族群营销中的用户族群构建方法、装置、存储介质及设备与流程

本申请涉及信息
技术领域：
，特别是涉及一种族群营销中的用户族群构建方法、装置、存储介质及设备。
背景技术：
：随着互联网技术的发展，“族群营销”这个词被越来越广泛地使用，其中，族群是指在一定的时空范围内，具有相同兴趣爱好的用户组成的群体，族群营销则是指针对这类具有相同兴趣爱好的群体开展精准营销的过程，其中，构建用户族群是族群营销的基础。传统的企业构建用户族群的方法是通过分析企业客户数据管理系统中的客户信息来发现客户间关系，从而构建对应的用户族群。然而，传统方法中单纯依赖客户数据管理系统中的客户信息来划分用户族群的做法是粗粒度的，即仅考虑用户对象的类别，不考虑对象的特定实例，从而导致企业构建用户族群的方法存在用户间关系较弱、用户选择准确度较低的问题。技术实现要素：基于此，有必要针对上述技术问题，提供一种能够提高用户选择准确度的族群营销中的用户族群构建方法、装置、存储介质及设备。一种族群营销中的用户族群构建方法，包括以下步骤：选取用户对象作为初始种子对象，并获取所述初始种子对象的特征信息；遍历数据库，确定所述数据库中的目标用户，所述目标用户的特征信息与所述初始种子对象的特征信息满足与所述初始种子对象对应的预设关系条件；根据确定的目标用户构建应用于族群营销中的用户族群。一种族群营销中的用户族群构建装置，包括：种子选择模块，用于选取用户对象作为初始种子对象，并获取所述初始种子对象的特征信息；目标确定模块，用于遍历数据库，确定所述数据库中的目标用户，所述目标用户的特征信息与所述初始种子对象的特征信息满足与所述初始种子对象对应的预设关系条件；族群构建模块，用于根据确定的目标用户构建应用于族群营销中的用户族群。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：选取用户对象作为初始种子对象，并获取所述初始种子对象的特征信息；遍历数据库，确定所述数据库中的目标用户，所述目标用户的特征信息与所述初始种子对象的特征信息满足与所述初始种子对象对应的预设关系条件；根据确定的目标用户构建应用于族群营销中的用户族群。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：选取用户对象作为初始种子对象，并获取所述初始种子对象的特征信息；遍历数据库，确定所述数据库中的目标用户，所述目标用户的特征信息与所述初始种子对象的特征信息满足与所述初始种子对象对应的预设关系条件；根据确定的目标用户构建应用于族群营销中的用户族群。上述族群营销中的用户族群构建方法、系统、存储介质及设备，选取用户对象作为初始种子对象，并获取初始种子对象的特征信息；遍历数据库，确定数据库中的目标用户，目标用户的特征信息与初始种子对象的特征信息满足与初始种子对象对应的预设关系条件；根据确定的目标用户构建应用于族群营销中的用户族群。通过根据初始种子对象信息及对应的预设关系条件进行用户选择，使得选择的用户间关系较为密切，从而提高构建用户族群过程中用户选择的准确度，使得构建的应用于族群营销中的用户族群更加科学合理。附图说明图1为一个实施例中族群营销中的用户族群构建方法的应用环境图；图2为一个实施例中族群营销中的用户族群构建方法的流程示意图；图3为一个实施例中分别确定每个初始种子对象对应的目标用户步骤的流程示意图；图4为另一个实施例中族群营销中的用户族群构建方法的流程示意图；图5为一个实施例中采用爬虫技术实现族群营销中的用户族群构建的流程示意图；图6为一个实施例中族群营销中的用户族群构建装置的结构框图；图7为另一个实施例中族群营销中的用户族群构建装置的结构框图；图8为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的族群营销中的用户族群构建方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信，用于执行族群营销中的用户族群构建方法。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在一个实施例中，如图2所示，提供一种族群营销中的用户族群构建方法，以该方法应用于图1中的终端为例进行说明，该用户族群构建方法包括以下步骤：步骤s110，选取用户对象作为初始种子对象，并获取初始种子对象的特征信息。一个实施例中可以从数据库中抓取符合一定条件的用户对象作为初始种子对象，该一定条件可以是根据族群营销需要而设置的条件，例如性别为男性，或者年龄为20岁以上，或者经常浏览某网站，或者经常使用某应用等。在选取符合一定条件的作为初始种子对象的用户对象后，获取该用户对象的特征信息。步骤s120，遍历数据库，确定数据库中的目标用户。本步骤通过遍历数据库内包含的用户的特征信息，确定特征信息与初始种子对象的特征信息满足与初始种子对象对应的预设关系条件的目标用户。步骤s130，根据确定的目标用户构建应用于族群营销中的用户族群。本步骤中，在根据初始种子对象确定特征信息与初始种子对象的特征信息满足与初始种子对象对应的预设关系条件的目标用户后，根据确定的目标用户构建应用于族群营销中的用户族群。族群营销是在一定的时空范围内，对有相同爱好的群体开展精准营销，是企业的营销利器和突破点。在构建用户族群上，相比于社交平台成熟的用户社交圈定义和分析，一般企业受制于数据源只能依赖客户关系管理系统中的客户数据来发现用户间关系，从而定义族群，然而单纯依赖客户关系管理系统记录用户的基本属性来划分族群相对来说是粗粒度的。本实施例通过确定初始种子对象信息，并根据该初始种子对象、特征信息以及对应的预设关系条件确定目标用户，而不是单纯按照数据库内用户的基本属性来确定目标用户，使得选择的用户间关系较为密切，用户关联度更强，从而提高构建用户族群过程中用户选择的准确度，使得构建的应用于族群营销中的用户族群更加科学合理。在一个实施例中，特征信息包括基础特征信息及行为特征信息。基础特征信息是指用户的固有特征信息，如年龄、性别、住址等静态信息；行为特征信息则涵盖相对广泛，指的是记录的客户的行为信息，如菜单点击、页面浏览、应用及程序使用情况等动作信息。在步骤s120中，遍历数据库，确定数据库中的目标用户的步骤，具体为：遍历数据库中的各个用户的基础特征信息及行为特征信息，确定基础特征信息和/或行为特征信息与初始种子对象的基础特征信息和/或行为特征信息满足初始种子对象对应的预设关系条件的目标用户。需要说明的是，在进行目标用户确认时，作为判断条件的基础特征信息及行为特征信息的数量是不定的，可以是根据单个基础特征信息或行为特征信息进行目标用户的确认，也可以是根据多个基础特征信息和/或行为特征信息进行目标用户的确认。例如：一个初始种子对象的特征信息如下：男性，20岁，每个月打电话时间为100分钟以上。在根据上述初始种子对象进行用户选择时，可以是根据种族营销需要选择其中任一特征信息进行用户选择，如在进行电话语音套餐推广时，可以选择“每个月打电话时间为100分钟以上”这一特征信息作为目标用户的确定条件，在数据库中寻找符合“每个月打电话时间为100分钟以上”这一条件的目标用户，并对这些目标用户进行电话语音套餐的推广。根据单一特征信息进行用户选择可以获取数量较多的目标用户，从而提高族群营销的广度。此外，也可以是根据“每个月打电话时间为100分钟以上”以及“20岁”这两个特征信息进行用户选择，过程与上述过程一致。根据多个特征信息进行用户选择可以获取准确度较高的目标用户，从而提高族群营销的精度。本实施例通过根据用户在与企业产品或服务交互中留下的基础特征信息以及行为特征信息开展充分的数据挖掘，从而将用户划分到更细粒度的群体，有利于族群营销活动的开展。在一个实施例中，在进行目标用户选择时，当根据当前初始种子对象确定数据库中的目标用户后，以确定的目标用户作为新的初始种子对象，并根据新的初始种子对象确定新的目标用户。例如：通过一个初始种子对象确定的目标用户包括a、b、c、d四个用户，在进行第二次的目标用户选择时，则分别以a、b、c、d四个用户为初始种子对象确定新的目标用户。在第二轮目标用户确定时，根据a用户获取新的目标用户为a1、a2，根据b用户获取新的目标用户为b1，根据c用户获取新的目标用户为c1、c2、c3，根据d用户获取新的目标用户为d1、d2、d3、d4，则在第三轮目标用户确定时，以第二轮确定的目标用户为初始种子对象进行新的目标用户的确定。需要说明的是，针对一初始种子对象进行多轮用户选择时，每轮用户选择的预设关系条件可以相同，也可以不同。本实施例在进行多轮目标用户确定时，通过更换初始种子对象可以提高用户选择的深度，从而可以获取足够数量的目标用户，保证构建用户族群时存在足够的用户数量以便于开展族群营销活动。在一个实施例中，当根据当前初始种子对象确定数据库中的目标用户后，以确定的目标用户作为新的初始种子对象，并根据新的初始种子对象确定新的目标用户的步骤，还包括以下步骤：获取在数据库内根据初始种子对象进行目标用户选择操作的当前深度信息。当前深度信息，即根据第一轮用户选择中的初始种子对象进行目标用户确定的轮数信息，如定义第一轮用户选择的深度为第一层，第二轮用户选择的深度为第二层，以此类推。当当前深度信息达到预设深度信息时，停止根据初始种子对象进行目标用户选择的操作。通过一个初始种子对象可以进行无限次数的用户选择，因此本步骤中通过设置一个预设深度信息作为用户选择操作停止的判断条件：当当前用户选择深度(当前轮数)达到预设深度(预设轮数)时，停止进行用户选择的操作。本实施例在上一个实施例的基础上，对用户选择的深度(即目标用户确定的轮数)进行限定，一方面为用户选择操作设置一停止条件，另一方面，由于随着用户选择轮数的增多，新确定的目标用户与初始种子对象的关联度也逐步降低，因此，用户选择深度限定也能保证确定的目标用户与初始种子对象仍具有一定的关联度，以便于用户族群的构建以及族群营销活动的开展。在一个实施例中，当选取的初始种子对象的数量为多个时，遍历数据库，分别确定每个初始种子对象对应的目标用户。本实施例中，在进行用户选择之前，选择的初始种子对象的数量可以是一个或者是多个，当只有一个初始种子对象时，根据该初始种子对象进行目标用户确定，直至用户选择深度达到预设深度为止。当是多个初始种子对象时，根据每个初始种子对象进行目标用户确定，直至每个初始种子对象的用户选择深度都达到预设深度为止。根据多个初始种子对象进行目标用户选择可以提高用户选择的广度，保证目标用户的数量。在一个实施例中，当初始种子对象的数量为多个时，各初始种子对象对应的预设关系条件相同或不同。例如：选取作为初始种子对象的用户包括a、b、c、d四个用户，在进行第一次的目标用户选择时，分别以a、b、c、d四个用户为初始种子对象确定新的目标用户。a、b、c、d四个初始种子对象对应的预设关系条件可以相同，也可以不同。如图3所示，在本实施例中遍历数据库，分别确定每个初始种子对象对应的目标用户的步骤，包括步骤s122至步骤s126。步骤s122，从各初始种子对象中选取一个初始种子对象作为当前初始种子对象。步骤s124，遍历数据库，确定数据库中对应于当前初始种子对象的目标用户，对应于当前初始种子对象的目标用户的特征信息与当前初始种子对象的特征信息满足当前初始种子对象对应的预设关系条件。步骤s126，返回从各初始种子对象中选取一个初始种子对象作为当前初始种子对象的步骤，直至各初始种子对象均作为过当前初始种子对象。具体地，同样以以a、b、c、d四个初始种子对象为例，在根据这四个初始种子对象分别进行目标用户选择时，可以按照abcd的顺序分别作为当前初始种子对象进行目标用户选择，多个初始种子对象作为当前初始种子对象进行目标用户选择的顺序并不固定。本实施例中，当初始种子对象的数量为多个时，每次根据一个初始种子对象进行用户选择，当一个初始种子对象的用户选择深度达到预设深度时，进行下一个初始种子对象的用户选择操作，从而可以更好的管理初始种子对象以及对应的用户选择深度。在一个实施例中，如图4所示，在根据确定的目标用户构建应用于族群营销中的用户族群步骤之后，该用户族群构建方法还包括步骤s140，对用户族群中的目标用户进行特征分类处理。具体地，假设构建的用户族群中有n个用户对象，每个用户对象有特征信息m个、预测特征信息(应用与种族营销的特征信息)有n个。为挖掘预期的营销模式，必要下，将用户对象的部分多值、连续的特征信息进一步离散化，使每个特征信息都作为独立的关系元。相关性方法的基本步骤如下：1)从用户族群中选择n个样本对象，为其具有的特征信息赋布尔值，建立n个m+n长的二进制串，布尔值是“真”true或“假”false中的一个。2)基于m+n长的二进制串，建立特征信息与单个预测特征信息的关联关系，模式总数如式待从n个样本集中计算每个模式的概率值。3)统计n个样本数中特征信息和单个预测特征信息的与关系为真值的样本数，如式：其中j∈[1,n],r∈[0,1]从而求得每个模式相关性的r值。特征相关性分析，为每个模式遍历n次求取r值，总体耗费时间是模式总数和样本总数的乘积，相关性方法时间复杂度见式t(n)＝o(n2)，但并非每个模式都是有效的，无效的模式需要清理掉。4)通过特征信息集合包含关系和r值排序来清理无效模式，如式模式a可清理，从而保留有趣模式用于商机挖掘；公式中模式b的自属性是模式a的自属性子集，但模式b的r值大于模式a，则表明模式a无效。5)模式清理后的剩下的有趣模式，可结合生产实际，定义r的经验值，提取特征信息强关联关系的模式，从基于用户族群的数据仓库中寻找具有特征信息组合特征的客户，推导潜在的预测特征信息发生的可能性。如要进一步评估模式，则获取样本对象的特征信息属性值，通过回归分析确定自、因属性之间的相关性函数关系；对模式清理，也可进一步定义模式质量度量来收敛。鉴于族群数据仓库的近亲关系符合现实客户群的社交性，且近亲关系的客户具有相似的产品消费倾向，通过相关性分析方法，挖掘出有趣的属性关联模式，并将模式直接应用在仓库内的对象。本实施例在建立应用与族群营销的用户族群后，进一步根据用户对象的特征信息对用户族群中的目标用户进行特征分类处理，从而对用户对象进行针对性的模式分类，进而开展多种不同的族群营销活动。在一个实施例中，如图5所示，采用爬虫技术实现上述多个实施例中提供的族群营销中的用户族群构建方法。网络爬虫是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。传统爬虫技术多用户抓取网站信息，而本实施例中将爬虫技术应用于抓取用户对象。本实施例中提出一种近亲爬虫的方法，综合用户的基本特征和行为特征构建细粒度的用户族群，该近亲爬虫方法以用户作为研究对象，基于已知对象的特征属性，定义近亲关系从企业生产数据库中抓取未知对象，使已知对象和所爬虫到的未知对象二者之间具有近亲关系，随着爬虫循环不止，建立起具有近亲关系的用户族群，从而进行数据挖掘，发现属性间的模式，进而为营销提供支撑。例如a用户经常浏览某一主题的页面，如果b用户也是，二者就可以认定为有近亲关系，在这基础上，如果a喜好使用产品的某个功能，可以判定b也会偏好这个属性，可以向b个性化推荐这一功能。具体地，首先基于营销场景定义近亲爬虫规则，包括：爬虫初始种子对象的选择、近亲关系的属性选择、爬虫深度设置。选择爬虫初始种子对象的某一个或多个特征属性定义近亲关系，从而使爬虫出的族群数据仓库具有特定主题，如特定时间段浏览商城某一类商品的用户具有近亲关系。执行近亲爬虫操作时，在一个实施例中，近亲爬虫算法用伪代码描述如下：算法：建立族群数据仓库的近亲爬虫算法。输入：企业内部客户基础及产品消费数据库和企业各渠道记录的用户行为信息。定义：1)对象ob(s1，s2，…，sn，p1，p2，…，pn)，s表示基本特征，p表示行为特征；2)近亲关系属性sc；3)爬虫深度depth；4)种子对象队列q，长度length；5)队列节点qnode(ob，depth)，存储对象及其爬虫深度；6)输入数据源db，记录总数rows；7)输出数据仓库dw。输出：建立起具有近亲关系的对象集，数据仓库存储关系如下表1近亲关系表所示。表1近亲关系表特征s1sc…snp1…pnob1char[]ob2char[]…char[]obnchar[]方法：getobfromdb(&ob)；//从数据源db中选择初始种子对象q←qnode(ob,0)；//初始化队列，并插入初始种子对象节点，对象隶属于爬虫深度0depth＝＝1；//第一轮爬虫sc←ob.sc；//将初始种子对象的爬虫属性值赋给sc，作为近亲关系判断依据while(q.length){//队列不为空，q的长度不为零getfirstnodefromq(&qnode)；//队列对头元素出列saveobtodw(qnode.ob)；//种子对象出列保存到数据仓库dwifqnode.depth＝＝9thencontinue；//结束本次循环，达到爬虫深度10for(inti＝0；i<db.rows；i++){//遍历db内所有对象getobfromdb(&ob[i])；//从db中提取对象ifob[i].sc＝＝scthenq←qnode(ob[i],depth)；//具有sc属性的近亲对象入列}depth++；//本轮爬虫结束，爬虫深度增加1层}本实施例中使用的近亲爬虫算法有赖于企业各类数据源的数据采集广度和深度，丰富对象信息，既能充分爬虫到近亲对象，也为相关性分析中的模式挖掘提供了充足样本集。应该理解的是，虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。在一个实施例中，如图6所示，提供一种族群营销中的用户族群构建装置，该装置包括种子选择模块110、目标确定模块120及族群构建模块130。种子选择模块110用于选取用户对象作为初始种子对象，并获取初始种子对象的特征信息，特征信息包括基础特征信息及行为特征信息。目标确定模块120用于遍历数据库，确定数据库中的目标用户，目标用户的特征信息与初始种子对象的特征信息满足与初始种子对象对应的预设关系条件。目标确定模块120通过遍历数据库中的各个用户的基础特征信息及行为特征信息，确定基础特征信息和/或行为特征信息与初始种子对象的基础特征信息和/或行为特征信息满足初始种子对象对应的预设关系条件的目标用户。族群构建模块130用于根据确定的目标用户构建应用于族群营销中的用户族群。在目标确定模块120确定每个初始种子对象的目标对象后，族群构建模块130根据目标确定模块120确定的目标用户构建应用于族群营销中的用户族群。在一个实施例中，如图7所示，该用户族群构建装置还包括用户分类模块140。用户分类模块140用于对用户族群中的目标用户进行特征分类处理。在建立应用与族群营销的用户族群后，进一步根据用户对象的特征信息对用户族群中的目标用户进行特征分类处理，从而对用户对象进行针对性的模式分类，进而开展多种不同的族群营销活动。关于族群营销中的用户族群构建装置的具体限定可以参见上文中对于族群营销中的用户族群构建方法的限定，在此不再赘述。上述族群营销中的用户族群构建装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储族群营销中的用户族群构建数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种族群营销中的用户族群构建方法。本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：选取用户对象作为初始种子对象，并获取初始种子对象的特征信息；遍历数据库，确定数据库中的目标用户；根据确定的目标用户构建应用于族群营销中的用户族群。在一个实施例中，处理器执行计算机程序时还实现以下步骤：当根据当前初始种子对象确定所述数据库中的目标用户后，以确定的目标用户作为新的初始种子对象，并根据所述新的初始种子对象确定新的目标用户。在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取在所述数据库内根据初始种子对象进行目标用户选择操作的当前深度信息；当所述当前深度信息达到预设深度信息时，停止根据所述初始种子对象进行目标用户选择的操作。在一个实施例中，处理器执行计算机程序时还实现以下步骤：从各初始种子对象中选取一个初始种子对象作为当前初始种子对象；遍历数据库，确定所述数据库中对应于所述当前初始种子对象的目标用户，对应于所述当前初始种子对象的目标用户的特征信息与所述当前初始种子对象的特征信息满足所述当前初始种子对象对应的预设关系条件；返回从各初始种子对象中选取一个初始种子对象作为当前初始种子对象的步骤，直至各初始种子对象均作为过当前初始种子对象。在一个实施例中，处理器执行计算机程序时还实现以下步骤：对所述用户族群中的目标用户进行特征分类处理。在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：选取用户对象作为初始种子对象，并获取初始种子对象的特征信息；遍历数据库，确定数据库中的目标用户；根据确定的目标用户构建应用于族群营销中的用户族群。在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当根据当前初始种子对象确定所述数据库中的目标用户后，以确定的目标用户作为新的初始种子对象，并根据所述新的初始种子对象确定新的目标用户。在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取在所述数据库内根据初始种子对象进行目标用户选择操作的当前深度信息；当所述当前深度信息达到预设深度信息时，停止根据所述初始种子对象进行目标用户选择的操作。在一个实施例中，计算机程序被处理器执行时还实现以下步骤：从各初始种子对象中选取一个初始种子对象作为当前初始种子对象；遍历数据库，确定所述数据库中对应于所述当前初始种子对象的目标用户，对应于所述当前初始种子对象的目标用户的特征信息与所述当前初始种子对象的特征信息满足所述当前初始种子对象对应的预设关系条件；返回从各初始种子对象中选取一个初始种子对象作为当前初始种子对象的步骤，直至各初始种子对象均作为过当前初始种子对象。在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对所述用户族群中的目标用户进行特征分类处理。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。当前第1页12