端到端电子邮件标签预测的制作方法

计算;推算;计数设备的制造及其应用技术端到端电子邮件标签预测背景技术：1.现代互联网和网络通信在过去二十年中呈指数增长。组织的成员现在能够通过包括电子邮件、即时消息传递、文本消息传递、对话信道、社交媒体等多个不同的并行通信信道进行即时通信。这种通信导致信息的可访问性增加，以及在分布式劳动力中前所未有的协作和团队合作水平。面对面会议在很大程度上已被通常更高效、简洁和有效的电子通信所取代。2.尽管不断出现各种通信手段，但商业通信的主要方法仍然是组织内的电子邮件(email)。尽管由于即时电子邮件通信已经实现了生产力的提高，但仍然存在限制可能做出的改进的若干问题。具体而言，随着组织内电子邮件数量的增加，用户可能需要花费越来越多的时间来打开、阅读、填写、寻址和以其它方式处理每天出现的大量电子邮件通信。即使当仅限于特定组织，诸如参与小组项目的几个成员，每天接收到的大量电子邮件也会迅速导致信息过载。3.过去，接收电子邮件的用户已经使用多种技术来尝试组织和减轻这种电子邮件通信的雪崩。例如，一些电子邮件客户端允许用户将接收到的电子邮件分类到不同的文件夹中。其它电子邮件客户端已经使用手动分配的静态标志(label)或标签(tag)来根据特定主题对电子邮件进行分类。一些先前的解决方案已经使用逻辑表达式来设置规则，这些规则在接收到电子邮件时基于电子邮件主题行或正文中的词语序列自动对它们进行分类。但是，这些解决方案中的每一个都无法在整个组织中以一致的方式自动对电子邮件进行分类，并且它们无法以端到端的方式将标签从电子邮件发送者应用到电子邮件接收者。这会导致在组织中的每个收件箱中不同的手动类别分配。技术实现要素：4.一种系统提供电子邮件消息的自动、端到端标记。在发送电子邮件客户端处编写消息时，服务器可以接收用作预测模型的输入的电子邮件信息。该模型识别可用于特定用户组或电子邮件列表的应用于电子邮件消息的标签。这些预测标签(predicted tags)被发送回电子邮件客户端，在那里它们可以与其它用户定义的标签一起嵌入在电子邮件中。当消息通过电子邮件服务器传递时，系统可以使用对预测标签所做的任何更改来重新训练模型。当在第二电子邮件客户端处接收到消息时，接收者可以进一步编辑标签，并且可以再次使用任何更改来重新训练模型。5.当在发送电子邮件客户端处起草电子邮件消息时，可以从系统请求预测标签集合。电子邮件消息可以与用户组(诸如邮件列表或其它组织组)相关联，并且组可以具有其自己的可用标签集合，这些标签随着时间推移随组消息而演进。系统可以使用电子邮件信息(例如，正文、主题行、电子邮件接收者等)作为模型的输入，并且输出对应于每个可用标签。模型可以针对每个标签生成分数，并且可以使用阈值从该组的可用标签中选择预测标签集合。发送电子邮件客户端可以在用户界面中显示预测标签以及主题、接收者列表等。用户然后可以编辑预测标签、选择预测标签、取消选择预测标签和/或添加新用户标签。当添加新标签时，系统可以提供自动完成功能，该功能将键入的前缀与未作为预测标签提供的可用标签进行匹配。6.当发送电子邮件消息时，所选择的/未选择的/用户标签可以与电子邮件消息一起发送。例如，标签可以嵌入在电子邮件消息的标头(header)中。当邮件服务器接收到消息时，系统可以再次使用模型来分析邮件的标签。如果没有选择/提供预测标签，那么系统可以使用电子邮件信息在电子邮件服务器处生成预测标签集合。然后，这些预测标签可以在电子邮件被转发到接收电子邮件客户端之前添加到电子邮件。如果用户添加了新标签，或者如果用户编辑了现有标签，那么可以使用电子邮件信息和更改的标签作为训练对(training pair)来重新训练模型。7.当接收电子邮件客户端接收到电子邮件时，接收用户可以再次使用用户界面来编辑、添加和/或移除与电子邮件消息一起接收到的标签。一旦这些编辑完成，系统可以再次使用接收用户所做的任何更改来为标签预测模型生成新的训练集。这允许从电子邮件消息生命周期的开始到结束分配、传播和/或编辑标签。发送者和/或接收者可以使用公共标签集合，使得电子邮件的分类可以在组内标准化。为发送电子邮件而训练和使用的标签预测模型也可以用于在附加通信信道(诸如信道、社交媒体馈送、即时消息传递等)中标记消息。8.标签预测模型的一些实施方式可以生成使用电子邮件信息填充的词语嵌入矩阵。具有不同窗口尺寸的多个不同卷积过滤器可以各自在词语嵌入矩阵的列上执行。卷积过滤器的结果可以经历最大池化操作以填充结果向量。模型还可以包括也使用词语嵌入矩阵的并行操作集合。可以从词语嵌入矩阵生成关注矩阵，并且可以使用另一个最大池化操作使特定标签与输入文本的部分相关。所得到的关注向量可以与词语嵌入矩阵的转置版本相乘，以生成第二结果向量。然后可以将这两个结果向量组合为完全连接层，以提供每个可用标签的最终分数。附图说明9.可以通过参考说明书的其余部分和附图来实现对各种实施例的性质和优点的进一步理解，其中在几个附图中使用相同的附图标记来指代相似的部件。在一些情况下，子标签与附图标记相关联以表示多个相似部件之一。当引用附图标记而不指定现有子标签时，旨在引用所有此类多个相似部件。10.图1图示了根据一些实施例的用于实现动态标签预测的系统体系架构。11.图2a图示了根据一些实施例的可以是在发送客户端设备处的电子邮件客户端的一部分的用户界面。12.图2b图示了根据一些实施例的如何可以使用用户界面来添加新标签和移除现有标签。13.图2c图示了根据一些实施例的在对标签列表202进行用户更改之后的用户界面。14.图2d图示了根据一些实施例的如何可以使用用户界面来将标签应用到特定文本选择。15.图3图示了根据一些实施例的由电子邮件客户端执行以显示预测标签集合以供用户编辑的处理的流程图。16.图4图示了根据一些实施例的由标签预测服务器执行以从可用标签集合生成预测标签集合的操作的功能图。17.图5图示了根据一些实施例的用于在通过电子邮件服务器发送电子邮件消息时处理电子邮件消息中的标签的方法的流程图。18.图6图示了根据一些实施例的用于使用接收客户端设备与标签交互的方法的流程图。19.图7a图示了根据一些实施例的在接收电子邮件客户端处实现的用户界面。20.图7b图示了根据一些实施例的如何可以使用用户界面来修改标签集合。21.图7c图示了根据一些实施例的如何使用用户界面来查看与电子邮件消息内的特定标签相关的特定文本。22.图8图示了根据一些实施例的图示标签预测模型如何基于输入的电子邮件信息为可用标签生成置信度(confidence)分数集合的图。23.图9图示了根据一些实施例的由标签预测模型执行以生成可用标签的置信度分数的第二操作。24.图10图示了根据一些实施例的来自标签预测模型执行的两个操作的结果向量如何可以组合成最终结果集合。25.图11图示了根据一些实施例的包括附加通信信道的扩展系统体系架构。26.图12图示了根据一些实施例的用于在通过电子邮件系统发送和接收电子邮件时标记(tagging)电子邮件的方法。27.图13图示了用于实现一些实施例的分布式系统的简化框图。28.图14图示了系统环境的部件的简化框图，通过该系统环境，由实施例系统的部件提供的服务可以作为云服务来提供。29.图15图示了其中可以实现各种实施例的示例性计算机系统。具体实施方式30.本文描述的是用于实现用于电子邮件和其它通信信道的协作电子邮件标签预测模块的实施例。中央服务器可以包括机器学习模型，该机器学习模型学习基于提供给系统的输入集来预测标签。输入集可以包括电子邮件信息，诸如电子邮件的文本或正文、电子邮件的主题行、电子邮件的附件、电子邮件的发送者/接收者的身份等。该输入文本可以与诸如邮件列表或组成员资格之类的信息一起进行分析。该信息可以用于将消息分类到预先存在的组或组织中。该组或组织可以具有现有的组织标记集合，其可以用于对组织内发送的消息进行分类。可以根据消息的内容来识别消息并将其分类到特定的组中。例如，通过电子邮件发送的消息可以与通过信道、社交媒体线程、即时消息传递对话等发送的消息进行分组。标签预测处理可以使用特定于每个组或子组的模型，并且可以持续训练模型以细化预定义的标签列表并预测与每个消息相关的标签。这些标签可以在最初编写消息时自动提供给用户。然后，用户可以选择添加、移除或修改建议的标签列表。当用户做出此类编辑时，标签预测处理可以为组织提供来自预定义标签列表的自动完成预测。用户编辑完成之后，这些更改可以用于进一步训练模型，使得其在组织内随着时间的推移随着用户偏好而不断演进。在发送电子邮件时，服务器可以分析标签并识别预测内容与用户实际使用内容之间的任何差异。最后，当接收到电子邮件消息时，接收用户也可以添加、删除和/或修改消息中的标签，并且这些更改可以再次用于进一步训练模型。31.图1图示了根据一些实施例的用于实现动态标签预测的系统体系架构100。本文描述的系统可以被分类为“端到端”标签预测系统，因为当消息在发送者处被编写时、当消息在发送者和接收者之间发送时、并且当消息被接收者读取和接收时，标签可以被预测和/或细化。这可以与提供标签或其它仅在发送者或接收者处使用的其他分类方法的现有系统形成对比。例如，在本公开之前，一些电子邮件客户端允许用户在接收到电子邮件时对其进行分类或标记。但是，不存在允许在发送者编写消息时自动建议标签的机制，不存在预测特定于特定组织或用户组的标签的机制，并且不存在从发送者到接收者传播标签使得它们在整个组织中发送的消息统一的机制。32.如下面进一步描述的，本文描述的方法和系统可以应用于任何通信信道。更具体而言，本文描述的方法和系统可以跨多种通信信道类型应用，使得标签可以在通信信道之间共享，无论它们是否在通信上兼容。在整个本公开中，电子邮件消息可以用作特定示例，其中发送者和接收者处的电子邮件客户端编写通过电子邮件服务器传递的消息。标签预测服务器可以在消息被编写、读取和/或通过电子邮件服务器发送时对其进行监控，以进行标签预测/建议并持续训练/改进组的模型。但是，电子邮件消息、电子邮件客户端和电子邮件服务器的使用仅作为示例提供，并不意味着限制。其它实施例可以自由地使用任何类型的通信信道。33.系统体系架构100可以包括被称为发送客户端设备102的客户端设备。发送客户端设备102可以包括能够发送电子消息的任何数字设备，包括但不限于智能电话、数字助理、膝上型计算机、台式计算机、平板计算机、智能家居设备、虚拟/增强现实设备等。发送客户端设备102可以包括电子邮件客户端104，该电子邮件客户端104包括发送/接收消息并提供用户界面的软件进程，通过该用户界面可以对消息进行编写、读取、编辑、存储、分类等。电子邮件客户端104可以是在智能电话上操作的独立应用(例如，“app”)，以及在台式计算机上操作的应用、基于浏览器的应用和/或任何其它软件进程。34.系统体系架构100还可以包括接收客户端设备108。接收客户端设备108还可以包括电子邮件客户端110。接收客户端设备108和/或电子邮件客户端110可以如上文针对发送客户端设备102和/或电子邮件客户端104所描述的那样进行配置。35.系统体系架构100还可以包括电子邮件服务器106。电子邮件服务器(或“邮件服务器”)106可以包括通过网络处置和递送电子邮件消息的任何服务器。电子邮件服务器106可以接收从发送客户端设备102上的电子邮件客户端104编写和发送的电子邮件消息116。电子邮件服务器106可以识别电子邮件消息116的接收者并将电子邮件消息116发送给接收者。例如，电子邮件服务器106可以将电子邮件消息116转发到接收客户端设备108上的电子邮件客户端110。在一些实施例中，电子邮件服务器106还可以为每个电子邮件客户端104、110存储电子邮件消息，使得电子邮件客户端104、110可以在通信会话之间下载电子邮件消息。36.系统体系架构100还可以包括标签预测服务器112。标签预测服务器112可以包括标签预测模型114。如下面详细描述的，标签预测模型114可以被配置为接收电子邮件信息，诸如电子邮件消息116的正文、电子邮件消息116的主题行、电子邮件消息116的发送者/接收者、和/或可以附加到或描述电子邮件消息116的任何其它元数据。标签预测模型114可以分析电子邮件信息并在其输出处提供要应用于电子邮件消息116的建议标签集合。当正在编写电子邮件消息116时，可以将建议的标签集合提供给电子邮件客户端104。如下所述，建议的标签可以在发送电子邮件消息116之前由用户选择/取消选择和/或以其它方式修改。当发送电子邮件消息116时，多个标签118可以在电子邮件消息116在发送客户端设备102和电子邮件服务器106之间传输时作为电子邮件消息116的一部分嵌入。37.当在电子邮件服务器106处接收到电子邮件消息116时，标签预测服务器112可以查看从发送客户端设备102发送的多个标签118。标签预测服务器112然后可以识别标签预测模型114建议的标签和用户选择的标签之间的差异。标签预测服务器112还可以识别用户添加/移除的标签。标签预测服务器112然后可以生成包括电子邮件信息和多个标签118的训练对(training pair)。电子邮件信息可以用作被配置为针对训练对话提供多个标签118的输出的输入。附加地或替代地，标签预测服务器112还可以修改由发送客户端设备102提供的标签118。例如，标签预测服务器112可以添加、移除和/或修改多个标签118以生成与电子邮件消息116一起从电子邮件服务器106发送到接收客户端设备108的修改后的多个标签119。38.当接收客户端设备108上的电子邮件客户端110接收到电子邮件消息116时，电子邮件客户端110可以允许用户查看和/或修改从电子邮件服务器106接收到的多个标签119。在类似于在发送客户端设备102上启用的处理中，接收客户端设备108可以允许用户添加标签、移除标签、修改标签等。对标签119所做的任何更改都可以被传输回标签预测服务器112以重新训练标签预测模型114。39.图1中所示的系统体系架构100所示的处理提供了解决上述技术问题的端到端标签预测。具体而言，可以为每个单独的用户组训练模型。这允许应用于在用户组内发送的电子邮件的标签在整个组内统一维护。发送者和接收者可以使用在整个组中变得熟悉和统一的公共标签集合。此外，随着时间的推移，模型可以被训练为非常特定于组内用户的语言、电子邮件习惯、术语和/或通信风格。此外，标签可以在发送者处定义、在中央服务器处修改，并在接收者处为每个电子邮件消息进一步细化。代替在发送者处应用标签而在接收者处应用不同标签，系统体系架构100允许标签在电子邮件消息的整个生命周期中被统一维护。由于在编写和发送、处理和/或接收电子邮件消息时，这些标签嵌入在电子邮件消息内，因此在消息通过系统传输时，每个阶段都可以利用训练机会。总体而言，这提供了统一的、可预测的和自适应的、需要最少用户工作量的标记系统。40.图2a图示了根据一些实施例的可以是在发送客户端设备102处的电子邮件客户端104的一部分的用户界面200。界面200可以包括典型的现代电子邮件客户端的用户控件，诸如邮箱组织(例如，收件箱、已发送邮件、草稿等)、搜索能力、用于显示电子邮件标头(header)和/或第一行的区域、用于显示所选择的电子邮件的正文的区域等。在图2a的示例中，用户可能已经提供产生用于编写新电子邮件的显示的输入。该显示可以包括用于指定电子邮件接收者(例如，“收件人(to)”、“抄送(cc)”、“密送(bcc)”等)、指定主题行和/或提供电子邮件正文的字段。在一些实施例中，用户还可以提供电子邮件接收者到邮件列表或组成员资格的映射。如下面详细描述的，系统应用的标签可以从一组特定于特定邮件列表或组成员资格的可用标签中选择。电子邮件正文可以包括文本、附件、图形、多媒体和/或可以嵌入和/或附加到电子邮件消息的任何其它类型的数字信息。41.除了可以作为电子邮件客户端的一部分提供的传统显示和用户控件之外，界面200还可以包括附加控件或控件集合，其显示并允许用户编辑预测的、选择的和/或用户指定的电子邮件消息的标签的集合。这些标签202可以与电子邮件接收者和电子邮件消息的主题行一起显示。如下面下详细描述的，可以从标签预测服务器自动提供初始标签202。当用户编写电子邮件时，某些动作可能触发电子邮件客户端捕获电子邮件信息、将电子邮件信息发送到标签预测服务器、并接收电子邮件消息的预测标签的集合。42.许多不同的动作可以触发系统生成预测标签。在一些实施例中，发送到标签预测服务器的电子邮件信息可以包括主题行、接收者集合、电子邮件正文、任何附件和/或任何其它元数据或电子邮件消息的描述性信息。当该信息更改时，可以将电子邮件信息发送到服务器，使得电子邮件信息可以被标签预测模型处理，并且可以生成预测标签集合。在一些实施例中，可以在每次电子邮件信息在客户端设备处更改时生成标签202。在一些实施例中，标签202可以在定时器到期时生成(例如，每30秒、每60秒等)。在一些实施例中，标签202可以在电子邮件消息完成时(例如，当用户点击“发送”时)生成。当从标签预测服务器接收到预测标签集合202时，它们可以显示在标签字段中，如图2a中所示。43.标签202可以指示由电子邮件消息寻址的主题。例如，正在界面200中编写的消息可能与先前已经分配给该特定用户组的某些预定义标签相关。例如，电子邮件消息在请求视频会议时可能与“meetings(会议)”相关。它也可能与“proj 233”相关，因为它在电子邮件正文中提到这个特定项目。消息还可能与“procurement(采购)”相关，因为它请求特定小部件的采购选项。最后，消息可能与“new mexico(新墨西哥)”相关，因为它引用了该地点的经销商。这些标签中的每一个可能已经使用标签预测模型从分配给该组的全局标签集合中自动预测。这些标签202可以用作用户细化最终将应用于该电子邮件消息的标签的起点。44.图2b图示了根据一些实施例的如何可以使用用户界面200来添加新标签和移除现有标签。在接收到作为起点的预测标签集合202之后，用户可能希望进一步细化分配给电子邮件消息的标签。可以提供控件204，使得用户可以输入表示要应用于当前电子邮件消息的新标签的文本。在一些实施例中，系统可以提供帮助引导用户进入特定用户组的现有标签的自动完成功能。45.如下面详细描述的，服务器可以从对该用户组可用的全局标签集合中选择其初始预测标签集合。这些可用标签中的每一个可以对应于标签预测模型的输出。但是，模型的输出可以为每个可用标签生成分数，并且服务器可能只发送分数高于某个阈值的标签。这确保了预测的标签通过最小置信度分数与特定电子邮件消息相关。得分低于最低置信度分数的剩余可用标签仍可用作可以应用于当前电子邮件消息的标签，即使它们最初被预测为不适用。46.当用户开始向控件204中键入信息时，系统可以执行自动完成功能，该功能首先引用可用标签列表中未被标签预测服务器选择为预测标签的标签。在这个示例中，当用户开始键入文本“wid...”时，系统可以搜索未被选择为预测标签的可用标签列表，并识别与用户键入的前缀匹配的任何剩余可用标签。例如，控件204可以提供完成或自动完成用户键入的文本的文本，诸如来自可用标签列表的“widgets(小部件)”和“widths(宽度)”标签。然后，用户可以选择自动完成选项之一，而不是手动键入标签的其余文本。47.在一些实施例中，系统可以允许用户添加不属于可用标签列表的一部分的新标签。控件204所示的自动完成功能可以提供自动完成选项。如果用户继续键入使得键入的前缀不再匹配任何可用标签，那么系统可以定义用户添加的新标签。如下所述，当模型被重新训练时，这个新标签可以添加到用户组的可用标签列表。此外，用户可以删除或“取消选择”标签预测服务器提供的预测标签中的一个或多个预测标签。在这个示例中，用户可能希望从列表中移除“meetings”标签203。用户可能觉得这个标签是不必要的，或者被错误地分配给了这个特定的电子邮件消息。用户可以简单地点击标签203并从列表中删除该标签。48.图2c图示了根据一些实施例的在对标签列表202进行用户更改之后的用户界面200。如上所述，图2a中所示的预测标签的原始列表已通过添加“widgets”标签和移除“meetings”标签进行了更改。当标签从服务器提供的预测标签列表中移除时，它们可以被称为未选择的标签(即，预测标签列表中最初提供的未被用户选择为可应用于该电子邮件消息的标签)，而从预测标签列表保留的任何标签可以被称为所选择的标签(即，预测标签列表中最初提供的由用户选择为可应用于该电子邮件消息的标签)。此外，用户手动或通过自动完成特征添加的任何标签可以被称为用户标签。该术语可以区分由用户添加但模型最初未预测的标签和从列表中保存/移除但模型最初预测的标签。49.图2d图示了根据一些实施例的如何可以使用用户界面200将标签应用到特定文本选择。在上述示例中，可以通过模型分析整个电子邮件信息，并且模型提供的预测标签可能已经应用于整个电子邮件消息。但是，一些实施例可以允许电子邮件消息内的标签和文本段之间更细粒度的关联。50.在这个示例中，用户可以突出显示特定文本段，诸如电子邮件消息正文中的“视频会议(video conference)”文本字符串。响应于突出显示或选择该文本串，界面200可以生成弹出控件208，其允许用户从标签预测服务器中为该用户组选择可用标签之一。在一些实施例中，可以将所选择的文本发送到标签预测模型，并且可以提供特定于该文本选择的新的预测标签集合。在这个示例中，标签预测模型可以提供应用于该特定文本选择的标签集合，包括诸如“video conference(视频会议)”、“webex”和/或“web cam(网络摄像机)”之类的标签。如上文针对自动完成特征所描述的，用户可以从控件208中选择预测标签之一以应用于该特定文本选择。此外，如果期望标签在控件208中不可用，那么用户可以键入新标签，该标签可以添加到该用户组或邮件列表的可用标签组中。可以在用户键入新标签时激活自动完成特征，使得可以提供在控件208中最初不显示为建议标签的可用标签。因此，可以使用自动完成特征或通过键入如上关于图2b所述的全新标签来添加新标签。在选择标签之后，可以在界面200的标签列表中的标签202中添加标签203的图标。当用户点击标签203时，可以在界面200中突出显示“video conference”文本，使得标签203和特定选择的文本之间的连接在视觉上是明显的。51.图3图示了根据一些实施例的由电子邮件客户端执行以显示预测标签集合以供用户编辑的处理的流程图300。该方法可以包括接收电子邮件信息(302)。电子邮件信息可以在编写电子邮件时自动加载或由用户提供。例如，用户可以提供主题行、接收者集合、附件、电子邮件正文等。当电子邮件信息由用户提供时，该信息随后可以被提供给标签预测服务器(304)。52.在一些实施例中，标签预测模型可能需要经过充分训练，然后它才能用于从电子邮件信息中可靠地预测标签。可以使用训练数据集合手动训练模型。模型也可以在使用期间随着电子邮件通过系统发送进行训练。可以确定标签预测模型是否被启用、正在操作和/或被充分训练以生成可靠的预测标签集合(306)。在已经处理预定数量的训练数据集之后、在预定时间间隔已经期满之后等，可以认为模型已被训练。53.如果模型尚未被训练，那么系统可以继续进行而不提供预测标签集合作为用户的起点。但是，界面可能仍允许用户为每个电子邮件消息添加他们自己的标签。如图3中所示，这些用户标签可以使用“t_user”的简写来指定，以指定用户输入的标签。这些标签对系统来说可能是新的，或者这些标签可能是从先前没有预测到的可用标签中选择的。在一些实施例中，当向系统提供新的用户标签时，可以更新模型的输出，使得可用标签的集合基于如何添加新标签而增长。54.如果模型先前已经被充分训练，那么模型可以提供来自可用标签集合的预测标签集合，如下所述。用户界面可以加载预测标签集合(310)，使得它们在电子邮件正在被实时编写时与电子邮件一起显示。如上所述，界面可以允许用户更新标签列表，使得将新标签添加到列表、从列表中移除(“取消选择”)现有标签等(312)。此外，上述自动完成功能可以与标签预测服务器对接以提供从特定用户组的可用标签的全局列表中获取的自动完成选项(314)。55.在已经添加用户标签并且已经选择/取消选择预测标签之后，可以呈现标签的最终列表以在发送电子邮件之前填充电子邮件中的标签字段(316)。从发送客户端设备的电子邮件客户端传输的该最终标签集合可以包括用户标签(t_user)、仍然从预测标签列表中选择的标签(t_sel)和/或从预测的标签列表中移除/取消选择的标签(t_unsel)。可选地，一些标签可以与特定文本选择相关联(318)。任何与特定文本选择不关联的标签都可以被认为通常应用于电子邮件信息。56.该方法还可以包括将电子邮件发送到电子邮件服务器(320)。一些实施例可以修改在本公开之前存在的传统电子邮件结构以添加用于标签的附加字段。具体而言，t_user、t_sel和t_unsel标签都可以包含在电子邮件的标头中，使得它们都对服务器可用。该标签结构指示用户如何修改来自标签预测模型的初始预测标签集合。这两个标签集合之间的差异可以用于训练模型，使得模型随着时间推移适应用户偏好。此外，与特定文本选择相关联的标签可以包括标签文本以及定义文本选择的电子邮件信息内的开始/结束引用。57.图4图示了根据一些实施例的由标签预测服务器执行以从可用标签集合生成预测标签集合的操作的功能图400。该图400图示了发送客户端设备102如何当正在编写和发送电子邮件时与标签预测服务器112交互。电子邮件客户端104可以将上述电子邮件信息402发送到标签预测服务器112。电子邮件信息402可以作为输入提供给标签预测模型114。标签预测模型114可以具有多个输出，每个输出对应于系统中的单个可用标签。当电子邮件信息402的输入集合被提供给标签预测模型114时，对应于每个可用标签的输出可以生成置信度分数。例如，置信度分数可以包括介于0.0和1.0之间的十进制值。随着相关联的可用标签与电子邮件信息402更密切相关，置信度分数可能增加。标签预测模型114如何操作的具体细节在下面的图8-图11中详细描述。58.在这个示例中，系统中可用标签406的数量可以包括m个标签。代替提供所有m个可用标签406，系统可以将阈值应用于标签预测模型提供的置信度分数。可以将超过置信度分数阈值的k个可用标签406作为预测标签412提供给电子邮件客户端104。预测标签412的数量k可以小于可用标签406的数量m。预测标签412初始可以被显示为电子邮件信息的标签，如上面关于图2a所描述的。用户可以选择保留预测标签412中的一些，其可以被称为所选择的标签414。用户还可以选择移除预测标签412中的一些，其可以被称为未选择的标签416。所选择的标签414和未选择的标签416都可以在电子邮件消息被发送时嵌入在其中。59.标签预测模型114可以特定于特定用户组，诸如操作环境内的组织或子组织。例如，可以针对不同的项目组训练不同的标签预测模型114。可以根据组织图为不同组织训练不同的标签预测模型114。可以针对不同的用户角色或安全授权组训练不同的标签预测模型114。在一个常见示例中，可以针对特定邮件列表训练不同的标签预测模型114。由于用户组织可以建立邮件列表，因此可以为每个邮件列表训练特定标签预测模型114，使得每个邮件列表开发其自己的可用标签集合，这些可用标签随时间推移而演进以满足邮件列表成员的需要。简而言之，标签预测模型414可以被训练为特定于任何用户分组。60.因为标签预测模型可以同时促进多个请求，因此一些实施例可以包括为每个电子邮件消息保存可用标签的状态的存储器机制。此外，各个用户可以同时编写多个电子邮件消息。因此，可以将电子邮件信息402提供给散列进程404。散列进程可以基于电子邮件信息402的任何部分创建唯一键。为了容纳来自同一发送者的多个电子邮件，散列进程404可以使用发送者电子邮件id、电子邮件的主题、邮件列表、时间戳、电子邮件正文的部分和/或任何其它信息的组合来生成每个电子邮件的唯一散列键以填充散列映射408。散列映射408可以包括使用特定标签预测模型114的每个打开的电子邮件消息的散列键(hash key)。61.散列映射408可以映射到每个打开的电子邮件消息的可用标签的表示。这些可以表示为基于剩余m-k个可用标签生成的单独加权特里结构(trie)。特里结构是树数据结构的特殊版本，其中每个节点对应于前缀的一部分，并且可以通过遍历特里结构中的路径来构造标签。可以对特里结构进行加权，使得某些路径的权重高于其它路径。这些权重可以基于从标签预测模型114得出的置信度分数来确定。62.回想一下，可以使这些标签可用于上述自动完成特征。例如，当用户开始在电子邮件客户端104的弹出窗口中键入时，系统可以在创建标签时请求自动完成条目。例如，可以将电子邮件信息402提供给散列进程404，该散列进程404可以生成对应于打开的电子邮件消息的键。散列映射408可以接收由散列进程404生成的键并且检索与打开的电子邮件消息相关联的对应加权特里结构410。然后，电子邮件消息116可以包括由自动完成特征生成的用户标签418，以及由用户从头开始添加的任何用户标签420。63.当用户发送电子邮件消息116时，上述标签类型414、416、418、420中的每一个可以作为标头的一部分嵌入在电子邮件消息116中。此外，可以将电子邮件信息402提供给散列进程404，使得可以从存储器系统中清除散列映射408中的对应键和对应的加权特里结构410。64.图5图示了根据一些实施例的用于在通过电子邮件服务器发送电子邮件消息时处理电子邮件消息中的标签的方法的流程图500。如上面在图1中所描述的，当电子邮件服务器106接收到电子邮件时，电子邮件服务器106可以将电子邮件信息和/或标签发送到标签预测服务器112。标签预测服务器然后可以执行该方法以更新电子邮件消息中的标签和/或进一步训练标签预测模型。65.该方法可以包括首先确定标签预测模型是否被启用(502)。如果模型未被启用，那么可能不需要对标签和/或电子邮件信息进行进一步处理。嵌入在电子邮件消息中的任何标签都可以被认为是用户手动添加的用户标签，因为标签预测模型不是活动的。用户标签可以被分配作为电子邮件消息的最终标签(504)，并且标签预测服务器112可以向电子邮件服务器106发送电子邮件消息116可以被递送到接收客户端设备108的指示(526)。在一些实施例中，用户标签可以用作具有电子邮件信息的训练数据集，以训练标签预测模型和/或为用户组构建可用标签集合。66.如果标签预测模型被启用(即，被充分训练)，那么可以确定在编写电子邮件消息时是否有任何预测标签被提供给电子邮件客户端(506)。例如，如果所选择的标签的数量添加到未选择的标签的数量大于0，那么预测标签被提供给电子邮件客户端并且初始作为用户的起点呈现。如果没有提供预测标签，那么可以假设在编写消息时标签预测模型不可用。例如，标签预测模型可能由于网络中断、软件或客户端更新、模型训练等原因而不可用。因此，一些实施例可以在此时执行标签预测处理(508)。这可以生成可以添加到随电子邮件消息提供的用户标签集合的预测标签集合。例如，用户添加的任何标签可以与标签预测模型预测的标签组合，并且这两个标签集合的联合可以存储为电子邮件消息的最终标签(510)。然后可以将预测标签集合与用户标签一起嵌入在电子邮件标头中，并且电子邮件可以与更新后的标签集合一起发送(526)。67.更常见的是，可以确定在编写电子邮件消息时将预测标签提供给电子邮件客户端(506)。接下来，可以确定用户是否将任何附加标签添加到由标签预测模型预测的所选择/未选择的标签集合中(512)。如果提供了用户标签，那么这可以指示需要重新训练模型以更紧密地匹配用户偏好/行为。可以使用电子邮件信息以及用户标签和预测标签的组合来构造训练对(514)。然后可以在未来的训练会话期间将此训练对提供给标签预测模型。电子邮件的最终标签集合可以设置为用户标签和所选择的标签(516)，并且可以使用该最终标签集合发送电子邮件(526)。68.如果在编写电子邮件消息时没有添加用户标签(512)，那么可以确定用户是否选择保留任何预测标签，即，所选择的标签的数量是否大于0(518)。如果没有所选择的标签，指示用户没有保留任何预测标签，那么可以假设用户尚没有审查预测标签。在一些实施例中，在将标签用作电子邮件的标签之前，可能要求用户从预测标签列表中肯定地选择标签。在这种情况下，系统可能不会通过丢弃未选择的标签而受益。代替地，最终标签可以被设置为未选择的标签(520)。本质上，如果用户没有选择所有预测标签，那么系统可以将所有预测标签分配给电子邮件。这可以指示用户没有充分审查预测标签，并且因此这种缺乏用户的肯定选择的情况不需要用于训练模型。69.如果所选择的标签被分配给电子邮件消息，那么标签的选择可以用于进一步训练模型。这有助于模型调整置信度阈值和/或调整模型生成的置信度分数，使得未来预测标签集合更可能与用户选择的所选择的标签集合对齐。换句话说，这个训练集合使用户更有可能选择所有预测标签来应用于未来的电子邮件消息。训练对可以使用电子邮件信息和所选择的标签的集合来定义(522)，并且用于在未来的训练会话期间训练模型。可以将电子邮件消息的最终标签集合设置为用户的所选择的标签(524)，并且电子邮件消息可以与该最终标签集合一起发送(526)。70.该处理图示了为什么一些实施例可以将未选择的标签与所选择的标签一起嵌入到电子邮件标头中。即使未选择的标签不一定适用于如用户所指示的电子邮件消息，它们仍可能被电子邮件服务器发起的该处理使用。在没有将未选择的标签存储在电子邮件标头的情况下，这些标签可能无法用于此处理来进一步训练模型。71.图6图示了根据一些实施例的用于使用接收客户端设备108与标签交互的方法的流程图600。这个处理可以与上面图3中针对发送客户端设备描述的处理非常相似。在这种情况下，接收客户端设备108可以接收具有标签集合的电子邮件(602)。可以确定电子邮件客户端是否与上述标记系统兼容(604)。如果电子邮件客户端不兼容，那么可以丢弃标头中的标签信息和/或以其它方式不显示在用户界面中，并且电子邮件可以在没有标签的情况下正常显示(608)。这可以确保从与标签兼容的系统发送的电子邮件仍然向后兼容不使用这种标记系统的其它电子邮件客户端/系统。72.如果电子邮件客户端与标签系统兼容(604)，那么标签可以显示在用户界面中，如下面图7a-图7c中所示，并且用户可以从当前标签集合中进行修改、添加和/或删减(606)。应该注意的是，最初呈现给接收电子邮件客户端的标签可能已经由标签预测模型初始预测、由发送用户选择/取消选择、用自动完成和/或其它用户生成的标签增强、并通过电子邮件服务器发送。在电子邮件服务器处，可以再次访问标签预测服务器，并且可以进一步细化标签以包括如上所述的附加预测标签。73.当接收电子邮件客户端接收到标签时，接收用户可以对标签集合进行进一步修改。例如，接收用户可以添加标签、移除标签、修改现有标签和/或以其它方式更改标签列表。这可以包括使用上述自动完成功能从现有可用标签列表中为该特定用户组选择新标签。在接收用户更改标签之后，接收客户端设备108可以将接收到的具有改变的标签的电子邮件发送回标签预测服务器112(610)。标签预测服务器112然后可以利用接收客户端设备108对标签所做的更改来重新训练模型(612)。因此，可以基于在发送客户端设备102、电子邮件服务器106和/或接收客户端设备108处所做的更改来重新训练模型，以提供对分配给通过系统传递的每个电子邮件消息的公共标签集合的端到端管理。74.图7a图示了根据一些实施例的在接收电子邮件客户端处实现的用户界面700。用户界面700可以包括上面关于图2a描述的任何共同特征。用户界面700可以允许用户从他们的收件箱中的电子邮件列表中选择电子邮件并且在图7a中所示的显示区域中显示电子邮件的内容。作为该显示区域的一部分，电子邮件可以显示接收者列表、发送者、主题和/或其它传统电子邮件信息。此外，当电子邮件客户端与标签系统兼容时，接收到的电子邮件还可以显示具有标签702的字段，该标签702先前由发送电子邮件客户端和/或标签预测服务器在编写电子邮件和/或通过电子邮件服务器发送电子邮件时分配。这些标签702可以用作接收用户查看和/或编辑电子邮件的标签702的起点。75.图7b图示了根据一些实施例的如何可以使用用户界面700来修改标签集合702。本质上，可以在接收电子邮件客户端处遵循与上述发送电子邮件客户端相同的处理来从标签集合702中编辑、添加和/或移除标签。例如，接收用户可以意识到发送用户错误地识别了该电子邮件应该应用到的项目，即，该电子邮件应该应用到项目235而不是项目233。用户可以选择“proj 233”的标签并删除标签的“3”后缀部分。此时，电子邮件客户端可以向标签预测服务器发送请求，以基于标签中留下的前缀提供自动完成列表。例如，以“23”开头的其它项目可以显示在可以呈现给用户的下拉菜单702中。此外，虽然在图7b中未明确显示，但用户可以添加新的用户标签和/或移除作为接收到的电子邮件消息的一部分的任何现有标签。76.图7c图示了根据一些实施例的如何可以使用用户界面来查看与电子邮件消息内的特定标签相关的特定文本。回想上面发送者和/或标签预测服务器可以分配通常应用于电子邮件消息的标签。发送者和/或标签预测服务器还可以分配特别应用于电子邮件消息内的文本选择的标签。在图2d的示例中，发送用户添加了“webex”标签，以专门应用于“video conference”的文本选择。为了看到这种关系，接收用户可以使用输入设备(诸如鼠标、手指敲击等)选择webex标签704。一旦选择了标签704，界面702就可以自动突出显示对应的文本选择706。这允许用户选择标签702中的每一个，以便在视觉上识别电子邮件消息中特定绑定到这些标签的任何所选择的文本。77.如上所述，对应的文本选择706可以由发送和/或接收电子邮件消息的用户手动分配。但是，一些实施例可以使用标签预测模型将所选择的文本706自动分配给对应的标签704。如下面更详细描述的，标签预测模型可以包括生成关注向量的操作，该关注向量在将置信度分数分配给每个可用标签时表征每个词语(word)或短语(phrase)的贡献。可以针对由标签预测模型预测的每个标签分析关注向量，以将特定文本选择分配给每个标签。在这个示例中，用户可以选择webex标签704，并且图7c中所示的所选择的文本可以被突出显示为标签预测模型做出的自动选择，而不是用户手动做出的选择。78.图8图示了根据一些实施例的图示标签预测模型如何基于输入电子邮件信息为可用标签生成置信度分数集合的图。标签预测模型可以使用卷积神经网络。这个神经网络可以被认为是函数，它接收文本块作为输入，并为输出向量中的每个可用标签生成分数。在这个示例中，提供给神经网络的文本801可以包括短语“there is a proposal by the dev team for containerizing certain services(开发团队针对将某些服务进行容器化提出提议)”。应注意的是，这是简化的示例，现实世界示例可能使用长得多的文本块，这些文本块通常可以在电子邮件消息中找到。还假设系统中有用于该特定用户组的tn个可用标签。可用标签数据库可以通过识别和记录管理员或用户提供给系统的任何标签来构建。神经网络的输出可以是长度为tn的数组，其中数组中的每个条目都包括置信度分数，该置信度分数指示相关联标签与文本相关的级别。神经网络可以将此处理视为寻找分类问题的解决方案。79.在通过神经网络处理文本之前，标签预测模型可以将文本801转换成二维(2d)向量，诸如词语嵌入矩阵802。词语嵌入矩阵802将文本801转换为神经网络可以理解的数字表示。词语嵌入矩阵802极大地提高了神经网络的效率，就像全连接层一样工作。每个词语都可以映射到d维向量空间。向量空间基于向量空间中相关联向量的接近度提供文本801中的词语相关程度的数学表示。例如，具有相似含义的词语将在向量空间中在相似方向上定向，而具有相反含义的词语将在相反方向上定向。如果输入文本中有n个词语，那么词语嵌入矩阵802的阶(order)将是n×d。80.神经网络还可以包括多个卷积过滤器804、806、808。卷积过滤器804、806、808中的每一个可以考虑词语嵌入矩阵802中的文本的滑动窗口。本质上，每个过滤器可以考虑由文本801中的相邻词语形成的不同长度的n-gram。在这个示例中，第一过滤器804可以具有两个词语的窗口长度，第二过滤器806可以具有三个词语的窗口长度，并且第三过滤器808可以具有四个词语的窗口长度。应注意的是，也可以使用未在图8中明确图示的具有较长窗口长度的附加过滤器。卷积过滤器804、806、808中的每个单元格(cell)可以包括与词语嵌入矩阵802中的对应行中的每个值相乘的值。乘法结果在卷积操作中累加。例如，窗口尺寸为2将导致卷积神经网络的每一列中有n-1项。图8中描绘的卷积过滤器804、806、808的每个列集合可以被认为是来自每个过滤器的卷积操作的结果矩阵。81.在卷积过滤器已经操作并生成结果矩阵之后，可以执行最大池化操作以组合过滤器的结果。在一些实施例中，该操作可以检查每个结果矩阵中的每个元素并从每个位置的结果矩阵中识别最大值。该最大值可以累积到神经网络的最终层(final layer)810中，其长度可以为3l，其中l是过滤器804、806、808的尺寸。82.图9图示了根据一些实施例的由标签预测模型执行以生成可用标签的置信度分数的第二操作。该第二操作使用上述相同的词语嵌入矩阵802。代替使用窗口长度为2、3、4等的卷积过滤器，该第二操作使用长度为1的(一个或多个)卷积过滤器。该过滤器可以一次将每个单个词语处理为1-gram令牌。使用的长度为1的过滤器的数量可以用m表示。过滤操作的结果可以用于填充维度为n×m的被称为“关注矩阵(attention matrix)”的矩阵。83.接下来，可以对关注矩阵执行最大池化操作以生成关注向量(904)。可以对关注矩阵中的每一行执行最大池化操作，从而识别最大值并将最大值存储在关注向量中。所得到的关注矩阵的维度为n×1。原始词语嵌入矩阵802可以被转置(906)，使得原始n×d矩阵现在是d×n矩阵。可以将所得到的转置词语嵌入矩阵与关注向量相乘(908)以生成具有维度为d×1的嵌入关注向量910。84.这种关注机制允许模型预测每个标签可能与之相关的特定文本。关注向量表示每个词语的相对重要性，因为它对应于标签预测模型的每个标签输出。本质上，关注向量可以包括对每个特定标签贡献最大的某些文本区域的较大值。一些实施例可以附加地使用关注向量来识别应该与每个特定标签相关的文本段。如上所述，一些实施例允许用户选择标签并查看对标签有贡献的突出显示的文本。虽然此文本可以由用户设置，但它也可以由标签预测模型自动预测。85.图10图示了根据一些实施例的来自标签预测模型执行的两个操作的结果向量如何可以组合成最终结果集合1010。长度为d的嵌入关注向量910可以级联到来自图8中描述的最终层810的向量的末端以形成单个向量。这个级联的向量可以表示神经网络中长度为3l+d的倒数第二层(penultimate layer)。86.然后可以使用级联向量来形成神经网络中的最终层1010。最终层1010中的每个单元格可以对应于系统中的单个可用标签。因此，最终层1010可以具有对应于可用标签的长度tn。最终层1010可以被认为是全连接层，因为倒数第二级联层中的每个单元格将具有到最终层1010的tn个连接。用于将级联层转换为最终层1010的函数可以包括将级联向量与包括在训练处理期间设置的权重值的矩阵w相乘。一些实施例还可以将偏差(bias)值添加到每个乘法结果。偏差值也可以通过学习处理设置，并且可以被初始化为0.0附近的随机值。由该矩阵乘法处理产生的最终向量是所得到的最终层1010，并且在每个单元格中包括表示上述置信度分数的数值。87.在上述处理中的多个不同步骤处，由用户选择和定义的标签可以与电子邮件文本一起提交作为神经网络的训练对。为了训练神经网络，可以将电子邮件文本作为输入提交。此外，神经网络的最终层1010中的值可以根据所选择的标签来设置。对于用户选择的与电子邮件相关的标签，最终层1010的对应位置中的值可以被设置为1.0。所有未选择的(例如，不相关的)标签可以被设置为0.0。然后，训练处理可以设置偏差值、上述矩阵中的权重以及用于卷积过滤器的值。88.图11图示了根据一些实施例的包括附加通信信道的扩展系统体系架构1100。如上所述，电子邮件通信信道只是可以利用标签预测服务器112的许多不同通信信道的一个示例。上述相同的原理、方法、功能和模型可以与其它通信信道结合使用而不受限制。因此，上面的整个描述可以同样适用于社交媒体信道1104、即时消息传递信道1106、信道1102和/或任何其它通信方法。例如，代替向标签预测服务器112提供电子邮件信息，其它通信通道可以提供表示即时消息、消息对话、线程、评论等的文本主体。然后，这些文本正文中的每一个可以以与电子邮件消息接收如上所述的预测标签相同的方式接收标签。89.此外，各种通信信道中的每一个可以使用相同的标签集合和/或相同的标签预测模型相互结合操作。例如，可以使用电子邮件消息、即时消息、社交媒体帖子和信道对话来训练模型，而不考虑特定来源。当用户发送电子邮件并细化由标签预测模型预测的标签时，可以训练模型，使得可以使用相同的标签预测模型为即时消息提供新的预测标签。每个用户组的标签数据库可以在这些多个信道中的每个信道之间共享。90.图12图示了根据一些实施例的用于在通过电子邮件系统发送和接收电子邮件时标记电子邮件的方法。该方法可以使用上面图1中描述的系统来执行。下面描述的每个步骤已在本公开的上述各个图和部分中详细描述。因此，下面描述的每个步骤可以包括与本文别处描述的这些步骤相关的任何特征。91.该方法可以包括从第一电子邮件客户端接收电子邮件信息(1202)。在一些实施例中，电子邮件信息可以与从第一电子邮件客户端发送到第二电子邮件客户端的电子邮件消息相关联。第一电子邮件客户端可以是发送电子邮件客户端，并且第二电子邮件客户端可以是接收电子邮件客户端。电子邮件信息可以包括任何元数据或描述性信息，诸如电子邮件正文、主题行、标头、接收者列表等。电子邮件可以从第一电子邮件客户端发送到操作标签预测模型的标签预测服务器。可以在编写电子邮件消息时并且在从第一电子邮件客户端发送电子邮件消息之前发送电子邮件信息。92.该方法还可以包括将电子邮件信息提供给模型(1204)。该模型可以为多个标签生成分数。该模型可以是具有多个过滤器的卷积神经网络，该过滤器具有不同的窗口尺寸，如图8-图11中所述。标签可以从特定于特定组织、用户组、子组织或其它用户分组和/或电子邮件消息的可用标签集合中加载。93.该方法可以附加地包括至少部分地基于分数来识别多个标签的子集(1206)。该子集可以包括上述预测标签集合。可用标签的分数可以与阈值进行比较，并且高于阈值的标签可以用作预测标签。用作预测标签的可用标签的子集可以与电子邮件信息中表达的想法或概念相关。分数可以表示对应标签和电子邮件消息之间的关系的置信度分数。在一些实施例中，多个标签的子集还可以包括与电子邮件消息中的特定文本选择相关联的一个或多个标签。可以使用上面图10中描述的关注向量/矩阵来识别特定的文本选择。94.该方法还可以包括将预测标签集合发送到第一电子邮件客户端(1208)。这些预测标签可以显示在用户的用户界面中，如图2a-图2d中所示。可以允许用户编辑、修改、添加、移除和/或以其它方式更改预测标签。例如，用户可以移除一些预测标签，这可以从预测标签中形成一组所选择的标签和一组未选择的标签。用户还可以添加不属于预测标签列表的新标签。在一些实施例中，多个标签中的未被选择作为子集的一部分的标签可以在服务器处被引用以执行自动完成功能。一旦用户设置了最终标签列表，这些标签就可以作为电子邮件的一部分嵌入在诸如电子邮件标头中。然后可以将标签与电子邮件一起发送到电子邮件服务器，该服务器可以将电子邮件转发到接收电子邮件客户端。如上面详细描述的，服务器可以可选地在电子邮件通过电子邮件服务器传递并在接收电子邮件客户端处被接收时重新训练模型和/或修改标签列表。95.上述每个标签集合可以包括任何数量的标签。因此，在一些情况下，标签集合可以包括单个标签、多个标签或没有标签。标签的子集可以包括来自父集合的所有标签。例如，如果分数如此规定，那么处理可以将所有可用标签识别为预测标签。96.应该认识到的是，根据各种实施例，图12中所示的特定步骤提供了在通过电子邮件系统发送和接收电子邮件时标记电子邮件的特定方法。根据替代实施例，也可以执行其它步骤序列。例如，本发明的替代实施例可以以不同的顺序执行上述步骤。此外，图12中所示的各个步骤可以包括多个子步骤，这些子步骤可以按照适合于各个步骤的各种顺序来执行。此外，取决于特定应用，可以添加或移除附加步骤。本领域普通技术人员将认识到许多变化、修改和替代。97.本文描述的每个方法可以由计算机系统实现。这些方法的每个步骤可以由计算机系统自动执行，和/或可以设有涉及用户的输入/输出。例如，用户可以为方法中的每个步骤提供输入，并且这些输入中的每一个可以响应于请求这种输入的具体输出，其中输出是由计算机系统生成的。可以响应于对应的请求输出而接收每个输入。此外，输入可以从用户接收、作为数据流从另一个计算机系统接收、从存储器位置检索、通过网络检索、从web服务请求等。同样，可以将输出提供给用户、作为数据流提供给另一个计算机系统、保存在存储器位置中、通过网络发送、提供给web服务等。简而言之，本文描述的方法的每个步骤都可以由计算机系统执行，并且可以涉及去往或来自计算机系统的可能涉及或可能不涉及用户的任何数量的输入、输出和/或请求。可以说不涉及用户的那些步骤是由计算机系统自动执行的，而无需人工干预。因此，根据本公开将理解的是，本文描述的每种方法的每个步骤可以被更改为包括去往和来自用户的输入和输出，或者可以由计算机系统自动地完成而无需人为干预，其中任何确定都是由处理器做出的。此外，本文描述的每个方法的一些实施例可以被实现为存储在有形的、非暂态的存储介质上以形成有形的软件产品的指令集。98.图13描绘了用于实现实施例之一的分布式系统1300的简化图。在所示的实施例中，分布式系统1300包括一个或多个客户端计算设备1302、1304、1306和1308，其被配置为通过一个或多个网络1310执行和操作客户端应用，诸如web浏览器、专有客户端(例如，oracle forms)等。服务器1312可以经由网络1310与远程客户端计算设备1302、1304、1306和1308通信地耦合。99.在各种实施例中，服务器1312可以适于运行由系统的一个或多个组件提供的一个或多个服务或软件应用。在一些实施例中，这些服务可以作为基于web的服务或云服务或者在软件即服务(saas)模型下被供应给客户端计算设备1302、1304、1306和/或1308的用户。操作客户端计算设备1302、1304、1306和/或1308的用户进而可以利用一个或多个客户端应用来与服务器1312交互以利用由这些组件提供的服务。100.在图中描绘的配置中，系统1300的软件组件1318、1320和1322被示出为在服务器1312上实现。在其它实施例中，系统1300的一个或多个组件和/或由这些组件提供的服务也可以由客户端计算设备1302、1304、1306和/或1308中的一个或多个来实现。然后，操作客户端计算设备的用户可以利用一个或多个客户端应用来使用由这些组件提供的服务。这些组件可以用硬件、固件、软件或其组合来实现。应该认识到的是，各种不同的系统配置是可能的，这些配置可能与分布式系统1300不同。图中所示的实施例因此是用于实现实施例系统的分布式系统的一个示例，而不旨在是限制性的。101.客户端计算设备1302、1304、1306和/或1308可以是便携式手持设备(例如，蜂窝电话、计算平板电脑、个人数字助理(pda))或可穿戴设备(例如，google头戴式显示器)，运行诸如microsoft windows和/或各种移动操作系统(诸如ios、windows phone、android、blackberry 10、palm os等)的软件，并且启用互联网、电子邮件、短消息服务(sms)、或其它通信协议。客户端计算设备可以是通用个人计算机，作为示例，包括运行各种版本的microsoftapple和/或linux操作系统的个人计算机和/或膝上型计算机。客户端计算设备可以是运行各种可商业获得的或类unix操作系统(包括但不限于各种gnu/linux操作系统，诸如例如google chrome os)中的任何操作系统的工作站计算机。替代地或附加地，客户端计算设备1302、1304、1306和1308可以是能够通过(一个或多个)网络1310进行通信的任何其它电子设备，诸如瘦客户端计算机、启用互联网的游戏系统(例如，具有或不具有手势输入设备的microsoft xbox游戏控制台)和/或个人消息传递设备。102.虽然示出了具有四个客户端计算设备的示例性分布式系统1300，但是可以支持任何数量的客户端计算设备。其它设备(诸如具有传感器的设备等)可以与服务器1312交互。103.分布式系统1300中的(一个或多个)网络1310可以是本领域技术人员熟悉的、可以使用各种可商业获得的协议中的任何协议来支持数据通信的任何类型的网络，其中协议包括但不限于tcp/ip(传输控制协议/互联网协议)、sna(系统网络体系架构)、ipx(互联网分组交换)、appletalk等。仅仅作为示例，(一个或多个)网络1310可以是局域网(lan)，诸如基于以太网、令牌环等的lan。(一个或多个)网络1310可以是广域网和互联网。它可以包括虚拟网络，包括但不限于虚拟专用网络(vpn)、内联网、外联网、公共交换电话网(pstn)、红外网络、无线网络(例如，依据电气和电子协会(ieee)802.11协议套件、蓝牙和/或任何其它无线协议的任何协议而操作的网络)；和/或这些网络和/或其它网络的任何组合。104.服务器1312可以包括一个或多个通用计算机、专用服务器计算机(作为示例，包括pc(个人计算机)服务器、服务器、中档服务器、大型计算机、机架安装的服务器等)、服务器场、服务器集群或任何其它适当的布置和/或组合。在各种实施例中，服务器1312可以适于运行在前述公开中描述的一个或多个服务或软件应用。例如，服务器1312可以与用于执行以上根据本公开的实施例描述的处理的服务器对应。105.服务器1312可以运行包括以上讨论的任何操作系统中的操作系统，以及任何可商业获得的服务器操作系统。服务器1312还可以运行各种附加的服务器应用和/或中间层应用中的任何一种，包括http(超文本传输协议)服务器、ftp(文件传输协议)服务器、cgi(公共网关接口)服务器、服务器、数据库服务器等。示例性数据库服务器包括但不限于可从oracle、microsoft、sybase、ibm(国际商业机器)等商业获得的那些数据库服务器。106.在一些实施方式中，服务器1312可以包括一个或多个应用，以分析和整合从客户端计算设备1302、1304、1306和1308的用户接收到的数据馈送和/或事件更新。作为示例，数据馈送和/或事件更新可以包括但不限于：馈送、更新或者从一个或多个第三方信息源和连续数据流接收到的实时更新，实时更新可以包括与传感器数据应用、金融价格收报机(financial ticker)、网络性能测量工具(例如，网络监视和流量管理应用)、点击流分析工具、汽车交通监视等相关的实时事件。服务器1312还可以包括一个或多个应用，以经由客户端计算设备1302、1304、1306和1308的一个或多个显示设备来显示数据馈送和/或实时事件。107.分布式系统1300还可以包括一个或多个数据库1314和1316。数据库1314和1316可以驻留在各种位置。作为示例，数据库1314和1316中的一个或多个可以驻留在服务器1312本地(和/或驻留在服务器1312中)的非暂态存储介质上。可替代地，数据库1314和1316可以远离服务器1312并且经由基于网络的连接或专用的连接与服务器1312进行通信。在一组示例中，数据库1314和1316可以驻留在存储区域网络(san)中。类似地，用于执行服务器1312所具有的功能的任何必要文件都可以适当地本地存储在服务器1312上和/或远程存储。在实施例的一个集合中，数据库1314和1316可以包括适于响应于sql格式的命令而存储、更新和检索数据的关系数据库，诸如由oracle提供的数据库。108.图14是根据本公开的实施例的可以将由实施例系统的一个或多个组件提供的服务作为云服务提供的系统环境1400的一个或多个组件的简化框图。在所示的实施例中，系统环境1400包括可以由用户使用以与提供云服务的云基础设施系统1402交互的一个或多个客户端计算设备1404、1406和1408。客户端计算设备可以被配置为操作客户端应用，诸如web浏览器、专有客户端应用(例如，oracle forms)或某种其它应用，这些应用可以由客户端计算设备的用户用来与云基础设施系统1402交互以使用由云基础设施系统1402提供的服务。109.应当认识到的是，图中描绘的云基础设施系统1402可以具有与所描绘的组件不同的其它组件。另外，图中所示的实施例仅仅是可以结合本发明的实施例的云基础设施系统的一个示例。在一些其它实施例中，云基础设施系统1402可以具有比图中所示更多或更少的组件，可以组合两个或更多个组件，或者可以具有组件的不同配置或布置。110.客户端计算设备1404、1406和1408可以是与上面针对1302、1304、1306和1308所描述的设备类似的设备。111.虽然示例性系统环境1400被示出具有三个客户端计算设备，但是任何数量的客户端计算设备可以被支持。其它设备(诸如具有传感器的设备等)可以与云基础设施系统1402交互。112.(一个或多个)网络1410可以促进客户端1404、1406和1408与云基础设施系统1402之间的数据的通信和交换。每个网络可以是本领域技术人员所熟悉的可以使用各种商业上可获得的协议(包括上面针对(一个或多个)网络1310所描述的那些协议)中的任何一种来支持数据通信的任何类型的网络。113.云基础设施系统1402可以包括一个或多个计算机和/或服务器，其可以包括上面针对服务器1312所描述的那些计算机和/或服务器。114.在某些实施例中，由云基础设施系统提供的服务可以包括按需对云基础设施系统的用户可用的许多服务，诸如在线数据存储和备份解决方案、基于web的电子邮件服务、被托管的办公室(office)套件和文档协作服务、数据库处理、受管理的技术支持服务等。由云基础设施系统提供的服务可以动态扩展以满足云基础设施系统的用户的需要。由云基础设施系统提供的服务的具体实例化在本文中被称为“服务实例”。一般而言，从云服务提供商的系统经由通信网络(诸如互联网)对用户可用的任何服务被称为“云服务”。通常，在公共云环境中，构成云服务提供商的系统的服务器和系统与客户自己的本地服务器和系统不同。例如，云服务提供商的系统可以托管应用，并且用户可以经由诸如互联网的通信网络按需订购和使用应用。115.在一些示例中，计算机网络云基础设施中的服务可以包括对存储装置、被托管的数据库、被托管的web服务器、软件应用或由云供应商向用户提供的其它服务的受保护的计算机网络访问，或者如本领域中另外已知的服务。例如，服务可以包括通过互联网对云上的远程存储装置进行密码保护的访问。作为另一个示例，服务可以包括基于web服务的被托管的关系数据库和脚本语言中间件引擎，以供联网的开发人员私有使用。作为另一个示例，服务可以包括对在云供应商的网站上托管的电子邮件软件应用的访问。116.在某些实施例中，云基础设施系统1402可以包括以自助服务、基于订阅、弹性可扩展、可靠、高度可用和安全的方式递送给客户的应用、中间件和数据库服务供应的套件。这种云基础设施系统的示例是由本受让方提供的oracle公共云。117.在各种实施例中，云基础设施系统1402可以适于自动供给、管理和跟踪客户对云基础设施系统1402供应的服务的订阅。云基础设施系统1402可以经由不同的部署模型来提供云服务。例如，可以依据公共云模型来提供服务，其中云基础设施系统1402被销售云服务的组织拥有(例如，被oracle拥有)，并且服务对一般公众或不同行业的企业可用。作为另一个示例，可以依据私有云模型来提供服务，其中云基础设施系统1402仅针对单个组织进行操作，并且可以为该组织内的一个或多个实体提供服务。还可以依据社区云模型来提供云服务，其中云基础设施系统1402和由云基础设施系统1402提供的服务由相关社区中的若干组织共享。云服务还可以依据混合云模型被提供，该混合云模型是两个或更多个不同模型的组合。118.在一些实施例中，由云基础设施系统1402提供的服务可以包括在软件即服务(saas)类别、平台即服务(paas)类别、基础设施即服务(iaas)类别或包括混合服务的其它服务类别下提供的一个或多个服务。客户经由订阅订单可以订购由云基础设施系统1402提供的一个或多个服务。云基础设施系统1402然后执行处理以提供客户的订阅订单中的服务。119.在一些实施例中，由云基础设施系统1402提供的服务可以包括但不限于应用服务、平台服务和基础设施服务。在一些示例中，应用服务可以由云基础设施系统经由saas平台提供。saas平台可以被配置为提供落入saas类别的云服务。例如，saas平台可以提供在集成开发和部署平台上构建和递送按需应用套件的能力。saas平台可以管理和控制用于提供saas服务的底层软件和基础设施。通过利用由saas平台提供的服务，客户可以利用在云基础设施系统上执行的应用。客户可以获取应用服务，而无需客户购买单独许可证和支持。可以提供各种不同的saas服务。示例包括但不限于为大型组织提供用于销售绩效管理、企业集成和商务灵活性的解决方案的服务。120.在一些实施例中，平台服务可以由云基础设施系统经由paas平台提供。paas平台可以被配置为提供落入paas类别的云服务。平台服务的示例可以包括但不限于使组织(诸如oracle)能够在共享的公共体系架构上整合现有应用以及充分利用平台提供的共享服务来构建新应用的能力的服务。paas平台可以管理和控制用于提供paas服务的底层软件和基础设施。客户可以获取由云基础架构系统提供的paas服务，而无需客户购买单独的许可证和支持。平台服务的示例包括但不限于oracle java云服务(jcs)、oracle数据库云服务(dbcs)等。121.通过利用由paas平台提供的服务，客户可以采用由云基础设施系统支持的编程语言和工具，并且还控制所部署的服务。在一些实施例中，由云基础设施系统提供的平台服务可以包括数据库云服务、中间件云服务(例如，oracle融合中间件服务)和java云服务。在一个实施例中，数据库云服务可以支持共享服务部署模型，该模型使得组织能够汇集数据库资源并且以数据库云的形式向客户供应数据库即服务。中间件云服务可以为客户提供开发和部署各种商务应用的平台，并且java云服务可以为客户提供在云基础设施系统中部署java应用的平台。122.各种不同的基础设施服务可以由云基础设施系统中的iaas平台提供。基础设施服务促进底层计算资源(诸如存储装置、网络和其它基础计算资源)的管理和控制，以供客户利用由saas平台和paas平台提供的服务。123.在某些实施例中，云基础设施系统1402还可以包括基础设施资源1430，用于向云基础设施系统的客户提供用于提供各种服务的资源。在一个实施例中，基础设施资源1430可以包括预先集成和优化的硬件(诸如服务器、存储装置和联网资源)的组合，以执行由paas平台和saas平台提供的服务。124.在一些实施例中，云基础设施系统1402中的资源可以由多个用户共享并且根据需要动态重新分配。此外，可以将资源分配给在不同时区的用户。例如，云基础设施系统1430可以使得在第一时区中的第一组用户能够在指定的小时数内利用云基础设施系统的资源，并且然后使得相同资源能够被重新分配给位于不同时区的另一组用户，从而使资源的利用率最大化。125.在某些实施例中，可以提供由云基础设施系统1402的不同组件或模块以及由云基础设施系统1402提供的服务共享的多个内部共享服务1432。这些内部共享服务可以包括但不限于：安全和身份服务、集成服务、企业储存库服务、企业管理器服务、病毒扫描和白名单服务、高可用性、备份和恢复服务、启用云支持的服务、电子邮件服务、通知服务、文件传输服务等。126.在某些实施例中，云基础设施系统1402可以提供云基础设施系统中的云服务(例如，saas、paas和iaas服务)的综合管理。在一个实施例中，云管理功能可以包括用于供给、管理和跟踪由云基础设施系统1402接收到的客户订阅等的能力。127.在一个实施例中，如图中所描绘的，云管理功能可以由一个或多个模块(诸如订单管理模块1420、订单编排模块1422、订单供给模块1424、订单管理和监视模块1426、以及身份管理模块1428)提供。这些模块可以包括一个或多个计算机和/或服务器或者使用一个或多个计算机和/或服务器来提供，这些计算机和/或服务器可以是通用计算机、专用服务器计算机、服务器场、服务器集群或任何其它适当的布置/或组合。128.在示例性操作1434中，使用客户端设备(诸如客户端设备1404、1406或1408)的客户可以通过请求由云基础设施系统1402提供的一个或多个服务并且下订阅由云基础设施系统1402供应的一个或多个服务的订单来与云基础设施系统1402交互。在某些示例中，客户可以访问云用户界面(ui)、云ui 1412、云ui 1414和/或云ui 1416并经由这些ui下订阅订单。云基础设施系统1402响应于客户下订单而接收到的订单信息可以包括识别客户以及客户想要订阅的由云基础设施系统1402供应的一个或多个服务的信息。129.在客户已经下订单之后，经由云ui 1412、1414和/或1416来接收订单信息。130.在操作1436处，订单存储在订单数据库1418中。订单数据库1418可以是由云基础设施系统1418操作和与其它系统元件一起操作的若干数据库之一。131.在操作1438处，订单信息被转发到订单管理模块1420。在一些情况下，订单管理模块1420可以被配置为执行与订单相关的计费和记账功能，诸如验证订单，并且在验证后预订订单。132.在操作1440处，将关于订单的信息传送到订单编排模块1422。订单编排模块1422可以利用订单信息为客户下的订单编排服务和资源的供给。在一些情况下，订单编排模块1422可以使用订单供给模块1424的服务来编排资源的供给以支持订阅的服务。133.在某些实施例中，订单编排模块1422使得能够管理与每个订单相关联的业务流程并应用业务逻辑来确定订单是否应该进行到供给。在操作1442处，在接收到新订阅的订单时，订单编排模块1422向订单供给模块1424发送请求以分配资源并配置履行订阅订单所需的那些资源。订单供给模块1424使得能够为客户订购的服务分配资源。订单供给模块1424提供由云基础设施系统1400提供的云服务和用于供给用于提供所请求的服务的资源的物理实现层之间的抽象层。因此，订单编排模块1422可以与实施细节隔离，诸如服务和资源是否实际上即时供给或预先供给并仅在请求后才分配/指派。134.在操作1444处，一旦供给了服务和资源，就可以通过云基础设施系统1402的订单供给模块1424向客户端设备1404、1406和/或1408上的客户发送所提供服务的通知。135.在操作1446处，订单管理和监视模块1426可以管理和跟踪客户的订阅订单。在一些情况下，订单管理和监视模块1426可以被配置为收集订阅订单中的服务的使用统计，诸如，所使用的存储量、传输的数据量、用户的数量、以及系统运行时间和系统停机时间量。136.在某些实施例中，云基础设施系统1400可以包括身份管理模块1428。身份管理模块1428可以被配置为提供身份服务，诸如云基础设施系统1400中的访问管理和授权服务。在一些实施例中，身份管理模块1428可以控制关于希望利用由云基础设施系统1402提供的服务的客户的信息。这样的信息可以包括认证这些客户的身份的信息以及描述这些客户被授权相对于各种系统资源(例如，文件、目录、应用、通信端口、存储器段等)执行哪些动作的信息。身份管理模块1428还可以包括对关于每个客户的描述性信息以及关于如何和由谁来访问和修改描述性信息的管理。137.图15图示了其中可以实现本发明的各种实施例的示例性计算机系统1500。系统1500可以用于实现上述计算机系统中的任何一个。如图所示，计算机系统1500包括经由总线子系统1502与多个外围子系统通信的处理单元1504。这些外围子系统可以包括处理加速单元1506、i/o子系统1508、存储子系统1518和通信子系统1524。存储子系统1518包括有形计算机可读存储介质1522和系统存储器1510。138.总线子系统1502提供用于让计算机系统1500的各种组件和子系统按意图彼此进行通信的机制。虽然总线子系统1502被示意性地示出为单条总线，但是总线子系统的替代实施例可以利用多条总线。总线子系统1502可以是若干种类型的总线结构中的任何类型，这些总线类型包括存储器总线或存储器控制器、外围总线、以及使用各种总线体系架构中的任何体系架构的局部总线。例如，这种体系架构可以包括工业标准体系架构(isa)总线、微通道体系架构(mca)总线、增强型isa(eisa)总线、视频电子标准协会(vesa)局部总线、以及外围组件互连(pci)总线，其可以被实现为按ieee p1386.1标准制造的夹层(mezzanine)总线。139.可以被实现为一个或多个集成电路(例如，常规微处理器或微控制器)的处理单元1504控制计算机系统1500的操作。一个或多个处理器可以被包括在处理单元1504中。这些处理器可以包括单核处理器或多核处理器。在某些实施例中，处理单元1504可以被实现为一个或多个独立的处理单元1532和/或1534，其中在每个处理单元中包括单核处理器或多核处理器。在其它实施例中，处理单元1504也可以被实现为通过将两个双核处理器集成到单个芯片中形成的四核处理单元。140.在各种实施例中，处理单元1504可以响应于程序代码执行各种程序并且可以维护多个并发执行的程序或进程。在任何给定的时间，要被执行的程序代码中的一些或全部代码可以驻留在(一个或多个)处理器1504中和/或存储子系统1518中。通过适当的编程，(一个或多个)处理器1504可以提供上述各种功能。计算机系统1500可以附加地包括处理加速单元1506，该处理加速单元1506可以包括数字信号处理器(dsp)、专用处理器等。141.i/o子系统1508可以包括用户接口输入设备和用户接口输出设备。用户接口输入设备可以包括键盘、指向设备(诸如鼠标或轨迹球)、结合到显示器中的触摸板或触摸屏、滚动轮、点击轮、拨盘、按钮、开关、小键盘、具有语音命令辨识系统的音频输入设备、麦克风以及其它类型的输入设备。用户接口输入设备可以包括例如运动感测和/或手势辨识设备，诸如microsoft运动传感器，该运动传感器使得用户能够通过使用手势和语音命令的自然用户接口来控制诸如microsoft360游戏控制器的输入设备并与输入设备交互。用户接口输入设备也可以包括眼睛姿势辨识设备，诸如从用户检测眼睛活动(例如，当拍摄照片和/或进行菜单选择时的“眨眼”)并且将眼睛姿势变换为进入输入设备(例如，google)中的输入的google眨眼检测器。此外，用户接口输入设备可以包括使得用户能够通过语音命令与语音辨识系统(例如，导航器)交互的语音辨识感测设备。142.用户接口输入设备也可以包括但不限于：三维(3d)鼠标、操纵杆或指向棒(pointing stick)、游戏面板和绘图板、以及音频/视觉设备，诸如扬声器、数码相机、数码摄录机、便携式媒体播放器、网络摄像机、图像扫描仪、指纹扫描仪、条形码阅读器3d扫描仪、3d打印机、激光测距仪和视线跟踪设备。此外，用户接口输入设备可以包括例如医学成像输入设备，诸如计算机断层扫描、磁共振成像、正电子发射断层显像、医疗超声设备。用户接口输入设备也可以包括例如音频输入设备，诸如midi键盘、数字乐器等。143.用户接口输出设备可以包括显示子系统、指示灯，或者诸如音频输出设备的非可视显示器等。显示子系统可以是阴极射线管(crt)、诸如使用液晶显示器(lcd)或等离子显示器的平板设备、投影设备、触摸屏等。一般而言，术语“输出设备”的使用旨在包括用于从计算机系统1500向用户或其它计算机输出信息的所有可能类型的设备和机制。例如，用户接口输出设备可以包括但不限于：可视地传达文本、图形和音频/视频信息的各种显示设备，诸如监视器、打印机、扬声器、耳机、汽车导航系统、绘图仪、语音输出设备以及调制解调器。144.计算机系统1500可以包括包含软件元件的被示出为当前位于系统存储器1510内的存储子系统1518。系统存储器1510可以存储可加载并且可在处理单元1504上执行的程序指令，以及在这些程序的执行期间所生成的数据。145.取决于计算机系统1500的配置和类型，系统存储器1510可以是易失性的(诸如随机存取存储器(ram))和/或非易失性的(诸如只读存储器(rom)、闪存存储器等)。ram通常包含可被处理单元1504立即访问和/或目前正在被处理单元1504操作和执行的数据和/或程序模块。在一些实施方式中，系统存储器1510可以包括多种不同类型的存储器，诸如静态随机存取存储器(sram)或动态随机存取存储器(dram)。在一些实施方式中，诸如在启动期间，包含有助于在计算机系统1500内的元件之间传送信息的基本例程的基本输入/输出系统(bios)通常可以被存储在rom中。作为示例而非限制，系统存储器1510也示出了可以包括客户端应用、web浏览器、中间层应用、关系数据库管理系统(rdbms)等的应用程序1512，程序数据1514、以及操作系统1516。作为示例，操作系统1516可以包括各种版本的microsoftapple和/或linux操作系统、各种可商业获得的或类unix操作系统(包括但不限于各种gnu/linux操作系统、googleos等)和/或移动操作系统(诸如ios、phone、os、10os和os操作系统)。146.存储子系统1518也可以提供用于存储提供一些实施例的功能的基本编程和数据构造的有形计算机可读存储介质。当被处理器执行时提供上述功能的软件(程序、代码模块、指令)可以被存储在存储子系统1518中。这些软件模块或指令可以被处理单元1504执行。存储子系统1518也可以提供用于存储根据本发明被使用的数据的储存库。147.存储子系统1500也可以包括可被进一步连接到计算机可读存储介质1522的计算机可读存储介质读取器1520。与系统存储器1510一起并且可选地与系统存储器1510相结合，计算机可读存储介质1522可以全面地表示用于临时和/或更持久地包含、存储、发送和检索计算机可读信息的远程、本地、固定和/或可移除的存储设备加存储介质。148.包含代码或代码的一部分的计算机可读存储介质1522也可以包括本领域已知或使用的任何适当的介质，包括存储介质和通信介质，诸如但不限于：以用于信息的存储和/或传输的任何方法或技术实现的易失性和非易失性、可移除和不可移除介质。这可以包括有形的计算机可读存储介质，诸如ram、rom、电可擦除可编程rom(eeprom)、闪存存储器或其它存储器技术、cd-rom、数字多功能盘(dvd)或其它光学储存装置、磁带盒、磁带、磁盘存储装置或其它磁存储设备、或者其它有形计算机可读介质。这也可以包括非有形的计算机可读介质，诸如数据信号、数据传输，或者可以用于发送期望信息并且可以被计算系统1500访问的任何其它介质。149.作为示例，计算机可读存储介质1522可以包括从不可移除的非易失性磁介质读取或写入到不可移除的非易失性磁介质的硬盘驱动器、从可移除的非易失性磁盘读取或写入到可移除的非易失性磁盘的磁盘驱动器、以及从可移除的非易失性光盘(诸如cd rom、dvd和(蓝光)盘或其它光学介质)读取或写入到可移除的非易失性光盘的光盘驱动器。计算机可读存储介质1522可以包括但不限于：驱动器、闪存卡、通用串行总线(usb)闪存驱动器、安全数字(sd)卡、dvd盘、数字视频带等。计算机可读存储介质1522也可以包括：基于非易失性存储器的固态驱动器(ssd)(诸如基于闪存存储器的ssd、企业闪存驱动器、固态rom等)、基于易失性存储器的ssd(诸如基于固态ram、基于动态ram、基于静态ram、基于dram的ssd、磁阻ram(mram)ssd)、以及使用基于dram和闪存存储器的ssd的组合的混合ssd。盘驱动器及其关联的计算机可读介质可以为计算机系统1500提供计算机可读指令、数据结构、程序模块以及其它数据的非易失性存储。150.通信子系统1524提供到其它计算机系统和网络的接口。通信子系统1524用作用于从其它系统接收数据和从计算机系统1500向其它系统发送数据的接口。例如，通信子系统1524可以使计算机系统1500能够经由互联网连接到一个或多个设备。在一些实施例中，通信子系统1524可以包括(例如，使用蜂窝电话技术、先进数据网络技术，诸如3g、4g或edge(用于全球演进的增强型数据速率)、wifi(ieee 802.11系列标准)、或其它移动通信技术、或者其任何组合)用于访问无线语音和/或数据网络的射频(rf)收发器组件、全球定位系统(gps)接收器组件和/或其它组件。在一些实施例中，作为无线接口的附加或者替代，通信子系统1524可以提供有线网络连接(例如，以太网)。151.在一些实施例中，通信子系统1524也可以代表可以使用计算机系统1500的一个或多个用户来接收以结构化和/或非结构化数据馈送1526、事件流1528、事件更新1530等形式的输入通信。152.作为示例，通信子系统1524可以被配置为实时地从社交网络和/或其它通信服务的用户接收数据馈送1526，诸如馈送、更新、诸如丰富站点摘要(rss)馈送的web馈送和/或来自一个或多个第三方信息源的实时更新。153.此外，通信子系统1524也可以被配置为接收以连续数据流形式的数据，该数据可以包括本质上可以是连续的或无界的没有明确终止的实时事件的事件流1528和/或事件更新1530。生成连续数据的应用的示例可以包括，例如，传感器数据应用、金融价格收报机、网络性能测量工具(例如，网络监视和流量管理应用)、点击流分析工具、汽车流量监视等。154.通信子系统1524也可以被配置为向一个或多个数据库输出结构化和/或非结构化的数据馈送1526、事件流1528、事件更新1530等，这一个或多个数据库可以与耦合到计算机系统1500的一个或多个流式数据源计算机进行通信。155.计算机系统1500可以是各种类型(包括手持便携式设备(例如，蜂窝电话、计算平板电脑、pda)、可穿戴设备(例如，google头戴式显示器)、pc、工作站、大型机、信息站(kiosk)、服务器机架、或任何其它数据处理系统)中的一种类型。156.由于计算机和网络的不断变化的本质，在图中绘出的计算机系统1500的描述仅旨在作为具体的示例。具有比图中绘出的系统更多或更少组件的许多其它配置是可能的。例如，定制的硬件也可以被使用和/或特定的元素可以在硬件、固件、软件(包括小程序应用(applets))或其组合中实现。另外，可以采用到诸如网络输入/输出设备的其它计算设备的连接。基于本文提供的公开内容和教导，本领域普通技术人员将认识到实现各种实施例的其它方式和/或方法。157.在前面的描述中，出于解释的目的，阐述了许多具体细节以便提供对本发明的各种实施例的透彻理解。但是，对于本领域技术人员将显而易见的是，可以在没有这些具体细节中的一些的情况下实践本发明的实施例。在其它情况下，以框图形式示出了众所周知的结构和设备。158.前面的描述仅提供示例性实施例，并且不旨在限制本公开的范围、适用性或配置。更确切地说，示例性实施例的前述描述将向本领域技术人员提供用于实现示例性实施例的使能描述。应当理解的是，在不脱离所附权利要求书所阐述的本发明的精神和范围的情况下，可以对元件的功能和布置进行各种改变。159.在前面的描述中给出了具体细节以提供对实施例的透彻理解。但是，本领域普通技术人员将理解的是，可以在没有这些具体细节的情况下实践实施例。例如，电路、系统、网络、处理和其它组件可能已经被示为框图形式的组件，以便不以不必要的细节使实施例晦涩难懂(obscure)。在其它情况下，可以在没有不必要的细节的情况下示出了众所周知的电路、处理、算法、结构和技术，以避免使实施例晦涩难懂。160.而且，要注意的是，各个实施例可以已经被描述为被描绘为流程图、流图、数据流图、结构图或框图的处理。虽然流程图可以已经将操作描述为顺序处理，但是许多操作可以并行或并发地执行。此外，可以重新布置操作的次序。处理在其操作完成时终止，但可以具有图中未包括的附加步骤。处理可以与方法、函数、过程、子例程、子程序等对应。当处理与函数对应时，其终止可以与该函数返回到调用函数或主函数对应。161.术语“计算机可读介质”包括但不限于便携式或固定存储设备、光学存储设备、无线信道、以及能够存储、包含或携带(一个或多个)指令和/或数据的各种其它介质。代码段或机器可执行指令可以表示过程、函数、子程序、程序、例程、子例程、模块、软件包、类、或者指令、数据结构或程序语句的任何组合。代码段可以通过传递和/或接收信息、数据、自变量、参数或存储器内容而耦合到另一个代码段或硬件电路。信息、自变量、参数、数据等可以经由任何合适的方式传递、转发或传输，其中方式包括存储器共享、消息传递、令牌传递、网络传输等。162.此外，实施例可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或其任何组合来实现。当以软件、固件、中间件或微代码实现时，可以将执行必要任务的程序代码或代码段存储在机器可读介质中。(一个或多个)处理器可以执行必要的任务。163.在前述说明书中，参考本发明的各方面的具体实施例对本发明的各方面进行了描述，但是本领域技术人员将认识到的是，本发明不限于此。上述发明的各个特征和方面可以被单独使用或联合使用。另外，在不脱离本说明书的更广泛精神和范围的情况下，实施例可以在除本文所述的那些环境和应用之外的任何数目的环境和应用中被使用。相应地，本说明书和附图应当被认为是说明性的而不是限制性的。164.此外，出于说明的目的，以特定顺序描述了方法。应该认识到的是，在替代示例中，可以以与所描述的顺序不同的顺序执行方法。还应该认识到的是，上述方法可以由硬件组件执行，或者可以以机器可执行指令的序列被实施，机器可执行指令可以用于使机器(诸如编程有指令的通用或专用处理器或逻辑电路)执行方法。这些机器可执行指令可以被存储在一个或多个机器可读介质上，诸如cd-rom或其它类型的光盘、软盘、rom、ram、eprom、eeprom、磁卡或光卡、闪存、或适合于存储电子指令的其它类型的机器可读介质。替代地，可以通过硬件和软件的组合来执行方法。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!