炼模型提炼得到节点特征;
根据所述不同业务节点之间的依赖关系,按照每个业务节点汇总邻居业务节点的节点特征的方式,确定以目标业务节点为终点的不同业务节点之间的节点特征传播关系;
利用提炼得到的所述节点特征和所述节点特征传播关系进行训练,得到业务节点评估模型。
图7为本说明书实施例提出的一种业务节点评估装置的结构图。
本说明书实施例记载的一种业务节点评估装置可以包括:
采集模块701,采集不同业务节点的行为数据;
特征提炼模块702,利用特征提炼模型从采集的行为数据中提炼节点特征,所述特征提炼模型为利用不同业务节点的历史行为数据训练得到的;
确定模块703,根据所述不同业务节点之间的依赖关系,按照每个业务节点汇总邻居业务节点的节点特征的方式,确定以目标业务节点为终点的不同业务节点之间的节点特征传播关系;
评估模块704,按照所述节点特征传播关系,利用业务节点评估模型对提炼得到的所述节点特征进行处理,得到所述目标业务节点的评估结果,所述业务节点评估模型为利用提炼得到的节点特征和节点特征传播关系进行训练得到的。
基于同一个发明构思,本说明书实施例还提供了一种电子设备,包括:
至少一个存储器;
至少一个处理器;
其中,所述至少一个存储器中存储有程序,并被配置成由所述至少一个处理器执行以下步骤:
采集不同业务节点的行为数据;
利用特征提炼模型从采集的行为数据中提炼节点特征,所述特征提炼模型为利用不同业务节点的历史行为数据训练得到的;
根据所述不同业务节点之间的依赖关系,按照每个业务节点汇总邻居业务节点的节点特征的方式,确定以目标业务节点为终点的不同业务节点之间的节点特征传播关系;
按照所述节点特征传播关系,利用业务节点评估模型对提炼得到的所述节点特征进行处理,得到所述目标业务节点的评估结果,所述业务节点评估模型为利用提炼得到的节点特征和节点特征传播关系进行训练得到的。
基于同一发明构思,本说明书实施例中还提供了一种计算机可读存储介质,包括与电子设备结合使用的程序,所述程序可被处理器执行以完成以下步骤:
采集不同业务节点的行为数据;
利用特征提炼模型从采集的行为数据中提炼节点特征,所述特征提炼模型为利用不同业务节点的历史行为数据训练得到的;
根据所述不同业务节点之间的依赖关系,按照每个业务节点汇总邻居业务节点的节点特征的方式,确定以目标业务节点为终点的不同业务节点之间的节点特征传播关系;
按照所述节点特征传播关系,利用业务节点评估模型对提炼得到的所述节点特征进行处理,得到所述目标业务节点的评估结果,所述业务节点评估模型为利用提炼得到的节点特征和节点特征传播关系进行训练得到的。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。