一种基于主成分分析算法的营销价值评估方法及装置与流程

[0001]
本发明涉及成分分析技术领域，尤其涉及一种基于主成分分析算法的营销价值评估方法及装置。


背景技术：

[0002]
目前主成分分析被广泛应用于区域经济发展评价、服装标准制定、满意度测评和模式识别等许多领域，是一种常用的多变量分析方法。在社交媒体快速发展的今天，使用kol进行提高广告效应成为了品牌主们最为实用也是最常用的营销形式。kol是营销学上的概念，通常被定义为：拥有更多、更准确的产品信息，且为相关群体所接收或信息，并对该群体的购买行为有较大影响力的人。大众娱乐在互联网的推动下，达到了一种新的高度，kol带来的粉丝和眼球效应被互联网成倍放大。几乎所有的品牌都会选择kol代言，借此提升知名度。随之同时，kol营销难度也随之变化，并非所有的kol投放都能收获与投入相匹配的价值。因此难以仅从社交平台kol的粉丝数量来判断社交平台kol的营销价值。
[0003]
本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
[0004]
对社交平台的用户营销价值评估维度单一、评估结果准确度低。


技术实现要素：

[0005]
本申请实施例通过提供一种基于主成分分析算法的营销价值评估方法及装置，解决了现有技术中对社交平台的用户营销价值评估维度单一、评估结果准确度低的技术问题，达到了基于主成分分析算法，达到多维度、准确对用户的营销价值进行评估的技术目的。
[0006]
本申请实施例通过提供一种基于主成分分析算法的营销价值评估方法，其中，所述方法包括：根据预设要求获取第一用户信息，所述第一用户为社交平台中级别满足预设要求的用户；根据所述第一用户信息，获得用户画像信息；将所述用户画像信息存储于基础数据库中；将所述用户画像信息输入第一模型中，所述第一模型为通过所述基础数据库中的数据为样本进行模型训练，使用主成分分析算法建立的模型；获得所述第一模型的第一输出结果，所述第一输出结果为所述第一用户的营销价值评估值；根据所述营销价值评估值，获得第一指令，所述第一指令用于将所述营销价值评估值存储于所述基础数据库中。
[0007]
另一方面，本申请还提供了一种基于主成分分析算法的营销价值评估装置，其中，所述装置包括：第一获得单元，所述第一获得单元用于根据预设要求获取第一用户信息，所述第一用户为社交平台中级别满足预设要求的用户；第二获得单元，所述第二获得单元用于根据所述第一用户信息，获得用户画像信息；第一存储单元，所述第一存储单元用于将所述用户画像信息存储于基础数据库中；第一输入单元，所述第一输入单元用于将所述用户画像信息输入第一模型中，所述第一模型为通过所述基础数据库中的数据为样本进行模型训练，使用主成分分析算法建立的模型；第三获得单元，所述第三获得单元用于获得所述第
一模型的第一输出结果，所述第一输出结果为所述第一用户的营销价值评估值；第四获得单元，所述第四获得单元用于根据所述营销价值评估值，获得第一指令，所述第一指令用于将所述营销价值评估值存储于所述基础数据库中。
[0008]
另一方面，本申请实施例还提供了一种基于主成分分析算法的营销价值评估装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述第一方面所述方法的步骤。
[0009]
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
[0010]
由于采用了通过从多维度建立用户画像，并通过将所述用户画像输入至主成分分析模型进行训练，基于所述训练模型自身能不断优化学习、获得“经验”来处理数据更准确的特点，从而获得更为准确的用户营销价值的评估值，并将所述评估值存储于基础数据库中。通过主成分分析方法，从而合理判断用户营销价值的影响因素，并分析出最主要的影响因素，从而为所述社交平台进行营销规划提供了合理建议。达到了基于主成分分析算法，达到多维度、准确对用户的营销价值进行评估的技术目的。
[0011]
上述说明是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
[0012]
图1为本申请实施例一种基于主成分分析算法的营销价值评估方法的流程示意图；
[0013]
图2为本申请实施例一种基于主成分分析算法的营销价值评估装置的结构示意图；
[0014]
图3为本申请实施例示例性电子设备的结构示意图。
[0015]
附图标记说明：第一获得单元11，第二获得单元12，第一存储单元13，第一输入单元14，第三获得单元15，第四获得单元16，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。
具体实施方式
[0016]
本申请实施例通过提供一种基于主成分分析算法的营销价值评估方法及装置，解决了现有技术中对社交平台的用户营销价值评估维度单一、评估结果准确度低的技术问题，达到了基于主成分分析算法，达到多维度、准确对用户的营销价值进行评估的技术目的。下面，将参考附图详细的描述本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
[0017]
申请概述
[0018]
在社交媒体快速发展的今天，使用kol进行提高广告效应成为了品牌主们最为实用也是最常用的营销形式。大众娱乐在互联网的推动下，达到了一种新的高度，kol带来的粉丝和眼球效应被互联网成倍放大。几乎所有的品牌都会选择kol代言，借此提升知名度。随之同时，kol营销难度也随之变化，并非所有的kol投放都能收获与投入相匹配的价值，难
以仅从社交平台kol的粉丝数量来判断社交平台kol的带货能力。现有技术中还存在着对社交平台的用户营销价值评估维度单一、评估结果准确度低的技术问题。
[0019]
针对上述技术问题，本申请提供的技术方案总体思路如下：
[0020]
本申请实施例通过提供一种基于主成分分析算法的营销价值评估方法，其中，所述方法包括：根据预设要求获取第一用户信息，所述第一用户为社交平台中级别满足预设要求的用户；根据所述第一用户信息，获得用户画像信息；将所述用户画像信息存储于基础数据库中；将所述用户画像信息输入第一模型中，所述第一模型为通过所述基础数据库中的数据为样本进行模型训练，使用主成分分析算法建立的模型；获得所述第一模型的第一输出结果，所述第一输出结果为所述第一用户的营销价值评估值；根据所述营销价值评估值，获得第一指令，所述第一指令用于将所述营销价值评估值存储于所述基础数据库中。
[0021]
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
[0022]
实施例一
[0023]
如图1所示，本申请实施例提供了一种基于主成分分析算法的营销价值评估方法,其中，所述方法包括：
[0024]
步骤s100：根据预设要求获取第一用户信息，所述第一用户为社交平台中级别满足预设要求的用户；
[0025]
具体而言，本申请实施例由社交平台的信息获取平台获取第一用户的信息，包括所述第一用户的粉丝数、地区信息、身份信息和互动数据等相关数据。所述预设要求为平台预设的用于营销价值评估的第一用户的级别阈值信息，如设定粉丝数量阈值、互动数据阈值等作为所述预设要求，继而对满足这一要求的用户进行营销价值评估。举例而言，所述社交平台如微博，微博的kol信息获取平台，用于从微博爬取微博kol，即微博大v用户的信息数据，并将所获得的kol数据信息存入所述基础数据库。
[0026]
步骤s200：根据所述第一用户信息，获得用户画像信息；
[0027]
具体而言，由所述社交平台的信息获取平台所获得的所述第一用户信息，由用户画像平台建立所述第一用户的画像信息。所述用户画像信息由所述社交平台的用户画像平台获得，是勾画客户、联系客户诉求与设计方向的有效工具，用以对所有用户信息进行分类。举例而言，微博kol画像平台对获取到的微博kol信息进行涉及领域画像分析和粉丝画像分析，从而进一步对用户的营销价值进行分析。通过建立每个用户的画像信息，继而能够精准掌握客户信息，从而为后续进行营销价值评估奠定了基础。
[0028]
步骤s300：将所述用户画像信息存储于基础数据库中；
[0029]
具体而言，所述基础数据库提供用于用户营销价值评估所需的所述社交平台第一用户基本信息和粉丝等相关数据，并保存本所述评估过程中生成的所有数据。由所述社交平台的用户画像平台获得所述用户画像信息之后，将所述用户画像信息存储于所述基础数据库中，用于后续进行所述第一用户的营销价值评估时从所述基础数据库中进行数据的读取。
[0030]
步骤s400：将所述用户画像信息输入第一模型中，所述第一模型为通过所述基础数据库中的数据为样本进行模型训练，使用主成分分析算法建立的模型；
[0031]
步骤s500：获得所述第一模型的第一输出结果，所述第一输出结果为所述第一用
户的营销价值评估值；
[0032]
具体而言，主成分分析算法是一种常用的数学统计方法，为通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。所述用户画像信息中包括多个变量，在进行营销价值评估时，就会增加评估的复杂性，故通过主成分分析法将所述用户画像中重复的变量删去多余，建立尽可能少的新变量。由社交平台用户营销价值评估分析平台从所述基础数据库读取所述第一用户画像信息后，将所述用户画像信息输入所述第一模型中，从而获得所述第一用户的营销价值评估值信息。其中，所述第一模型为通过所述基础数据库中的数据为样本进行模型训练，使用主成分分析算法建立的模型。所述第一模型为一机器学习模型，将所述用户画像信息输入所述第一模型后，所述第一模型会输出所述第一用户的营销价值评估值标识信息来对所述第一模型输出的所述第一用户的营销价值评估值进行校验，如果输出的所述第一用户的营销价值评估值同标识的所述第一用户的营销价值评估值相一致，则本数据监督学习完成，则进行下一组数据监督学习；如果输出的所述第一用户的营销价值评估值同标识的所述第一用户的营销价值评估值不一致，则所述第一模型自身进行调整，直到所述第一模型达到预期的准确率后，进行下一组数据的监督学习。举例而言，微博kol营销价值评估分析平台，用于从基础数据库读取各领域微博kol的信息，进而通过所述第一模型分析各个微博kol在各领域的营销价值。基于所述第一模型自身能不断优化学习、获得“经验”来处理数据更准确的特点，使得对所述第一用户的营销价值评估值的获得更加准确。
[0033]
步骤s600：根据所述营销价值评估值，获得第一指令，所述第一指令用于将所述营销价值评估值存储于所述基础数据库中。
[0034]
具体而言，由所述社交平台用户营销价值评估分析平台通过所述第一模型获得所述第一用户的营销价值评估值之后，将所获得的所述第一用户的营销价值评估值信息存储于所述基础数据库中。便于后续所述社交平台进行数据的管理、分析。
[0035]
进一步而言，所述将所述用户画像信息输入第一模型中之前，本申请实施例s400还包括：
[0036]
步骤s401：获得模型配置参数；
[0037]
步骤s402：根据所述模型配置参数、所述基础数据库，获得模型训练数据；
[0038]
步骤s403：根据所述模型训练数据，获得第一建模信息，所述第一建模信息用于采用所述模型训练数据为样本进行所述第一模型训练。
[0039]
具体而言，所述用户营销价值评估系统通过建立所述第一模型，使用现有的基础数据库中的数据作为样本进行模型训练，并使用所述主成分分析算法进行建模。所述第一模型的模型配置参数由所述社交平台的数据管理中心获得。根据所述模型配置参数、所述基础数据库，获得模型训练数据，根据所述模型训练数据，获得第一建模信息，继而获得所述第一模型，并采用所述模型训练数据为样本进行所述第一模型训练。增强了所述用户营销价值评估系统数据获得的准确性。
[0040]
进一步而言，本申请实施例步骤s200还包括：
[0041]
步骤s201：根据所述第一用户信息，获得第一文本信息；
[0042]
步骤s202：根据所述第一文本信息，获得第一用户领域类别；
[0043]
步骤s203：将所述第一用户领域类别存入所述基础数据库中。
[0044]
具体而言，文本分词的目的是通过机械分词方法、人工智能分词方法等将测试文本根据一定的规则进行分词处理，便于提取文本的特征值，为文本提供特征值对比的词组。所述社交平台用户信息获取平台在获得所述第一用户的数据信息之后，依据所述第一用户在所述社交平台的发布内容进行文本分词，通过分析获得所述第一用户领域类别。将所获得的所述第一用户领域类别分别存入所述基础数据库中。举例而言，微博kol涉及领域画像单元，该模块用以分析微博kol的推广涉及领域，主要根据微博kol的发布微博进行文本分词，为各微博kol涉及的领域进行分类。
[0045]
进一步而言，本申请实施例步骤s201还包括：
[0046]
步骤s2011：根据所述第一用户信息，获得第一粉丝信息；
[0047]
步骤s2012：根据所述第一粉丝信息，获得第一粉丝属性信息；
[0048]
步骤s2013：将所述第一粉丝属性信息输入第二模型中，所述第二模型为以大量粉丝属性信息为样本进行训练的模型；
[0049]
步骤s2014：获得所述第二模型的第二输出结果，所述第二输出结果为所述第一用户的粉丝画像信息；
[0050]
步骤s2015：将所述粉丝画像信息存入所述基础数据库中，其中，所述用户画像信息包括所述第一用户领域类别、所述第一用户粉丝画像信息。
[0051]
具体而言，所述用户画像信息分为领域画像单元和粉丝画像单元。其中，所述粉丝画像单元通过将所述第一粉丝属性信息输入所述第二训练模型获得，所述第二模型用于分析所述第一用户粉丝的粉丝社会属性、年龄层级和消费行为等相关属性信息，使用所述第二模型进行分析获得，并将所获得的第一用户粉丝画像信息存入所述基础数据库。其中，所述第二模型为聚类模型，如随机森林和神经网络。其中，聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程，所述随机森林指的是利用多棵树对样本进行训练并预测的一种分类器，所述神经网络模型是一种模仿生物神经网络的结构和功能的数学模型或计算模型。举例而言，微博kol粉丝画像单元，用以分析微博kol的粉丝社会属性、年龄层级和消费行为等相关属性信息，使用聚类模型(如随机森林和神经网络)，将最终粉丝的画像数据存入基础数据库。
[0052]
进一步而言，所述获得第一执行指令之前，本申请实施例步骤s203还包括：
[0053]
步骤s2031：从所述基础数据库中获得第一营销价值评估值、第二营销价值评估值、直到第n营销价值评估值，其中，所述n为大于1的自然数；
[0054]
步骤s2032：根据所述第一营销价值评估值、第二营销价值评估值、直到第n营销价值评估值分别获得对应的用户领域类别；
[0055]
步骤s2033：根据所述用户领域类别，获得第一分类信息，所述第一分类信息用于按照用户领域将所述第一营销价值评估值、第二营销价值评估值、直到第n营销价值评估值进行分类，获得多个领域营销价值评估值集合；
[0056]
步骤s2034：将所述领域营销价值评价值集合中的各营销价值评估值进行排序，获得各领域营销价值排行榜；
[0057]
步骤s2035：根据各领域所述营销价值排行榜，获得第一展示信息，所述第一展示信息用于将各领域所述营销价值排行榜进行展示，并存储于所述基础数据库中。
[0058]
具体而言，将所获得的用户营销价值评估值及所述用户画像信息存储入所述基础
数据库中后，将所述n个用户的营销价值评估值与所述用户领域类别一一对应，并按照所述用户领域类别将所述营销价值评估值进行分类，获得所述多个领域营销价值评估值集合。并将所述领域营销价值评价值集合中的各营销价值评估值进行排序，获得各领域营销价值排行榜，将所述排行榜存储入所述基础数据库中，并通过所述社交平台对用户进行展示。举例而言，建立微博kol营销价值评分体系，生成各领域微博kol的营销价值排行榜，可以帮助品牌主极大的提高了发现高价值微博kol的概率，比起品牌主仅通过粉丝数量来选取等方法，本发明提供了更高效、更精准的方法，给予微博kol全方位进行营销价值评估。
[0059]
进一步而言，本申请实施例步骤s202还包括：
[0060]
步骤s2021：根据所述第一文本信息，获得第一文本分词信息；
[0061]
步骤s2022：根据所述第一文本分词信息，获得第一文本词汇级别、第一文本词汇频率；
[0062]
步骤s2023：根据所述第一文本词汇级别、第一文本词汇频率，获得所述第一用户领域类别。
[0063]
具体而言，所述社交平台用户信息获取平台通过机械分词方法、人工智能分词方法等将所述第一文本根据一定的规则进行分词处理，提取出所述第一文本的特征值，包括所述第一文本的词汇级别、词汇频率信息，通过对所述词汇级别、词汇频率进行分析和统计，从而获得所述第一用户的领域类别信息。举例而言，微博的领域画像单元用以分析微博kol的推广涉及领域，主要根据微博kol的发布微博进行文本分词，根据词汇级别，频率进行统计，为各微博kol涉及的领域进行分类。
[0064]
综上所述，本申请实施例所提供的一种基于主成分分析算法的营销价值评估方法具有如下技术效果：
[0065]
由于采用了通过从多维度建立用户画像，并通过将所述用户画像输入至主成分分析模型进行训练，基于所述训练模型自身能不断优化学习、获得“经验”来处理数据更准确的特点，从而获得更为准确的用户营销价值的评估值，并将所述评估值存储于基础数据库中。通过主成分分析方法，从而合理判断用户营销价值的影响因素，并分析出最主要的影响因素，从而为所述社交平台进行营销规划提供了合理建议。达到了基于主成分分析算法，达到多维度、准确对用户的营销价值进行评估的技术目的。
[0066]
实施例二
[0067]
基于与前述实施例中一种基于主成分分析算法的营销价值评估方法同样发明构思，本发明还提供了一种基于主成分分析算法的营销价值评估装置，如图2所示，所述装置包括：
[0068]
第一获得单元11，所述第一获得单元11用于根据预设要求获取第一用户信息，所述第一用户为社交平台中级别满足预设要求的用户；
[0069]
第二获得单元12，所述第二获得单元12用于根据所述第一用户信息，获得用户画像信息；
[0070]
第一存储单元13，所述第一存储单元13用于将所述用户画像信息存储于基础数据库中；
[0071]
第一输入单元14，所述第一输入单元14用于将所述用户画像信息输入第一模型中，所述第一模型为通过所述基础数据库中的数据为样本进行模型训练，使用主成分分析
算法建立的模型；
[0072]
第三获得单元15，所述第三获得单元15用于获得所述第一模型的第一输出结果，所述第一输出结果为所述第一用户的营销价值评估值；
[0073]
第四获得单元16，所述第四获得单元16用于根据所述营销价值评估值，获得第一指令，所述第一指令用于将所述营销价值评估值存储于所述基础数据库中。
[0074]
进一步的，所述装置还包括：
[0075]
第五获得单元，所述第五获得单元用于获得模型配置参数；
[0076]
第六获得单元，所述第六获得单元用于根据所述模型配置参数、所述基础数据库，获得模型训练数据；
[0077]
第七获得单元，所述第七获得单元用于根据所述模型训练数据，获得第一建模信息，所述第一建模信息用于采用所述模型训练数据为样本进行所述第一模型训练。
[0078]
进一步的，所述装置还包括：
[0079]
第八获得单元，所述第八获得单元用于根据所述第一用户信息，获得第一文本信息；
[0080]
第九获得单元，所述第九获得单元用于根据所述第一文本信息，获得第一用户领域类别；
[0081]
第二存储单元，所述第二存储单元用于将所述第一用户领域类别存入所述基础数据库中。
[0082]
进一步的，所述装置还包括：
[0083]
第十获得单元，所述第十获得单元用于根据所述第一用户信息，获得第一粉丝信息；
[0084]
第十一获得单元，所述第十一获得单元用于根据所述第一粉丝信息，获得第一粉丝属性信息；
[0085]
第二输入单元，所述第二输入单元用于将所述第一粉丝属性信息输入第二模型中，所述第二模型为以大量粉丝属性信息为样本进行训练的模型；
[0086]
第十二获得单元，所述第十二获得单元用于获得所述第二模型的第二输出结果，所述第二输出结果为所述第一用户的粉丝画像信息；
[0087]
第三存储单元，所述第三存储单元用于将所述粉丝画像信息存入所述基础数据库中，其中，所述用户画像信息包括所述第一用户领域类别、所述第一用户粉丝画像信息。
[0088]
进一步的，所述装置还包括：
[0089]
第十三获得单元，所述第十三获得单元用于从所述基础数据库中获得第一营销价值评估值、第二营销价值评估值、直到第n营销价值评估值，其中，所述n为大于1的自然数；
[0090]
第十四获得单元，所述第十四获得单元用于根据所述第一营销价值评估值、第二营销价值评估值、直到第n营销价值评估值分别获得对应的用户领域类别；
[0091]
第十五获得单元，所述第十五获得单元用于根据所述用户领域类别，获得第一分类信息，所述第一分类信息用于按照用户领域将所述第一营销价值评估值、第二营销价值评估值、直到第n营销价值评估值进行分类，获得多个领域营销价值评估值集合；
[0092]
第十六获得单元，所述第十六获得单元用于将所述领域营销价值评价值集合中的各营销价值评估值进行排序，获得各领域营销价值排行榜；
[0093]
第十七获得单元，所述第十七获得单元用于根据各领域所述营销价值排行榜，获得第一展示信息，所述第一展示信息用于将各领域所述营销价值排行榜进行展示，并存储于所述基础数据库中。
[0094]
进一步的，所述装置还包括：
[0095]
第十八获得单元，所述第十八获得单元用于根据所述第一文本信息，获得第一文本分词信息；
[0096]
第十九获得单元，所述第十九获得单元用于根据所述第一文本分词信息，获得第一文本词汇级别、第一文本词汇频率；
[0097]
第二十获得单元，所述第二十获得单元用于根据所述第一文本词汇级别、第一文本词汇频率，获得所述第一用户领域类别。
[0098]
进一步的，所述装置还包括：
[0099]
第二十一获得单元，所述第二十一获得单元用于获得所述第二模型，其中，所述第二模型为聚类模型。
[0100]
前述图1实施例一中的一种基于主成分分析算法的营销价值评估方法的各种变化方式和具体实例同样适用于本实施例的一种基于主成分分析算法的营销价值评估装置，通过前述对一种基于主成分分析算法的营销价值评估方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于主成分分析算法的营销价值评估装置，所以为了说明书的简洁，在此不再详述。
[0101]
示例性电子设备
[0102]
下面参考图3来描述本申请实施例的电子设备。
[0103]
图3图示了根据本申请实施例的电子设备的结构示意图。
[0104]
基于与前述实施例中一种基于主成分分析算法的营销价值评估方法的发明构思，本发明还提供一种基于主成分分析算法的营销价值评估装置，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于主成分分析算法的营销价值评估方法的任一方法的步骤。
[0105]
其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。
[0106]
处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
[0107]
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、装置、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。
[0108]
本发明是参照本发明实施例的方法、设备(装置)、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。
[0109]
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。
[0110]
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。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
[0111]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。